Sanctuary AI zbudowalo pierwszego na swiecie robota, ktory mysli zanim sie poruszy. 15 jednostek to dopiero poczatek.

Większość firm produkujących roboty humanoidalne zaczyna od ciała, a potem próbuje dać mu mózg. Sanctuary AI zaczęło od mózgu, a potem zbudowało wokół niego ciało.

To rozróżnienie brzmi jak tekst marketingowy, ale opisuje autentycznie odmienną filozofię inżynieryjną, która czyni Sanctuary jedną z najbardziej intelektualnie interesujących firm w wyścigu humanoidów. Działając z Vancouver w Kolumbii Brytyjskiej, firma dostarczyła 15 robotów humanoidalnych Phoenix. Na rynku, gdzie Unitree dostarczyło 5500, a AgiBot dostarczył 5200, piętnaście to ledwie błąd zaokrąglenia.

Sanctuary to nie obchodzi.

Założyciel firmy, Geordie Rose, spędził karierę na budowaniu maszyn, które myślą inaczej. Współzałożył D-Wave, pierwszą firmę, która sprzedała komercyjny komputer kwantowy. Współzałożył Kindred AI, które budowało roboty magazynowe uczące się przez obserwowanie ludzi. Teraz buduje to, co nazywa pierwszą na świecie inteligencją podobną do ludzkiej w ciele robota, i jest gotów pozwolić każdej innej firmie go przegonić w dostawach, dopóki nie dopracuje poznania.

To albo wizjonerski zakład, który ostatecznie okaże się proroczy, albo firma, która co kwartał coraz bardziej zostaje w tyle, podczas gdy konkurenci budują nieprzezwyciężone przewagi produkcyjne. Pola pośredniego jest bardzo niewiele. A dowody na obie interpretacje są przekonujące.

Założyciel komputerów kwantowych, który przerzucił się na roboty

Nie da się zrozumieć Sanctuary AI bez zrozumienia Geordie Rose’a, a nie da się zrozumieć Geordie Rose’a bez zrozumienia D-Wave.

W 1999 roku Rose współzałożył D-Wave Systems w Vancouver z celem zbudowania praktycznego komputera kwantowego. W tamtym czasie większość fizyków uważała, że komputery kwantowe są o dekady od jakiegokolwiek użytecznego zastosowania. Konsensus naukowy mówił, że potrzeba tysięcy doskonale koherentnych kubitów, żeby zrobić cokolwiek interesującego, a nikt nie potrafił sprawić, by nawet kilka kubitów działało niezawodnie.

Rose obrał inne podejście. Zamiast dążyć do teoretycznie optymalnej formy obliczeń kwantowych (bramkowy model obliczeń kwantowych), D-Wave zbudowało wyżarzacz kwantowy, mniej ogólny, ale bardziej natychmiastowo praktyczny typ komputera kwantowego. Maszyna nie mogła robić wszystkiego, co teoretyczny komputer kwantowy, ale potrafiła rozwiązywać pewne problemy optymalizacyjne szybciej niż komputery klasyczne. D-Wave dostarczyło pierwszy system komercyjny do Lockheed Martin w 2011 roku, a do Google i NASA w 2013.

Doświadczenie z D-Wave nauczyło Rose’a czegoś, co teraz kształtuje wszystko w Sanctuary AI: nie trzeba rozwiązać całego problemu, żeby dostarczyć coś użytecznego. Trzeba znaleźć odpowiednią warstwę abstrakcji, odpowiednie uproszczenie, które pozwala dostarczyć realną zdolność, zanim kompletne ramy teoretyczne zostaną ukończone.

Po D-Wave, Rose współzałożył Kindred AI w 2014 roku z Suzanne Gildert, fizyczką, która pracowała w D-Wave. Kindred budowało robotyczne systemy kompletacji zamówień dla zastosowań magazynowych i logistycznych. Kluczową innowacją był rurociąg od teleoperacji do autonomii: ludzcy operatorzy początkowo zdalnie kontrolowali roboty, a system z czasem uczył się z ludzkich demonstracji, stopniowo przejmując coraz więcej zadań autonomicznie.

