Следующая настоящая большая тенденция в AI, которую многие ещё не осознали

За последние два года я, по сути, мгновенно пробовал почти все AI-обновления. Agent, мультимодальность, одна итерация модели за другой — честно говоря, в большинстве случаев я уже не испытывал никаких эмоций. Способности действительно растут, но в основном всё крутится вокруг «делать контент реалистичнее» — направление не меняется.

До этого месяца, когда я последовательно использовал Astra, Atlas и Cosmos — впервые за долгое время я действительно остановился задуматься.

Дело не в том, что генерация стала «красивее», а в том, что я впервые почувствовал: AI переходит на совершенно иной уровень — от «создания контента» к «пониманию мира и готовности к действиям».

Вывод сразу: настоящая следующая волна трансфера стоимости будет не в гонке параметров моделей, а — в том, что трёхмерный мир переписывается в интерфейс, который AI может читать, моделировать и с ним взаимодействовать. Если вы всё еще воспринимаете это как «в 3D будет больше спроса на контент», вы упустите всю фундаментальную смену принципов.

Звучит слишком смело. Но пройдя эти три этапа, я не могу убедить себя, что всё — лишь совпадение.

1/ Astra: первой рушится структура издержек

Я попросил GPT-6 Astra сгенерировать жилую интерьерную сцену. Прежде подобный результат, каким бы красивым он ни был, после импорта в софт для моделирования представлял собой просто «бумажку» — структурной информации ноль, продолжить работать с этим невозможно.

В этот раз иначе. Она выдала полностью структурированное 3D-имущество: его можно дорабатывать в Blender, загружать в Unreal Engine 5 для мгновенного погружения.

Все, кто когда-либо работал с 3D-пайплайном, знают, насколько дорог этот процесс — моделинг, текстуры, свет, рендеринг, постобработка — каждый этап требует ручной сборки в профессиональном софте, минимальный допуск к ошибке, гигантские временные затраты.

А теперь? Обычный язык становится входной точкой.

С картинками и видео это уже происходило — когда стоимость инструментария опускается, спрос не сужается, а высвобождается. Games, e-commerce, архитектура, реклама, промышленный дизайн — все выстраиваются в очередь. Это не прогноз — это факт сегодняшнего дня.

2/ Atlas: от «создания объекта» к «пониманию пространства»

Если Astra заставила меня обратить внимание на перемены, то релиз Atlas от World Labs в сентябре дал понять, насколько далеко всё может зайти.

Подумайте о разнице: чтобы сгенерировать кружку, важно только, чтобы форма совпала; чтобы понять кухню, модели нужно знать, где стоит кружка, какая высота столешницы, с какой стороны рука тянется — и что должно произойти в следующую секунду.

Первое — создать объект, второе — понять пространство. Разрыв не в чёткости изображения, а в целом измерении.
В World Labs есть мысль, которую я перечитывал несколько раз: "3D становится универсальным интерфейсом пространства."

Текст когда-то был интерфейсом между человеком и машиной. Если трёхмерная реальность становится медиумом для совместного человека и AI создания, редактирования и моделирования пространства, то 3D становится не просто файлом дизайна, а новым вычислительным носителем. Может показаться, что это далёкое будущее, но мой опыт уже сейчас показывает — всё становится конкретнее.

3/ Cosmos: от «понимать» к «действовать»

Когда дело дошло до Cosmos от NVIDIA, я убедился, что прежние ощущения не были преувеличением.

Текущие визуальные модели уже с большой точностью отвечают на вопрос «Что изображено на картинке». Но для роботов и автономного вождения настоящая сложность не в распознавании, а в прогнозировании — «что произойдет дальше».

Задача Cosmos — построить внутри модели систему прогноза состояния мира — симулировать возможные результаты каждого действия и выбирать оптимальное решение. То есть дать AI внутренний симулятор.

Без этого машина может воспринимать только текущий момент; с этим — получает способность «просимулировать перед действием». Значение этой ступени для Physical AI я считаю аналогичным первой большой революции глубинных моделей в логических задачах.

4/ Главный козырь: синтетические данные

Реальные данные в нашем мире слишком дороги.

Языковые модели могут сканировать огромные объемы веб-текстов, но робот не научится хватать кружку из веба; автономному транспорту невозможно на реальных испытаниях собрать кейсы всех экстремальных дорожных ситуаций. А самые ценные тренировочные данные — экстремальная погода, аварии, редкие условия — добыть сложнее всего.

Но как только зрелы реконструкция 3D и мировые модели, логика меняется: на ограниченных реальных данных строится цифровая базовая сцена, а затем в виртуале системно меняют погоду, позиции, свойства объектов, освещение — и из одного набора исходных данных вырастает огромное множество тренировочных примеров.

По мнению аналитиков 美股投资网, конкуренция в Physical AI постепенно смещается:

Раньше считалось, кто обладает большими объемами реальных данных, в будущем преимущество будет — в качестве реальных данных × возможности пространственной реконструкции × точности симуляции × эффективности увеличения синтетических данных.

Выгодоприобретатели — компании с фондового рынка США

Я расклассифицировал на четыре уровня по «степени прямой выгоды». Чем ближе к началу — тем гарантия выше, чем дальше — больше волатильность и концентрация:

Первый уровень · Инфраструктура: NVDA

Кто бы ни выиграл в робототехнике или автономном транспорте, всем нужна вычислительная мощность, симуляция, синтетические данные и тренировочные платформы. NVIDIA контролирует GPU, Omniverse, Isaac, Cosmos — она давно продаёт не просто чипы, а фундамент «научить машину работать с реальным миром». Это самая независимая позиция от единоличного победителя.

Второй уровень · 3D-реконструкция и цифровые двойники: PTC, ADSK

Чтобы реальность стала цифровым тренировочным полигоном для AI, кто-то должен связать промышленную 3D-, цифровую двойную и дизайн-пайплайн. Это «точка входа» реального мира в модель.

Третий уровень · Пространственное восприятие: OUST, MBLY

LIDAR, машинное зрение — преобразуют физическую среду в машиночитаемые пространственные данные. Без этого все остальное — просто абстракция; зато здесь самая высокая конкуренция по стоимости и консистентности.

Четвертый уровень · Внедрение в конечные устройства: TSLA, SYM

Те, кто реально внедряет AI в жизнь. Самая высокая волатильность, но и риски сконцентрированы: модель может работать, но это не значит, что робот будет массово произведён; симуляция точна, но не факт, что перенос в реальность будет гладким.

Далее — не смотрите только на эффектность демо-видео, а на три пункта: сокращает ли симуляция реальную тренировку, действительно ли синтетические данные повышают успешность моделей, готовы ли клиенты платить за это снова и снова.

Прошлая AI-революция превратила знания людей в токены.
В следующей, возможно, весь реальный мир станет вычисляемыми, симулируемыми, обучаемыми данными.

Язык дал AI умение понимать человека; а только 3D даст машине шанс по-настоящему войти в наш мир.

VIP 美股投资网 — обновлённая версия

Демонстрация функций AI-инструмента для квант-аналитики 美股投资网

美股投资网 — это финтех-компания, специализирующаяся на анализе фондового рынка США, основана в 2008 году в Силиконовой долине (США) бывшим аналитиком NYSE Кеном совместно с экспертами Morgan Stanley, инженерами Google и Meta. Используя ИИ и большие данные, опираясь на многолетний практический опыт и отраслевые квантовые модели, они построили крупную базу данных рынка — ежедневно обрабатывается десятки миллионов записей: отслеживаются крупные опционные сделки, потоки институциональных денег, изменение позиций и неожиданные новости, связанные с Трампом.