Beszéljünk végre a fehér elefántról a tisztatérben. Miközben a kockázati tőkések egymást taposva próbálják finanszírozni a következő kétlábú csodát, egy csendes és lesújtó igazság rejtőzik a szemünk előtt: hiába a befektetett milliárdok, az új hullámos, fejlett robotok által elvégzett hasznos munka mennyisége – finoman fogalmazva is – a kerekítési hiba szintjén mozog.
Egy nemrégiben közzétett, kíméletlenül őszinte helyzetjelentésben a Dyna társalapítója, Yang York szikével esett neki a hype-nak, és az általa festett kép minden, csak nem szép. Felejtsük el a simára vágott demóvideókat, ahol a robotok parkouröznek vagy tojásokkal zsonglőrködnek. A valódi történet a számokban rejlik, azok pedig mély szakadékról árulkodnak. 2022 és 2025 között a robotikai ipar több mint 18 milliárd dollárnyi befektetést szippantott fel. Mégis, 2026 elejére a való világra gyakorolt hatásuk elenyésző maradt.
York a hardverbumm „posztergyerekeire” mutogat. Elon Musk a Tesla 2026. januári gyorsjelentése során elismerte, hogy gyakorlatilag nulla Optimus robot végez valódi munkát a gyáraikban. A Unitree, amely vitathatatlanul a világ legnagyobb humanoid-szállítója, márciusi tőzsdei tájékoztatójában elárulta, hogy bevételeinek döbbenetes, 73,6%-a kutatási és oktatási célú értékesítésekből származik. Valódi ipari bevetés? Mindössze 9%, aminek nagy része is „vállalati recepciós és idegenvezetői” feladat volt. A tényleges gyártási feladatokból származó bevétel alig érte el a 2 millió dollárt.
Ezt a pénzügyi várakozások és a fizikai realitás közötti szakadékot nevezi York lufinak. És itt nem arról van szó, hogy a technológia valaha működni fog-e. A kérdés az időtáv. Ahogy ő fogalmaz: „A lufi nem más, mint a jelenlegi technikai képességek és az emberi elvárások közötti különbség, megszorozva az idővel.”
Az LLM-analógiád rossz, és jobb, ha tőlem tudod meg
York érvelésének magva az, hogy a robotikai ipar rossz anyagon pörög: rossz analógiákból táplálkozik. A Large Language Model (LLM) világának exponenciális növekedésétől megrészegült befektetők és alapítók ugyanazt a receptet próbálják ráhúzni az atomok világára, ami látványos kudarchoz vezet.
Az LLM-ek fénysebességgel skálázódtak, mert tiszta szoftverek, amelyeket az interneten keresztül azonnal milliárdokhoz lehet eljuttatni. A robotok ezzel szemben fizikai tárgyak. Elromlanak. Karbantartást igényelnek. Navigálniuk kell a való világ kaotikus és kiszámíthatatlan zűrzavarában.
A másik csábító, de ugyanannyira hibás analógia az önvezető autóké (AV). De még ez sem állja meg a helyét. Egy autó önvezetés nélkül is hasznos; ez egy létező termékkategória, egy értékesítési csatorna, amely csak az AI-frissítésre vár. Ezzel szemben egy nem intelligens humanoid – York szavaival élve – „egy 27 kilós gép, aminek 28 szabadságfoka van, de semmi haszna”. Nincs beágyazott felhasználói bázisa. Nincs telepített infrastruktúra, amit frissíteni lehetne. Az iparág egyszerre próbálja megépíteni az appot, a telefont és a mobilhálózatot.
Ez azt jelenti, hogy a robotikának nem lesz LLM-szerű kilövési görbéje. Még AV-szerű sem. Robotika-szerű görbéje lesz, és az iparág legnagyobb, legdrágább tévedése az, hogy ezt nem hajlandó tudomásul venni.
A modern robotika három nagy önbecsapása
York három alapvető tévedést azonosít, amelyek a lufit fújják. Ezek azok a kegyes hazugságok, amelyeket az iparág suttog magának, miközben beváltja a következő kilencjegyű csekket.
