Automatyzacja AI: Bosch i Physical AI

KI & Automatisierung · 26. August 2026 · Omer

Automatyzacja AI spotyka Physical AI: Co pokazują Bosch, VDMA i Azja – sprawdź teraz swoją mapę drogową dla fabryki, sprzedaży i roku 2027.

2 miliony robotów przemysłowych pracuje już w chińskich fabrykach, zgodnie z danymi rynkowymi dotyczącymi chińskiego programu robotyki, cytowanymi w briefingu. To nie jest marginalna uwaga z Shenzhen. To nowy wyznacznik tempa dla automatyzacji AI w produkcji, a każdy, kto sprzedaje maszyny, planuje instalacje lub produkuje części dostawcze w regionie DACH, nie powinien lekceważyć tej liczby jako chińskiego folkloru. Mówi ona coś brutalnego o skalowaniu: nie wygrywa najlepsza demonstracja, ale łańcuch dostaw, który potrafi zbudować, serwisować, certyfikować i dostarczyć tysiące jednostek do fabryk. Bosch dąży dokładnie do tego.

24 sierpnia 2026 roku poinformowano, że Bosch ma przejąć seryjną produkcję humanoidalnych robotów „Gamma” dla londyńskiego startupu Humanoid w zakładzie w Bühl w Badenii-Wirtembergii; start serii: sierpień 2027 (AI in Europe, 24.08.2026). Uważam to za jedną z ważniejszych wiadomości przemysłowych roku, nie dlatego, że roboty humanoidalne nagle zastąpią każdego pracownika. No, prawie. Ważna jest zmiana z prototypu na produkcję masową. Z robota z YouTube na dokumentację CE. Z prezentacji na harmonogram zmian.

Automatyzacja AI 2027: Prognoza, którą wielu lekceważy

Moja prognoza: Do końca 2028 roku co najmniej jedna trzecia średnich firm produkcyjnych w regionie DACH nie będzie już tylko rozmawiać o cobotach, wizji maszynowej i optymalizacji MES, ale o Physical AI jako pozycji budżetowej. Niekoniecznie jako samodzielny robot humanoidalny w hali 3. Ale jako decyzja: Jakie zadania w logistyce, poprawkach, kontroli jakości i obsłudze maszyn mogą być fizycznie wykonywane przez systemy AI?

Brzmi to jak muzyka przyszłości, dopóki nie spojrzy się na cykle zakupowe. Maszyna, która wchodzi do produkcji seryjnej w 2027 roku, nie pojawi się nagle bezproblemowo w 500 fabrykach w 2027 roku. Wcześniej są audyty dostawców, koncepcje bezpieczeństwa, zgody na dane, rozmowy z radami zakładowymi, specyfikacje wymagań i te niekończące się arkusze kalkulacyjne Excela, w których ktoś z kontrolingu oblicza, czy robot zwróci się po 29 czy 41 miesiącach (i czy konserwacja jest naprawdę wliczona w cenę).

Dla dyrektorów sprzedaży to nie jest tylko historia COO. Kto sprzedaje maszyny, komponenty, oprogramowanie, sensory, chwytaki, intralogistykę, szafy sterownicze lub usługi, musi od 2027 roku umieć wyjaśnić, jak jego oferta pasuje do mapy drogowej Physical AI. Kto tego nie potrafi, przegra w przetargach z firmami, które nie mówią „automatyzacja”, ale wymieniają konkretne przepływy pracy: chwytanie pojemników, sprawdzanie części, zgłaszanie odchyleń, inicjowanie poprawek, zapisywanie danych zmianowych z powrotem do MES.

Status quo: Gdzie naprawdę znajduje się automatyzacja AI dzisiaj

Status quo w regionie DACH jest sprzeczny. Na targach wszyscy mówią o AI. W fabrykach jednak zaskakująco wiele zależy od schowka, przekazywania zmian i wiedzy implicytnej. Nie traktuję tego jako zarzutu. Kto dostarcza precyzyjne części dla Schaeffler lub Brose z 180 pracownikami w Ostwestfalii, nie ma pięciu analityków danych, którzy przy okazji budują potok uczenia wzmocnionego.

