# В робототехнике может наступить свой ChatGPT-момент. Что это значит

Еще несколько лет назад каждая робототехническая компания создавала собственные модели искусственного интеллекта под конкретные задачи. Однако ситуация может измениться так же, как это произошло с генеративным AI после появления ChatGPT. Стартап General Intuition считает, что будущее за универсальными AI-моделями, которые смогут работать с разными типами роботов без многолетнего обучения. Разбираемся, что это значит для индустрии и почему такой подход может изменить рынок робототехники.

**Что означает «ChatGPT-момент» для робототехники**

До появления GPT-3 компании создавали собственные модели обработки текста, обучая их на огромных массивах специализированных данных. После выхода универсальных языковых моделей разработчики получили возможность использовать уже готовую основу и адаптировать ее под свои задачи.

[По мнению основателя General Intuition Пима де Витте,](<https://techcrunch.com/2026/07/08/this-startup-thinks-robotics-is-about-to-have-its-chatgpt-moment/>) аналогичная трансформация ожидает и робототехнику. Вместо того чтобы обучать искусственный интеллект отдельно для каждого робота, компании смогут использовать одну фундаментальную модель, которая уже понимает, как взаимодействовать с окружающим миром.

**Почему современная робототехника требует слишком много данных**

Сегодня большинство робототехнических компаний собирают сотни тысяч или даже миллионы часов данных с камер, датчиков и сенсоров. Эти данные необходимы, чтобы робот научился выполнять даже относительно простые действия.

Такой подход требует больших затрат времени и денег, а каждая новая модель робота фактически начинает обучение заново.

**Что предлагает General Intuition**

Вместо обучения на реальных роботах компания решила использовать другой источник данных — видеоигры.

Разработчики обучили фундаментальную AI-модель на миллионах часов игрового процесса, где искусственный интеллект анализировал действия человека: какие кнопки он нажимает, как двигается и принимает решения в пространстве.

По словам команды, именно такие данные помогают сформировать понимание движения, времени и взаимодействия с окружающей средой.

**Как модель работает на практике**

После обучения модель протестировали на четвероногом роботе.

Для адаптации к реальному устройству понадобилось всего восемь минут реальных данных. После этого робот смог ориентироваться в офисе, используя только изображение с одной фронтальной камеры без дополнительных сенсоров.

По словам разработчиков, модель успешно справлялась даже тогда, когда в помещении двигались люди и постоянно менялась обстановка.

**Почему это важно для индустрии**

Если подход окажется успешным, разработчикам больше не придется собирать огромные датасеты для каждого нового устройства.

Компании смогут использовать универсальную AI-модель как основу и лишь слегка адаптировать ее под собственных роботов. Это позволит значительно сократить стоимость разработки и ускорить вывод новых продуктов на рынок.

Подобный сценарий уже произошел в генеративном искусственном интеллекте, когда вместо создания собственных моделей разработчики начали использовать GPT, Claude, Llama и другие фундаментальные модели.

**Почему инвесторы делают ставку на этот подход**

В июне 2026 года General Intuition привлекла **$320 миллионов **инвестиций при оценке **$2,3 миллиарда.**

Компания не планирует самостоятельно выпускать роботов. Ее цель — создать универсальную AI-платформу для физического искусственного интеллекта, которую смогут использовать производители робототехники по всему миру.

Если эта стратегия оправдает себя, рынок может получить аналог ChatGPT, но уже для роботов — универсальную модель, которая станет базой для создания самых разных автономных машин, от промышленных роботов до беспилотного транспорта.
