اگر امروز در بازار خودروهای هوشمند سرمایه‌گذاری می‌کنید، باید بدانید که مرکز ثقل قدرت از «نمایش‌های تبلیغاتی» به سمت «تأمین‌کنندگان زیرساختی» در حال حرکت است. شرکت Momenta، تأمین‌کننده چینی رانندگی خودکار که به طور محرمانه برای پذیرش در بورس هنگ‌کنگ اقدام کرده است، هدف‌گذاری کرده است که ارزش بازار خود را به بیش از ۱۰۰ میلیارد یوان برساند. این حرکت استراتژیک در حالی رخ می‌دهد که کل صنعت از مدل‌های مفهومی «تاکسی‌های رباتیک» به سمت استقرار مقیاس‌پذیر قابلیت‌های خودکارسازی هسته در صدها مدل خودروی مختلف حرکت می‌کند.
در حال حاضر، بخش رانندگی خودکار به دو دسته اصلی تقسیم شده است: ناوگان‌های تخصصی تاکسی‌های رباتیک و تأمین‌کنندگان گسترده بازار. در حالی که شرکت‌هایی مانند WeRide (که در هنگ‌کنگ لیست شده) و Pony.ai (که در آمریکا لیست شده) تمرکز خود را بر مدل Robotaxi گذاشته‌اند، Momenta به عنوان یک تأمین‌کننده بنیادی و زیرساختی عمل می‌کند. طبق گزارش LatePost، در حال حاضر هیچ شرکت چینی دیگری که در بورس‌های هنگ‌کنگ یا ایالات متحده حضور داشته باشد، با مقیاس کسب‌وکار هسته Momenta برابری نمی‌کند.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی زنجیره تأمین سخت‌افزارهای هوش مصنوعی اشاره کردیم، داده‌های عملیاتی اکنون ارزشمندترین دارایی این شرکت‌ها هستند. رشد Momenta بر پایه همین داده‌های گسترده استوار است. کائو شودونگ (Cao Xudong)، مؤسس و مدیرعامل شرکت، در مارس ۲۰۲۶ فاش کرد که این شرکت به رکورد خیره‌کننده ۷۰۰ هزار خودروی مستقر به صورت تجمعی رسیده است. سیستم‌های آن‌ها در بیش از ۱۷۰ مدل خودرو ادغام شده و در ده‌ها کشور و منطقه مختلف جهان فعال است. اگر فرآیند ثبت درخواست پیش برود، این شرکت قصد دارد تا سال ۲۰۲۶ و پس از تأیید کمیسیون نظارت بر اوراق بهادار چین (CSRC)، وارد بورس شود. این عرضه اولیه (IPO) یک رویداد نقدینگی بزرگ برای یکی از تهاجمی‌ترین بازیگران حوزه خودکارسازی در منطقه خواهد بود.
در حالی که Momenta در لایه تأمین زیرساخت مقیاس می‌گیرد، شرکت‌های DiDi و GAC Aion مستقیماً به سراغ بخش مصرف‌کننده رفته‌اند. در ۳۱ اوت ۲۰۲۶، این دو شرکت عملیات آزمایشی بدون راننده برای R2 Robotaxi را در بخش‌هایی از پکن و گوانگژو آغاز کردند. مسافران اکنون می‌توانند خودروی R2 را مستقیماً از طریق اپلیکیشن DiDi درخواست کنند.
خودروی R2 از ابتدا و به طور کامل به عنوان یک تاکسی رباتیک طراحی شده است؛ به این معنا که کیت‌های خودکارسازی مستقیماً در خط تولید نصب می‌شوند و نه به صورت الحاقی. این خودرو مجهز به ۳۳ حسگر پیشرفته است که شامل لیدار (Lidar)، رادار چهاربعدی (4D Radar)، دوربین‌های مادون قرمز، دوربین‌های معمولی و حسگرهای صوتی است. تمام این داده‌ها به یک واحد پردازش مرکزی با توان محاسباتی بیش از ۲۰۰۰ TOPS ارسال می‌شوند. DiDi ادعا می‌کند که هزینه این سخت‌افزار ۷۴٪ ارزان‌تر از نسل قبلی است. همچنین، این خودرو برای ترمز، فرمان، سیستم برق و ارتباطات دارای سیستم‌های پشتیبان (Redundancy) کامل است تا ایمنی در صورت نقص هر بخش تضمین شود.