Jednocześnie podstawa jest. Wiele średnich firm ma MES, ERP, BDE, dane jakościowe, protokoły maszynowe, a czasem nawet Digital Twin. Nie do końca. Często mają wyspy danych o różnej rozdzielczości czasowej, różnej logice nazewnictwa i opóźnieniu, które wystarcza do raportowania, ale nie do regulacji. Dla Physical AI jest to problem, ponieważ robot na linii nie może czekać, aż eksport wsadowy z ERP uruchomi się o 2:00 w nocy.

Komisja Europejska równolegle rozwija infrastrukturę: do siedmiu gigafabryk AI, ramy do 10 miliardów euro z funduszy UE i państw członkowskich oraz cel mobilizacji co najmniej 20 miliardów euro kapitału prywatnego, czyli potencjalnie ponad 30 miliardów euro całkowitego wolumenu (kontekst Komisji Europejskiej według źródeł [1] i [2]). Sama Hiszpania zadeklarowała 719 milionów euro zobowiązań państwowych na swoją kandydaturę, z ACS, Telefónica, Banco Santander i SEPI/SETT w otoczeniu. Jest to istotne, ponieważ Physical AI potrzebuje nie tylko silników i chwytaków. Potrzebuje danych treningowych, symulacji, modeli bazowych, wdrożeń na krawędzi i aktualizacji bez przestojów produkcyjnych.

W Leoben w Austrii, według RTL Today, zainwestowano ponad 500 milionów euro w zaawansowane podłoża IC; tam znajduje się jedyny w Europie duży komercyjny producent takich podłoży o wysokiej gęstości integracji (źródło [6]). Brzmi sucho. I takie jest. Ale bez pakowania, bez podłoży, bez niezawodnych komponentów do obliczeń AI, każdy robot humanoidalny w końcu stanie się ładną obudową z problemem czasu dostawy.

Dla COO sytuacja jest więc następująca: technologia dojrzewa, infrastruktura powstaje, regulacje się zaostrzają, Chiny skalują. Dla dyrektorów generalnych: Czas inwestycji staje się nieprzyjemny. Zbyt wczesny zakup jest drogi i ryzykowny. Zbyt późne uczenie się jest bardziej niebezpieczne, ponieważ krzywej uczenia się w Physical AI nie da się nadrobić w jednym kwartale.

Trend 1: Bosch przygotowuje roboty humanoidalne do produkcji seryjnej

Bosch przejmuje w Bühl produkcję kontraktową dla następnej generacji „Gamma” Humanoid. Seria od sierpnia 2027 roku. Celowo piszę to jeszcze raz, ponieważ różnica między „pilotem” a „serią” w inżynierii mechanicznej nie jest semantycznym luksusem. Pilot oznacza: zespół opiekuje się systemem. Seria oznacza: kwalifikacja dostawców, zdolność procesowa, stanowiska testowe, identyfikowalność, części zamienne, instrukcje montażu, okna jakościowe, normy.

Bühl nie jest przypadkowym miejscem na mapie. Bosch jest tam przemysłowo zakorzeniony, Badenia-Wirtembergia jest pełna dostawców, automatyków, producentów narzędzi i ludzi, którzy przy nowym aktuatorze nie myślą najpierw o zdjęciu prasowym, ale o tolerancjach, cieple, zużyciu i cenach zakupu. To środowisko jest zaletą. Niegłamourne. Ale buduje rzeczy, które po trzech zmianach nie stoją obrażone w kącie.

Platformy humanoidalne, takie jak Gamma, będą zazwyczaj działać z kamerami RGB i głębi, czujnikami siły-momentu, obliczeniami AI na krawędzi, planowaniem ruchu i aktualizacjami w chmurze. Slajd marketingowy nazywa to Physical AI. Ja powiedziałbym bardziej trzeźwo: System musi w półchaotycznym środowisku fabrycznym postrzegać, decydować i działać, nie wzywając inżyniera przy każdym małym odchyleniu. I tu właśnie robi się trudno.

Opóźnienie decyduje. Model wizyjny, który w 800 milisekund rozpoznaje, czy pojemnik jest źle ustawiony, jest dobry do raportowania. Do chwytania w ruchu jest za wolny. W projektach rzadko porównuję modele tylko pod kątem dokładności. Chcę opóźnienia p95, odporności na słabe oświetlenie, dryfu po trzech tygodniach, zachowania po błędnym chwycie i pytania, czy aktualizacja w piątek wieczorem zrujnuje poniedziałkową zmianę. Brzmi drobiazgowo. To jest produkcja.