1. A hardver nem értékesítési csatorna
A legköltségesebb tévhit az, hogy egy fizikai robot leszállítása egyenlő egy értékesítési csatorna kiépítésével. A logika szerint: juttassuk be a hardvert az ügyfélhez, a többi majd jön magától. Ez végzetes hiba.
Egy valódi csatorna ismétlődő értéket teremt. Ha egy robot bemutatkozik egy demón, majd a sarokban porosodik, mert nem hozza az elvárt ROI-t, akkor nincs csatornád. Csak egy méregdrága levélnehezéked van. York szerint az igazi robotikai csatorna egy „full-stack” bevetési rendszer: helyszíni felmérés, feladatmeghatározás, adatgyűjtés, távoli hibaelhárítás és folyamatos frissítések.
„Egy csatorna valódi tesztje az, hogy a következő bevetés gyorsabb-e, mint az előző” – írja York. „Ha nem, akkor nem csatornát építettél, hanem raktárkészletet és PR-t.”
2. Az „alapmodelled” valójában csak az alapozás
A második hiba az AI-modellek fejlődésének félreértése. A robotikában mindenki a hatalmas adathalmazokon végzett pre-trainingről beszél. De a modern LLM-ek titkos receptje nem csak az előtanítás, hanem a pre-training és a doménspecifikus, post-training visszacsatolások közötti szoros, iteratív hurok.
A robotika ebben a folyamatban még az óvodánál tart. A legtöbb csapat tömi az adatokat a modellekbe, és imádkozik, hogy megjelenjenek a képességek. De a való világból származó post-training jelek nélkül – tehát anélkül, hogy látnánk a robotokat elbukni a gyárpadlón – a modellek nem tudnak beérni. Nincs egy olyan egységes mérőszám, mint az LLM-eknél a „perplexity”, amire optimalizálni lehetne. Egy modell, amely a laborban brillírozik, semmit nem ér, ha nem tudja kezelni a fényviszonyok változását egy valódi raktárban.
3. A lendkereket unalmas dolgok hajtják
Ez vezet el a technológiai stóc leginkább alulértékelt részéhez: magához a bevetési infrastruktúrához. Ez nem csak értékesítés; ez az a piszkos, cseppet sem csillogó mérnöki munka, amely egy egyedi telepítést újrafelhasználható, kamatozó eszközzé alakít. Ide tartoznak a távdiagnosztikai eszközök, az adatútválasztás és a megbízható frissítések.
Ezen „lendkerék” nélkül az egész rendszer besül. A robot nem jut el valódi környezetbe. A modell nem kapja meg a fejlődéshez szükséges valós adatokat. A képességek görbéje ellaposodik, bármennyi számítási kapacitást is öntünk bele. York szerint a lufi „azon csapatok közötti szakadékban él, akik ezt már megértették, és azok között, akik még mindig benchmark számokra és demóvideókra optimalizálnak.”
Az egyetlen út előre vezet
Ezzel a valósággal szembesülve a szakma kettészakadt. Vannak a modell-központúak, akik arra fogadnak, hogy egy elég erős „agy” majd megoldja a problémát, a hardver pedig tucatáruvá válik. Mások a hardver-központúak, akik szerint a tökéletes test a kulcs, a szoftveres réseket pedig majd befoltozza az open-source közösség.
York és a Dyna határozottan a harmadik táborba tartozik: a vertikális integráció hívei. Nem azért választották ezt, mert divatos, hanem mert a DYNA-1 modelljük egyéves tesztelése után rájöttek, hogy a másik út járhatatlan. A saját bőrükön tapasztalták meg, hogy a bevetés nem lesz varázsütésre könnyebb. A visszacsatolási hurkot egyszerre kell bezárni a kutatás, a hardver és a gyakorlati alkalmazás szintjén.
Ez a munka vár ránk. Nem a következő virális demó hajszolása, hanem az a sziszifuszi folyamat, amellyel felépítünk egy rendszert, ahol a tizedik telepítés már gyorsabb és megbízhatóbb, mint az első volt. Az a csapat, amelyiknek először sikerül feltörnie ezt a kódot, nemcsak megnyeri a piacot, hanem definiálja is azt. Addig viszont marad a nézőtér egy méregdrága tudományos diákköri bemutatón.