با این حال، DiDi همچنان در حال تعقیب است. Baidu Apollo Go پیش از این وارد ۲۸ شهر شده و برتری چشمگیری در مقیاس استقرار شهری دارد. این شکاف بسیار حیاتی است، زیرا DiDi روزانه حدود ۴۰ میلیون سفر را در چین پردازش می‌کند که تقریباً تمام آن‌ها هنوز به راننده انسانی نیاز دارند.
در لایه پژوهشی، تیمی از دانشگاه شانگهای جیائو تونگ و شرکت AgiBot (شامل لو سِوو و تیم ون‌چوان) بر روی یک نقص حیاتی در مدل‌های بینایی-زبانی-عمل (VLA) — که شبیه به مغزی است که هم‌زمان می‌بیند، می‌فهمد و دست می‌دهد — کار کرده‌اند: نبود حس لامسه یا سنجش نیرو. روش جدید آن‌ها به نام LIFT که در کنفرانس CoRL ۲۰۲۶ پذیرفته شد، به ربات‌ها اجازه می‌دهد با خواندن سیگنال‌های نیرو، اصلاحات سریع و با فرکانس بالا انجام دهند.
مدل‌های VLA که فقط بر پایه بینایی پیش‌آموزش دیده‌اند، معمولاً حس نیرو ندارند و جمع‌آوری داده‌های شامل نیرو در مقیاس بزرگ بسیار گران است. LIFT با استفاده از «توجه متقاطع علی» (Causal Cross-Attention) برای خواندن سیگنال‌های اخیر نیرو، یک «متخصص واکنش سریع» را بازسازی می‌کند. این امر به سیستم اجازه می‌دهد تا در میان تکه‌های عملیاتی (Action Chunks)، اصلاحات لازم را انجام دهد و فرکانس کنترل را از ۱ هرتز به ۱۰ هرتز افزایش دهد.
تیم پژوهشی با استفاده از تنها ۲۰ تا ۳۰ نمایش آنلاینِ شامل نیرو برای هر تکلیف، به نتایج زیر دست یافتند:
- امتیاز جایگذاری کتاب از ۳۶.۷ به ۵۸.۳ رسید.
- دقت قرار دادن حلقه‌های برج هانوی از ۲۶.۷ به ۵۶.۷ افزایش یافت.
- فرکانس کنترل از ۱ هرتز به ۱۰ هرتز ارتقا یافت.
کد مربوط به LIFT به صورت متن‌باز منتشر شده و از طریق arXiv 2607.14236 در دسترس است.
در همین راستا، پژوهشگران استنفورد و کالتک در حال حذف لایه کنترل سنتی بین مدل‌های زبانی و ربات‌ها هستند. آن‌ها با استفاده از GPT-6 Astra، ربات Unitree G1 را قادر ساختند تا یک آشپزخانه ناشناخته را مرتب کند. این کار از طریق فراخوانی مستقیم یک «کتابخانه مهارت‌ها» برای گرفتن اشیا، ناوبری و باز کردن کشوها انجام شد. ربات ابتدا محیط را می‌کاود تا یک دوقلوی دیجیتال در محیط Isaac Sim بسازد و موقعیت اشیا را ثبت کند. البته این روش با محدودیت‌هایی مانند تأخیر بالای Astra، داغ شدن سرووهای انگشتان و هزینه‌های محاسباتی بالا مواجه است. کد این پروژه در گیت‌هاب موجود است.
برای سنجش واقعی این توانایی‌ها، سه پژوهشگر از openpilot و سخت‌افزار comma four استفاده کردند تا مدل‌های بزرگ را برای راندن یک تویوتا کورولا ۲۰۲۲ در یک مسیر مخروطی در پارکینگ از طریق ابزارهای MCP به کار بگیرند. نتایج شکاف عمیقی را در استدلال نشان داد:
- GPT-6 Astra: تنها مدلی که مسیر را کامل کرد (۱۳۴.۷ متر در ۵ دقیقه و ۲۲ ثانیه در تلاش دوم)، با میانگین سرعت ۰.۴۲ متر بر ثانیه و هزینه تقریبی ۶.۶ میلیون توکن.
