Automatizace AI: Bosch a Physical AI

KI & Automatisierung · 26. August 2026 · Omer

Automatizace AI se setkává s Physical AI: Co předvádí Bosch, VDMA a Asie – zkontrolujte si nyní svůj plán pro továrnu, prodej a rok 2027.

Podle tržních dat o čínském robotickém programu, citovaných v briefingu, již v čínských továrnách pracuje 2 miliony průmyslových robotů. To není jen okrajová poznámka ze Shenzhenu. To je nový udavatel tempa pro automatizaci AI ve výrobě, a kdo v DACH prodává stroje, plánuje zařízení nebo vyrábí dodavatelské díly, neměl by toto číslo odmítat jako čínský folklór. Říká to něco brutálního o škálování: Nevyhrává nejlepší demo, ale dodavatelský řetězec, který dokáže postavit, udržovat, certifikovat a dodat tisíce jednotek do továren. Bosch se chce zaměřit přesně na tento bod.

Dne 24. srpna 2026 bylo oznámeno, že Bosch má v závodě v Bühl v Bádensku-Württembersku převzít sériovou výrobu humanoidních robotů „Gamma“ pro londýnský startup Humanoid; začátek série: srpen 2027 (AI in Europe, 24.08.2026). Považuji to za jednu z důležitějších průmyslových zpráv roku, ne proto, že by humanoidní roboti najednou nahradili každého dělníka. No, skoro. Důležitý je přechod od prototypu k sériové výrobě. Od robota z YouTube k CE dokumentaci. Od pitchdecku k rozvrhu směn.

Automatizace AI 2027: Prognóza, kterou mnozí podceňují

Moje prognóza: Do konce roku 2028 bude minimálně třetina středně velkých výrobních podniků v DACH mluvit nejen o cobotech, zpracování obrazu a optimalizaci MES, ale o Physical AI jako o rozpočtové položce. Ne nutně jako o vlastním humanoidním robotovi v hale 3. Ale jako o rozhodnutí: Jaké úkoly v logistice, přepracování, kontrole kvality a obsluze strojů mohou být fyzicky prováděny systémy AI?

To zní jako hudba budoucnosti, dokud se nepodíváme na nákupní cykly. Stroj, který jde do sériové výroby v roce 2027, se v roce 2027 náhle bez problémů neobjeví v 500 továrnách. Předtím přicházejí audity dodavatelů, bezpečnostní koncepce, uvolnění dat, jednání s podnikovou radou, specifikace požadavků a ty nekonečné tabulky v Excelu, ve kterých někdo z controllingu vypočítává, zda se robot amortizuje po 29 nebo 41 měsících (a zda je údržba skutečně zahrnuta v ceně).

Pro obchodní ředitele to není jen záležitost COO. Kdo prodává stroje, komponenty, software, senzory, chapadla, intralogistiku, rozvaděče nebo služby, musí být od roku 2027 schopen vysvětlit, jak jeho nabídka zapadá do plánu Physical AI. Kdo to nedokáže, prohraje ve výběrových řízeních proti firmám, které neříkají „automatizace“, ale jmenují konkrétní pracovní postupy: uchopit nádobu, zkontrolovat díl, nahlásit odchylku, zahájit přepracování, zapsat data směny zpět do MES.

Současný stav: Kde se dnes skutečně nachází automatizace AI

Současný stav v DACH je rozporuplný. Na veletrzích všichni mluví o AI. V továrnách se však stále překvapivě mnoho spoléhá na schránku, předávání směn a implicitní znalosti. Nepovažuji to za výtku. Kdo dodává přesné díly pro Schaeffler nebo Brose se 180 zaměstnanci ve východním Vestfálsku, nemá pět datových vědců, kteří by mimochodem budovali pipeline pro reinforcement learning.

Zároveň je základna připravena. Mnoho středně velkých podniků má MES, ERP, BDE, data o kvalitě, protokoly strojů a někdy dokonce digitální dvojče. Není to tak úplně pravda. Často mají datové ostrovy s různým časovým rozlišením, různou logikou pojmenování a latencí, která stačí pro reporting, ale ne pro řízení. Pro Physical AI je to problém, protože robot na lince nemůže čekat, až se v noci ve 02:00 spustí dávkový export z ERP.

