روبوتات بشرية في مخازن حقيقية الآن — نظرة صادقة على ما يمكنها فعله وما لا تستطيعه

قصة الروبوتات البشرية ظلت متقدمة على الواقع لعقود. العروض أبهرت الجماهير، رأس المال الجريء تدفق، والعناوين وعدت بقوى عاملة روبوتية قادمة قريبًا. لكن 2025 شهدت نقطة تحول حقيقية. Figure وAgility Robotics و1X Technologies وBoston Dynamics جميعهم تجاوزوا العروض وانتقلوا إلى نشر تجاري محدود. BMW وAmazon وGE Aerospace وSpanx يقومون بتجارب نشطة. السؤال الآن ليس ما إذا كانت الروبوتات البشرية حقيقية — بل ما إذا كانت اقتصاديات الوحدة تعمل.

من نشر فعلًا (وليس فقط عرض)

Agility Robotics Digit في Amazon

Digit من Agility Robotics نُشر في مراكز تنفيذ Amazon منذ 2023، يتعامل مع نقل الصناديق بين أنظمة الناقل. Amazon تملك حصة في Agility Robotics، مما خلق توافقًا غير معتاد للحوافز. Digit يعمل بدورة بطارية 4 ساعات ويتعامل مع صناديق تصل إلى حوالي 16 كجم. حتى 2025، مئات الوحدات في تجارب عبر خمس أو أكثر من منشآت Amazon. المهمة ضيقة — نقل صندوق من نقطة أ إلى نقطة ب على مخطط أرضي معروف — لكنها عمل إنتاجي حقيقي، وليس عرضًا خاضعًا للتحكم.

Figure 02 في BMW

Figure 02 دخل مصنع BMW في Spartanburg لتجربة في 2024-2025، يتعامل مع مهام تجميع الهياكل المعدنية: نقل الأجزاء بين المحطات في بيئة تصنيع منظمة. Figure جمعت 675 مليون دولار في أوائل 2024 بتقييم 2.6 مليار دولار. Microsoft وOpenAI مستثمرون، وFigure يستخدم نماذج OpenAI لتخطيط المهام والتحكم الموجه باللغة. تجربة BMW تمثل أول نشر لروبوت بشري في سياق تجميع سيارات فاخرة.

انتشارات أخرى نشطة

• 1X Technologies Neo (بدعم من OpenAI): نُشر في أدوار الأمن وتفتيش المنشآت — نطاق أكثر تحفظًا من العمل في المصانع، لكنه تشغيل تجاري حقيقي.
• Apptronik Apollo: شراكة مع Mercedes-Benz لتجارب أرض المصنع في 2025، تركز على معالجة الأجزاء واللوجستيات ضمن عمليات التجميع.
• Boston Dynamics Atlas (كهربائي): Atlas الهيدروليكي توقف في أبريل 2024، واستبدل بنسخة كهربائية أكثر قدرة بكثير في التلاعب والحركة. Hyundai تستخدم Atlas الكهربائي في تجربة تصنيع — جدير بالملاحظة نظرًا لامتلاك Hyundai أغلبية Boston Dynamics.

ما تجيده الروبوتات البشرية الآن فعلاً

تقييم صادق: الروبوتات البشرية الحالية تتفوق في نطاق ضيق ومحدد من المهام.