Siła Europy w badaniach robotyki niewiele znaczy, jeśli brakuje łańcuchów dostaw i zdolności produkcyjnych do budowania robotów w dużych ilościach.

— VDMA, Stanowisko w sprawie robotyki humanoidalnej i Physical AI, 2025

Ten cytat VDMA nie jest poetycki, ale trafia w sedno. Niemcy mają wiele laboratoriów, dobre instytuty, solidnych producentów maszyn. Często brakuje przemysłowego mięśnia między prototypem a skalowaną produkcją. Bosch Bühl mógłby stać się właśnie tym mięśniem. Mógłby. Szczerze? Nie wiem. Ale kierunek jest jaśniejszy niż w przypadku wielu innych zapowiedzi AI, które znikają po trzech miesiącach.

Dlaczego Bosch Bühl jest ważny dla sprzedaży w regionie DACH

Jeśli roboty humanoidalne są produkowane w Europie, cena dla klientów DACH nie spada automatycznie. Ale trzy rzeczy się zmieniają: możliwość audytu, możliwość serwisowania i zaufanie do norm. Dyrektor generalny z Ulm chętniej przetestuje system, jeśli Bosch jest dostępny jako partner produkcyjny, jeśli części zamienne nie utkną na trzech punktach celnych i jeśli dokumentacja bezpieczeństwa nie brzmi, jakby została wyeksportowana z notatnika amerykańskiego startupu.

Dla sprzedaży oznacza to: krąg nabywców się zmienia. Nie tylko kierownik produkcji decyduje. Zakupy, IT, bezpieczeństwo OT, rada zakładowa, bezpieczeństwo pracy, ochrona danych, kontroling i zarząd siedzą przy stole. Kto wtedy wysyła tylko listy funkcji, przegrywa. Kto potrafi pokazać, który koszt zostanie odciążony i który czas cyklu nie ucierpi, pozostaje w grze.

Trend 2: Azja buduje Physical AI jako system fabryczny

Drugi trend jest bardziej niewygodny: Azja buduje Physical AI nie jako pojedynczego robota, ale jako system fabryczny. Delta Electronics zaprezentowała na Taipei International Industrial Automation Exhibition platformę Embodied-AI-Dual-Arm-Robot, przeznaczoną do autonomii fabrycznej w inżynierii mechanicznej, elektronice i środowiskach półprzewodnikowych (eWeek, źródła [4] i [10]). Daedong przekształca swoją fabrykę w Daegu w centrum Physical AI, gdzie dane produkcyjne, jakościowe i logistyczne są integrowane, a roboty wykonują rzeczywistą pracę na hali produkcyjnej (źródło [13]). LG Electronics buduje w Seulu fabrykę danych o powierzchni około 10 000 metrów kwadratowych z kilkuset robotami; celem jest 100 000 godzin rzeczywistych i syntetycznych danych treningowych do końca 2026 roku dla Robot Foundation Model (źródło [8]).

To jest różnica. W Europie często pytamy: Jaki przypadek użycia mogę zautomatyzować za pomocą robota? W Korei i na Tajwanie pytanie brzmi coraz częściej: Jakiej fabryki danych potrzebuję, aby roboty uczyły się szybciej niż moi konkurenci? To nie jest mała zmiana semantyczna. Przesuwa budżet z pojedynczego urządzenia na platformę.

Nie przepadam za terminem „Robot Foundation Model”, ponieważ zbyt łatwo brzmi jak magia. Technicznie jednak kryje się za nim twarda logika: jeśli model uczy się z wielu godzin chwytania, pchania, sortowania, obracania, sprawdzania, upuszczania i korygowania, to nie każdy klient musi zaczynać od zera. Sim-to-real pozostaje trudne. Zużycie pozostaje realne. Światło migocze. Warstwa oleju na metalowych częściach wygląda inaczej dla kamer niż w zestawie danych. Mimo to dźwignia jest duża.

Dla średnich firm w regionie DACH jest to właśnie niebezpieczne. Nie dlatego, że Delta, Daedong czy LG jutro wtargną do każdej hali w Szwabii. Ale dlatego, że azjatyccy producenci OEM i dostawcy mogą zmieniać swoje krzywe kosztów. Jeśli koreański konkurent stabilizuje przepływ materiałów, kontrolę jakości i poprawki za pomocą Physical AI, to efekt w końcu znajdzie się w cenie oferty, w zdolności dostawczej lub w czasie reakcji na warianty.