Evropská komise souběžně tlačí na infrastrukturu: Až sedm AI Gigafactories, rámec až 10 miliard eur z prostředků EU a členských států a cíl mobilizovat minimálně 20 miliard eur soukromého kapitálu, tedy potenciálně více než 30 miliard eur celkového objemu (kontext Evropské komise podle zdrojů [1] a [2]). Španělsko samo oznámilo státní závazek ve výši 719 milionů eur pro svou kandidaturu, s ACS, Telefónica, Banco Santander a SEPI/SETT v okolí. To je relevantní, protože Physical AI nepotřebuje jen motory a chapadla. Potřebuje tréninková data, simulační běhy, základní modely, edge deployment a aktualizace bez zastavení výroby.

V Leobenu v Rakousku bylo podle RTL Today investováno více než 500 milionů eur do pokročilých IC substrátů; tam sídlí jediný velký komerční výrobce takových substrátů pro vysokou integrační hustotu v Evropě (zdroj [6]). Zní to suše. A také to tak je. Ale bez balení, bez substrátů, bez spolehlivých komponent pro AI výpočty se každý humanoidní robot dříve či později stane hezkým pouzdrem s problémem dodací lhůty.

Pro COO je situace tedy taková: Technologie zraje, infrastruktura vzniká, regulace se zpřísňuje, Čína škáluje. Pro generální ředitele: Doba investice se stává nepříjemnou. Nakupovat příliš brzy je drahé a riskantní. Učit se příliš pozdě je nebezpečnější, protože křivka učení u Physical AI se nedá dohnat za jedno čtvrtletí.

Trend 1: Bosch uvádí humanoidní roboty do sériové výroby

Bosch přebírá v Bühl zakázkovou výrobu pro další generaci humanoidů „Gamma“. Sériová výroba od srpna 2027. Píšu to záměrně znovu, protože rozdíl mezi „pilotem“ a „sérií“ ve strojírenství není sémantický luxus. Pilot znamená: Tým systém hlídá. Série znamená: Kvalifikace dodavatelů, procesní způsobilost, zkušební stolice, sledovatelnost, náhradní díly, montážní pokyny, okna kvality, normy.

Bühl není jen tak nějaké místo na mapě. Bosch je tam průmyslově zakořeněn, Bádensko-Württembersko je plné dodavatelů, automatizačních firem, výrobců nástrojů a lidí, kteří při novém aktuátoru nemyslí nejprve na tiskovou fotografii, ale na tolerance, teplo, opotřebení a nákupní ceny. Toto prostředí je výhodou. Není to okouzlující. Ale staví věci, které po třech směnách nestojí uraženě v koutě.

Humanoidní platformy jako Gamma budou typicky pracovat s RGB a hloubkovými kamerami, silově-momentovými senzory, edge AI výpočty, plánováním pohybu a cloudovými aktualizacemi. Marketingová prezentace to pak nazývá Physical AI. Já bych střízlivěji řekl: Systém musí v polokaozickém továrním prostředí vnímat, rozhodovat a jednat, aniž by při každé malé odchylce volal inženýra. Přesně tam to bude těžké.

Rozhoduje latence. Vision model, který za 800 milisekund rozpozná, zda je nádoba špatně umístěna, je pro reporting hezký. Pro uchopení v pohybu je to příliš pomalé. V projektech proto zřídka porovnávám modely pouze podle přesnosti. Chci p95 latenci, robustnost při špatném osvětlení, drift po třech týdnech, chování při zotavení po chybném uchopení a otázku, zda aktualizace v pátek večer nezničí pondělní směnu. Zní to malicherně. Je to výroba.

Evropská síla ve výzkumu robotiky má malou váhu, pokud chybí dodavatelské řetězce a výrobní kapacity pro sériovou výrobu robotů.

— VDMA, Stanovisko k humanoidní robotice a Physical AI, 2025

Tento citát VDMA není poetický, ale trefuje se. Německo má mnoho laboratoří, dobré instituty, solidní strojírenské firmy. Co často chybí, je průmyslový sval mezi prototypem a škálovanou výrobou. Bosch Bühl by se mohl stát přesně tímto svalem. Mohl by. Upřímně? Nevím. Ale směr je jasnější než u mnoha jiných oznámení o AI, která po třech měsících zmizí.

