Przez lata branża robotyki tkwiła w swego rodzaju „pozłacanym czyśćcu” – efektownych, ale kompletnie nierentownych pokazów technologicznych. Widzieliśmy już humanoidalne maszyny składające pranie (raz), parzące kawę (w tempie żółwia) i machające do uczestników konferencji z wymuszonym entuzjazmem maskotki z parku rozrywki. Jednak wystarczyło zapytać o skalowalne, zyskowne wdrożenia, by usłyszeć nerwowy kaszel i mruczane pod nosem wymówki o „programach pilotażowych”. To zjawisko, o którym już wcześniej wspominaliśmy, to typowe Translation not available (pl) .
Do gry wchodzi jednak Dyna Robotics – firma, która najwyraźniej znudziła się objazdowym cyrkiem prezentacji. W ruchu, który wywołał prawdziwe poruszenie w branży, startup ogłosił, że jego roboty nie tylko trafiły do pracy, ale z sukcesem przekroczyły kluczowy próg rentowności (ROI). Ich flagowym klientem w tej nowej erze jest Din Tai Fung – niezwykle popularna tajwańska sieć restauracji, słynąca z precyzyjnie lepionych pierożków xiao long bao i, jak się okazuje, sporego apetytu na automatyzację.
To nie jest kolejny skromny pilotaż. Dyna mówi o pełnowymiarowym wdrożeniu w całej amerykańskiej sieci Din Tai Fung. To element szerszej strategii, w ramach której do pierwszej połowy 2027 roku „setki robotów” trafią do hoteli, centrów logistycznych i serwerowni. Firma przenosi się z laboratoriów prosto do lobby, twierdząc przy tym, że ich maszyny realnie zarabiają na siebie.
Mózg operacji: Dyna-2
Sekretem tej transformacji z „maszynki do spalania pieniędzy” w dochodowy biznes jest Dyna-2 – nowy autorski model typu „world-action model”. Podczas gdy konkurencja obsesyjnie skupiała się na gromadzeniu drogich, ręcznie etykietowanych danych z czujników robotów, Dyna poszła inną, znacznie odważniejszą drogą. Nakarmili Dyna-2 oszałamiającą liczbą miliona godzin nagrań wideo z udziałem ludzi. To ekwiwalent około 170 lat ciągłego ludzkiego doświadczenia – zbiór danych, który całkowicie deklasuje logi z teleoperacji rywali.
Firma twierdzi, że ta gigantyczna dieta wideo pozwoliła odkryć kilka nowych praw skalowania. Najważniejsze z nich? Zdolność modelu do rozumienia świata i działania w nim poprawia się w przewidywalny sposób wraz z ilością obejrzanych nagrań. Co więcej – i tu tkwi sedno sukcesu – to zrozumienie przenosi się bezpośrednio na „ciało” robota, nawet takie, którego model nigdy wcześniej nie widział. Dyna nazywa to „cross-embodiment scaling” (skalowaniem między-ucieleśnionym) i jest to ich odpowiedź na paraliżujące branżę wąskie gardło w dostępie do danych.
„Przez lata robotyka ogólnego przeznaczenia była dławiona przez brak danych: ręczne zbieranie fizycznych danych z teleoperacji po prostu nie pozwala na przeskalowanie systemu do poziomu ogólnej inteligencji” – stwierdził Jason Ma, współzałożyciel Dyna Robotics. „Dane o konkretnych akcjach są rzadkie, ale wideo jest wszędzie”.
Ucząc się na przykładach ludzi wykonujących codzienne czynności – gotowanie, sprzątanie, montaż – Dyna-2 buduje fundamentalną „intuicję fizyczną”. Pozwala jej to podejmować nowe zadania na nowym sprzęcie przy szokująco krótkim czasie dostrajania (fine-tuning). W jednym z testów Dyna-2 potrzebowała zaledwie 13 minut danych, by nauczyć pięciopalcową dłoń robota, jak odkręcić nakrętkę z butelki.
Od YouTube’a do pierożków Xiao Long Bao
Partnerstwo z Din Tai Fung to idealny poligon doświadczalny. Ta sieć to operacyjny majstersztyk – jej amerykańskie lokale generują średnio astronomiczne 27 milionów dolarów rocznego przychodu na restaurację, co jest wynikiem niemal dwukrotnie wyższym niż u najbliższej konkurencji. To nie jest miejsce dla niezdarnych, zawodnych maszyn. To wysokowydajne, chaotyczne środowisko, gdzie efektywność mierzy się w sekundach i idealnie złożonych pierożkach.
Wdrożenie to potwierdza tezę firmy: mózg robota wyszkolony na ogólnej ludzkiej aktywności potrafi zaadaptować się do specyficznej, komercyjnie wartościowej pracy. Ten sam model, który dzięki wideo rozumie, jak złożyć koszulę, może zostać dostrojony do sprzątania stolików, sortowania składników czy zarządzania zapleczem w jednej z najbardziej wymagających sieci restauracyjnych świata. To tutaj abstrakcyjna koncepcja „world-action model” zderza się z twardą rzeczywistością bilansu zysków i strat.
Model biznesowy Robots-as-a-Service (RaaS) dodatkowo uatrakcyjnia ofertę dla firm takich jak Din Tai Fung, eliminując barierę w postaci ogromnych nakładów inwestycyjnych na start i zastępując je przewidywalnym miesięcznym abonamentem.
Czy to koniec wdrożeniowego koszmaru?
Nie otwierajmy jeszcze szampana. Choć ogłoszenie Dyna Robotics to istotny i odświeżający zwrot w branżowej narracji zdominowanej przez dema, skalowanie sprzętu (hardware) jest przysłowiową drogą przez mękę. Łańcuchy dostaw zawodzą, pojawiają się problemy z konserwacją, a realny świat ma nieskończoną zdolność do generowania sytuacji, których nie przewidzi żaden zbiór danych.
Niemniej jednak, Dyna Robotics siłą przesunęła środek ciężkości w dyskusji o robotach. Przedstawili przekonujący dowód na to, że droga do robotów ogólnego przeznaczenia nie musi być wybrukowana milionami godzin mozolnych teleoperacji, lecz może prowadzić przez bezkresny ocean istniejących już danych wideo. Zmienili też kryterium sukcesu: z pytania „czy to potrafi wykonać zadanie?” na „czy to na siebie zarabia?”.
Przekraczając próg rentowności u tak prestiżowego klienta, Dyna rzuciła rękawicę całej reszcie stawki. Teraz to konkurencja musi udowodnić, że ich warte miliony dolarów humanoidy to coś więcej niż tylko niezwykle zaawansowane projekty naukowe. Era efektownych demówek być może właśnie dobiega końca, a zaczyna się epoka robotów, które po prostu idą do pracy i przynoszą zysk. Najwyższy czas.