„To u nas nie zadziała”, powiedział mi w czerwcu 2026 roku Thomas, COO producenta maszyn specjalnych z Norymbergi, po dyskusji o autonomicznej dostawie materiałów. Jego hala pachniała chłodziwem, a gdzieś metalowy pojemnik uderzał o rampę. Myślę, że Thomas miał w połowie rację. Wiele standardowych rozwiązań tam nie działa. Ale właśnie dlatego systemy humanoidalne i dwuramienne są interesujące: obiecują automatyzację bez kompletnego przearanżowania. Obiecują. Jeszcze nie ma dowodu.

Automatyzacja AI w sprzedaży: Dlaczego Physical AI zmienia potok sprzedaży

Teraz część, którą wielu COO lekceważy, a wielu dyrektorów sprzedaży widzi zbyt późno: Physical AI zmienia nie tylko fabrykę. Zmienia intencje zakupowe. Firma, która od 2027 roku chce testować roboty humanoidalne, potrzebuje wcześniej innych czujników, innych modeli danych, innych koncepcji bezpieczeństwa, innych interfejsów do MES i ERP, innych szkoleń, innych umów serwisowych. To są sygnały. Kto je rozpoznaje, sprzedaje wcześniej.

W Amplifa codziennie zajmujemy się takimi sygnałami. Nie z akademickiego zainteresowania. Nasi klienci chcą wiedzieć, które konta są naprawdę gotowe do zakupu, które tylko zbierają broszury targowe i które wewnętrznie uwalniają budżet, ponieważ kierownik zakładu w dokumencie strategicznym nagle pisze „Physical AI”, „Digital Twin” lub „autonomiczna intralogistyka”. Różnica to pieniądze.

Co konkretnie widzimy w Amplifa: W ciągu ostatnich 12 miesięcy dostawcy produkcyjni z 80 do 450 pracownikami w naszych wdrożeniach mieli znacznie lepszą konwersję, jeśli ich docelowi klienci byli segmentowani nie według branży, ale według dojrzałości automatyzacji. Jeden wzorzec był szczególnie stabilny: konta z opublikowanymi ogłoszeniami o pracę dla bezpieczeństwa OT, integracji MES lub wizji komputerowej reagowały w kampaniach outbound 2,1 do 2,8 razy częściej na konkretne e-maile dotyczące przypadków użycia niż porównywalne konta bez takich sygnałów. Nie na „AI może pomóc”. Na „Szukacie właśnie kompetencji MES/OT; w podobnych zakładach widzimy, że autonomiczne przepływy materiałów działają dopiero wtedy, gdy dane podstawowe, strefy bezpieczeństwa i logi zdarzeń są czyste.” Mała zmiana. Duży efekt.

Dla mnie to jest prawdziwa dźwignia sprzedaży. Nie „AI w sprzedaży” jako chatbot, który pisze ogólny e-mail. Ale AI Sales jako system, który łączy ruchy rynkowe, sygnały inwestycyjne i techniczne stopnie dojrzałości. Jeśli Bosch przygotowuje produkcję seryjną w Bühl, w ekosystemie pojawiają się kolejne pytania: Kto dostarcza aktuatory? Kto dostarcza sensory? Kto integruje? Kto certyfikuje? Kto sprzedaje zestawy do modernizacji dla istniejących instalacji (brownfield)? Kto doradza radom zakładowym? Kto buduje komórki testowe? Kto oferuje umowy serwisowe z czasem reakcji p95?

Amplifa ICP Playbook Praktyczny playbook do segmentowania klientów docelowych według gotowości do zakupu, stopnia automatyzacji i sygnałów wyzwalających – zamiast tylko według branży i obrotów.

Porównanie modeli: Nie każdy system AI nadaje się do sygnałów przemysłowych

Jestem pragmatyczny w porównywaniu modeli. Dla Sales-Intelligence w kontekście przemysłowym duży model językowy sam w sobie nie wystarczy. Musi poprawnie interpretować strony internetowe firm, ogłoszenia o pracę, wpisy do rejestru handlowego, listy wystawców targowych, patenty, certyfikaty, słowa kluczowe ERP/MES, a czasem katalogi PDF z 2018 roku. Model, który ładnie podsumowuje artykuł na blogu, może nadal zawieść, jeśli pomyli „komórkę robotyczną” z „Robotic Process Automation”. Dzieje się to częściej, niż przyznają dostawcy.

