Наступна справжня велика тенденція AI, яку ще багато хто не усвідомлює

Оновлення AI за останні два роки я майже завжди тестував одразу після виходу. Агент, мультимодальність, одна і ще одна ітерація моделей — чесно кажучи, більшість із них вже не викликають особливих емоцій. Дійсно, здатність зростає, але все ще крутиться навколо «робити контент більш реалістичним», напрямок не змінюється.

Аж поки цього місяця я провів експерименти з Astra, Atlas, Cosmos один за одним, і вперше справді зупинився.

Не тому, що результати стали кращими чи красивішими, а тому, що вперше я відчув: AI перетинає нову грань — від «генерації контенту» до «розуміння світу і готовності до дії».

Передаю висновок одразу: наступне справжнє перенесення цінності — не у змаганні за кількість параметрів моделі, а в тому, що тривимірний світ переписується у інтерфейс, який AI може читати, симулювати, керувати. Якщо ви лишаєтесь на рівні «потреба у 3D-контенті зростатиме», ви пропустите фундаментальну логіку цієї зміни.

Звучить амбітно. Але після цих трьох кроків я не можу переконати себе, що це просто збіг.

1/ Astra: Спочатку змінюється структура витрат

Я попросив GPT-6 Astra згенерувати сцену житлового інтер’єру. Раніше, навіть якщо результат виглядає добре, при імпорті у програми моделювання залишалася просто красива картинка — усі структурні дані втрачені, далі працювати неможливо.

Цього разу інакше. Система прямо видає структуровано завершений актив: можна далі редагувати у Blender, імпортувати в Unreal Engine 5 і одразу робити віртуальну навігацію.

Кожен, хто працював із 3D-робочим процесом, знає, наскільки це дорого — моделювання, матеріали, освітлення, рендеринг, постобробка, кожен етап вимагає ручної роботи у професійних програмах, мінімальний простір для помилок, величезні часові витрати.

Зараз? Вхід — природна мова.

Картини і відео вже прожили цю історію — коли вартість інструментів падає, не стискається попит, а навпаки: він вивільняється. Ігри, електронна комерція, архітектура, реклама, промисловий дизайн — всі стоять у черзі. Це не гіпотеза, а те, що зараз відбувається.

2/ Atlas: Від "створення об’єкта" до "розуміння простору"

Якщо Astra дала мені відчути зміни, то вересневий реліз Atlas від World Labs справді показав, наскільки далеко може зайти ця еволюція.

Відчуйте різницю: згенерувати чашку — ти просто оцінюєш правильність форми; щоб зрозуміти кухню, модель має знати, де стоїть чашка, якої висоти стільниця, з якого боку рука найбільш природно тягнеться, що має трапитись в наступну секунду у цьому просторі.

Перше — створення об’єкта, друге — розуміння простору. Між ними не просто різниця в чіткості, а ціле вимірювання.
У World Labs я перечитав одну фразу декілька разів: "3D стає універсальним інтерфейсом для простору."

Колись текст був інтерфейсом між людиною і машиною. Якщо 3D стане спільним медіумом для людини і AI для створення, редагування, симуляції простору, тоді 3D перестає бути файлом дизайну, а стає новим обчислювальним носієм. Це звучить як далека перспектива, але що я відчув у тестах — це набуває конкретики.

3/ Cosmos: Від "розуміння" до "дій"

На етапі NVIDIA Cosmos я практично впевнений, що попередні відчуття не були перебільшенням.

Сучасні візуальні моделі вже цілком точно визначають, «що є на зображенні». Але для роботів і автопілоту справжня складність не в розпізнаванні, а у визначенні «що буде наступним».

Cosmos робить так, що модель спершу формує систему прогнозування для внутрішнього стану світу — симулює можливі наслідки кожної дії, потім обирає найкращий варіант. По суті, AI отримує вбудований симулятор.

