Fyzická AI: ABB & NVIDIA – Konec hloupých robotů?

KI & Automatisierung · 11. März 2026 · Mohsen Ghulami

Fyzická AI má způsobit revoluci v továrnách. ABB & NVIDIA to myslí vážně. Prověrka reality pro střední podniky: Je to nezbytný skok vpřed, nebo jen drahý humbuk?

Ještě si dobře pamatuji na veletrh Hannover Messe, muselo to být kolem roku 2010. Stál tam, celá pýcha výrobce robotů, jehož jméno zde diskrétně zamlčím. Šestiosé rameno, které mělo pokládat leštěné kovové válce z pásu na odkládací plochu. Vypadalo to působivě. Dokud odpolední slunce neprosvítilo oknem haly a nevrhlo stín na dopravní pás. Robot – naprosto zmatený. Cukal se, zastavil se a další válec prostě upustil. Rachot. Inženýr přiběhl, podržel před senzorem karton a systém restartoval. To byl tehdejší stav techniky: glorifikovaná hloupost na kolejích, naprogramovaná pro dokonalý, bezstínový vesmír, který v reálném světě neexistuje ani pět minut.

Pojďme se posunout do dneška. A poslouchejme pozorně, co se ozývá ze Švýcarska a Kalifornie. ABB Robotics, jeden z gigantů v oboru, se spojuje s NVIDIÍ, zázračným výrobcem čipů, kterého najednou zná každý, protože staví motory pro vlnu AI. Kouzelné slovo zní: Physical AI. Fyzická umělá inteligence. Zní to krkolomně, a taky to tak je. Ale myšlenka za tím je stejně jednoduchá jako obrovská: Roboti se konečně mají naučit vypořádat se s reálným, nedokonalým, stinným světem. Zcela bez kartonu. Je to startovní výstřel pro skutečně chytrou továrnu, nebo jen další marketingová bouře, která se přehání přes německé střední podniky?

Proč právě teď? Tlak v kotli německého průmyslu

Upřímně řečeno: Nálada v německých továrnách je, mírně řečeno, napjatá. Minulý týden jsem byl u dodavatele v Schwarzwaldu, klasické strojírenství, světový lídr ve své nice. Generální ředitel, muž jako hora, mi stěžoval své trápení. Ceny energií, které stoupají do nebes. Dodavatelské řetězce, které jsou křehčí než suchá houska. A hlavně: Už nenachází lidi. Ani pro CNC stroj, ani pro kontrolu kvality, ani pro logistiku. „Pane Müllere,“ 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 podíváme na velké tankery. Volkswagen oznamuje, že zruší 50 000 pracovních míst, protože zisky klesají. Padesát tisíc! To je středně velké město. To ukazuje, že efektivita už není „nice-to-have“, ale otázka přežití. Současně roste tlak z Asie a USA, kde se v oblasti automatizace a AI často jedná bez zábran a – ano, také rychleji. My v regionu DACH, s naší inženýrskou tradicí a zaměřením na dokonalost, hrozíme, že ztratíme krok. Optimalizujeme procesy na třetí desetinné místo, zatímco jiní znovu objevují celé obchodní modely.

Přesně do tohoto vakua se trefuje oznámení ABB a NVIDIA. Slibuje nic menšího než východisko. Roboty, které nejen tvrdohlavě provádějí program, ale vnímají své okolí, rozhodují se a učí se ze zkušeností. Roboty, které není třeba programovat týdny, ale které lze naučit. Roboty, které pracují vedle lidí, aniž by se jim při sebemenší odchylce staly nebezpečnými. Kůň je zde – potenciálně – konečně osedlán ze správné strany. Automatizace se přizpůsobuje procesu, nikoli naopak. To je návnada, která je nyní vyhozena. A je zatraceně lákavá.

Fyzická AI: Co se SKUTEČNĚ skrývá za tímto buzzwordem?

Fyzická AI není jen hezčí senzor. Jde o celý řetězec od vnímání po akci. Představte si to jako u lidského pracovníka. Ten vidí součástku (vnímání), rozpozná, že leží mírně nakřivo na pásu (interpretace), přemýšlí, jak ji musí uchopit, aby ji přesto správně umístil (rozhodnutí), a pak přesně provede pohyb (akce). Dnešní roboti většinou selhávají u kroku dva nebo tři. Možná něco vidí, ale nerozumí tomu v kontextu.

Tři pilíře fyzické AI

Partnerství ABB a NVIDIA se zaměřuje přesně na tento řetězec tím, že spojuje tři klíčové komponenty:

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

Jasně řečeno: Robot s fyzickou AI by se mohl naučit vyprázdnit krabici s nesetříděnými šrouby tím, že se jednoduše podívá do krabice, 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 ukazují první pilotní projekty v montáži elektroniky a automobilů až o 30 % rychlejší taktovací časy. Proč? Protože roboti už nepotřebují přestávky na nové nastavení a energeticky optimalizují své pohyby. To šetří nejen čas, ale i elektřinu – což je při současných cenách nezanedbatelný faktor.

Fyzická 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 rozebereme, skrývá se v něm důležitá pravda. Dosud byla 'Průmysl 4.0' často jen hrou na sběr dat. Nalepili jsme senzory na všechno, nahrnuli obrovské množství dat do cloudu a pak se snažili v dashboardech rozpoznat vzorce. To je digitální stránka. Fyzická AI slibuje uzavřít kruh – převést poznatky z dat přímo do fyzické akce v reálném světě. Nejen vědět, že se stroj brzy porouchá (prediktivní údržba), ale nařídit robotovi vedle, aby preventivně snížil svou rychlost o 5 %, aby se snížilo zatížení, dokud nepřijde technik.

Prověrka reality: Co je v sázce pro střední podniky

Tak, teď k věci. To všechno zní fantasticky, pokud jste Siemens nebo BMW a máte vlastní oddělení „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 IT manažer je zároveň domovník a programátor frézky je 58letý mistr, který za sedm let odejde do důchodu.

Stinné stránky chytrých robotů

Vidím tam několik masivních překážek, které se v lesklých brožurách rády přehlížejí. Zaprvé: Složitost. Ano, programování samotného robota se může zjednodušit. Ale celkový systém se stane nesrovnatelně složitějším. Potřebujete čistou datovou infrastrukturu. Potřebujete stabilní síťové připojení (alespoň pro trénink a aktualizace modelů AI). Potřebujete lidi, kteří rozumí tomu, jak funguje model AI, když se něco pokazí. A ono se to pokazí, to je jisté. Kdo pak bude na vině? Robot? NVIDIA? Integrátor? Zaměstnanec, který AI „špatně“ trénoval? To bude právní minové pole.

Zadruhé: Data. Robot, který inteligentně jedná, neustále produkuje a zpracovává data o vašem klíčovém procesu. Vaše taktovací časy, vaše míry zmetkovitosti, geometrie vašich součástí. Kde jsou tato data? Kdo k nim má přístup? Partnerství s americkým technologickým gigantem, jako je NVIDIA, je technologicky brilantní, ale z hlediska ochrany dat ošemetné. ABB sice zdůrazňuje evropské zakotvení a zpracování na Edge, ale samotné modely AI jsou vyvíjeny centrálně. Pro mnoho německých středních podniků, jejichž know-how je jejich jediným kapitálem, je to hororová představa. Zde musí existovat křišťálově jasné smluvní dohody – a ty obvykle nejsou formulovány ve prospěch menšího zákazníka.

Zatřetí: Náklady. Samotný hardware se možná zlevní. Ale skutečná investice spočívá v integraci, školení a především v organizační adaptaci. Nelze jednoduše umístit robota s fyzickou AI do 30 let starého procesu a doufat, že se stane kouzlo. Musíte přehodnotit celý pracovní postup. To stojí čas, peníze a především nervy. A pak přicházejí licenční modely. Vsadím se o bednu piva, že se zde budeme ubírat směrem k „Robot-as-a-Service“ nebo ročním softwarovým licencím pro funkce AI. Pořízení je jen záloha.

Kontrola odvětví: Kdo jak profituje – a kdo má smůlu?

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

Podívejme se na tři hlavní skupiny:

• Automobilový průmysl: Velcí výrobci OEM a jejich přímí dodavatelé budou první, kdo naskočí na tento vlak. Zejména v konečné montáži, kde se dnes stále hodně dělá ručně, protože úkoly jsou pro hloupé roboty příliš složité. Robot, který dokáže flexibilně pokládat kabelové svazky nebo nanášet těsnění – přímo vedle člověka – je mokrým snem každého plánovače výroby. Zde jde o záchranu konkurenceschopnosti vůči Tesle a čínským výrobcům.
• Elektronický a spotřební průmysl: Krátké životní cykly produktů, vysoká variabilita. Zde je doba přestavby zabijákem každé marže. Fyzická AI umožňuje to, co se nazývá „Lot Size 1“ – ziskovou výrobu jednoho, individualizovaného produktu. Schopnost AI učit se ze simulačních dat znamená, že robot pro nový model mobilního telefonu je již trénován, než vůbec existuje první prototyp.
• Klasické strojírenství a výroba zařízení (střední podniky): A zde to bude zajímavé. Pro výrobce standardních dílů ve velkém množství se zpočátku nic moc nezmění. Jejich vysoce optimalizované, rigidní linky jsou často stále nepřekonatelně efektivní. Ale pro velkou masu „skrytých šampionů“, kteří vyrábějí specializované malé série nebo zákaznicky specifická řešení, je to obrovská příležitost. Svařovací robot, který se od zkušeného svářeče naučí složitý svar pro novou součástku a pak ho dokonale reprodukuje? To je přímý útok na nedostatek kvalifikovaných pracovníků. Ale právě zde jsou investiční překážky a chybějící IT know-how největší. Zde se oddělí zrno od plev.

Praktický příklad: Jak by mohla „Schrauben-Huber GmbH“ udělat skok

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

Huber investuje do robotické buňky Physical AI od ABB. Robotické rameno uchopí jeden šroub za druhým z nesetříděné nádoby (první aplikace AI: uchopení z krabice). Šroub drží pod vysoce rozlišovacím kamerovým systémem. Druhá aplikace AI, vizuální model běžící na hardwaru NVIDIA, analyzuje obraz v milisekundách. Tento model byl předtím trénován s 50 000 obrázky „dobrých“ a „špatných“ šroubů. Robot pak šrouby třídí do tří krabic: „Dobré“, „Špatné“ a „Nejasné“.

Krabice „Nejasné“ je klíčová. Tyto šrouby jdou k jedné ze zkušených zaměstnankyň. Ta učiní konečné rozhodnutí a poskytne systému zpětnou vazbu: „Ano, škrábanec je kritický“ nebo „Ne, to je jen odraz“. S každým takovým rozhodnutím se model AI učí (třetí aplikace AI: Human-in-the-Loop-Learning). Po třech měsících je míra „Nejasné“ pouze 0,1 %. Robot zvládne 20 šroubů za minutu, nepřetržitě. Tři zaměstnankyně nejsou bez práce – nyní přebírají náročnější úkoly, dohlížejí na proces a školí AI pro nové typy šroubů. Huber dokázal zvýšit svou dodací schopnost o 40 % a snížil míru reklamací téměř na nulu. Investice 150 000 eur se vrátila po 18 měsících. To – a nic méně – je příslib fyzické AI.

Bezplatný Playbook: Ideální zákaznický profil (ICP) Než zflexibilníte svou výrobu, musíte vědět, PRO KOHO. Jasně definujte svého ideálního zákazníka. Tento playbook vám ukáže, jak s daty namísto pocitů identifikovat nejziskovější cílové zákazníky. Povinná četba před každou strategickou investicí.

Váš plán: 7 konkrétních kroků, abyste neztratili krok

Dobře, dost teorie. Co můžete jako generální ředitel nebo obchodní ředitel středně velkého výrobního podniku nyní konkrétně udělat? 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, nepružným procesům? Identifikujte jedno největší úzké místo, které vzniká variabilitou. To je váš potenciální výchozí bod. Ne celá továrna, JEDEN proces.
2. 2. Začněte s „Cobot-Light“: Pokud ještě nemáte žádné zkušenosti s roboty, které interagují s lidmi, kupte si jednoduchý Cobot za 25 000 eur. Automatizujte s ním jednoduchý úkol, např. paletizaci. Sbírejte zkušenosti, odbourávejte obavy u zaměstnanců. To je základní škola, než se pustíte do maturity (fyzická AI).
3. 3. Vytvořte „herní tým“: Sestavte malý, interdisciplinární tým: profesionála z výroby, mladého inženýra s IT znalostmi, někoho z kontroly kvality a osobu z výrobní haly, která proces zná nazpaměť. Dejte jim malý rozpočet a úkol vyhodnotit první pilotní aplikace.
4. 4. Mluvte s těmi správnými: Nemluvte jen s naleštěnými zástupci ABB nebo Kuka. Hledejte systémové integrátory. To jsou lidé, kteří to nakonec musí rozjet. Zeptejte se jich, kde v praxi vidí problémy.
5. 5. Proveďte kontrolu dat: Jaká data již dnes shromažďujete? Jsou přístupná a v použitelném formátu? AI může být chytrá jen tak, jak chytrá jsou data, kterými ji krmíte. Často je prvním krokem čistý sběr dat.
6. 6. Myslete na ROI, ne na techniku: Nezamilujte se do technologie. Počítejte tvrdě. Použijte tabulku výše jako šablonu a vytvořte obchodní případ pro váš konkrétní případ použití. Pokud se investice nevrátí do tří let, je buď případ použití špatný, nebo je technologie stále 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 snížení monotónní, namáhavé práce. Každý robot, který převezme otupující úkol, vytváří prostor pro náročnější činnosti.

Amplifa: Platforma AI pro váš B2B prodej Pokud se vaše výroba stává složitější a více přizpůsobenou zákazníkům, musí s ní držet krok i váš prodej. Amplifa vám pomůže udržet si přehled o složitých prodejních pipelinech, 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 veletrhu Hannover Messe. Cukající robot na slunci byl symbolem první vlny automatizace: silný, rychlý, přesný – a hloupý. To, co nyní oznamují ABB a NVIDIA, je pokus dát těmto robotům mozek. Mozek, který dokáže obstát v chaotické realitě skutečné továrny.

Bude to všechno fungovat tak hladce, jak se slibuje? Určitě ne. Budou neúspěchy, zkrachovalé projekty a spousta spálených peněz. Za svých 18 let jsem viděl příliš mnoho hype cyklů přicházet a odcházet, abych věřil v zázraky. Cesta od oznámení k robustní, spolehlivé aplikaci v širokém měřítku je dlouhá a trnitá. 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: demografické změny, globální konkurenční tlak a potřebu udržitelnější výroby.

Moje sázka proto zní: Do roku 2030 nebudou nejúspěšnější společnosti s největším počtem robotů. Ale ty, kterým se podaří vytvořit z člověka, softwaru a stroje efektivní tým. Fyzická AI je k tomu mocným nástrojem, ale jen nástrojem. Rozhodujícím faktorem zůstává člověk, který ji chytře využije, nebo ne. Pro mnoho německých středních podniků je to poslední možnost, jak se dostat do rychlého pruhu. Někteří ji využijí. Jiní se budou v zrcátku zmenšovat a zmenšovat. Tak jednoduché – a tak brutální – to je.