W przypadku robotów fizycznych jest podobnie. Model wizyjny o wysokiej dokładności w benchmarku może być słaby na linii, jeśli pojawią się odbicia, kurz lub zmieniające się partie części. Agent uczenia wzmocnionego może wyglądać elegancko w symulacji, a w rzeczywistości zawieść na chwiejnym pojemniku. Dlatego benchmarki dla Physical AI będą musiały stać się ostrzejsze: nie tylko wskaźnik sukcesu w laboratorium, ale średni czas między interwencjami ludzkimi, odzyskiwanie po błędach, ryzyko aktualizacji, wskaźnik zatrzymania bezpieczeństwa, zużycie energii na zadanie.

Trend 3: Regulacje stają się argumentem sprzedażowym

Trzeci trend jest nieatrakcyjny i dlatego często niedoceniany: regulacje stają się argumentem sprzedażowym. Od 2 sierpnia 2026 roku European AI Office, zgodnie z kontekstem Nature, ma rozszerzone uprawnienia do badania i sankcjonowania naruszeń AI Act przez dużych dostawców technologii (źródło [14]). Dla przemysłowej AI nie jest to temat marginalny. Robot humanoidalny, który pracuje w pobliżu ludzi, to nie tylko oprogramowanie. To ryzyko, odpowiedzialność, dokumentacja, interfejs człowiek-maszyna.

AI Act będzie irytować wiele średnich firm. Zrozumiałe. Ale tworzy również europejski kąt sprzedaży. Jeśli Bosch, Humanoid i ich partnerzy integracyjni poprawnie wdrożą zgodność, dokumentację, zarządzanie ryzykiem i nadzór ludzki, to dla klientów DACH będzie to przewaga nad systemami, które są technicznie interesujące, ale regulacyjnie generują mgłę.

Wierzę nawet, że CE, dokumentacja AI Act i bezpieczeństwo OT staną się na rynku Physical AI tak ważne, jak ładowność i żywotność baterii. Nie w demo. W zakupach. Andrea, Head of Sales w Hidden Champion w Bielefeld, sformułowała to bardzo sucho w maju 2026 roku: „Nasi klienci nie kupują już niczego, czego nie może podpisać kierownik IT.” To zdanie utkwiło mi w głowie, ponieważ lepiej opisuje nową rzeczywistość niż większość slajdów analityków.

FAQ: Czy muszę kupić roboty humanoidalne w 2027 roku?

Nie. A jeśli ktoś powie, że każda fabryka potrzebuje robotów humanoidalnych od 2027 roku, cicho zamknąłbym drzwi do sali konferencyjnej. Lepsze pytanie brzmi: Które procesy w Twojej fabryce są dzisiaj ludzkie tylko dlatego, że klasyczna automatyzacja była zbyt sztywna lub zbyt droga? Właśnie tam zaczyna się test. Kompletacja w zmiennych pojemnikach. Poprawki z wariantami. Transport materiałów w istniejących halach (brownfield). Kontrola wizualna z chwytaniem. Obsługa maszyn przy małych partiach.

FAQ: Czy Physical AI to tylko nowe słowo na coboty?

Nie. Coboty to zazwyczaj stosunkowo jasno zaprogramowane ramiona robotyczne, choć mogą bezpiecznie pracować obok ludzi. Physical AI oznacza ucieleśnione systemy AI, które łączą percepcję, uczenie się i ruch. Różnica nie leży w przegubie, ale w zdolności do radzenia sobie z odchyleniami. Cobot jedzie ścieżką A. System Physical AI rozpoznaje, że pojemnik B jest krzywo, dostosowuje chwyt C i zgłasza punkt danych D. Tak mówi teoria. W praktyce właśnie to jest mierzone.

FAQ: Ile kosztuje przygotowanie Physical AI?