- Claude Fable 5.1: تنها ۴۵٪ مسیر را طی کرد.
- Grok 4.6: ۱۱٪ مسیر را طی کرد.
- GPT-5.6 Sol: تنها ۶٪ مسیر را طی کرد.
اما بازار سرمایه اکنون در حال تنبیه شرکت‌های «فرصت‌طلب» است. شرکت Unitree Robotics که در اوت در بازار STAR پذیرفته شد، سقوط شدیدی را تجربه کرد. ارزش بازار این شرکت از اوج روز اول یعنی ۴۴۰ میلیارد یوان (با قیمت سهام ۱۱۰۰ یوان) به حدود ۱۹۷.۴ میلیارد یوان در ۲۴ سپتامبر رسید و سهام آن در قیمت ۴۸۸ یوان بسته شد.
شرکت Mech-Mind نیز در ۲۵ سپتامبر پایین‌تر از قیمت عرضه بسته شد و به ۸۳.۳ دلار هنگ‌کنگ رسید، در حالی که قیمت عرضه آن ۱۰۱.۷ دلار هنگ‌کنگ بود. این افت قیمت در حالی رخ می‌دهد که این شرکت پیش‌تر با جذب ۲.۲ میلیارد دلار هنگ‌کنگ به عنوان یکی از پیشگامان تولید قطعات هوش مصنوعی تجسم‌یافته وارد بازار سهام شده بود. داده‌های داخلی نشان می‌دهد بسیاری از این شرکت‌ها در کسب درآمد واقعی مشکل دارند:
- DEEP Robotics: درآمد سال ۲۰۲۵ را ۳۳۷ میلیون یوان گزارش کرد، اما در کل سال تنها یک عدد از ربات‌های انسان‌نمای سری DR خود را فروخت.
- LimX Dynamics: درآمد حاصل از برنامه‌های جمع‌آوری داده به ۴۴.۹۴٪ از کل درآمد رسید و به بزرگترین منبع درآمدی آن تبدیل شد. این شرکت پیش‌بینی می‌کند که زودترین زمان رسیدن به سودآوری سال ۲۰۲۸ باشد.
شائو تیان‌لان، مؤسس Mech-Mind، هشدار داد که برخی شرکت‌های هوش مصنوعی تجسم‌یافته (Embodied AI) از طریق تراکنش‌های با اشخاص وابسته و مراکز جمع‌آوری داده، «درآمدهای کاذب و ناپایدار» ایجاد می‌کنند.
شرکت AgiBot نیز با فشار مشابهی بین هزینه‌های تحقیق و توسعه و درآمد روبروست. بازوی تجاری این شرکت، Shangwei New Materials، در نیمه اول ۲۰۲۶ ضرری ۱۶۷ میلیون یوانی ثبت کرد که دلیل آن هزینه‌های سنگین ۱۶۴ میلیون یوانی در بخش R&D رباتیک بود. اگرچه ربات شخصی Qiyuan هنوز درآمد تولید انبوه ایجاد نکرده است، اما ۲۱۰ میلیون یوان پیش‌پرداخت دریافت کرده است.
سرمایه‌گذاران استراتژیک برای عرضه AgiBot در بورس هنگ‌کنگ، ارزش هدف را ۴۰ تا ۵۰ میلیارد دلار هنگ‌کنگ تعیین کرده‌اند. بر اساس درآمد ۱.۰۵ میلیارد یوانی در سال ۲۰۲۵، این به معنای نسبت قیمت به فروش (P/S) ۳۲ تا ۴۱ برابر است که به طور قابل توجهی بالاتر از نسبت ۲۴ برابری در IPO شرکت Unitree است.
در تلاشی برای تست در دنیای واقعی، AgiBot و Chimelong Group «پارک سفینه» (Spaceship Park) را در هنگ‌کین افتتاح کردند. در این پارک صدها ربات در ۶ دسته‌بندی مختلف از جمله اجراهای نمایشی، آموزش علمی، راهنمای تور، تورهای مطالعاتی، همراهی و پذیرش هتل مستقر شده‌اند. این پارک همچنین میزبان یک آزمایشگاه گردشگری هوش مصنوعی تجسم‌یافته است. در روز افتتاحیه، ۲۰ هزارمین ربات AgiBot به این سایت تحویل داده شد.
