Рынок человекоподобных роботов научился производить эффектные машины, но пока не научился массово продавать их труд. Они уже участвуют в марафонах, танцуют, дерутся и собирают аудитории на выставках — по сути, развлекают публику. Производители планируют строить заводы на тысячи машин, инвесторы оценивают стартапы в миллиарды долларов. Но если технология столь успешна, почему мы видим так мало андроидов у станков, на складах и в сервисе?
Алексей Южаков
Лидер Новой технологической коалиции, основатель и председатель совета директоров компании «Промобот»
Серийность без массового рынка
Рынок пока находится на стадии массового обучения, а не массового внедрения. Инженеры, в том числе в России, уже умеют собирать работоспособное «тело» робота. Главный дефицит даже не импортные детали, а накопленный опыт взаимодействия машины с физическим миром.
По данным Counterpoint Research, в первом полугодии 2026 года мировые поставки гуманоидных роботов превысили 22 тыс. единиц — почти в четыре раза больше, чем годом ранее. По итогам года аналитики ждут более 50 тыс. поставок. Но структура спроса важнее самой цифры: свыше 60% машин по-прежнему приходится на развлечения, исследования и производство данных. На складскую логистику, где роботам, казалось бы, самое место, приходится всего 5%.
Эти цифры показывают состояние рынка. Если основные заказчики — университеты, лаборатории и предприятия, проверяющие отдельные сценарии применения андроидов, им достаточно партий в десятки или сотни машин. Поэтому в ходу мелкосерийная и даже ручная сборка.
Исключением является Китай. Здесь государственная промышленная политика разгоняет производство раньше, чем сформировался коммерческий спрос. Reuters насчитало в стране более 150 компаний, занимающихся гуманоидными роботами. Только в первом полугодии 2026 года госструктуры потратили не менее $230 млн на закупки роботов, учебных систем и демонстрационных проектов.
Но производственная мощность еще не означает массового рынка. Значительная часть машин поступает в тренировочные центры, лаборатории или на фабрики для опытной эксплуатации. Крупные партии часто делают под ограниченный круг заказчиков, а не для широкого рынка.
Проблемы с «мозгами»
Главное ограничение сегодня — интеллект робота. Языковой модели доступен практически весь оцифрованный текстовый интернет. У физического ИИ такого массива готовых данных просто нет. Ему неоткуда взяться. Робота нужно специально учить видеть предметы, оценивать расстояние и силу захвата — открывать двери, брать детали разной формы и реагировать на изменения среды.
В результате основная работа отрасли скрыта от публики. Мы видим минутное выступление робота на выставке, но не видим тысячи часов телеуправления, симуляций и тренировок, когда люди показывают машине правильные движения. Чтобы облегчить задачу, NVIDIA в 2026 году представила архитектуру Physical AI Data Factory для массового создания, обработки и оценки таких данных. Это своего рода фабрика, которая создает «игрушечный мир» для обучения роботов взаимодействию с физической средой.
И здесь показателен опыт Китая. В тренировочном центре в Лючжоу для сотни андроидов создали спецшколу, где учили сортировать коробки, упаковывать лапшу и готовить кофе. Простые операции машины выполняли примерно с 20% человеческой скорости. Один пригодный фрагмент движения у неопытного тренера мог получаться лишь с 300-й попытки.
Этот пример показывает границу между демонстрацией и производительностью. Робот способен выполнить операцию на знакомом стенде, но ошибается, если изменились освещение, положение предмета или угол захвата. Для завода этого достаточно, чтобы экономика не сошлась и от покупки отказались. Обычный промышленный манипулятор работает дешевле, быстрее и надежнее, когда задача заранее известна и повторяется.
Мир людей для роботов
Это не означает, что идея антропоморфного робота не работает. Наоборот, способность пользоваться инфраструктурой, созданной для человека, делает направление перспективным. Не понадобятся специальные двери, лестницы, инструменты и рабочие места. Когда роботы научатся уверенно действовать в человеческой среде, потенциальный рынок будет огромным.
Первые прикладные сценарии уже появляются. Китайская Galbot использует роботов в аптеках более чем в двух десятках городов; компания заявляет успешность выбора товаров выше 95%. Автопроизводители тестируют гуманоидов на сортировке, перемещении грузов и отдельных сборочных операциях.
В России тоже тестируют применение человекоподобных роботов, в том числе на базе закупленных китайских платформ. Такие пилоты стоит отличать от разработки собственного робота. Из подтвержденных мне проектов собственные антропоморфные платформы разрабатывают Сбер и «Айдол». Но эти кейсы пока правильнее считать скорее накоплением опыта для будущего массового рынка. Продажи человекоподобных роботов «не взлетели» не из-за ошибки в самой идее. Аппаратная часть опередила программную — то есть антропоморфный робот оказался слаб не «железом», а мозгами. Андроиды уже умеют ходить и брать предметы. Теперь нужно научить их делать это надежно, быстро и без отдельного обучения для каждого рабочего места. И как только это произойдет, конкуренция пойдет не за самое эффектное выступление на выставке, а за стоимость часа реальной работы робота.