Szczera odpowiedź: Zależy to mniej od ceny robota, a bardziej od dojrzałości Twoich danych i procesów. Jeśli nazwy części w ERP, MES i warsztacie mają trzy różne nazwy, każda AI będzie droga. Jeśli strefy bezpieczeństwa nie są udokumentowane, integracja będzie trudna. Jeśli Twój zespół konserwacyjny nie może odczytać danych zdarzeń, obietnice konserwacji predykcyjnej są słabe. W pierwszym kroku nie budżetowałbym robota, ale 8- do 12-tygodniową ocenę dojrzałości danych, procesów, bezpieczeństwa i przypadków użycia.

Co to oznacza dla średnich firm

Dla firm produkcyjnych zatrudniających od 50 do 500 pracowników pokusa jest duża, aby zlekceważyć Physical AI jako grę korporacyjną. Bosch, LG, Delta, NVIDIA, gigafabryki UE – wszystko brzmi zbyt dużą skalą. Uważam to podejście za ryzykowne. Nie każda średnia firma musi sama trenować modele bazowe. Ale każda musi zrozumieć, jakie interfejsy, dane i procesy muszą być w przyszłości kompatybilne.

Pierwszy konkretny efekt leży w planowaniu inwestycji. Jeśli w 2026 roku kupisz nową linię, która ma działać do 2036 roku, ale nie przewiduje dostępu do danych, logów zdarzeń, czystego bezpieczeństwa OT i fizycznej elastyczności, budujesz sobie ślepą uliczkę. Linia nie musi być gotowa na humanoida jak w filmie reklamowym. Ale nie powinna być zbudowana przeciwko elastycznej automatyzacji.

Drugi efekt leży w sprzedaży. Twoi klienci będą pytać, jak Twój produkt pasuje do ich architektury automatyzacji. Producent komponentów, który dzisiaj mówi tylko o właściwościach materiałów, jutro będzie musiał mówić również o identyfikowalności, cyfrowych bliźniakach, integracji czujników i wzorcach awarii. Producent maszyn, który nie ma strategii API, będzie musiał się tłumaczyć klientom z mapą drogową AI. A usługodawca, który nie może dostarczyć dokumentacji zgodności, wypadnie ze spotkań dotyczących ryzyka, zanim dział specjalistyczny w ogóle będzie mógł się zachwycić.

Trzeci efekt dotyczy planowania personelu. Physical AI nie zastępuje po prostu ludzi. Zmienia role. Pracownicy stają się nadzorcami, konserwatorzy interpretatorami danych, planiści produkcji menedżerami wyjątków. To może być dobre. Ale może też zawieść, jeśli zarząd wierzy, że kulturę można zaktualizować za pomocą firmware’u. Nie można.

Siedem kroków przygotowawczych na lata 2026-2028

1. Mapuj procesy pod kątem możliwości automatyzacji, a nie według działów. Weź pięć rzeczywistych procesów: przyjęcie towaru, kompletacja, obsługa maszyn, kontrola wizualna, poprawki. Oceń zmienność, czas cyklu, koszty błędów, ryzyko bezpieczeństwa i dostępność danych.
2. Mierz opóźnienie danych. Nie tylko: Czy mamy dane? Ale: Jak szybko, jak kompletnie i jak stabilnie docierają zdarzenia z maszyny, MES, ERP i systemu jakości? Dla Physical AI sekundy są czasem za wolne, milisekundy czasem obowiązkowe.
3. Oczyść dane podstawowe tam, gdzie dotyczą one działań fizycznych. Część, pojemnik, narzędzie, stanowisko pracy, trasa, cecha kontrolna. Jeśli ten sam komponent ma trzy nazwy w trzech systemach, ktoś później zapłaci za integrację.
4. Sprawdź bezpieczeństwo OT przed zakupem robota. Urządzenia brzegowe, kamery, aktualizacje w chmurze i zdalne usługi otwierają nowe powierzchnie ataku. Phoenix Contact i inni dostawcy od lat mówią o bezpieczeństwie przemysłowym; teraz temat staje się operacyjny.
5. Zbuduj komórkę testową zamiast mapy drogowej w PowerPoint. Ograniczony obszar z prawdziwymi częściami, prawdziwym światłem, prawdziwymi warunkami zmianowymi i jasnymi wskaźnikami mówi więcej niż każdy slajd strategiczny.
6. Zdefiniuj kryteria zakupu dla systemów AI. Pytaj o opóźnienie p95, odzyskiwanie po błędach, MTBHI, pochodzenie danych treningowych, proces aktualizacji, logi audytu, dokumentację AI Act i certyfikację bezpieczeństwa. Kto unika odpowiedzi, sprzedaje nadzieję.
7. Dostosuj sprzedaż i zarządzanie produktem do wyzwalaczy Physical AI. Obserwuj ogłoszenia o pracę, komunikaty inwestycyjne, wystąpienia na targach, patenty, projekty badawcze i zmiany dostawców u swoich klientów docelowych. To prowadzi do lepszych rozmów niż listy branżowe.