در لایه سخت‌افزاری، قیمت قطعات به شدت در حال کاهش است. طبق نظرسنجی RoboticsClass در نیمه اول ۲۰۲۶:
- قیمت موتورهای Hollow-cup از ۴۵۰۰ به ۱۵۰۰ یوان رسید.
- هزینه کاهنده‌های پلاستیکی مهندسی بیش از ۹۰٪ کاهش یافت.
- دست‌های ماهر شش‌محوره اکنون بین ۶ تا ۸ هزار یوان قیمت دارند.
شرکت XPeng Robotics نیز پس از کنفرانس زنجیره تأمین در ۲۲ سپتامبر، تأمین‌کنندگان اصلی خود برای عملگرها، دست‌های ماهر، حسگرها و تراشه‌های AI را نهایی کرده است. منابع اشاره می‌کنند که لیست تأمین‌کنندگان آن شباهت زیادی به پروژه Optimus تسلا دارد.
سایر شرکت‌های سخت‌افزاری نیز در حال تلاش برای عرضه در بورس یا جذب سرمایه هستند:
- Benmo Technology: در ۲۹ سپتامبر در بورس هنگ‌کنگ (کد ۶۷۳۱) لیست شد و ۱.۰۸ میلیارد دلار هنگ‌کنگ با قیمت عرضه ۲۱.۶۰ دلار جذب کرد. این شرکت ماژول‌های قدرت محرک مستقیم «بدون کاهنده» تولید می‌کند و در نیمه اول ۲۰۲۶، ۵.۸ میلیون واحد را برای استفاده در ۲.۸ میلیون ربات ارسال کرده است. سرمایه‌گذاران دولتی ۴۷۲ میلیون دلار هنگ‌کنگ بودجه اولیه فراهم کردند.
- Orbbec: برای ساختار A+H درخواست لیست شدن در هنگ‌کنگ داد. در نیمه اول سال، درآمد آن ۴۳۷ میلیون یوان (رشد ۰.۴۹٪) بود، اما سود خالص ۳۰.۸۲٪ کاهش یافت و به ۴۱.۶۴ میلیون یوان رسید. Orbbec در سال ۲۰۲۵ سهم ۲۹ درصدی از بازار جهانی ادراک بینایی سه‌بعدی رباتیک را در اختیار داشت.
- Chixin Semiconductor: بیش از ۲۰۰ میلیون یوان در دور Series A+ برای تراشه‌های موقعیت‌یابی و رنجینگ UWB جذب کرد. SoC سری CX500 این شرکت گواهینامه FiRa Core 3.0 را دریافت کرده است.
- Puxi Guangjing: چندین صد میلیون یوان در دور Series C برای توسعه مفاصل رباتیک مقاوم در برابر حرارت و ماژول‌های گالیوم اکسید کلاس ۲۳۰ درجه سانتی‌گراد جذب کرد.
این موج اتوماسیون از چین فراتر رفته است. Yusen Logistics یک انبار ۱.۱ میلیون فوت مربعی در نورث‌همپتون انگلستان افتتاح کرد که در آن سیستم رباتیک شاتل چهارجهته برای اولین بار خارج از چین فعال شد. سیستم «کالا به شخص» (Goods-to-Person) اجازه می‌دهد یک کارگر بیش از ۸ سفارش را به طور هم‌زمان جمع‌آوری کند. این سایت در حال حاضر ۱۵۰ کارکنان دارد و برنامه گسترش آن به ۵۰۰ تا ۹۰۰ نفر است.
در کانادا، شرکت Kal Tire ربات‌های گنتری PitPro را نصب کرده است که ادعا می‌کنند تعویض چهار تایر را در ۱۵ دقیقه انجام می‌دهند؛ یعنی حدود ۹۰٪ سریع‌تر از کار دستی. با این حال، این رقم بر اساس یک نصب واحد است و مستلزم آن است که تکنسین‌ها خودروها را روی پلتفرم برانند.
در سطح استراتژیک، کره جنوبی هوش مصنوعی فیزیکی را یک اولویت ملی می‌داند. بانک صنعتی کره (IBK) صندوق نوآوری خود را از نوامبر به ۳۰۰ میلیارد وون افزایش می‌دهد. بانک توسعه کره (KDB) وام‌هایی تا ۱۵ سال با نرخ‌های نزدیک به اوراق قرضه دولتی برای سرمایه‌گذاری در تجهیزات ارائه می‌دهد و یک وسیله سرمایه‌گذاری ۵۰۰ میلیارد وونی برای شرکت‌های کوچک و متوسط (SME) ایجاد می‌کند.