Без цього машина може лише фіксувати поточний момент; з цим — вже має здатність «прорахувати все перед дією». Важливість цього кроку для Physical AI, на мою думку, не менша за прорив у логічних можливостях великих моделей раніше.

4/ Справжній ключ: синтетичні дані

Дані реального світу — дуже дорогі.

Мовні моделі можуть сканувати мільйони текстів з інтернету, але робот не навчиться хапати чашку читаючи веб-сторінки; автопілот не покриє всі екстремальні сценарії завдяки реальним тестам. І найбільш критичні дані для тренувань — сильна погода, аварії, рідкісні дорожні ситуації — саме їх найважче отримати.

Але коли тривимірна реконструкція плюс світова модель стануть зрілими, логіка змінюється: спочатку, на основі обмежених реальних даних, будується цифрова базова сцена, далі у віртуальному світі системно змінюються погода, позиція, властивості об’єктів, освітлення — з одного набору базових даних виростає масив навчальних зразків.

Тому аналітики Американського інвестиційного порталу вважають, що конкурентна площина фізичних AI рухається:

Раніше перемагав той, хто мав більше реальних даних, далі головне — якість реальних даних × здатність просторової реконструкції × точність симуляції × ефективність розширення синтетичних даних.

Бенефіціари серед американських акцій

Я розташував їх за «ступенем прямої вигоди»: чим ближче до початку — тим більше впевненості; чим далі — більше гнучкості і концентрації:

Перший рівень · Інфраструктура: NVDA

Незалежно від того, чий робот чи автопілот переможе в кінці, всім потрібна обчислювальна потужність, симуляція, синтетичні дані і платформа для навчання. NVIDIA тримає одночасно GPU, Omniverse, Isaac, Cosmos — вона продає вже не просто чіпи, а «повну основу для навчання машин у реальному світі». Це найменш залежна від єдиного переможця позиція.

Другий рівень · 3D-реконструкція та цифрові двійники: PTC, ADSK

Щоб реальний світ став тренувальним цифровим простором для AI, спершу хтось має «з'єднати» промисловий 3D, цифрові двійники та дизайн-процеси. Це «вхідні дані» для модельного світу.

Третій рівень · Просторове сприйняття: OUST, MBLY

Лідар, машинне бачення — вони переводять фізичне середовище у дані для машин. Без цього всі інші рівні — просто фантазія; але тут жорстка конкуренція і розрахунок на витрати та стабільність.

Четвертий рівень · Кінцеві рішення: TSLA, SYM

Ті, хто реально впроваджує AI у реальне життя. Найбільша гнучкість, але й концентрація ризику: модель працює, але це не означає, що робот зможе масово поставлятись; симуляція ефективна, але це не гарантує переходу до реальних умов.

Далі — не дивіться тільки на ефектні демо-відео, слідкуйте за трьома речами: чи справді симуляція зменшує потребу у реальному навчанні, чи синтетичні дані підвищують успішність моделей, чи клієнти готові платити впевнено та постійно.

Попередній етап революції AI перетворив знання людства на token-и.
Наступний може трансформувати весь реальний світ у дані, які можна обчислювати, симулювати, тренувати.

Мова дала AI змогу розуміти людину; а 3D, можливо, дозволить AI по-справжньому увійти у цей світ.

VIP Американський інвестиційний портал: нове оновлення

Функціонал продукту: AI-інструмент для кількісного аналізу американського ринку

Американський інвестиційний портал — фінтех-компанія, що спеціалізується на дослідженні американських акцій, створена у 2008 році у Кремнієвій долині, США, засновник — колишній аналітик Нью-Йоркської фондової біржі Ken, разом з аналітиками Morgan Stanley, інженерами Google та Meta, що використовують AI та великі дані, а також понад десятирічний практичний досвід та галузеві кількісні моделі для побудови фондового ринку бази даних. Щодня портал обробляє мільйони даних: аналіз угод з опціонами, реальний рух капіталу, зміни у портфелі інституцій, новини про Дональда Трампа.