Figure AI تحجز 3.5 مليار دولار من القدرة الحاسوبية قبل أن يكون لديها منتج للبيع

في مؤتمر IROS 2026 في بيتسبرغ، الذي امتد من 27 سبتمبر إلى 2 أكتوبر، برز إعلان واحد من بين سلسلة العروض البحثية المعتادة. قالت Figure AI إنها وقّعت شراكة متعددة السنوات مع مزوّد الحوسبة السحابية للذكاء الاصطناعي Nscale، تلتزم بموجبها بدفعة أولى قدرها 3.5 مليار دولار من القدرة الحاسوبية، مع خطط لتجاوز 6 مليارات دولار ونشر ما يصل إلى 100,000 وحدة معالجة رسومات من Nvidia بدءًا من النصف الثاني من عام 2027.

من المقرر أن يُنفَّذ البناء في بارستو بولاية تكساس. وسيجري التدريب على منصة Vera Rubin من Nvidia، وستتم عمليات التحقق في Isaac Sim، وستشغّل وحدات المعالجة نفسها في نهاية المطاف داخل الروبوتات نفسها.

رهان يُعقد قبل وجود الدليل

جمعت شركات الروبوتات البشرية الشكل أموالًا طائلة، وأنفقت معظمها على العتاد والتجارب التشغيلية. لكن الالتزام بهذا القدر من القدرة الحاسوبية قبل أن يؤدي روبوت عملًا مدفوع الأجر بأعداد كبيرة هو رهان من نوع مختلف. وهو يعني أن الشركة ترى أن القيد الحاسم على الروبوتات البشرية سيكون قدرة الحوسبة للتدريب وجودة النموذج، لا الأجزاء الميكانيكية.

هذا الاعتقاد قابل للاختبار، والأدلة حتى الآن متباينة. فقد رفع أبرز برنامج للروبوتات البشرية في العالم، وهو Optimus من تسلا، إنتاجه في خط فريمونت إلى عدة مئات من الوحدات أسبوعيًا في أواخر سبتمبر، أي نحو عشرة أضعاف معدله في الربع الثاني، وتُفيد التقارير بأن الموردين طُلب منهم توفير أجزاء لنحو 15,000 وحدة خلال عام 2026. والعائق المُبلَّغ عنه ليس عدد الهياكل في الأسبوع، بل الأيدي وعدم قدرة الذكاء الاصطناعي على التعميم بين المهام. فالمصنع القادر على بناء الجسد لم يحلّ بعد مشكلة جعل هذا الجسد مفيدًا.

التزام Figure بالقدرة الحاسوبية هو في جوهره رهان على أن ضخّ قدرة تدريب أكبر بكثير في مشكلة التعميم هذه هو الخطوة الصحيحة. وإن صحّ ذلك، فستملك الشركة التي تؤمّن القدرة الحاسوبية أولًا ميزة. وإن لم يصحّ، فلن تشتري هذه الأموال سوى فاتورة ضخمة ووحدات معالجة عاطلة كثيرة.

لماذا يُعدّ رقم 100,000 وحدة معالجة هو القصة الحقيقية

نشر وحدات المعالجة داخل الروبوتات هو الجزء الجدير بالمتابعة. فقدرة الحوسبة للتدريب كمية معروفة. أما الحوسبة المدمجة التي تشغّل نموذجًا كبيرًا في الزمن الحقيقي، ضمن ميزانية طاقة وحرارة تستطيع آلة متحركة حملها، فهي هدف هندسي أصعب. وإذا كانت Figure تخطط لوضع وحدات Nvidia داخل الروبوتات على نطاق واسع، فهي تشير إلى أن النماذج التي تريد تشغيلها كبيرة بما يكفي بحيث لا تكفي مسرّعات الحوسبة الطرفية.

ولهذا آثار تتجاوز Figure بكثير. فهو يفرض متطلبات على الطاقة والتبريد والتكلفة لكل وحدة، ما يغيّر قيمة الروبوت البشري بالنسبة للمشتري. فالروبوت الذي يحتاج إلى وحدة معالجة رسومات جادة ليعمل هو منتج مختلف عن روبوت يشغّل نموذجًا صغيرًا على شريحة بمستوى الهاتف.

أين يقف بقية المجال

قدّمت قاعة IROS مجموعة مقارنة مفيدة. فقد كشفت Agility Robotics عن Digit 5، النسخة التالية من روبوتها ذي الساقين، وأشارت إلى أكثر من 65,000 ساعة تشغيل لـ Digit 4 في مواقع عملاء في أمريكا الشمالية، بينهم Amazon وGXO وSchaeffler وToyota Motor Manufacturing Canada. كما أعلنت Agility شراكة مع FORT Robotics تستهدف السلامة الوظيفية للروبوتات البشرية. وهذان الأمران، ساعات الخدمة وملف السلامة، هما ما يطلبه المشتري الصناعي قبل التوقيع.