در آمریکا، شرکت‌های Itochu و Aioi Nissay Dowa در حال توسعه بیمه‌های اختصاصی برای تاکسی‌های رباتیک برای عرضه در سال ۲۰۲۷ هستند که بر ریسک‌هایی مانند نقص سیستم و خطاهای نرم‌افزاری تمرکز دارد. به طور مشابه، Waymo با Allianz برای توسعه بیمه Robotaxi در اروپا همکاری کرد. در یک تغییر مدیریتی، شرکت Wayve، الیزا د مارتل (Elisa de Martel)، مدیر مالی سابق Waymo را به عنوان CFO جدید خود استخدام کرد.
در جبهه نظامی، فدوروف، وزیر سابق تحول دیجیتال اوکراین، در ۲۶ سپتامبر در لِویو برنامه‌ای را برای استقرار ربات‌های انسان‌نما در میدان نبرد رونمایی کرد. هدف این برنامه، حذف سربازان روسی ظرف ۶ ماه و انجام حملات بدون پیاده‌نظام ظرف ۱۲ ماه آینده است. اگرچه ویدئوهای تبلیغاتی از رندرهای AI استفاده کرده‌اند، اما اوکراین پیش از این پلتفرم‌های چرخ‌دار و زنجیری را مستقر کرده و گزارش داده است که تنها در یک ماه از بهار امسال، بیش از ۹ هزار مأموریت رباتیک زمینی مسلح انجام شده است.
در نهایت، ادعاهای جسورانه‌ای درباره هوش مصنوعی عمومی شنیده می‌شود:
- Skild AI: ادعا می‌کند مدل بنیادی S1 آن در محیط شبیه‌سازی Isaac Sim، پس از ۱۴۰ سال مسابقه مجازی، به طور خودبه‌خودی دریبل زدن و تکل زدن را تنها با پاداش «گل زدن» یاد گرفته است. هنوز هیچ مقاله یا کدی منتشر نشده است.
- Noyin Intelligence: مدل GLOW را معرفی کرد، یک مدل اتورگرسیو چندوجهی که ادعا می‌کند می‌تواند انتقال تکلیف را تنها با یک بار نمایش انسانی انجام دهد. این شرکت نرخ موفقیت ۶۲.۲٪ را در ۱۸ تکلیف RoboDojo گزارش کرده است. اولین محصول مصرفی آن، Knowin-X1، در حال آماده‌سازی برای تولید انبوه است.
- Unitree: ربات مکانیکی تبدیل‌شونده سرنشین‌دار GD01 را به قیمت ۳.۹ میلیون یوان عرضه کرد. اگرچه این ربات در نمایشگاه تجارت دیجیتال بین‌المللی چین در هانگژو حضور داشت، اما هنوز هیچ واحدی از آن فروخته نشده است.
این تحولات نشان می‌دهد که در حالی که حباب ارزش‌گذاری استارتاپ‌های انسان‌نما در حال اصلاح است، زیرساخت‌های واقعی — از حسگرها و موتورها تا مدل‌های VLA — با سرعت در حال بلوغ هستند. تمرکز صنعت از «آیا ربات می‌تواند حرکت کند» به «آیا ربات می‌تواند نیرو را حس کند و در مقیاس واقعی سودآور باشد» تغییر کرده است.
گام بعدی شما
- اگر توسعه‌دهنده هستید، کد باز منبع LIFT را در arXiv بررسی کنید تا با نحوه ادغام سیگنال‌های نیرو در مدل‌های VLA آشنا شوید.
- برای تحلیل مدل‌های استدلالی در محیط‌های فیزیکی، گزارش‌های مربوط به GPT-6 Astra و تعامل آن با ربات‌های Unitree را دنبال کنید.
- تغییرات قیمت قطعات سخت‌افزاری رباتیک را رصد کنید؛ کاهش ۹۰ درصدی هزینه‌ها، فرصت‌های جدیدی برای تولیدات کوچک‌مقیاس ایجاد کرده است.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو