NORBERT BIEDRZYCKI

Fizyczna AI: inwestowanie poza oprogramowaniem

Fizyczna AI: inwestowanie poza oprogramowaniem

Przez sześć lat historia inwestycji w AI dotyczyła ekranów: tekstu, obrazów, kodu i oprogramowania. Kolejny rozdział dotyczy atomów: robotów, fabryk, pojazdów, laboratoriów i energii, która je zasila.

Kiedy w 2020 roku pisałem o jeździe autonomicznej, opisałem ją jako niezwykły zakład o niepewnym czasie. Sześć lat później Waymo realizuje co tydzień setki tysięcy płatnych przejazdów bez kierowcy w kilku amerykańskich miastach. Trwało to dłużej i kosztowało więcej, niż przewidywali optymiści. Ale technologia nadeszła.

Ten wzorzec warto mieć w pamięci, bo kolejna faza inwestycji w AI jest coraz silniej związana ze światem fizycznym.

Co się zmienia

Zbiega się kilka zjawisk. Modele bazowe są trenowane nie tylko na tekście i obrazach, ale też na wideo, danych z czujników i interakcjach robotów, co daje maszynom dużo bardziej ogólną zdolność postrzegania i działania. Narzędzia symulacyjne pozwalają trenować roboty w środowiskach wirtualnych, zanim dotkną prawdziwego obiektu. Koszty sprzętu, czyli czujników, siłowników i mocy obliczeniowej, spadają.

Kapitał to zauważył. Firmy robotyki humanoidalnej i ogólnego przeznaczenia, takie jak Figure AI i Physical Intelligence, pozyskały w 2025 roku duże rundy przy wielomiliardowych wycenach. Nvidia uczyniła „fizyczną AI” centralnym tematem swojej strategii. Chiny, które według Międzynarodowej Federacji Robotyki mają już wyższą gęstość robotów przemysłowych w produkcji niż Niemcy czy Japonia, mocno inwestują w robotykę jako priorytet przemysłowy.

Poza robotami AI przyspiesza odkrycia naukowe w materiałoznawstwie, chemii i biologii i staje się kluczowym narzędziem w systemach energetycznych, logistyce i zaawansowanej produkcji.

Inna ekonomia

Dla inwestorów przyzwyczajonych do oprogramowania fizyczna AI ma zupełnie inny profil. Wymaga sprzętu, zdolności produkcyjnych, łańcuchów dostaw, integracji z istniejącymi urządzeniami, certyfikacji bezpieczeństwa i często znacznego kapitału na start. Marże brutto są niższe. Cykle sprzedaży są dłuższe. Awarie mają charakter fizyczny, a czasem są niebezpieczne.

Ale te same cechy tworzą pozycję obronną. Interfejs oprogramowania konkurent może odtworzyć w kilka tygodni. Flotę robotów zintegrowaną z operacjami klienta, z latami własnych danych eksploatacyjnych i certyfikowanymi procesami bezpieczeństwa, znacznie trudniej wyprzeć. Fosy w fizycznej AI zbudowane są z rzeczy, których nie da się pobrać.

Gdzie widzę okazję

Z perspektywy inwestycyjnej widzę trzy szczególnie interesujące obszary.

Pierwszy to stosowana automatyzacja w branżach zmagających się ze strukturalnym niedoborem pracowników: logistyce, magazynowaniu, rolnictwie, budownictwie, wsparciu ochrony zdrowia i produkcji. Tu uzasadnienie biznesowe nie zależy od futurystycznych humanoidów. Zależy od niezawodnych maszyn wykonujących konkretne zadania przy niższym koszcie całkowitym niż alternatywa.

Drugi to infrastruktura wspierająca: komponenty, czujniki, oprogramowanie symulacyjne, przetwarzanie brzegowe i systemy energetyczne potrzebne do zasilania i ładowania zautomatyzowanych operacji.

Trzeci, moim zdaniem najbardziej niedoceniany, to same firmy przemysłowe. Wielu średnich producentów i firm usług przemysłowych w Europie, w tym w Europie Środkowo-Wschodniej, ma wiedzę dziedzinową, dostęp do klientów i dane operacyjne, by skutecznie wdrożyć fizyczną AI. Często brakuje im kapitału i zdolności do transformacji. A to dokładnie to, co może dać private equity.

Powrót do pytania, które zadałem w 2020 roku

W 2020 roku pytanie brzmiało, czy AI jest sektorem, czy technologią, która przeceni każdy sektor. Sześć lat później uważam, że odpowiedź jest jasna. AI to technologia ogólnego przeznaczenia, z tej samej rodziny co elektryczność i silnik spalinowy. Jej pierwsza faza przekształciła pracę cyfrową. Kolejna przekształci pracę fizyczną.

Inwestorzy, którzy rozumieją obie i potrafią połączyć świat modeli ze światem fabryk, flot i elektrowni, będą najlepiej przygotowani na nadchodzącą dekadę.

Pytanie inwestycyjne: Czy kolejna wielka okazja inwestycyjna w AI leży w świecie cyfrowym, czy w automatyzacji świata fizycznego?

Czytaj także

  1. OpenAI i firmy doradcze: ostatnia mila AI jest organizacyjnaLinkedIn

    Kiedy OpenAI ogłosiło partnerstwa z McKinsey, BCG, Accenture i Capgemini, nie wyglądało to na przełom. Na pierwszy rzut oka był to kolejny przewidywalny ruch: wielka technologia łączy siły z wielkim doradztwem.

  2. Déjà vu Solowa: AI widać wszędzie, tylko nie w statystykach produktywnościLinkedIn

    Uczestniczę w rewolucjach technologicznych od początku kariery, a w AI – od chwili, gdy dało się ją wdrażać na skalę w prawdziwym biznesie. A jednak coraz częściej mam poczucie déjà vu. W 1987 roku Robert Solow powiedział: „Erę komputerów widać wszędzie, tylko nie w statystykach produktywności”.

  3. Od copilotów do agentów AI: kolejna rewolucja inwestycyjna w oprogramowaniu

    seria The Business of AI, napisana w 2026