Німецька дослідницька лабораторія Black Forest Labs, відома до цього переважно фотореалістичною генерацією зображень, у четвер представила модель FLUX 3, яка вміє не тільки малювати картинки, а й керувати роботами в реальному світі. Це перший крок компанії у стрімко зростаючу нішу так званого фізичного ШІ.
Що таке фізичний ШІ і чим він відрізняється від звичайного
Фізичний ШІ (physical AI) це моделі, які не просто генерують текст чи картинки на екрані, а сприймають реальний фізичний світ через камери й датчики і на основі цього приймають рішення про дії, наприклад як саме роботу схопити деталь чи об’їхати перешкоду. Це складніше за звичайні чат боти, бо модель має розуміти закони фізики і непередбачувані ситуації, а не тільки закономірності в тексті.
FLUX 3 навчається одночасно на зображеннях, відео і аудіо в межах однієї архітектури, а не як окремі моделі, зшиті докупи. За словами компанії, це дозволяє моделі передбачати, що станеться далі, виходячи з того, що вона “бачить” і “чує”.
А до чого тут роботи
На базі того самого фундаменту компанія разом зі швейцарським стартапом Mimic Robotics розробила окрему модель дій під назвою FLUX mimic. Вона вже тестується на виробничих лініях автовиробника Audi. За словами генерального директора Black Forest Labs Робіна Ромбаха, модель здатна вирішувати завдання, які раніше вважались практично неможливими для автоматизації, наприклад робота з м’якими деталями, кабелями чи складання коробок під час пакування.
Чому це важливо саме зараз
Останні місяці все більше компаній переходять від класичних мовних моделей до систем, які розуміють і адаптуються до фізичного світу. Засновник Amazon Джефф Безос цього літа профінансував власний стартап з фізичного ШІ під назвою Prometheus. Французька лабораторія Mistral AI раніше цього місяця вже випустила власну модель навігації для роботів. Тобто Black Forest Labs не першопрохідець, а скоріше приєднується до вже досить розпалу гонки.
Наскільки серйозний цей крок для самої компанії
Black Forest Labs оцінюють у 3,25 мільярда доларів, і компанію заснували дослідники, причетні до розробки попередніх поколінь генеративних технологій зображень. Перехід від суто творчих інструментів до промислової робототехніки це серйозна зміна напрямку, яка відкриває доступ до значно масштабніших контрактів з виробничими компаніями, а не тільки до підписок звичайних користувачів на генерацію картинок.
Тут варто трохи посумніватися
Поки що FLUX mimic перебуває на етапі тестування з обмеженим колом партнерів, а не в масовому промисловому використанні. Заяви про здатність вирішувати “неможливі раніше” завдання поки що спираються переважно на слова самої компанії та її партнера Audi, а не на незалежну перевірку в широкому спектрі виробничих умов. Наскільки добре модель справді працюватиме поза контрольованим тестовим середовищем конкретного заводу, стане зрозуміло лише з часом, коли (і якщо) технологію почнуть впроваджувати ширше.
Що це означає для галузі
Якщо підхід Black Forest Labs виявиться робочим, це підтвердить тезу компанії, що генерація зображень і керування роботами насправді спираються на одну й ту саму базову здатність розуміти візуальний світ. Для виробничих компаній це потенційно означає доступ до автоматизації задач, які раніше просто доводилось виконувати вручну через їхню складність і непередбачуваність.