Kindred zostało przejęte przez Ocado Group w 2020 roku. Ale kluczowa myśl z Kindred, że można uruchomić inteligencję robota z ludzkich demonstracji poprzez teleoperację, podążyła za Rose’em i Gildert do ich kolejnej firmy.

Sanctuary AI zostało założone w 2018 roku. Teza była odważna: zbudować robota humanoidalnego z ludzką ogólną inteligencją. Nie robota, który potrafi dobrze wykonać jedno zadanie. Robota, który rozumie, czym jest zadanie, dlaczego musi być wykonane i jak się dostosować, gdy coś pójdzie nie tak. Rose i Gildert wierzyli, że jest to możliwe dzięki temu, czego nauczyli się w Kindred o transferze umiejętności z człowieka na robota. I wierzyli, że jest to konieczne, ponieważ bez autentycznego rozumienia roboty humanoidalne będą na zawsze ograniczone do wąskich, zaprogramowanych zastosowań.

Carbon: system AI, który jest na pierwszym miejscu

Centralnym elementem technologii Sanctuary jest Carbon, system sterowania AI, który firma opisuje jako architekturę poznawczą dla robotów. Carbon nie jest dużym modelem językowym przykręconym do robota. To system zbudowany od podstaw, zaprojektowany, by dać robotom zdolność rozumienia zadań na poziomie konceptualnym.

Większość systemów AI robotów humanoidalnych działa mniej więcej tak: robot odbiera dane z czujników, kamer i innych wejść, przetwarza je przez sieć neuronową wytrenowaną na konkretnych zadaniach i generuje polecenia motoryczne. System uczy się mapować wejścia sensoryczne na wyjścia motoryczne przez ogromne ilości danych treningowych. Może być bardzo dobry w konkretnych zadaniach, na których był trenowany, ale nie “rozumie” tego, co robi, w żadnym znaczącym sensie.

Carbon działa inaczej. System próbuje modelować to, co Sanctuary nazywa “warstwą rozumienia zadań” - pośrednią reprezentację między surowym wejściem sensorycznym a wyjściem motorycznym, która uchwyca konceptualną strukturę tego, co robot próbuje osiągnąć. Gdy robot Phoenix zasilany przez Carbon zostanie poproszony o złożenie koszuli, nie odtwarza po prostu zapamiętanej sekwencji poleceń motorycznych. Buduje wewnętrzny model tego, czym jest koszula, co znaczy “złożona”, gdzie znajdują się krawędzie tkaniny, jak chwycić i manipulować różnymi materiałami i jak się zregenerować, gdy złożenie pójdzie nie tak.

Rozróżnienie między podejściem Carbon a podejściami uczenia ze wzmacnianiem czy uczenia przez naśladowanie stosowanymi przez większość konkurentów jest subtelne, ale ważne. Większość systemów AI dla robotów uczy się wykonywać zadania. Carbon jest zaprojektowany, by uczyć się rozumieć zadania. Praktyczna różnica ujawnia się, gdy warunki się zmieniają. Robot wytrenowany standardowym uczeniem przez naśladowanie do podnoszenia czerwonego kubka z białego stołu może zawieść, gdy kubek jest niebieski lub stół jest drewniany. Robot z autentycznym rozumieniem zadań powinien rozpoznać, że kolor kubka i materiał stołu są nieistotne dla celu.

Czy Carbon naprawdę osiąga ten poziom rozumienia zadań, to szczerze mówiąc, wciąż otwarte pytanie. 15 wdrożonych jednostek Sanctuary nie wygenerowało wystarczającej ilości publicznych danych o wydajności, by wydać definitywny osąd. Twierdzenia firmy są wiarygodne na podstawie badań leżących u podłoża, ale nie zostały niezależnie zwalidowane w skali, która rozstrzygnęłaby debatę.