• الالتقاط والوضع المتكرر في بيئات منظمة: نفس المهمة، نفس الموقع، حجم كبير. عندما يعتمد الروبوت على وضع ثابت للأشياء وهندسة متوقعة، يتحسن الأداء بشكل كبير.
• نقل العناصر بين نقاط ثابتة على مخطط أرضي معروف: نشر Digit في Amazon هو المثال النموذجي. البيئة مُسجلة؛ المهمة ثابتة؛ الروبوت لا يحتاج للتعامل مع مفاجآت.
• بيئات مصممة للبشر: معظم المستودعات والمصانع بُنيت للبشر — مداخل قياسية، عرض ممرات، ارتفاعات رفوف. الروبوتات البشرية تناسبها دون إعادة تجهيز البنية التحتية، على عكس AGVs (مركبات موجهة آليًا) أو الروبوتات ذات الأذرع الثابتة التي تتطلب بيئات مبنية خصيصًا.
• المناوبات الليلية والبيئات الخطرة: حرارة عالية، تعرض كيميائي، مهام تسبب إصابات إجهاد متكرر. الروبوتات البشرية لا تتعب، لا تحتاج لمعدات مريحة، وتستطيع العمل باستمرار في ظروف تسبب دوران العمالة البشرية.

ما لا يزال لا يعمل جيدًا

الفجوات لا تزال كبيرة، وأي تقييم صادق يتطلب ذكرها مباشرة.

• التلاعب الماهر: الروبوتات البشرية لا تستطيع بعد التعامل بشكل موثوق مع تنوع أشكال الأشياء، اتجاهاتها، وموادها الذي يديره العامل البشري غريزيًا. حقيبة مجعدة، صندوق موجه بشكل غريب، طرد ناعم — معدلات الفشل تبقى عالية. إمساك أشياء عشوائية في ظروف غير خاضعة للتحكم مشكلة غير محلولة.
• السرعة: الروبوتات البشرية الحالية تمشي بسرعة 1.5–2 متر/ثانية وتتلاعب بجزء صغير من سرعة الإنسان. جامع البضائع البشري في المستودع يعالج 300–400 وحدة في الساعة؛ الروبوتات البشرية تدير 40–80 في مهام مماثلة. هذه الفجوة في الإنتاجية تحدد مباشرة العائد على الاستثمار (ROI).
• الموثوقية: MTBF (متوسط الوقت بين الأعطال) لا يزال يُقاس بالساعات للعديد من الوحدات في النشر الفعلي، وليس آلاف الساعات التي تتطلبها المعدات الصناعية. تكاليف الصيانة كبيرة.
• التكلفة: Figure 02 تُقدر بـ150,000–200,000 دولار للوحدة؛ Digit بحوالي 100,000 دولار. عند تلك الأسعار، يتطلب العائد على الاستثمار مهام عالية الإنتاجية في بيئات ذات تكلفة عمالة عالية — فرصة أضيق مما توحي به الرواية الواسعة "استبدال جميع عمال المستودعات".

زاوية الذكاء الاصطناعي المجسد — لماذا 2024-2025 مختلف

الروبوتات البشرية السابقة — ASIMO، Atlas الهيدروليكي الأصلي — استخدمت سلوكيات مبرمجة. كل حركة كانت مكتوبة يدويًا من قبل المهندسين؛ الروبوتات لم تستطع التعميم خارج برامجها المحددة. الروبوتات البشرية الحديثة تستخدم التعلم بالمحاكاة والتعلم المعزز من العرض البشري. إنسان يتحكم عن بعد في الروبوت لعرض مهمة 50–200 مرة؛ الروبوت يتعلم سياسة عامة يمكنها التعامل مع التنوع ضمن فئة تلك المهمة.

Physical Intelligence (Pi)، التي أسسها باحثون سابقون في Google وDeepMind، جمعت 400 مليون دولار في 2024 لبناء سياسات تلاعب قابلة للتعميم. نموذجهم π0 يُدرب على بيانات عبر الروبوتات ويعمل على معدات Figure وAgility Robotics و1X. هذا النهج "النموذج الأساسي للروبوتات" يعني أن التحسينات على السياسة الأساسية تنتقل عبر أنواع الروبوتات — مشابه لكيفية نقل LLMs للقدرات المستفادة عبر المهام دون إعادة تدريب خاصة بالمهمة.

المغزى: منحنى تحسين قدرة الروبوتات البشرية أصبح الآن مرتبطًا بمنحنى تحسين نماذج الذكاء الاصطناعي، وليس فقط بتطور العتاد. هذا ديناميك مختلف جوهريًا عن منحنى التقدم الهندسي الميكانيكي الذي حكم الأجيال السابقة.

