AI & automatizace · 11. března 2026 · 19 min. čtení · Mohsen Ghulami, GTM Engineer, Amplifa

Physical AI: ABB & NVIDIA – Konec hloupých robotů?

Physical AI má způsobit revoluci v továrnách. ABB & NVIDIA to myslí vážně. Realistický pohled pro středně velké firmy: Je to nezbytný skok vpřed, nebo jen drahý hype?

Dobře si vzpomínám na Hannover Messe, muselo to být kolem roku 2010. Stál tam, pýcha výrobce robotů, jehož jméno zde diskrétně zamlčím. Šestiosé rameno, které mělo odebírat leštěné kovové válce z pásu a ukládat je na podložku. Vypadalo to působivě. Dokud odpolední slunce nezasvítilo oknem haly a nevrhlo stín na dopravní pás. Robot – naprosto zmatený. Cukal sebou, zamrzl a další válec prostě nechal spadnout. Rána. Inženýr přispěchal, podržel před senzorem kus lepenky a restartoval systém. To byl tehdejší stav techniky: glorifikovaná hloupost na kolejích, naprogramovaná pro dokonalý vesmír bez stínů, který v reálném světě neexistuje ani pět minut.

Skočme do dneška. A poslouchejme pozorně, co právě zaznívá ze Švýcarska a Kalifornie. ABB Robotics, jeden z gigantů v oboru, se spojuje s NVIDIA, čipovým zázrakem, který dnes zná každý, protože staví motory pro vlnu AI. Kouzelné slovní spojení zní: Physical AI. Fyzická umělá inteligence. Zní to krkolomně a také to takové je. Ale myšlenka za tím je stejně jednoduchá jako velkolepá: roboti se mají konečně naučit pracovat s reálným, nedokonalým a stinným světem. Zcela bez lepenky. Je to startovní výstřel pro skutečně chytrou továrnu, nebo jen další marketingová bouře, která se přežene nad německým středním stavem?

Proč teď? Tlak v kotli německého průmyslu

Upřímně: nálada v německých výrobních halách je, mírně řečeno, napjatá. Minulý týden jsem byl u dodavatele ve Schwarzwaldu, klasické strojírenství, lídr světového trhu ve svém výklenku. Jednatel, muž jako hora, mi líčil své trápení. Ceny energií, které letí vzhůru. Dodavatelské řetězce, které jsou křehčí než suchý rohlík. A především: už nenachází lidi. Ani pro CNC stroje, ani pro kontrolu kvality, dokonce ani pro logistiku. „Pane Müller,“ řekl, „mohl bych mít o 20 procent vyšší obrat, kdybych měl lidi na zpracování zakázek.“ To není anekdota, to je normální stav.

A pak se podíváte na velké tankery. Volkswagen oznamuje, že zruší 50 000 míst, protože zisky klesají. Padesát tisíc! To je středně velké město. To ukazuje, že efektivita už není „nice-to-have“, ale otázka přežití. Zároveň roste tlak z Asie a USA, kde se v oblasti automatizace a AI často postupuje bezohledněji a – ano, i rychleji. My v regionu DACH, s naší inženýrskou tradicí a zaměřením na dokonalost, riskujeme, že ztratíme kontakt. Optimalizujeme procesy na třetím desetinném místě, zatímco jiní znovu vynalézají celé obchodní modely.

Přesně do tohoto vakua vstupuje oznámení ABB a NVIDIA. Neslibuje nic menšího než východisko. Roboty, kteří nejen tupě vykonávají program, ale vnímají své okolí, činí rozhodnutí a učí se ze zkušeností. Roboty, které nemusíte týdny programovat, ale které můžete zaškolit. Roboty, kteří pracují vedle lidí, aniž by pro ně byli při sebemenší odchylce nebezpeční. Kůň se zde – potenciálně – konečně zapřahá ze správné strany. Automatizace se přizpůsobuje procesu, nikoliv naopak. To je návnada, která je nyní vhozena. A je zatraceně lákavá.

Physical AI: Co se SKUTEČNĚ skrývá za tímto buzzwordem?

Physical AI není jen nějaký elegantnější senzor. Jde o to: jde o celý řetězec od vnímání až po akci. Představte si to jako u lidského zaměstnance. Ten vidí součástku (vnímání), rozpozná, že leží na pásu mírně vzpříčená (interpretace), promyslí, jak ji musí uchopit, aby ji přesto správně nasadil (rozhodnutí), a poté pohyb precizně provede (akce). Dnešní roboti většinou selhávají ve druhém nebo třetím kroku. Možná něco vidí, ale nechápou to v kontextu.

Tři pilíře Physical AI

• Rozšířené vnímání: Zde jde o mnohem víc než o jednoduchou 2D kameru. Mluvíme o 3D vision systémech, senzorech síly a momentu a o tom, co se nazývá fúzí senzorů. Robot tedy kombinuje to, co „vidí“ a „cítí“, aby si vytvořil detailní obraz svého okolí. NVIDIA zde přináší své zkušenosti z autonomního řízení. Auto, které musí při 130 km/h odlišit cyklistu od keře, má docela dobrou představu o komplexním vnímání.
• Generativní AI pro rozhodování: To je ten pravý trhák. Dosud musel programátor robotovi vštípit každý jednotlivý pohyb, každou cestu „pokud-pak“. Pokud součástka dopadne jinak, robot cestu nezná. Generativní modely AI – podobně jako ChatGPT generuje texty – zde mohou v reálném čase generovat nové sekvence pohybů nebo strategie uchopení. Robot vidí vzpříčenou součástku a ad hoc vypočítá nový, optimální bod uchopení a upravenou dráhu pohybu. To se děje na Edge-Computing hardwaru NVIDIA přímo u robota – bez latence způsobené připojením ke cloudu.
• Simulace a učení v Digital Twin: Dříve než se robot dotkne byť jen jediného šroubku v reálném světě, procvičil si úkol tisíckrát ve virtuálním prostředí. Platforma NVIDIA Omniverse vytváří fyzikálně přesné digitální dvojče tovární haly. V něm se může AI učit metodou pokusu a omylu (Reinforcement Learning), aniž by zničila drahý hardware. ABB chce těmito simulačními schopnostmi dovybavit celou svou instalovanou základnu více než 500 000 robotů. To je obrovská páka.

Polopatě: Robot s Physical AI by se mohl naučit vyprázdnit bednu s nesetříděnými šrouby jednoduše tak, že se do bedny podívá, identifikuje nejlepší šroub k uchopení a zvedne ho. Tradiční robot by k tomu potřeboval dokonale uspořádaný podávací systém a při sebemenší odchylce by stávkoval. Podle ABB vykazují první pilotní projekty v montáži elektroniky a automobilů až o 30 % rychlejší časy cyklů. Proč? Protože roboti už nepotřebují přestávky na seřizování a optimalizují své pohyby z hlediska energie. To šetří nejen čas, ale i elektřinu – což je při aktuálních cenách faktor, který nelze podceňovat.

Physical AI je mostem od digitální k reálné automatizaci a proměňuje továrny v inteligentní ekosystémy.

— Marc Segura, prezident ABB Robotics

Segurův citát zní samozřejmě skvěle, jak se na manažera sluší. Ale když ho rozeberete, skrývá se v něm důležitá pravda. Dosud byl „Průmysl 4.0“ často jen hrou na sběr dat. Nalepili jsme senzory na všechno, nahráli hromady dat do cloudu a pak se snažili v dashboardech rozpoznat vzorce. To je ta digitální strana. Physical AI slibuje uzavření kruhu – přeměnu poznatků z dat přímo ve fyzickou akci v reálném světě. Nejen vědět, že stroj brzy selže (Predictive Maintenance), ale dát robotovi vedle něj pokyn, aby preventivně snížil svou rychlost o 5 %, a tím snížil zátěž, dokud nedorazí technik.