Robot Phoenix

Phoenix to platforma robotów humanoidalnych Sanctuary, teraz w siódmej generacji. Mierzy 170 cm wzrostu, waży około 70 kg i ma formę celowo dopasowaną do ludzkiej skali. Robot jest zaprojektowany do pracy w środowiskach zbudowanych dla ludzi, przechodzenia przez standardowe drzwi, sięgania po półki na ludzkiej wysokości i poruszania się po przestrzeniach roboczych z ludzkimi prześwitami.

Ręce to miejsce, w które Sanctuary zainwestowało nieproporcjonalnie dużo wysiłku inżynieryjnego. Ręce Phoenix posiadają wiele indywidualnie napędzanych palców z wyczuwaniem siły i kontrolą podatności, zdolnych do tego, co firma nazywa “zręczną manipulacją podobną do ludzkiej”. W praktyce oznacza to, że Phoenix potrafi obsługiwać miękkie obiekty, nieregularne kształty i zadania wymagające precyzyjnej kontroli motorycznej, czyli zdolności, których większość konkurencyjnych humanoidów nie ma lub wykonuje słabo.

Ten nacisk na ręce jest sam w sobie deklaracją filozoficzną. Sanctuary publicznie argumentowało, że ręce to najważniejszy i najtrudniejszy problem w robotyce humanoidalnej. Nogi przyciągają więcej uwagi, ponieważ chodzenie na dwóch nogach jest wizualnie imponujące i historycznie trudne. Ale pod względem przydatności komercyjnej to zdolność manipulowania obiektami ze zręcznością podobną do ludzkiej decyduje o tym, czy robot humanoidalny naprawdę może zastąpić ludzką pracę w większości środowisk pracy.

Pomyśl o tym, co ludzie faktycznie robią w sklepie detalicznym, w fabryce, w magazynie. Podnoszą obiekty o różnych kształtach i rozmiarach. Otwierają paczki. Składają ubrania. Montują komponenty. Piszą na klawiaturach. Obsługują narzędzia. Niemal każde komercyjnie wartościowe zadanie wymaga rąk, a większość tych zadań wymaga rodzaju precyzyjnej manipulacji, którego proste dwupalczaste chwytaki nie są w stanie wykonać.

Realne wdrożenia, małe liczby

15 dostarczonych jednostek Phoenix Sanctuary jest wdrożonych w niewielkiej liczbie programów pilotażowych, które ujawniają strategię komercyjną firmy.

Najważniejsze wdrożenie dotyczy Mark’s, sieci sklepów z odzieżą roboczą i casualową należącej do Canadian Tire Corporation. Roboty Phoenix były testowane w lokalizacjach Mark’s, wykonując zadania takie jak składanie ubrań, organizowanie półek i zarządzanie zapasami. Handel detaliczny to wymowny wybór na pierwsze wdrożenie. Wymaga manipulacji ogólnego przeznaczenia (obsługa wielu różnych typów obiektów), naturalnej interakcji człowiek-robot (praca obok klientów i personelu) i zdolności adaptacji (układy sklepów zmieniają się często wraz z sezonami i promocjami).

Bardziej strategicznie istotne jest partnerstwo z Magna International, jednym z największych producentów części motoryzacyjnych na świecie. Magna produkuje komponenty dla praktycznie każdego dużego producenta samochodów i prowadzi ponad 340 zakładów produkcyjnych w 28 krajach. Partnerstwo celuje w zadania produkcyjne wymagające zręcznej manipulacji i elastyczności poznawczej. Zadania, które obecnie wykonują ludzie, ponieważ tradycyjna automatyka przemysłowa nie radzi sobie ze zmiennością.

Sanctuary otrzymało również wsparcie finansowe od rządu federalnego Kanady, w tym około 30 milionów dolarów kanadyjskich z różnych programów innowacji. To wsparcie rządowe odzwierciedla strategiczny interes Kanady w ustanowieniu krajowego przemysłu AI i robotyki. Zapewnia Sanctuary kapitał niedywidendowy, który nie wiąże się z taką samą presją wzrostu jak finansowanie venture.