Proč je Bosch Bühl důležitý pro prodejce v DACH

Pokud se humanoidní roboti budou vyrábět v Evropě, cena pro zákazníky v DACH automaticky neklesne. Ale tři věci se změní: auditovatelnost, servisovatelnost a důvěra v normy. Generální ředitel z Ulmu spíše otestuje systém, pokud je Bosch jako výrobní partner hmatatelný, pokud náhradní díly neuvíznou na třech celních stanicích a pokud bezpečnostní dokumentace nezní, jako by byla exportována z Notion Workspace amerického startupu.

Pro prodej to znamená: Okruh kupujících se posouvá. Nerozhoduje jen vedoucí výroby. U stolu sedí nákup, IT, OT-Security, podniková rada, bezpečnost práce, ochrana dat, controlling a vedení. Kdo pak jen posílá seznamy funkcí, prohrává. Kdo dokáže ukázat, která nákladová položka bude odlehčena a která taktovací doba neutrpí, zůstává ve hře.

Trend 2: Asie buduje Physical AI jako tovární systém

Druhý trend je nepohodlnější: Asie buduje Physical AI ne jako jednotlivého robota, ale jako tovární systém. Delta Electronics představila na Taipei International Industrial Automation Exhibition platformu Embodied-AI-Dual-Arm-Robot, určenou pro tovární autonomii ve strojírenství, elektronice a polovodičových prostředích (eWeek, zdroje [4] a [10]). Daedong přeměňuje svůj závod v Daegu na centrum Physical AI, kde se shromažďují data z výroby, kvality a logistiky a roboti přebírají skutečnou práci na výrobní hale (zdroj [13]). LG Electronics staví v Soulu datovou továrnu o rozloze přibližně 10 000 metrů čtverečních s několika stovkami robotů; cílem je 100 000 hodin reálných a syntetických tréninkových dat do konce roku 2026 pro Robot Foundation Model (zdroj [8]).

To je ten rozdíl. V Evropě se často ptáme: Jaký use case mohu automatizovat s robotem? V Koreji a na Tchaj-wanu zní otázka stále častěji: Jakou datovou továrnu potřebuji, aby se roboti učili rychleji než moji konkurenti? To není malý sémantický obrat. Posouvá to rozpočet z jednotlivých zařízení na platformu.

Pojem „Robot Foundation Model“ se mi líbí jen omezeně, protože příliš snadno zní jako magie. Technicky se za ním však skrývá tvrdá logika: Pokud se model učí z mnoha hodin uchopování, posouvání, třídění, otáčení, kontroly, pouštění a opravování, nemusí každý zákazník začínat od nuly. Sim-to-real zůstává obtížný. Opotřebení zůstává reálné. Světlo bliká. Olejový film na kovových dílech vypadá pro kamery jinak než v datovém souboru. Přesto je páka velká.

Pro středně velké podniky v DACH je to právě nebezpečné. Ne proto, že by Delta, Daedong nebo LG zítra vtrhly do každé haly ve Švábsku. Ale proto, že asijští OEM a dodavatelé mohou posunout své nákladové křivky. Pokud korejský konkurent stabilizuje tok materiálu, kontrolu kvality a přepracování pomocí Physical AI, pak se efekt dříve či později projeví v nabídkové ceně, v dodací schopnosti nebo v reakční době u variant.

„U nás to nefunguje,“ řekl mi v červnu 2026 Thomas, COO výrobce speciálních strojů z Norimberku, po diskusi o autonomním zásobování materiálem. Jeho hala voněla po chladicí kapalině a někde kovová nádoba narazila na rampu. Myslím, že Thomas měl z poloviny pravdu. Mnoho standardních řešení tam nefunguje. Ale právě proto jsou humanoidní a dvojaramenné systémy zajímavé: Slibují automatizaci bez kompletního přeuspořádání. Slibují. Zatím žádný důkaz.

Automatizace AI v prodeji: Proč Physical AI mění pipeline

Nyní ta část, kterou mnozí COO podceňují a mnozí obchodní ředitelé vidí příliš pozdě: Physical AI nemění jen továrnu. Mění nákupní záměry. Firma, která chce od roku 2027 testovat humanoidní roboty, potřebuje předtím jiné senzory, jiné datové modely, jiné bezpečnostní koncepce, jiná rozhraní k MES a ERP, jiná školení, jiné servisní smlouvy. To jsou signály. Kdo je rozpozná, prodá dříve.

V Amplifa se denně zabýváme takovými signály. Ne z akademického zájmu. Naši zákazníci chtějí vědět, které účty jsou skutečně připraveny k nákupu, které jen sbírají veletržní brožury a které interně uvolňují rozpočet, protože vedoucí závodu v strategickém dokumentu najednou píše „Physical AI“, „Digital Twin“ nebo „autonomní intralogistika“. Rozdíl jsou peníze.