Realistický pohled: Co je pro střední stav v sázce

Tak a teď si nalijme čistého vína. To všechno zní fantasticky, pokud jste Siemens nebo BMW a udržujete si vlastní oddělení pro „Future Manufacturing“ se 100 lidmi. Ale co to znamená pro Schmidt Zerspanungstechnik GmbH & Co. KG z Paderbornu se 150 zaměstnanci? Ti mají jiné starosti. Jejich vedoucí IT je zároveň školníkem a programátor frézky je 58letý mistr, který jde za sedm let do důchodu.

Stinné stránky chytrých robotů

Vidím zde několik masivních překážek, které se v nablýskaných brožurách rády přecházejí. Zaprvé: Komplexita. Ano, samotné programování robota může být jednodušší. Ale celý systém bude nesrovnatelně složitější. Potřebujete čistou datovou infrastrukturu. Potřebujete stabilní síťové připojení (alespoň pro trénink a aktualizace modelů AI). Potřebujete lidi, kteří chápou, jak model AI uvažuje, když zrovna dělá hlouposti. A on ty hlouposti dělat bude, o tom není pochyb. Kdo za to pak ponese vinu? Robot? NVIDIA? Integrátor? Zaměstnanec, který AI „špatně“ vytrénoval? To bude právní minové pole.

Zadruhé: Data. Robot, který jedná inteligentně, permanentně produkuje a zpracovává data o Vašem klíčovém procesu. Vaše časy cyklů, Vaše míry zmetkovitosti, geometrii Vašich součástek. Kde tato data leží? Kdo k nim má přístup? Partnerství s americkým technologickým gigantem jako NVIDIA je technologicky brilantní, ale z hlediska ochrany dat ošemetné. ABB sice zdůrazňuje evropské ukotvení a Edge zpracování, ale samotné modely AI jsou vyvíjeny centrálně. Pro mnoho německých středně velkých firem, jejichž know-how je jejich jediným kapitálem, je to hororová představa. Zde musí existovat křišťálově čistá smluvní ujednání – a ta většinou nejsou formulována ve prospěch menšího zákazníka.

Zatřetí: Náklady. Cena samotného hardwaru může klesat. Ale skutečná investice spočívá v integraci, školení a především v organizačním přizpůsobení. Nemůžete prostě postavit Physical AI robota do 30 let starého procesu a doufat, že se stane zázrak. Musíte promyslet celý workflow. To stojí čas, peníze a především nervy. A pak přijdou licenční modely. Vsadím se o basu piva, že zde směřujeme k „Robot-as-a-Service“ nebo ročním softwarovým licencím za funkce AI. Pořízení je jen akontace.

Kontrola odvětví: Kdo a jak profituje – a kdo ostrouhá?

Dopady této technologie nebudou pro všechny stejné. Budou vítězové a, ano, i poražení. Při mé poslední návštěvě závodu na výrobu elektroniky Siemens v Ambergu jsem viděl, jak rozhodující je flexibilita. Tam se na stejných linkách vyrábějí tisíce variant produktů. Pro ně je Physical AI požehnáním. Robot, který se sám nastaví na novou verzi desky plošných spojů, má cenu zlata.

• Automobilový průmysl: Velcí výrobci OEM a jejich přímí dodavatelé budou prvními, kdo naskočí do rozjetého vlaku. Zejména v konečné montáži, kde se dnes ještě mnoho věcí dělá ručně, protože úkoly jsou pro hloupé roboty příliš složité. Robot, který dokáže flexibilně pokládat kabelové svazky nebo nanášet těsnění – přímo vedle člověka – je vlhkým snem každého plánovače výroby. Zde jde o záchranu konkurenceschopnosti vůči Tesle a čínským výrobcům.
• Průmysl elektroniky & spotřebního zboží: Krátké životní cykly produktů, vysoká variabilita. Zde je čas na seřízení zabijákem každé marže. Physical AI umožňuje to, co se nazývá „Lot Size 1“ – profitabilní výrobu jediného, individualizovaného produktu. Schopnost AI učit se ze simulačních dat znamená, že robot pro nový model mobilního telefonu je již vycvičen dříve, než vůbec existuje první prototyp.
• Klasické strojírenství a stavba zařízení (střední stav): A zde to začíná být zajímavé. Pro výrobce standardních dílů ve velkých sériích se toho zatím moc nemění. Jejich vysoce optimalizované, rigidní linky jsou často stále nepřekonatelně efektivní. Ale pro velkou masu „skrytých šampionů“, kteří staví specializované malé série nebo zákaznická řešení, je to gigantická šance. Svařovací robot, který se od zkušeného svářeče naučí komplexní svar pro novou součástku a pak ho dokonale reprodukuje? To je přímý útok na nedostatek odborných sil. Ale právě zde jsou investiční překážky a chybějící IT know-how největší. Zde se bude oddělovat zrno od plev.