Łączna liczba wdrożeń jest niewielka. Piętnaście jednostek w garści lokalizacji nie generuje takiego rodzaju danych operacyjnych, jakie produkuje 5500 jednostek Unitree czy 5200 AgiBot. To fundamentalne napięcie w sercu strategii Sanctuary: firma wierzy, że musi dopracować inteligencję przed skalowaniem produkcji, ale dopracowanie inteligencji wymaga danych z rzeczywistego świata, które pochodzą wyłącznie z wdrożeń na skalę.

Argument kontrariański

Każda inna firma humanoidalna w wyścigu zasadniczo zbiegła się na tej samej strategii: zbuduj najlepsze ciało robota, jakie potrafisz, dostarcz jak najwięcej jednostek, zbieraj dane operacyjne i ulepszaj AI z czasem. Sprzęt jest na pierwszym miejscu. Inteligencja rozwija się poprzez wdrożenia.

Unitree dostarcza tysiące G1 po 16 000 dolarów za sztukę. Roboty nie są genialne. Nie mają zaawansowanych architektur poznawczych. Ale każda jednostka generuje dane, a te dane wracają w postaci ulepszeń. AgiBot stosuje ten sam scenariusz ze swoim podejściem stawiającym produkcję na pierwszym miejscu. Tesla wykorzystuje dane z FSD i wdrożenia we własnych fabrykach. Figure AI zbiera dane z hali produkcyjnej BMW.

Sanctuary odwraca to. Firma wierzy, że dostarczanie tysięcy robotów z ograniczoną inteligencją to budowanie na piasku. Dostaniesz roboty, które potrafią wykonywać wąskie zadania w kontrolowanych środowiskach, ale nie dostaniesz robotów, które potrafią generalizować, adaptować się i naprawdę zastąpić ludzką pracę w różnorodnych warunkach. Dane zebrane z wdrożeń wąskozadaniowych uczą, jak lepiej wykonywać wąskie zadania. Nie uczą myśleć.

Rose był jednoznaczny w tej kwestii. W wywiadach porównywał podejście wolumenowe do próby zbudowania ludzkiego mózgu, zaczynając od odruchów i idąc w górę. Można zbudować bardzo dobre odruchy. Ale odruchy to nie inteligencja i żadna optymalizacja odruchów nie wyprodukuje rozumienia. Trzeba najpierw zbudować architekturę poznawczą, zdolność do rozumienia, a potem trenować ją przez doświadczenie.

Kontrargument jest równie przekonujący. Można teoretyzować o architekturze poznawczej w nieskończoność, ale dopóki nie wdrożysz robotów w rzeczywistym świecie, nigdy nie będziesz wiedzieć, czy twoje teorie działają. Bałagan rzeczywistego wdrożenia, nieoczekiwane tryby awarii, przypadki brzegowe, których symulacja nigdy nie uchwycą, to stamtąd bierze się prawdziwa solidność. Dostarczenie 15 jednostek generuje wiedzę z 15 jednostek. Dostarczenie 5000 generuje wiedzę z 5000.

Rurociąg teleoperacyjny

Jednym z obszarów, w których Sanctuary ma autentyczną głębię techniczną, jest rurociąg od teleoperacji do autonomii, odziedziczony i udoskonalony z doświadczeń Kindred AI.

Rurociąg działa etapowo. W Etapie 1 ludzcy operatorzy zdalnie kontrolują roboty Phoenix w czasie rzeczywistym, wykonując pełen zakres zadań wymaganych we wdrożeniu. Operatorzy używają interfejsów w stylu VR z haptycznym sprzężeniem zwrotnym, czując siły doświadczane przez ręce robota i kontrolując ruchy robota własnymi ruchami ciała.

W Etapie 2 system Carbon analizuje dane z teleoperacji, identyfikując wzorce, punkty decyzyjne i strategie stosowane przez ludzkich operatorów. To nie jest proste nagrywanie ruchu. System próbuje wyodrębnić poznawczą strukturę stojącą za działaniami: dlaczego operator zdecydował się chwycić obiekt pod tym kątem? Dlaczego zwolnił w tym momencie? Na co patrzył, gdy podejmował tę decyzję?