Co konkrétně vidíme v Amplifa: Za posledních 12 měsíců měli dodavatelé výroby s 80 až 450 zaměstnanci v našich implementacích výrazně lepší konverzi, pokud byli jejich cíloví zákazníci segmentováni ne podle odvětví, ale podle zralosti automatizace. Jeden vzor byl obzvláště stabilní: Účty s publikovanými pracovními nabídkami pro OT-Security, MES-integraci nebo Computer Vision reagovaly v outbound kampaních 2,1- až 2,8krát častěji na konkrétní e-maily s use-case než srovnatelné účty bez takových signálů. Ne na „AI může pomoci“. Ale na „Právě hledáte MES/OT kompetence; u podobných továren vidíme, že autonomní toky materiálu fungují teprve tehdy, když jsou kmenová data, bezpečnostní zóny a protokoly událostí čisté.“ Malá změna. Velký dopad.

To je pro mě skutečná prodejní páka. Ne „AI v prodeji“ jako chatbot, který píše generický e-mail. Ale AI Sales jako systém, který spojuje tržní pohyby, investiční signály a technickou zralost. Když Bosch v Bühl připravuje sériovou výrobu, v ekosystému vznikají následné otázky: Kdo dodá aktuátory? Kdo dodá senzory? Kdo integruje? Kdo certifikuje? Kdo prodává retrofit sady pro stávající zařízení (brownfield)? Kdo radí podnikovým radám? Kdo staví testovací buňky? Kdo nabízí servisní smlouvy s p95 reakční dobou?

Amplifa ICP Playbook Praktický playbook pro segmentaci cílových zákazníků podle připravenosti k nákupu, stupně automatizace a spouštěcích signálů – namísto pouze podle odvětví a obratu.

Srovnání modelů: Ne každý systém AI je vhodný pro průmyslové signály

Jsem pragmatický ohledně srovnání modelů. Pro Sales-Intelligence v průmyslovém kontextu nestačí samotný velký jazykový model. Musí správně interpretovat firemní webové stránky, pracovní inzeráty, zprávy z obchodního rejstříku, seznamy vystavovatelů na veletrzích, patenty, certifikace, klíčová slova ERP/MES a někdy i PDF katalogy z roku 2018. Model, který hezky shrne blogový článek, může přesto selhat, pokud zamění „robotickou buňku“ a „Robotic Process Automation“. Stává se to častěji, než prodejci přiznávají.

U fyzických robotů je to podobné. Vision model s vysokou benchmarkovou přesností může být na lince špatný, pokud se objeví odrazy, prach nebo měnící se šarže dílů. Reinforcement learning agent může v simulaci vypadat elegantně a v realitě selhat u vratké nádoby. Proto budou muset být benchmarky pro Physical AI přísnější: nejen úspěšnost v laboratoři, ale také střední doba mezi lidskými zásahy (Mean Time Between Human Intervention), zotavení po chybách, riziko aktualizace, míra bezpečnostního zastavení, spotřeba energie na úkol.

Trend 3: Regulace se stává argumentem pro nákup

Třetí trend je nesexy a proto je často podceňován: Regulace se stává argumentem pro nákup. Od 2. srpna 2026 má Evropský úřad pro AI podle kontextu Nature rozšířené pravomoci vyšetřovat a sankcionovat porušení AI Actu velkými technologickými poskytovateli (zdroj [14]). Pro průmyslovou AI to není okrajové téma. Humanoidní robot, který pracuje v blízkosti lidí, není jen software. Je to riziko, odpovědnost, dokumentace, rozhraní člověk-stroj.

AI Act bude mnoho středně velkých podniků dráždit. Pochopitelné. Ale také vytváří evropský prodejní úhel. Pokud Bosch, Humanoid a jejich integrační partneři čistě implementují shodu, dokumentaci, řízení rizik a lidský dohled, pak je to pro zákazníky v DACH výhoda oproti systémům, které jsou technicky zajímavé, ale regulačně produkují mlhu.

Dokonce věřím: CE, dokumentace AI Act a OT-Security se na trhu Physical AI stanou stejně důležitými jako nosnost a výdrž baterie. Ne v demu. Ale při nákupu. Andrea, Head of Sales u jednoho „skrytého šampiona“ v Bielefeldu, to v květnu 2026 formulovala velmi suše: „Naši zákazníci už nekupují nic, co by IT ředitel nemohl podepsat.“ Ta věta mi pak uvízla v hlavě, protože lépe popisuje novou realitu než většina analytických prezentací.

