Рынок физического ИИ долго измеряли эффектными демонстрациями: роботы бегают, танцуют, складывают вещи и выполняют сложные движения. Но на производстве и в логистике важнее другой показатель — способна ли автоматизация действительно сократить затраты и окупиться. Именно этот вопрос становится центральным для компаний, внедряющих роботов в реальные цеха и склады.

Компания Mech-Mind Robotics представила первые промежуточные результаты после выхода на Гонконгскую биржу. Её выручка за первое полугодие составила 237,3 млн юаней, увеличившись на 54,7%, а валовая маржа выросла с 61,4% до 65%. Новые заказы увеличились на 75,3%, до 335,4 млн юаней.

При этом расходы на исследования и разработки выросли почти на 73%, однако скорректированный убыток сократился. Такая комбинация особенно важна для отрасли, где масштабные инвестиции в технологии часто ещё не сопровождаются понятной экономикой.

Главный тезис компании заключается в том, что самая дорогая часть роботизации — не механическая рука и не камера, а время инженеров. В традиционном проекте специалисты должны вручную адаптировать систему к каждому новому изделию, перенастраивать производство, программировать операции, проводить наладку на площадке и затем поддерживать решение.

Оборудование со временем дешевеет, а работа квалифицированных инженеров — нет. Поэтому модель, основанная на индивидуальной настройке каждого участка, плохо масштабируется.

Физический ИИ должен переносить часть этой работы с инженера на модель. В подходе Mech-Mind система самостоятельно распознаёт объекты, принимает решения и строит траектории движения, сокращая внедрение с месяцев до нескольких дней.

Например, для отслеживания предметов на конвейере используется алгоритм определения шестимерной позы: при скорости конвейера 500 мм в секунду заявлена точность динамического позиционирования до 2 мм.

Новый тип детали можно подключить на основе её трёхмерной модели без повторного сбора данных и обучения, что особенно важно для производств с малыми сериями и частой сменой ассортимента.

Экономический эффект проявляется и в надёжности оборудования. Компания сообщает, что её манипуляторная кисть рассчитана как минимум на два миллиона циклов захвата, тогда как обычные решения в отрасли нередко рассчитаны на сотни тысяч циклов. Более долгий срок службы означает меньше остановок линии, замен оборудования и затрат на обслуживание.

Когда такие функции становятся стандартным продуктом, робототехническая компания может продавать не отдельные компоненты, а готовые интеллектуальные рабочие станции.

Это повышает ценность каждого внедрения и снижает долю ручной адаптации. В результате рост выручки и валовой прибыли начинает перекрывать дополнительные инвестиции в исследования: в отчётности Mech-Mind рост валовой прибыли оказался больше прироста затрат на R&D, а операционные показатели улучшились, несмотря на продолжающиеся вложения в развитие.

На это же указывает высокая доля повторных заказов — 93,9%. Клиенты сначала проверяют решение на одном участке, а затем расширяют его на другие линии и заводы.

Зарубежные продажи выросли быстрее общего бизнеса, а валовая маржа за рубежом достигла 81,4%, что логично для рынков, где дефицит работников и стоимость инженерного труда особенно высоки.

Сильной стороной Mech-Mind компания считает накопленный массив промышленного опыта: более 30 тысяч установленных систем, совместимость с десятками брендов и тысячами моделей роботов, работа в десятках типовых сценариев.

Такие данные трудно воспроизвести в лаборатории. Чем больше систем работает в реальном мире, тем больше данных возвращается для улучшения моделей; чем лучше модели, тем быстрее и дешевле следующие внедрения.

Главный сдвиг в физическом ИИ происходит именно здесь: соревнование постепенно уходит от зрелищности роликов к способности превратить интеллект в сокращённые часы наладки, меньшие простои и понятную прибыль клиента.

Если эта связь между моделью, внедрением и экономикой сохраняется, физический ИИ перестаёт быть обещанием и становится промышленным инструментом.