W Etapie 3 Carbon próbuje autonomicznie odtworzyć zadania zademonstrowane przez teleoperację. System zaczyna od zadań, co do których ma wysoką pewność, i stopniowo rozszerza się na bardziej złożone lub mniej pewne zadania. Gdy system napotka sytuację, z którą sobie nie radzi, eskaluje do ludzkiego operatora, a ta interwencja staje się dodatkowymi danymi treningowymi.

Ten rurociąg jest teoretycznie elegancki, ale ma praktyczne ograniczenie. Teleoperacja jest droga. Każda godzina pracy robota w Etapie 1 wymaga ludzkiego operatora. Ekonomia działa tylko wtedy, gdy autonomia Etapu 3 rozwija się wystarczająco szybko, by zmniejszyć obciążenie teleoperacją, zanim koszty staną się nie do utrzymania. Sanctuary nie ujawniło publicznie, jaki procent operacji Phoenix jest teraz autonomiczny, a jaki teleoperowany, co utrudnia ocenę, jak daleko rurociąg się posunął.

Kontekst kanadyjski

Sanctuary jest jedyną dużą firmą produkującą roboty humanoidalne z siedzibą w Kanadzie. To ma znaczenie z powodów wykraczających poza geografię.

Kanada ma jeden z najsilniejszych ekosystemów badawczych AI na świecie. Kraj jest domem Yoshua Bengio (Uniwersytet Montrealu), Geoffreya Hintona (dawniej Uniwersytet Toronto, teraz Google) i Richarda Suttona (Uniwersytet Alberty), trzech z najbardziej wpływowych postaci w nowoczesnym AI. Vector Institute w Toronto, Mila w Montrealu i Amii w Edmonton tworzą krajową sieć badawczą AI produkującą światowej klasy talenty.

Ale Kanada historycznie miała trudności z przekształcaniem siły badawczej w sukces komercyjny. Kanadyjskie startupy AI często są przejmowane przez firmy amerykańskie (Google przejęło DNNresearch Hintona, Apple przejął wiele kanadyjskich startupów AI), a krajowy ekosystem venture capital jest mniejszy i bardziej konserwatywny niż w Dolinie Krzemowej.

Sanctuary istnieje w tym napięciu. Korzysta z dostępu do wyjątkowych talentów AI, finansowania rządowego i wspierającego środowiska badawczego. Jest ograniczone przez ekosystem venture, który nie jest w stanie dorównać 1,85 miliarda dolarów pozyskanych przez Figure AI ani praktycznie nieograniczonemu wewnętrznemu finansowaniu, które Tesla może przeznaczyć.

Inwestycja rządu federalnego Kanady w Sanctuary to celowa próba zatrzymania strategicznie ważnej firmy AI i robotyki w Kanadzie. Czy 30 milionów dolarów kanadyjskich rządowego finansowania może zastąpić rodzaj venture capital dostępnego w Stanach Zjednoczonych i Chinach, to pytanie otwarte, a historyczny precedens wskazuje raczej na nie.

Dlaczego 15 jednostek może mieć większe znaczenie niż 5000

Oto argumentacja, którą przedstawiają zwolennicy Sanctuary, i zasługuje ona na poważne rozważenie, a nie odrzucenie.

We wczesnych dniach komputerów osobistych były firmy dostarczające miliony jednostek i firmy dostarczające tysiące. Firmy dostarczające miliony pracowały na wariantach CP/M i wczesnego DOS-a, systemach operacyjnych funkcjonalnych, ale architektonicznie ograniczonych. Apple dostarczyło znacznie mniej komputerów Macintosh, ale Macintosh miał graficzny interfejs użytkownika i mysz, architektoniczny fundament, który ostatecznie stał się standardem dla wszystkich komputerów osobistych.

