В начале 2026 года на российской площадке Ozon был замечен гуманоидный робот Unitree G1 по цене два миллиона рублей. Для тех, кому сумма кажется неподъёмной, доступна покупка в кредит с ежемесячным платежом около 74 тысяч рублей. Робот имеет человекоподобную конструкцию с ногами, руками и суставами. Пользователи сразу задались вопросами: сходит ли он за пивом, вскопает ли огород и не придушит ли хозяина ночью. Ответ на первый вопрос оказался отрицательным. Многие выразили недоумение: зачем нужен такой дорогой аппарат, если он не может выполнять простые бытовые действия. Показательно, что это не единичный случай — гуманоидные роботы уже несколько лет продаются в розницу, но каждый раз сталкиваются с одним и тем же барьером: разрывом между зрелищными демонстрациями и реальной полезностью в быту.

На самом деле Unitree G1 демонстрирует впечатляющие физические возможности. Он бегает, танцует, машет руками и выполняет сложные элементы кунг-фу. В социальных сетях вирусятся ролики, где робот наносит удары ногами и сражается с другими роботами. В Китае танцы роботов стали отдельным шоу-жанром: на главном новогоднем шоу страны 24 робота Unitree G1 исполнили синхронный танец с людьми перед миллиардной телеаудиторией. Они двигались со скоростью до 4 м/с, делали сальто, отталкивались от стен и самостоятельно возвращались в строй при сбоях. Никаких тросов или внешнего управления не использовалось — роботы ориентировались по собственным датчикам и заранее записанным движениям. Однако все эти навыки запрограммированы заранее на заводе: Dance 1, Dance 2, Kung Fu, Jeet Kune Do, бег, приседания, хлопки и другие режимы вызываются с пульта по кнопке. Это принципиальный момент: зритель видит «умное» поведение, но за ним стоит не интеллект, а отточенная моторика и скрипты.

Ключевая проблема заключается в том, что для бытовых задач требуется совершенно иной уровень автономии. Робот должен видеть окружающую обстановку, понимать цель, строить план действий, манипулировать руками и исправлять ошибки. Например, чтобы сходить за пивом в магазин, ему нужно дойти до торговой точки, найти нужную бутылку среди других в холодильнике, взять её так, чтобы не разбить, отстоять очередь, расплатиться и вернуться домой. При сбое он не должен упасть посреди магазина и ждать, пока владелец найдёт его по геолокации. Это целая эпопея, которая требует развитого искусственного интеллекта. Очевидно, что текущим моделям не хватает мозгов для таких задач. Более того, даже простое перемещение по незнакомому помещению с препятствиями и людьми остаётся нетривиальной задачей, а манипуляции с хрупкими предметами — отдельный вызов для сенсорики и управления усилием.

Тем не менее рынок гуманоидной робототехники переживает бум. Технология сборки доросла до серийных поставок: в первой половине 2026 года в мире отгрузили более 22 тысяч гуманоидов, что в три раза больше, чем год назад. Роботы уже используются на производстве, где среда предсказуема. Например, Figure тестировала своих роботов на заводе BMW в Спартанбурге: за 10 месяцев робот отработал 1250 часов, перекантовал более 90 тысяч деталей и участвовал в сборке 30 тысяч BMW X3, работая по 10 часов в день пять дней в неделю. В отличие от дома, где каждый стул или пакет молока — новый квест, на производстве все действия повторяемы и легко программируются. Дом — это хаотичная среда, для которой сложно прописать один сценарий. Именно поэтому промышленность остаётся главным полигоном, а быт — отдалённой целью.

Однако ситуация может измениться благодаря развитию ИИ-моделей для роботов. NVIDIA выпустила линейку ИИ-моделей для гуманоидов, которые можно доучивать под конкретного робота и задачи. Обучение проводится на видеозаписях из интернета, симуляциях и записях движений людей. Google разрабатывает аналогичные решения для Gemini Robotics, Tesla — для Optimus, Figure AI — для Helix. Таким образом, формируются две бизнес-модели: одни компании хотят, чтобы их технологии стояли внутри разных роботов, другие — продавать готовых роботов. В робототехнике прорастает второй слой рынка — модели, обучение и софт. Конечный продукт — персональный робокоп, способный сбегать в магазин, — будет содержать десятки поставщиков: приводы, чипы, навигацию, модели и готовые навыки. Каждому выгодно продавать свой кусок стека не одному производителю, а сразу десяти. Не факт, что самые большие деньги достанутся тем, кто собирает железо. Для российского рынка это означает потенциальное появление новых ниш для специалистов по обслуживанию и обучению роботов, хотя массовое внедрение гуманоидов в быт пока остаётся отдалённой перспективой.

Ещё один важный аспект — дефицит данных для обучения. ChatGPT учился на миллиардах статей, книг, видео и аудио. Но где взять миллиард примеров того, как правильно сжать пальцы, чтобы взять бутылку молока, или выложить плитку на кухне? Таких данных пока нет. Это создаёт новый бизнес — сбор данных для обучения роботов. Люди выполняют бытовые задачи с камерой на голове, а компании вроде Figure превращают эти видео в обучающие данные. Кроме того, потребуется сервисная инфраструктура: кто-то должен чинить роботов, настраивать модели, дообучать, править баги и контролировать группы роботов. Это ещё одна ветка рынка — интеграторы и сервисные компании. Сами они не производят роботов, но зарабатывают на обслуживании чужого продукта. Открытым остаётся вопрос, как быстро удастся накопить достаточные датасеты и снизить стоимость сенсорики, чтобы бытовой гуманоид стал массовым, а не игрушкой для состоятельных энтузиастов.