اقتصاديات العمل

الحساب يستحق القيام به بعناية. عمال المستودعات في الولايات المتحدة يحملون تكلفة إجمالية تتراوح بين 40,000 و55,000 دولار سنويًا، بما في ذلك المزايا، دوران العمالة، التدريب، والنفقات الإدارية. روبوت بشري بتكلفة رأسمالية 150,000 دولار بالإضافة إلى 20,000 دولار سنويًا للصيانة يمثل فترة استرداد تتراوح بين 4–6 سنوات عند مستويات الإنتاجية الحالية — مقبول لمعدات رأسمالية ذات أفق 10 سنوات، لكنه ضيق.

نقطة التعادل تتحسن بشكل كبير تحت شرطين: إذا وصلت سرعة الروبوت إلى 60–70% من إنتاجية الإنسان (تتوقع Physical Intelligence أن هذا ممكن بحلول 2027 للمهام المنظمة)، وإذا انخفضت تكاليف الوحدة إلى 50,000–75,000 دولار على نطاق واسع. برنامج Tesla Optimus يستهدف أقل من 30,000 دولار للوحدة بكميات كبيرة — إيلون ماسك ذكر هذا الرقم علنًا. حتى الربع الأول من 2026، حوالي 1,000 وحدة من Tesla Optimus تعمل في مصانع Tesla الخاصة داخليًا، مع استهداف مبيعات خارجية في 2026. إذا تحققت توقعات التكلفة تلك، فإن حساب العائد على الاستثمار يتحول من "تبرير ضيق" إلى "مقنع على نطاق واسع".

الطبقة التنظيمية والسلامة

OSHA ليس لديها بعد معايير خاصة بالروبوتات البشرية. يعمل المصنعون حاليًا ضمن إرشادات السلامة الحالية للآلات، بشكل أساسي ISO 10218، الذي يحكم الروبوتات الصناعية. معايير الروبوتات التعاونية (cobot) تسمح بالتشغيل بالقرب من البشر بحدود سرعة وقوة. الروبوتات البشرية في مساحات مشتركة بين الإنسان والروبوت تتطلب ضمانات إضافية؛ معظم التجارب الحالية تحافظ على فصل مادي بين العمال البشر ومناطق تشغيل الروبوت. غياب أطر تنظيمية واضحة هو خطر (عدم يقين في المسؤولية) وفرصة في نفس الوقت (الاستحواذ التنظيمي للرواد الذين يساعدون في كتابة المعايير).

الاستنتاج الصادق

الروبوتات البشرية تعمل اليوم في مهام ضيقة وحجم كبير ومنظمة — والاقتصاديات منطقية في بيئات ذات تكلفة عمالة عالية حيث تلك المهمة الضيقة تستحق القيام بها على نطاق واسع. الروبوت البشري العام الذي يمكنه التعامل مع مهام المستودعات العشوائية — الذي يمكنه التقاط حقيبة مجعدة، إعادة توجيه صندوق غير منظم، والتكيف مع مخطط أرضي متغير دون إعادة تدريب — ربما يكون على بعد 5–8 سنوات من النشر التجاري الموثوق.

لكن البنية التحتية التي تُبنى الآن — بيانات التدريب، أساطيل الروبوتات، نماذج السياسات، سلاسل التوريد التصنيعية — هي ما يجعل ذلك المستقبل يصل في الوقت المحدد. التجارب في Amazon وBMW وMercedes-Benz ليست مجرد التحقق من المنتج. إنها ميادين تدريب للجيل القادم من القدرات. كل ساعة يعملها Digit في مركز تنفيذ Amazon هي بيانات تحسن الإصدار التالي. هذا هو السبب الحقيقي لأهمية الانتشارات الحالية، حتى لو كانت الاقتصاديات هامشية اليوم.