Liderzy wolumenowi mieli więcej danych, więcej przychodów, większy udział w rynku i większy rozpęd. I tak przegrali, ponieważ zakład architektoniczny miał większe znaczenie niż liczby wdrożeń. Graficzny interfejs użytkownika to nie była tylko funkcja. To był inny sposób myślenia o tym, czym komputer powinien być.

Sanctuary przedstawia podobny argument dotyczący robotów humanoidalnych. Carbon to nie tylko lepsze AI. To inna architektura inteligencji robota, taka, która stawia rozumienie ponad realizację. Jeśli ta architektura okaże się lepsza, to tysiące robotów wdrożonych przez konkurentów trenują na złym paradygmacie. Wszystkie dane na świecie o wykonywaniu wąskich zadań nie pomagają w budowaniu systemu, który potrafi rozumieć i generalizować we wszystkich zadaniach.

Problem z tym argumentem to kwestia czasu. Przewaga graficznego interfejsu Apple rozgrywała się przez dekadę. Na rynku humanoidów firmy stawiające na wolumen nie stoją w miejscu. Tesla integruje architektury neuronowe wywodzące się z FSD. Figure AI współpracuje z OpenAI. AgiBot wdraża WorkGPT. Idea, że tylko Sanctuary pracuje nad inteligencją, podczas gdy wszyscy inni skupiają się wyłącznie na sprzęcie, to argument chochołowy. Każda firma humanoidalna inwestuje w AI. Pytanie brzmi, czy specyficzne podejście architektoniczne Sanctuary do inteligencji jest wystarczająco zróżnicowane, by pokonać ogromny deficyt w skali, finansowaniu i wdrożeniach.

Scenariusz czarnego konia

Jak wyglądałoby to, gdyby zakład Sanctuary się opłacił?

Scenariusz wygląda mniej więcej tak. W ciągu następnych dwóch do trzech lat firmy stawiające na wolumen kontynuują dostarczanie tysięcy jednostek. Te roboty dobrze radzą sobie z wąskimi, wcześniej zdefiniowanymi zadaniami. Przenoszą pojemniki w magazynach. Obsługują części na liniach montażowych. Chodzą zaprogramowanymi ścieżkami w fabrykach. Ale napotykają sufit. Nie potrafią adaptować się do nowych zadań bez intensywnego ponownego treningu. Nie radzą sobie z nieprzewidywalną zmiennością środowisk detalicznych, domów czy terenów na zewnątrz. Pozostają drogimi, wyspecjalizowanymi narzędziami przemysłowymi.

W międzyczasie Sanctuary osiąga próg, przy którym architektura poznawcza Carbon demonstruje autentyczną generalizację. Robot Phoenix wdrożony w sklepie Mark’s udowadnia, że potrafi obsługiwać nie tylko składanie ubrań, ale też zarządzanie zapasami, interakcję z klientami, sprzątanie i reorganizację sklepu, wszystko z jednego wdrożenia przy minimalnym treningu zadaniowym. System przenosi się do fabryki Magna i, przy minimalnej adaptacji, zaczyna wykonywać zadania montażowe, na które nigdy nie był jawnie trenowany.

W tym momencie 15 jednostek Sanctuary jest warte więcej niż 5000 jednostek konkurenta, ponieważ każda jednostka Sanctuary potrafi wykonać pracę wielu wąskozadaniowych robotów. Ekonomia się odwraca. Klienci przestają kupować pięć wyspecjalizowanych robotów do pięciu zadań i zaczynają kupować jednego robota ogólnego przeznaczenia, który potrafi wykonać wszystkie pięć.

W tym scenariuszu Sanctuary staje się celem przejęcia lub platformą licencyjną. Magna, ze swoimi 340 zakładami w 28 krajach, staje się kanałem dystrybucji. Inwestycja rządu kanadyjskiego wygląda na prorocza. Firma, która dostarczyła 15 jednostek, redefiniuje branżę.

Czy ten scenariusz jest prawdopodobny? Zależy to wyłącznie od tego, czy Carbon działa zgodnie z zapowiedziami. A tego nie da się ustalić z komunikatów prasowych czy prezentacji konferencyjnych. Można to ustalić jedynie z lat danych wdrożeniowych z rzeczywistego świata, które Sanctuary dopiero zaczyna generować.