Te kroki są celowo przyziemne. Bez laboratoryjnego teatru. Bez „Potrzebujemy natychmiast strategii AI” z dwunastoma warsztatami. Physical AI w średnich firmach nie wygrywa się na tablicy, ale na interfejsach, odpowiedzialnościach, zezwoleniach bezpieczeństwa i pytaniu, czy chwytak o 06:14 po zaklinowanej skrzyni znów czysto pracuje dalej.

Produkt Amplifa Amplifa identyfikuje gotowe do zakupu konta przemysłowe na podstawie sygnałów wyzwalających, dojrzałości technologicznej i konkretnych wzorców zmian – dla precyzyjniejszych potoków B2B.

Amplifa ICP Playbook dla dostawców przemysłowych Od listy klientów docelowych do segmentacji według stopnia dojrzałości: Jak dyrektorzy sprzedaży priorytetyzują konta, które inwestują w automatyzację AI, MES, bezpieczeństwo OT lub robotykę.

Twardy biznesowy przypadek za Physical AI

Wiele dyskusji o robotach humanoidalnych zaczyna się źle. „Ile kosztuje robot?” nie jest pierwszym pytaniem. Pierwsze pytanie brzmi: Jakie koszty powstają dzisiaj z powodu elastyczności, którą ludzie amortyzują? Nadgodziny. Pracownicy tymczasowi. Błędy w poprawkach. Przestoje, bo brakuje materiału. Koszty jakości, bo kontrole wizualne są zmienne. Wdrożenie. Zastępstwa chorobowe. Incydenty bezpieczeństwa. Te koszty są często rozproszone i dlatego niewidoczne.

Przykład z praktyki, anonimowy, ale typowy: Dostawca z około 220 pracownikami w Badenii-Wirtembergii w 2025 roku nie miał ochoty na „strategię robotów”. Zrozumiałe. Wtedy stały się widoczne dane z wewnętrznych poprawek: Cztery rodziny produktów powodowały nieproporcjonalnie wiele ręcznych kroków kontrolnych i sortujących, ponieważ warianty były trudne do zaplanowania. Klasyczna automatyzacja wymagałaby nowego układu. Pierwszym sensownym krokiem nie był robot humanoidalny, ale czyste zbieranie danych dla każdej klasy błędów i zmiany. Trzy miesiące później zespół mógł w ogóle zdecydować, czy wizja AI, cobot czy zmiana procesu ma sens.

Właśnie tak Physical AI będzie wkraczać na rynek. Nie jako wielki huk. Ale jako łańcuch małych decyzji: Najpierw dostęp do danych. Potem kamera. Potem system wspomagający. Potem częściowo autonomiczna komórka. Potem elastyczna robotyka. Potem może humanoid. Kto dzisiaj wierzy, że w 2028 roku po prostu kupi gotowy system, a wszystko inne pozostanie bez zmian, niedocenia pracy przygotowawczej.

Dlaczego czyste strategie inbound przychodzą tutaj za późno

Powiem to dosadnie: Kto w 2026 roku w przemyśle B2B nadal stawia na czystą strategię inbound, za pięć lat nie będzie miał stabilnego potoku sprzedaży. Nie dlatego, że inbound umarł. Ale dlatego, że sygnały inwestycyjne dla Physical AI stają się widoczne na długo przed wyszukiwaniem w Google. Fabryka ogłasza stanowisko ds. bezpieczeństwa OT. Lokalizacja szuka konsultantów MES. Dyrektor generalny mówi w lokalnej gazecie o braku wykwalifikowanych pracowników w montażu. Klient ogłasza nową linię. Kierownik jakości uczestniczy w sesji Vision-AI u Trumpfa lub DMG Mori. To są lepsze wczesne wskaźniki niż formularz do pobrania.