وأعلنت Sanctuary AI عن معدل نجاح يتجاوز 99.5% بزمن دورة 2.54 ثانية في مهمة توصيل الأسلاك، مُتحقَّق منه مقابل معايير حيّة لمورّد سيارات من الفئة الأولى. وهذه مهمة ضيقة، والمهام الضيقة هي بالضبط ما تكون التقنية جاهزة له. وأعلنت Unitree عن H2 Plus كمنصة مرجعية لـ Isaac GR00T للأوساط الأكاديمية، في توسيع لوتيرة إصدار سريعة. واستغلّت Astribot المؤتمر لتكشف النقاب عن روبوتها البشري T1 في أمريكا الشمالية بنحو 18,000 دولار، بوضعه كمنصة بحثية لا كعامل.

وبقراءة مجتمعة، يبدو المجال منقسمًا. فبعض الشركات تتسابق لإثبات قدرة عامة وتنفق بسخاء على القدرة الحاسوبية. وأخرى تطلق مهام ضيقة قابلة للقياس وتبني سجلات السلامة والخدمة التي يدفع العملاء ثمنها فعلًا.

ما أشار إليه المؤتمر في مجمله

IROS تجمّع بحثي، وقد عكست المسارات التقنية موضع الاهتمام. ركّزت ورش العمل على التنقل والتناول الرشيق، وعلى تقييم سياسات وحدات التحكم القائمة على الرؤية واللغة والفعل في العالم الحقيقي، وعلى نقل التدريب المحاكى ليُطبَّق على آلات مادية ذات ساقين. وهذا الموضوع الأخير هو الذي يحدد ما إذا كانت القدرة الحاسوبية المصروفة في المحاكاة تتحول إلى سلوك على أرض المصنع.

كانت المدينة المضيفة بيتسبرغ، ما أبرز قوة Carnegie Mellon في مجال الروبوتات. وبالنسبة لمجال أمضى سنوات في إنتاج مقاطع فيديو مبهرة لروبوتات تمارس الباركور، فإن تحوّل التركيز نحو التناول الغني بالتلامس والتقييم في العالم الحقيقي يمثل تغيّرًا جوهريًا في الاتجاه. فتصوير روبوت يقفز أسهل من اعتماد روبوت يلتقط جسمًا غير مألوف بأمان.

حجة القدرة الحاسوبية، بوضوح

رهان Figure يقوم على ادعاء محدد: أن الفجوة بين الروبوتات البشرية التي تُقدّم عروضًا جيدة وتلك التي تعمل فعلًا هي في معظمها مشكلة نمذجة، ومشكلات النمذجة تُحلّ بالبيانات والقدرة الحاسوبية. وهذا الادعاء ليس جنونيًا. فقد أظهرت السنوات القليلة الماضية أن توسيع نطاق التدريب على بيانات أكبر وأكثر تنوعًا يواصل تحسين التعميم في مجالات أخرى، ولا يوجد سبب قوي للاعتقاد بأن التناول استثناء.

والحجة المضادة هي أن الروبوتات تواجه مشكلة بيانات لم تواجهها النماذج اللغوية. فالنصوص متوفرة بكثرة على الويب، أما بيانات التناول عالية الجودة، من النوع الذي يعلّم يدًا الإمساك بجسم جديد في موضع جديد، فجمعها مكلف ومحاكاتها بدقة صعب. وزيادة القدرة الحاسوبية تنفع إذا كان خط أنابيب البيانات موجودًا. وإن لم يكن، فعنقود تدريب كبير سيبقى عاطلًا في معظم الوقت.

ما ينبغي للمشترين استخلاصه

هناك مقياسان أهم من أعداد الروبوتات. الأول موثوقية التناول، أي ما إذا كانت اليد قادرة على أداء إمساكات متنوعة دون فشل. والثاني التعميم، أي ما إذا كان سلوك دُرِّب على مجموعة أجسام ينتقل إلى أجسام جديدة، تحت إضاءة جديدة، وفي تخطيط جديد. ورقم الإنتاج الأسبوعي لا يقول شيئًا عن أي منهما.

والالتزامات بالقدرة الحاسوبية مثل ما فعلته Figure تستهدف المقياس الثاني مباشرة. وهل ينجح ذلك سؤال مفتوح، ولن يأتي الجواب من بيان صحفي. بل سيأتي من قدرة روبوت دُرِّب على سعة بارستو على التقاط جسم لم يره من قبل وإنزاله في مكانه الصحيح، على خط إنتاج، دون مراقبة مشرف.

تكلفة التبكير

هناك أيضًا خطر مالي مباشر. فاتفاقيات القدرة الحاسوبية التزامات متعددة السنوات، وأجيال وحدات المعالجة الرسومية تتقدم بسرعة. وقد يبدو التزام مُقدَّر لحجم تدريبات اليوم مبالغًا فيه أو غير كافٍ بعد ثمانية عشر شهرًا، حسب اتجاه المجال. وقد راهنت Figure على أنها ستحتاج أكثر لا أقل.

الرهان قابل للدفاع عنه. فالحدود القصوى في الروبوتات تتحرك نحو نماذج أكبر، والنماذج الأكبر تحتاج إلى قدرة حاسوبية أكبر. والسؤال هو التوقيت. وإن جاء التعميم وفق الجدول الذي توحي به Figure، فسيبدو الالتزام المبكر بُعد نظر. وإن استغرق وقتًا أطول، فستتحمل الشركة تكلفة ثابتة كبيرة بينما تنتظر حل المشكلة.