Physical AI: следующий этап автоматизации и инвестиционная возможность

Еще недавно промышленная роботизация была довольно простой историей. Робот выполнял заранее запрограммированную последовательность действий и практически не умел адаптироваться к изменениям вокруг себя. Если деталь смещалась, появлялся новый объект или менялась производственная операция, требовалось вмешательство человека и перепрограммирование.

Physical AI меняет сам подход. Современный робот получает возможность одновременно использовать камеры, сенсоры, звук и данные от других устройств, интерпретировать происходящее вокруг и выбирать следующее действие. В перспективе это превращает робота из специализированного станка в универсальную машину, способную выполнять несколько типов операций.

Для инвестора здесь важен не сам технологический эффект, а вопрос экономики. Пока робот просто умеет делать то, что раньше делал человек, это еще не гарантирует коммерческого успеха. Настоящий перелом произойдет тогда, когда автоматизированная система сможет выполнять работу дешевле, надежнее и достаточно быстро по сравнению с сотрудником.

Нынешний интерес к Physical AI основан сразу на нескольких тенденциях. Первая – быстрый прогресс ИИ-моделей. Мультимодальные системы уже способны объединять изображения, текст, звук и сенсорные данные. Следующим этапом должны стать так называемые модели мира, которые смогут не только распознавать объект, но и прогнозировать последствия действия: например, что произойдет после перемещения предмета или изменения траектории робота.

Вторая тенденция – формирование своеобразного «маховика данных». Каждый робот, работающий в реальной среде, генерирует информацию о движениях, объектах, ошибках и нештатных ситуациях. Эти данные позволяют улучшать модели, а затем возвращать обновленное программное обеспечение на устройства. Чем больше роботов работает физически, тем больше данных получает разработчик.

Третья составляющая – снижение стоимости самой робототехники. По текущим оценкам, стоимость компонентов робота, или BOM, сокращается примерно на 7% в год, тогда как средняя цена продажи снижается примерно на 6%. Одновременно дорожает человеческий труд. В США в 2024–2034 годах ожидается около 1 млн. новых вакансий ежегодно в линейном складском и производственном персонале только из-за естественного выбытия работников. Совокупный фонд оплаты труда этой категории оценивается примерно в $240 млрд.

Именно здесь появляется инвестиционно важный момент. В 2026 году стоимость промышленного гуманоидного робота соответствует примерно 2,8 года затрат на одного сотрудника. К 2027 году этот показатель может снизиться до 1,9 года. Если оценка оправдается, роботизация начнет выглядеть не как дорогостоящий эксперимент, а как обычное решение по сокращению издержек.

Масштаб капитала уже показывает, насколько серьезно рынок относится к этой теме. В первом квартале 2026 года инвестиции в Physical AI достигли $47,4 млрд. в рамках 521 сделки – почти в четыре раза больше показателя за аналогичный период второго полугодия 2025 года. Южная Корея, например, направила около $500 млн. на K-Humanoid Alliance с целью довести производство до 1000 гуманоидов в год к 2029 году.

Рынок может оказаться значительно шире производства роботов

Прогнозы поставок гуманоидов уже существенно выросли. Ожидается около 75 тыс. устройств в 2026 году, 890 тыс. к 2030 году и 6,5 млн. к 2035 году. Предыдущие оценки составляли соответственно 51 тыс., 256 тыс. и 1,4 млн. единиц.

Если этот сценарий реализуется, к 2035 году рынок гуманоидных роботов может достигнуть $138 млрд. Однако для инвестора гораздо интереснее другое: стоимость отрасли не ограничивается продажей самих роботов. Каждая машина требует вычислительных мощностей, памяти, камер, сенсоров, приводов, редукторов, аккумуляторов, кабелей, разъемов и программного обеспечения.

Поэтому ставка только на производителя роботов необязательно является единственным способом получить выгоду от роста отрасли.

Первым крупным рынком для Physical AI, вероятнее всего, станут склады и логистика. Здесь среда относительно контролируемая, но количество различных операций слишком велико для традиционных роботов, каждый из которых рассчитан на конкретную задачу. Погрузка, сортировка и комплектация заказов подходят для более универсальных машин.

Автомобильная промышленность может стать следующим важным направлением. Роботы уже тестируются на производственных линиях, включая проекты Tesla Optimus и Boston Dynamics Atlas. Но текущая технология пока способна закрыть лишь около 2% задач неавтоматизированной сборки. Остальные 98% требуют дальнейшего совершенствования манипуляторов и ИИ.

Это важный сигнал для инвестора: громкие демонстрации роботов еще не означают масштабного спроса. Главный показатель – количество операций, которые машина действительно способна выполнять в промышленной среде.

Где формируется инвестиционная ценность

Physical AI создает несколько уровней потенциальных бенефициаров.

Первый – производители компонентов. Nvidia развивает платформу Isaac и решения для Physical AI, Qualcomm предлагает вычисления непосредственно на устройствах, Micron получает потенциальный спрос на высокоскоростную память, а TDK присутствует сразу в нескольких сегментах робототехнического стека.

Отдельно выделяется MinebeaMitsumi. Компания производит подшипники, микромоторы, сенсоры и другие компоненты, причем рассчитывает на робототехническую выручку в размере ¥100–200 млрд. к 2035 году. Один гуманоид может содержать значительно больше механических компонентов, чем автомобиль премиум-класса; только в одной роботизированной кисти может находиться до 85 подшипников.

Второй уровень – промышленное программное обеспечение. По мере перехода от отдельных роботов к управлению целыми флотами устройств возрастает значение vPLC – виртуальных контроллеров. Традиционный рынок PLC оценивается примерно в $13 млрд., тогда как сегмент vPLC, начиная примерно с $0,5 млрд., может расти на 20–30% в год и достичь около $1,3 млрд. к 2030 году. Среди компаний, способных получить выгоду от этого тренда, – Siemens, Rockwell Automation и Schneider Electric.

Третий уровень – непосредственные производители роботов. Здесь потенциальная доходность может быть выше, но и неопределенность значительно больше. Tesla развивает Optimus, а Hyundai и Xiaomi также дают публичным инвесторам доступ к отдельным направлениям робототехники. Проблема заключается в том, что пока неизвестно, какая архитектура, система управления и бизнес-модель в конечном итоге станут стандартом отрасли.

Главное ограничение Physical AI – сложность реального мира. Для промышленности важна не только способность робота перемещаться, но и выполнение точных операций: захват предметов, подключение разъемов, прокладка кабелей. При этом сохраняется разрыв между симуляцией и реальностью, а работа в условиях пыли, масла, вибраций и экстремальных температур повышает требования к надежности.

Есть и экономический риск. Около 40% крупных компаний планируют автоматизировать или модернизировать не менее 10% процессов за 3–5 лет, однако примерно треть пока не уверена в положительном финансовом эффекте Physical AI в ближайшие три года. Кроме стоимости робота, бизнесу приходится учитывать интеграцию, ПО, инфраструктуру, обучение и обслуживание.

Поэтому ключевой вопрос для инвесторов – не скорость выпуска роботов, а способность технологии доказать реальную экономию. Диверсифицированные поставщики компонентов и промышленного ПО меньше зависят от того, какая робототехническая платформа станет лидером, тогда как производители самих роботов несут более высокие технологические и коммерческие риски.