Sprzedaż musi stać się tutaj bardziej techniczna. Nie bardziej nerdowska dla samej nerdowatości, ale bardziej precyzyjna. Jeśli powiesz COO: „Pomagamy w automatyzacji AI”, brzmi to jak hala targowa. Jeśli powiesz: „W przypadku zróżnicowanej obsługi maszyn często widzimy, że wąskim gardłem nie jest ramię robota, ale jakość danych między zamówieniem ERP, routingiem MES a rzeczywistym pojemnikiem”, wtedy słucha. Może. Jeśli ból jest obecny.

Physical AI i Brownfield: Prawdziwa europejska dźwignia

Europa nie ma luksusu budowania wszędzie fabryk typu greenfield. Wiele fabryk rosło jak stare miasta: rozbudowa tu, linia tam, magazyn pośredni w kącie, kanał kablowy, który nigdy nie był planowany, ale działa od 2009 roku. Właśnie dlatego roboty humanoidalne są interesujące. System humanoidalny teoretycznie może używać narzędzi, drzwi, pojemników, uchwytów i miejsc pracy, które zostały zbudowane dla ludzi. Teoretycznie.

W praktyce brownfield jest brutalny. Różne wykładziny podłogowe. Wąskie korytarze. Stare ogrodzenia bezpieczeństwa. Słabe oświetlenie. Dziury w Wi-Fi. Pracownicy, którzy improwizują, bo wiedzą, że stacja 4 szwankuje przy wysokiej wilgotności. Robot humanoidalny musi nie tylko chodzić i chwytać. Musi radzić sobie z tą nieformalną rzeczywistością fabryczną. To jest benchmark, który chcę zobaczyć: nie idealne wideo pick-and-place, ale osiem godzin w prawdziwej zmianie obok ludzi, z brudem, pośpiechem i odchyleniami.

Bosch jako partner produkcyjny może tutaj pomóc, ponieważ industrializacja traktuje te szczegóły poważnie. Drgania. Odciążenie kabli. Dostęp serwisowy. Sprzęt testowy. Opakowanie do transportu. Czasy napraw. Logika numerów seryjnych. Platforma startupowa bez tej dyscypliny pozostaje demo. Produkcja przemysłowa bez dobrej AI pozostaje sztywną maszyną. Połączenie jest kluczowe.

Moja osobista prognoza na najbliższe 2 do 3 lat

Do końca 2026 roku Physical AI w regionie DACH będzie przede wszystkim budżetem strategicznym i pilotażowym. Bosch Bühl będzie obserwowany, VDMA będzie nadal naciskać, gigafabryki UE będą politycznie promowane, a prezentacje sprzedażowe będą nadużywać słowa „humanoidalny” częściej, niż bym sobie życzył. Będzie wiele demonstracji. Niektóre dobre. Wiele zbyt gładkich.

W 2027 roku rynek stanie się poważniejszy. Wraz z planowanym startem produkcji seryjnej robotów Gamma w sierpniu 2027 roku powstanie konkretny punkt odniesienia. Już nie: Kiedyś pojawią się roboty humanoidalne. Ale: Kto co testuje, z kim, w jakiej hali, pod jakim zezwoleniem bezpieczeństwa? Najlepsze średnie firmy nie będą wtedy tymi z największym budżetem, ale tymi z najczystszymi przypadkami użycia i najodważniejszymi, ale trzeźwymi środowiskami testowymi.

W 2028 roku widoczne będzie rozwarstwienie. Niektóre firmy potraktują Physical AI jako przedłużoną kampanię targową. Inne przez dwa lata przygotowywały dane, procesy, bezpieczeństwo OT i sygnały sprzedażowe. Druga grupa nie zautomatyzuje wszystkiego. Ale będzie mogła szybciej podejmować decyzje. To w świecie ze skalowaniem Chin, koreańskimi fabrykami danych i seryjną produkcją Boscha w Bühl jest już cholernie dużą przewagą.

Nie spodziewam się, że w 2028 roku w każdej średniej hali będzie stał robot humanoidalny. Spodziewam się jednak, że każda poważna sprzedaż przemysłowa będzie musiała wyjaśnić, dlaczego jej oferta pasuje do fabryki, w której AI nie tylko analizuje, ale działa. A kiedy kupujący zapyta, jakie opóźnienie ma Twój interfejs pod obciążeniem, zauważy się, kto przez ostatnie dwa lata tylko mówił o AI.