FAQ: Musím si v roce 2027 koupit humanoidní roboty?

Ne. A pokud vám někdo řekne, že každá továrna bude od roku 2027 potřebovat humanoidní roboty, tiše bych zavřel dveře zasedací místnosti. Lepší otázka zní: Které procesy ve vaší továrně jsou dnes lidské jen proto, že klasická automatizace byla příliš rigidní nebo příliš drahá? Přesně tam začíná kontrola. Komisionování v měnících se nádobách. Přepracování s variantami. Přeprava materiálu ve stávajících halách (brownfield). Vizuální kontrola s úchopem. Obsluha strojů při malých sériích.

FAQ: Je Physical AI jen nové slovo pro coboty?

Ne. Coboty jsou většinou relativně jasně naprogramované robotické paže, i když mohou bezpečně pracovat vedle lidí. Physical AI znamená ztělesněné AI systémy, které kombinují vnímání, učení a pohyb. Rozdíl není v kloubu, ale ve schopnosti vypořádat se s odchylkami. Cobot jede po dráze A. Systém Physical AI rozpozná, že nádoba B stojí nakřivo, přizpůsobí úchop C a nahlásí datový bod D zpět. Tak zní teorie. V praxi se přesně na tom měří.

FAQ: Kolik stojí příprava na Physical AI?

Upřímná odpověď: Záleží méně na ceně robota než na zralosti vašich dat a procesů. Pokud mají názvy dílů v ERP, MES a dílně tři různé názvy, bude každá AI drahá. Pokud nejsou zdokumentovány bezpečnostní zóny, bude integrace zdlouhavá. Pokud váš tým údržby nemůže číst data událostí, sliby prediktivní údržby jsou tenké. V prvním kroku bych nerozpočtoval robota, ale 8 až 12týdenní posouzení zralosti dat, procesů, bezpečnosti a use cases.

Co to znamená pro střední podniky

Pro výrobní podniky s 50 až 500 zaměstnanci je velké pokušení odmítnout Physical AI jako hru korporací. Bosch, LG, Delta, NVIDIA, EU-Gigafactories – všechno zní příliš velké. Považuji tento postoj za riskantní. Ne každý středně velký podnik musí sám trénovat základní modely. Ale každý musí pochopit, jaká rozhraní, data a procesy budou v budoucnu muset být připojitelná.

První konkrétní dopad spočívá v plánování investic. Pokud v roce 2026 koupíte novou linku, která má fungovat do roku 2036, ale nepočítá s přístupem k datům, protokoly událostí, čistou OT-Security a fyzickou flexibilitou, budujete si slepou uličku. Linka nemusí být humanoid-ready jako reklamní video. Ale neměla by být postavena proti flexibilní automatizaci.

Druhý dopad spočívá v prodeji. Vaši zákazníci se budou ptát, jak se váš produkt hodí do jejich automatizační architektury. Výrobce komponent, který dnes mluví jen o vlastnostech materiálu, bude zítra muset mluvit také o sledovatelnosti, digitálních dvojčatech, integraci senzorů a vzorcích selhání. Výrobce strojů, který nemá API strategii, bude muset u zákazníků s AI roadmapou vysvětlovat. A poskytovatel služeb, který nemůže dodat dokumentaci o shodě, vypadne z rizikových schůzek dříve, než se oddělení vůbec smí nadchnout.

Třetí dopad se týká plánování personálu. Physical AI nenahrazuje jen lidi. Mění role. Dělníci se stávají supervizory, údržbáři interprety dat, plánovači výroby manažery výjimek. To může být dobré. Ale může to také selhat, pokud vedení věří, že kulturu lze aktualizovat pomocí firmwaru. Nelze.