Příklad z praxe: Jak by mohla firma „Schrauben-Huber GmbH“ udělat skok vpřed

Pojďme si to nasimulovat. Vezměme fiktivní, ale typický případ: „Schrauben-Huber GmbH“ ze Švábska, 120 zaměstnanců, dodavatel pro zdravotnickou techniku. Vyrábějí vysoce přesné kostní šrouby ve stovkách variant. Jejich problém: kontrola kvality. Dosud tam sedí tři zaměstnankyně a pod mikroskopem kontrolují každý jednotlivý šroub na nejmenší škrábance nebo otřepy. Monotónní práce, těžko obsaditelná místa, náchylnost k chybám.

Huber investuje do Physical AI robotické buňky od ABB. Robotické rameno odebírá jeden šroub za druhým z nesetříděného kontejneru (první aplikace AI: uchopení z bedny). Podrží šroub pod kamerovým systémem s vysokým rozlišením. Druhá aplikace AI, vision model běžící na hardwaru NVIDIA, analyzuje obraz v milisekundách. Tento model byl předtím vycvičen na 50 000 snímcích „dobrých“ a „špatných“ šroubů. Robot pak šrouby třídí do tří beden: „Dobré“, „Špatné“ a „Nejasné“.

Bedna „Nejasné“ je tím hlavním vtipem. Tyto šrouby jdou k jedné ze zkušených zaměstnankyň. Ta učiní finální rozhodnutí a dá systému zpětnou vazbu: „Ano, tento škrábanec je kritický“ nebo „Ne, to je jen odlesk“. S každým takovým rozhodnutím se model AI učí (třetí aplikace AI: Human-in-the-Loop-Learning). Po třech měsících je míra „nejasných“ případů pouze 0,1 %. Robot zvládne 20 šroubů za minutu, nepřetržitě. Ty tři zaměstnankyně nejsou bez práce – nyní přebírají náročnější úkoly, dohlížejí na proces a školí AI pro nové typy šroubů. Huber dokázal zvýšit svou schopnost dodávat o 40 % a snížil míru reklamací téměř na nulu. Investice ve výši 150 000 eur se vrátila po 18 měsících. To – a nic menšího – je příslib Physical AI.

Bezplatný playbook: Ideální profil zákazníka (ICP) — Než začnete flexibilizovat svou výrobu, musíte vědět, pro KOHO. Definujte si křišťálově čistě svého ideálního zákazníka. Tento playbook Vám ukáže, jak pomocí dat místo pocitů identifikovat nejziskovější cílové zákazníky. Povinná četba před každou strategickou investicí.

Váš plán: 7 konkrétních kroků, jak neztratit kontakt

Dobře, dost teorie. Co můžete jako jednatel nebo obchodní ředitel středně velkého výrobního podniku udělat konkrétně teď? Sedět a čekat je ta nejhorší ze všech možností. Zde je pragmatický plán:

1. 1. Proveďte „audit hlouposti“: Kde ve Vaší výrobě ztrácíte nejvíce času a peněz kvůli rigidním, neflexibilním procesům? Identifikujte to jedno největší úzké hrdlo, které vzniká kvůli variabilitě. To je Váš potenciální výchozí bod. Ne celá továrna, JEDEN proces.
2. 2. Začněte s „Cobot-Light“: Pokud ještě nemáte žádné zkušenosti s roboty, kteří interagují s lidmi, kupte si jednoduchého cobota za 25 000 eur. Automatizujte s ním jednoduchý úkol, např. paletizaci. Sbírejte zkušenosti, odbourejte strach u zaměstnanců. To je základní škola předtím, než se pustíte do maturity (Physical AI).
3. 3. Vytvořte „hrací tým“: Sestavte malý, interdisciplinární tým: výrobního profesionála, mladého inženýra se vztahem k IT, někoho z oddělení kvality a osobu z dílny, která proces zná i ze spaní. Dejte jim malý rozpočet a úkol vyhodnotit první pilotní aplikace.
4. 4. Mluvte s těmi správnými lidmi: Nemluvte jen s nablýskanými zástupci ABB nebo Kuka. Najděte si systémové integrátory. To jsou lidé, kteří to nakonec musí uvést do provozu. Zeptejte se jich, kde vidí v praxi problémy.
5. 5. Proveďte kontrolu dat: Jaká data už dnes sbíráte? Jsou přístupná a v použitelném formátu? AI může být jen tak chytrá, jak chytrá jsou data, kterými ji krmíte. Často je prvním krokem čistý sběr dat.
6. 6. Přemýšlejte v ROI, ne v technice: Nezamilujte se do technologie. Počítejte tvrdě. Použijte tabulku výše jako šablonu a vytvořte business case pro Váš konkrétní případ použití. Pokud se investice nevrátí do tří let, je buď špatný případ použití, nebo je technologie ještě příliš drahá.
7. 7. Komunikujte, komunikujte, komunikujte: Zapojte své zaměstnance od prvního dne. Mluvte otevřeně o cílech: nejde o ničení pracovních míst, ale o zajištění konkurenceschopnosti lokality a omezení monotónní, namáhavé práce. Každý robot, který převezme tupý úkol, vytvoří prostor pro náročnější činnosti.

Amplifa: AI platforma pro Váš B2B prodej — Pokud se Vaše výroba stává složitější a více přizpůsobenou zákazníkům, musí s tím držet krok i Váš prodej. Amplifa Vám pomůže udržet si přehled o složitých sales pipelines, rozpoznat správné signály u potenciálních zákazníků a prioritizovat Vaše prodejní aktivity. Automatizujte prodej, nejen továrnu.

Můj závěr: Sázka na budoucnost německého průmyslu

Zpět k mému zážitku z Hannover Messe. Cukající se robot na slunci byl symbolem první vlny automatizace: silný, rychlý, přesný – a hloupý. To, co ABB a NVIDIA nyní oznamují, je pokus dát těmto robotům mozek. Mozek, který dokáže obstát v chaotické realitě skutečné továrny.

Bude to všechno fungovat tak hladce, jak bylo slíbeno? Určitě ne. Přijdou neúspěchy, zkrachovalé projekty a spousta spálených peněz. Za svých 18 let jsem viděl příliš mnoho hype cyklů přicházet a odcházet, než abych věřil na zázraky. Cesta od oznámení k robustní, spolehlivé aplikaci v širokém měřítku je dlouhá a kamenitá. Ale – a to je mé pevné přesvědčení – základní trend je nezvratný. Kombinace pokročilé robotiky a učící se AI je jedinou realistickou odpovědí na naše nejnaléhavější problémy: demografickou změnu, globální konkurenční tlak a potřebu udržitelnější výroby.

Moje sázka tedy zní: Do roku 2030 nebudou nejúspěšnější ty firmy, které mají nejvíce robotů. Ale ty, kterým se podaří zformovat člověka, software a stroj do úderného týmu. Physical AI je k tomu mocným nástrojem, ale stále jen nástrojem. Rozhodujícím faktorem zůstává člověk, který jej chytře využije, nebo ne. Pro mnohé v německém středním stavu je to poslední výjezd, jak se dostat do rychlého pruhu. Někteří ho využijí. Jiní se budou ve zpětném zrcátku zmenšovat a zmenšovat. Tak jednoduché – a tak brutální – to je.