В марте десятки робомобилей Baidu Apollo Go в Ухане одновременно встали посреди дорог и парализовали движение. Машины не разъехались, не вышли из режима, не передали контроль водителю — они просто стояли, синхронно. Что именно произошло, китайский регулятор пока не объяснил, но реакция была мгновенной: на этой неделе остановили выдачу новых лицензий на автономные машины по всей стране. Параллельно, на той же неделе, Japan Airlines начала тестовый период с гуманоидными роботами в Хакеда — на сортировке багажа и уборке кабин. Не пилот в виде «давайте посмотрим, как это работает», а тест в реальной операции, потому что рабочих рук не хватает физически.

До этой недели физический ИИ обсуждался в одной плоскости. Вопрос звучал «когда выйдет в массу» — и предполагалось, что выйдет одинаково везде, по одному графику. Сейчас видно: графика два, и они разные. Китайская развилка — догоняющая через регулирование. Технология обогнала способность регулятора её контролировать; первый серьёзный инцидент уровня «парализованное движение в крупном городе» останавливает выдачу лицензий по всей стране, и развёртывание откатывается на год-два. Японская развилка — вынужденная через демографию. Рабочих рук в индустрии услуг не хватает, найма нет, миграционная политика не решает, и промышленный заказчик выпускает гуманоидов в реальную операцию не из инновационного запала, а из необходимости.

Это два разных способа, как технология фактически становится частью инфраструктуры. И обе модели реальны.

У уханьского инцидента есть и операционный слой, который пока остаётся без публичного разбора. «Десятки робомобилей синхронно встали» — это не индивидуальные сбои, по статистике независимых отказов такого не бывает. Версии две: первая — централизованный диспетчер дал команду, по которой машины ушли в безопасное состояние, и режим не разморозился; вторая — модели в каждой машине одинаково отреагировали на какое-то редкое сочетание дорожных условий и одновременно сошли с траектории. Если первое — это уязвимость инфраструктурного слоя, и её можно починить. Если второе — это проблема общая для всех роботов с одинаковым обучением, и она не лечится одним обновлением. Регулятор остановит индустрию ровно до того момента, когда станет понятно, какой из этих двух сценариев. У японского теста таких рисков пока нет: гуманоид в аэропортном помещении работает в контролируемой среде с предсказуемой задачей. Но если масштабирование пойдёт быстрее, обе страны через 24 месяца будут смотреть на одни и те же вопросы.

Россия в этой картине ближе к японской модели, чем к китайской. Демографические показатели по найму в индустрии, логистике, складах и агропромышленном комплексе движутся в ту же сторону, что и японские: рабочих рук становится меньше, миграционные каналы ограничены, экономика внедрения роботизации становится более привлекательной не из-за моды, а из-за арифметики найма. У Сбера, X5, Магнита и Wildberries уже идут пилоты с автоматизацией складских операций, у РЖД — с диспетчерским ИИ, у нескольких регионов — с автономным городским транспортом. Уханьский сценарий («после первого крупного инцидента всё замораживается») для нас тоже возможен; но базовый драйвер у нас демографический, не технологический, и он не отступает.

Что меняется в покупательском поведении. Корпоративный заказчик роботов теперь должен задавать поставщику два разных вопроса. Первый — что вы делаете при единичном инциденте: какие сценарии безопасной остановки, насколько они изолированы по машинам. Второй — что вы делаете при операционной перегрузке: как ваша система работает, когда людей в смене не хватает, а робот должен взять часть нагрузки на себя. Эти два вопроса сводятся к разной инженерии, разным гарантиям и разной экономике. Поставщик, отвечающий только на один, через год будет в неудобной позиции.

P.S. Hannover Messe в этом году объявил, что фундамент промышленной интеграции залит — общий стандарт связи, общая шина данных, общая среда сертификации. Wuhan и Хакеда показывают, что фундамент залит, но первые инциденты и первые серийные операции уже идут. От «фундамент готов» до «работает в массе» в авиации прошло 30 лет (с 1903 до общественной гражданской авиации), в автомобиле — 25 лет (с 1908 Model T до массовой моторизации США), в персональных компьютерах — 15 лет (с 1981 IBM PC до массового интернета). Физический ИИ, скорее всего, пройдёт этот путь быстрее — но не равномерно по странам. Развилка зафиксирована на этой неделе.