Uczciwa ocena

Sanctuary AI zajmuje w wyścigu humanoidów pozycję, która jest jednocześnie najbardziej intelektualnie interesująca i najbardziej komercyjnie niepewna.

Intelektualne zainteresowanie wynika z autentycznej nowości podejścia. W branży, w której większość firm zbiegła się na podobnych strategiach, Sanctuary prowadzi fundamentalnie inny eksperyment. Jeśli się uda, zmienia zasady gry. Jeśli nie, to przynajmniej zadawało właściwe pytania.

Komercyjna niepewność wynika z matematyki. Piętnaście jednostek. Stu do dwustu pracowników. 140 milionów dolarów kanadyjskich łącznego finansowania. Brak dedykowanego zakładu produkcyjnego. W czasie, który Sanctuary potrzebuje na dostarczenie kolejnych 15 jednostek, AgiBot dostarczy kolejne kilka tysięcy. Przepaść się nie zamyka. Powiększa się.

Droga Sanctuary do przodu wymaga, by zaszło jedno z dwóch. Albo Carbon zademonstruje tak przekonujące zdolności, że duży partner (najprawdopodobniej Magna) zobowiąże się do wdrożenia na dużą skalę i zapewni zasoby produkcyjne, których Sanctuary nie ma. Albo duża firma technologiczna przejmie Sanctuary ze względu na technologię AI i zintegruje Carbon z istniejącą platformą sprzętową o ustalonej skali produkcji.

Obie ścieżki są wiarygodne. Żadna nie jest pewna. I obie wymagają, by Sanctuary przetrwało wystarczająco długo, by Carbon mógł się udowodnić, co oznacza, że firma musi ostrożnie zarządzać kosztami przy ograniczonym finansowaniu i bez jasnego harmonogramu, kiedy podejście “poznanie na pierwszym miejscu” przełoży się na skalę generującą przychody.

Co Sanctuary oznacza dla wyścigu

Nawet jeśli Sanctuary nigdy nie dostarczy więcej niż kilkaset robotów Phoenix, firma wniosła już coś wartościowego do branży humanoidalnej: jasną artykulację tego, czego może brakować w podejściu stawiającym wolumen na pierwszym miejscu.

Pytanie, które Sanctuary zmusza wszystkich do skonfrontowania, brzmi: co się stanie, gdy wąskozadaniowe humanoidy dotrą do sufitu? Co się stanie, gdy Amazon będzie potrzebował, by jego roboty magazynowe obsługiwały zwroty, a nie tylko przenosiły pojemniki? Co się stanie, gdy BMW będzie potrzebowało, by jego fabryczne humanoidy dostosowały się do nowego modelu samochodu bez sześciu miesięcy ponownego treningu? Co się stanie, gdy zadania się skończą i ogólna zdolność stanie się minimalnym wymogiem?

Każda firma w wyścigu humanoidów będzie musiała w końcu odpowiedzieć na to pytanie. Sanctuary jest jedyną firmą, która postawiła odpowiedź na pierwszym miejscu, a liczbę dostaw na drugim. To czyni ją albo najmądrzejszą firmą w wyścigu, albo najbardziej naiwną.

Piętnaście jednostek to nie pozycja rynkowa. To program badawczy z komercyjnymi ambicjami. Ale programy badawcze mają tendencję do definiowania branż na długo po tym, jak firmy, które je prowadziły, zostały wchłonięte w coś większego.

D-Wave dostarczyło pierwszy komercyjny komputer kwantowy. Firma nie stała się dominującą siłą w obliczeniach kwantowych. Ale udowodniła, że kategoria jest realna, zmusiła każdą dużą firmę technologiczną do poważnego potraktowania obliczeń kwantowych i stworzyła rynek, który wyrósł daleko poza to, co jakakolwiek pojedyncza firma mogła posiadać. Rose robił to już wcześniej. Być może robi to ponownie.