Фото: 1X.tech
Только вчера мы рассказывали о том, как Китай строит сеть учебных полигонов для гуманоидов, чтобы первым добраться до «обучающей руды» для embodied AI. Сегодня — зеркальная история со стороны Запада: норвежско-американская компания 1X Technologies объявила о создании 1X World Model Lab, новой исследовательской лаборатории, заточенной под предобучение «моделей мира» для гуманоидных роботов. Стратегия — другая. Гонка — та же.
Что именно объявили
4 июня 1X Technologies — производитель гуманоида NEO — анонсировал создание 1X World Model Lab, frontier-исследовательской организации, посвящённой одной задаче: ускорить путь к полностью автономным гуманоидам через предобучение «моделей мира» в больших масштабах.
Лабораторию возглавил Сэм Синха в качестве Founding AI Researcher и Head of World Models. До этого Синха работал research scientist’ом в Luma AI — одной из ведущих компаний в области генеративного видео — где, в частности, участвовал в работе над моделью Uni-1.
Создание лаборатории идёт сразу после того, как 1X сообщила о прорывах со своей собственной моделью: робот NEO, по их данным, теперь способен выполнять совершенно новые задачи без предварительного обучения — то, что в индустрии называют zero-shot.
Ключевой тезис: «робототехника — это не задача дообучения»
В тексте анонса 1X формулирует мысль, которая для индустрии звучит почти провокационно:
«Робототехника — это не задача дообучения. Чтобы построить по-настоящему универсальных гуманоидов, нужно с самого начала предобучать модели на самых важных данных».
В переводе с инженерного: большинство компаний сегодня берут готовые foundation-модели (предобученные на интернет-данных) и дообучают их под робота. 1X говорит, что этот путь — тупиковый. Воплощённый интеллект требует, чтобы модель «видела» физический мир с самого начала своего обучения, а не получала эту картину уже потом.
Что это означает на практике: 1X собирается обучать свои фундаментальные модели с нуля, на смеси из:
— видео из открытого интернета (web-scale media);
— видео «от первого лица», снятых людьми во время бытовых и рабочих задач;
— симуляционных данных;
— данных, которые роботы NEO собирают при удалённом управлении (когда оператор управляет машиной);
— и так называемых on-policy данных — то есть данных, которые NEO собирает уже в автономном режиме, по ходу собственной работы.
«Единственный устойчивый ров — это данные»
Здесь же сформулирован стратегический тезис лаборатории:
«Единственный устойчивый ров в воплощённом ИИ — это данные: возможность собирать, размечать, масштабировать и обучать на правильной смеси веб-данных, человеческих данных, симуляций, данных от роботов под удалённым управлением и от роботов в автономной работе».
Слово «ров» (moat) — общее место в венчурном английском. Имеется в виду конкурентное преимущество, которое нельзя быстро обойти. И 1X говорит прямо: в embodied AI единственное такое преимущество — это данные. Не алгоритм. Не модель. Данные.
Это тот же тезис, который мы разобрали в материале о китайских учебных полигонах для гуманоидов: там это формулировалось как «обучающая руда», которая для роботов ещё не накоплена и которую нужно копать.
Та же гонка, другая стратегия
И вот тут — основной поворот. Если тезис у обеих сторон одинаковый, то почему стратегии такие разные?
Китай строит сеть физических полигонов в нескольких городах (Шанхай, Пекин, Чжэнчжоу). На них одновременно тренируются сотни машин от десятков производителей. Принцип — централизованное накопление данных через общую тренировочную инфраструктуру, на которой производители делятся результатами.
1X идёт от обратного: вертикально-интегрированная компания, которая контролирует весь стек — от собственного гуманоида NEO до собственной фабрики (NEO Factory в Калифорнии уже работает) и теперь до собственной AI-лаборатории. Принцип — закрытый цикл, где одна компания собирает данные с собственного парка машин в реальной эксплуатации.
CEO 1X Бернт Бёрних формулирует это прямо:
«Чтобы быстрее всего дойти до полной автономии, нужно владеть всем стеком — вплоть до собственного предобучения своих видео-моделей. Поэтому мы и создали 1X World Model Lab».
Два подхода — публичная «общая школа» против закрытого «вертикального стека». Оба упираются в один и тот же тезис: данные.
Что это значит для индустрии
Несколько публикаций назад мы писали о Hong Kong Embodied AI Lab, которая объединяет 24 партнёра. Чуть раньше — о AGIBOT и его модели AGILE, требующей огромных объёмов данных движения. Затем — о сети китайских учебных полигонов. Теперь — о 1X World Model Lab.
Когда четыре независимых источника — норвежско-американская частная компания, китайские государственные центры, гонконгский университет и крупнейший китайский производитель — приходят к одному и тому же выводу с разных сторон, это уже не отдельные новости. Это формирование консенсуса о том, где именно идёт настоящая гонка.
И гонка эта — за данные. Кто первым соберёт правильную смесь — веб-видео + видео от первого лица + симуляции + телеоперация + автономная работа, и в нужном масштабе — тот получит преимущество, которое потом будет очень трудно догнать.
Сэм Синха формулирует это в своей цитате с почти яростной интонацией:
«Воплощённые данные слишком долго считались гражданами второго сорта. Embodied AI слишком важен, чтобы быть задачей дообучения».
Это и есть линия, которой 1X планирует жить дальше.
По материалам официального анонса 1X Technologies, 4 июня 2026 года.