Сбер: роботы повторяют путь LLM: от узких кейсов к массовому прорыву, робототехника в экспоненте
Морошкин Святослав, управляющий директор, Центр робототехники Сбера. Конференция ЦИПР 2026, «Цифровая индустрия промышленной России». Организатор компания ООО «ОМГ». Развитие робототехнического AI похоже на эволюцию больших языковых моделей. Ещё в 2020 году LLM казались нишевой темой, а сегодня стали массовым инструментом; с роботами, по мнению выступающего, происходит похожая история. Прогресс идёт за счёт роста вычислений и обучения. Этот тренд уже был у языковых моделей, и аналогичная динамика наблюдается в моделях для “физического AI” в робототехнике. Снаружи кажется, что всё движется медленно, но на самом деле это экспоненциальный рост. Особенно быстро улучшаются не только движения роботов, но и их понимание среды и действий. Главный bottleneck — данные. Нейросети пока почти не видели реального мира, поэтому сейчас в эту область активно идут инвестиции и исследования. В горизонте 5–7 лет ИИ-тренды перейдут в робототехнику. Это подаётся как практически неизбежное развитие. Антропоморфные роботы в одиночных задачах могут быть избыточны. Раньше, вероятнее всего, появятся роботы на колёсных платформах с руками, которыми будет управлять тот же физический AI. Гуманоидные роботы придут позже, но с более широким покрытием сценариев. Их описывают как “general purpose” решения, похожие по универсальности на современные AI-модели. Первыми массово появятся специализированные решения. Они будут закрывать всё более широкий набор edge cases в производственных процессах.
Морошкин Святослав, управляющий директор, Центр робототехники Сбера. Конференция ЦИПР 2026, «Цифровая индустрия промышленной России». Организатор компания ООО «ОМГ». Развитие робототехнического AI похоже на эволюцию больших языковых моделей. Ещё в 2020 году LLM казались нишевой темой, а сегодня стали массовым инструментом; с роботами, по мнению выступающего, происходит похожая история. Прогресс идёт за счёт роста вычислений и обучения. Этот тренд уже был у языковых моделей, и аналогичная динамика наблюдается в моделях для “физического AI” в робототехнике. Снаружи кажется, что всё движется медленно, но на самом деле это экспоненциальный рост. Особенно быстро улучшаются не только движения роботов, но и их понимание среды и действий. Главный bottleneck — данные. Нейросети пока почти не видели реального мира, поэтому сейчас в эту область активно идут инвестиции и исследования. В горизонте 5–7 лет ИИ-тренды перейдут в робототехнику. Это подаётся как практически неизбежное развитие. Антропоморфные роботы в одиночных задачах могут быть избыточны. Раньше, вероятнее всего, появятся роботы на колёсных платформах с руками, которыми будет управлять тот же физический AI. Гуманоидные роботы придут позже, но с более широким покрытием сценариев. Их описывают как “general purpose” решения, похожие по универсальности на современные AI-модели. Первыми массово появятся специализированные решения. Они будут закрывать всё более широкий набор edge cases в производственных процессах.