Sedm přípravných kroků pro roky 2026 až 2028

1. Mapujte procesy podle automatizovatelnosti, nikoli podle oddělení. Vezměte pět reálných procesů: příjem zboží, komisionování, obsluha strojů, vizuální kontrola, přepracování. Vyhodnoťte variabilitu, taktovací dobu, náklady na chyby, bezpečnostní riziko a dostupnost dat.
2. Měřte latenci dat. Nejen: Máme data? Ale: Jak rychle, jak úplně a jak stabilně přicházejí události ze stroje, MES, ERP a systému kvality? Pro Physical AI jsou sekundy někdy příliš pomalé, milisekundy někdy nutností.
3. Vyčistěte kmenová data tam, kde se týkají fyzických akcí. Díl, nádoba, nástroj, pracoviště, trasa, kontrolní znak. Pokud stejná komponenta má ve třech systémech tři názvy, někdo později zaplatí za integraci.
4. Zkontrolujte OT-Security před nákupem robota. Edge zařízení, kamery, cloudové aktualizace a vzdálený servis otevírají nové útočné plochy. Phoenix Contact a další dodavatelé mluví o průmyslové bezpečnosti už léta; nyní se téma stává operačním.
5. Postavte testovací buňku namísto PowerPoint roadmapy. Ohraničená oblast se skutečnými díly, skutečným světlem, skutečnými podmínkami směny a jasnými měřítky řekne více než jakákiv strategická prezentace.
6. Definujte nákupní kritéria pro systémy AI. Ptejte se na p95 latenci, zotavení po chybách, MTBHI, původ tréninkových dat, proces aktualizace, auditní protokoly, dokumentaci AI Act a bezpečnostní certifikaci. Kdo se tomu vyhýbá, prodává naději.
7. Zaměřte prodej a produktový management na spouštěče Physical AI. Sledujte pracovní inzeráty, investiční zprávy, veletržní vystoupení, patenty, dotační projekty a změny dodavatelů vašich cílových zákazníků. Z toho vznikají lepší rozhovory než ze seznamů odvětví.

Tyto kroky jsou záměrně přízemní. Žádné laboratorní divadlo. Žádné „Potřebujeme okamžitě AI strategii“ s dvanácti workshopy. Physical AI se ve středně velkých továrnách nevyhrává na tabuli, ale na rozhraních, odpovědnostech, bezpečnostních schváleních a otázce, zda chapadlo v 06:14 po zaseknuté krabici opět čistě pokračuje v práci.

Produkt Amplifa Amplifa identifikuje průmyslové účty připravené k nákupu pomocí spouštěcích signálů, technologické zralosti a konkrétních vzorců změn – pro přesnější B2B pipeline.

Amplifa ICP Playbook pro průmyslové dodavatele Od seznamu cílových zákazníků k segmentaci podle zralosti: Jak obchodní ředitelé prioritizují účty, které investují do automatizace AI, MES, OT-Security nebo robotiky.

Tvrdý obchodní případ za Physical AI

Mnoho diskusí o humanoidních robotech začíná špatně. „Kolik stojí robot?“ není první otázka. První otázka zní: Jaké náklady dnes vznikají kvůli flexibilitě, kterou lidé tlumí? Přesčasy. Dočasní pracovníci. Chyby při přepracování. Zastavení, protože chybí materiál. Náklady na kvalitu, protože vizuální kontroly kolísají. Zaškolování. Zastupování nemocných. Bezpečnostní incidenty. Tyto náklady jsou často rozptýlené a proto neviditelné.

Příklad z praxe, anonymizovaný, ale typický: Dodavatel s přibližně 220 zaměstnanci v Bádensku-Württembersku neměl v roce 2025 chuť na „robotickou strategii“. Pochopitelné. Pak se objevila čísla z interního přepracování: Čtyři produktové rodiny způsobovaly neúměrně mnoho manuálních kontrolních a třídicích kroků, protože varianty byly špatně plánovatelné. Klasická automatizace by vyžadovala nové uspořádání. Prvním smysluplným opatřením nebyl humanoidní robot, ale čistý sběr dat pro každou třídu chyb a směnu. O tři měsíce později mohl tým teprve rozhodnout, zda je smysluplná Vision-AI, cobot nebo změna procesu.

Přesně tak se Physical AI bude plížit na trh. Ne jako velký třesk. Ale jako řetězec malých rozhodnutí: Nejprve přístup k datům. Pak kamera. Pak asistenční systém. Pak částečně autonomní buňka. Pak flexibilní robotika. Pak možná humanoid. Kdo dnes věří, že v roce 2028 může jednoduše koupit hotový systém a vše ostatní zůstane stejné, podceňuje přípravné práce.

