Kiedy w końcu 2022 roku świat zobaczył ChatGPT, wiele branż technologicznych zaczęło wypatrywać własnego „momentu ChatGPT” — dnia, w którym jedna, ogólna technologia przewraca do góry nogami całą dziedzinę. Robotyka od lat uchodzi za głównego kandydata do takiego przełomu, ale zdaniem Amulyi Vishwanath ten moment jeszcze nie nadszedł i, co ważniejsze, nie jest tak blisko, jak chcieliby wierzyć niektórzy inwestorzy.

Vishwanath nie jest przypadkową komentatorką. Przez siedem lat kierowała marketingiem produktowym platform robotycznych w Nvidii, a dziś jako założycielka i partnerka zarządzająca funduszu Techable VC wypisuje pierwsze czeki w spółki z obszaru „fizycznej AI” — robotyki, nauki o materiałach i nauk przyrodniczych. W podcaście Equity TechCrunch, w rozmowie z Dominic-Madori Davis, porównała obecny etap rozwoju robotyki do „ery Lego”: mamy już klocki, ale same budowle wciąż powstają na nowo.

Co konkretnie trzeba odbudować? Lista jest długa i bardzo przyziemna: siłowniki, robotyczne dłonie, warstwa programistyczna oraz standardy bezpieczeństwa. To nie są detale, które da się pominąć — to fundamenty, bez których żaden model nie zamieni robota w użyteczny, niezawodny produkt. Vishwanath przekonuje, że dopóki te elementy nie zostaną dopracowane i ustandaryzowane, mówienie o skoku jakościowym w robotyce jest przedwczesne.

Jej teza stoi w wyraźnej opozycji do narracji, w której jedno ogólne „foundation model” — czyli model bazowy — miałoby uczynić większość dzisiejszej, wysoce wyspecjalizowanej pracy nad robotami zbędną. Taką właśnie wizję przedstawiał w tym roku m.in. Pim de Witte, CEO General Intuition, argumentując, że gry wideo dostarczają lepszych danych treningowych niż internet. W tym ujęciu wystarczy odpowiednio potężny model, a reszta problemów rozwiąże się sama.

Doświadczenie Vishwanath sugeruje jednak, że to uproszczenie. Sprzęt, mechanika i normy bezpieczeństwa nie „wyskakują” z modelu językowego — trzeba je zaprojektować, wyprodukować, przetestować i certyfikować. To żmudna praca inżynierska, która nie skaluje się tak szybko jak kolejne iteracje oprogramowania, i właśnie dlatego robotyka rozwija się wolniej, niż sugerowałaby temperatura dyskusji wokół AI.

Osobny wątek rozmowy dotyczył samej Vishwanath jako jednej z pierwszych kobiet na stanowiskach executives, które odeszły z Nvidii, by założyć własny fundusz wczesnego etapu. Jej historia pokazuje, że kapitał na fizyczną AI coraz częściej szuka ludzi rozumiejących zarówno warstwę sprzętową, jak i realia wczesnego inwestowania — a nie tylko entuzjastów najnowszych modeli.

Wniosek dla rynku jest trzeźwiący: zanim roboty doczekają się swojego ChatGPT, ktoś musi posprzątać i przebudować piaskownicę. Czy „era Lego” potrwa rok, czy pięć lat — tego nikt dziś nie wie. Ale inwestorzy, którzy liczą na natychmiastowy przełom, powinni uzbroić się w cierpliwość.