Proč zde čistě inbound strategie přicházejí příliš pozdě

Řeknu to na rovinu: Kdo v roce 2026 v průmyslovém B2B stále sází na čistě inbound strategii, nebude mít za pět let stabilní pipeline. Ne proto, že by inbound byl mrtvý. Ale proto, že investiční signály pro Physical AI jsou viditelné dlouho před vyhledáváním na Googlu. Továrna vypíše pozici OT-Security. Lokalita hledá MES konzultanty. Generální ředitel mluví v místních novinách o nedostatku kvalifikovaných pracovníků v montáži. Zákazník oznamuje novou linku. Vedoucí kvality navštíví Vision-AI session u Trumpf nebo DMG Mori. To jsou lepší rané indikátory než formulář ke stažení.

Prodej zde musí být techničtější. Ne šprtější kvůli šprtství, ale přesnější. Když řeknete COO: „Pomáháme s automatizací AI,“ zní to jako veletržní hala. Když řeknete: „U strojní obsluhy s mnoha variantami často vidíme, že úzkým hrdlem není robotická paže, ale kvalita dat mezi objednávkou ERP, směrováním MES a skutečnou nádobou,“ pak poslouchá. Možná. Pokud je bolest přítomna.

Physical AI a Brownfield: Skutečná evropská páka

Evropa nemá ten luxus stavět všude nové továrny (greenfield). Mnoho továren rostlo jako stará města: rozšíření zde, linka tam, mezisklad v rohu, kabelový kanál, který nikdy nebyl plánován, ale funguje od roku 2009. Přesně proto jsou humanoidní roboti zajímaví. Humanoidní systém může teoreticky používat nástroje, dveře, nádoby, úchyty a pracoviště, které byly postaveny pro lidi. Teoreticky.

V praxi je brownfield brutální. Různé podlahové krytiny. Úzké uličky. Staré bezpečnostní ploty. Špatné osvětlení. Díry ve Wi-Fi. Zaměstnanci, kteří improvizují, protože vědí, že stanice 4 při vysoké vlhkosti blbne. Humanoidní robot nemusí jen chodit a uchopovat. Musí se vypořádat s touto neformální tovární realitou. To je benchmark, který chci vidět: ne perfektní video s vychystáváním, ale osm hodin ve skutečné směně vedle lidí, se špínou, spěchem a odchylkami.

Bosch jako výrobní partner zde může pomoci, protože industrializace bere tyto detaily vážně. Vibrace. Odlehčení tahu kabelů. Servisní přístup. Zkušební prostředky. Balení pro přepravu. Doby oprav. Logika sériových čísel. Startup platforma bez této disciplíny zůstává demo. Průmyslová výroba bez dobré AI zůstává rigidním strojem. Kombinace je to podstatné.

Moje osobní prognóza na další 2 až 3 roky

Do konce roku 2026 bude Physical AI v DACH především strategií a pilotním rozpočtem. Bosch Bühl bude sledován, VDMA bude nadále tlačit, EU-Gigafactories budou politicky marketingovány a prodejní prezentace budou slovo „humanoid“ zneužívat častěji, než je mi milé. Bude mnoho dem. Některá dobrá. Mnoho příliš uhlazených.

V roce 2027 se trh stane vážnějším. S plánovaným zahájením sériové výroby robotů Gamma v srpnu 2027 vznikne konkrétní referenční bod. Už ne: Někdy přijdou humanoidní roboti. Ale: Kdo co testuje, s kým, v jaké hale, pod jakým bezpečnostním schválením? Nejlepší středně velké podniky pak nebudou ty s největším rozpočtem, ale ty s nejčistšími use cases a nejodvážnějšími, ale střízlivými testovacími prostředími.

V roce 2028 se rozdíly stanou viditelnými. Některé společnosti budou Physical AI považovat za prodlouženou veletržní kampaň. Jiné budou dva roky připravovat data, procesy, OT-Security a prodejní signály. Druhá skupina nebude automatizovat vše. Ale bude schopna se rychleji rozhodovat. To je ve světě s čínským škálováním, korejskými datovými továrnami a sériovou výrobou Bosch v Bühl už sakra velká výhoda.

Neočekávám, že v roce 2028 bude v každé středně velké hale humanoidní robot. Očekávám však, že každý seriózní průmyslový prodejce bude muset vysvětlit, proč se jeho nabídka hodí do továrny, kde AI nejen analyzuje, ale také jedná. A když se pak nákupčí zeptá, jakou latenci má vaše rozhraní pod zatížením, pozná se, kdo poslední dva roky jen mluvil o AI.