مع تقارب أساليب النماذج، يتغير العامل الحاسم في الذكاء الاصطناعي الفيزيائي

تجادل المقالة بأنه مع تقارب المقاربات التقنية في مجال الذكاء الاصطناعي المادي (Physical AI)، تواجه الصناعة اختناقات جديدة، وعلى وجه التحديد "طبقات متصدعة" بين النماذج والبيانات، وبين الرؤية والفعل، وبين المحاكاة والواقع. ولمعالجة هذه الإشكاليات، أسّست شركة DeepRoute، وهي شركة صينية متخصصة في القيادة الذاتية، مختبر Superfluid Lab، بقيادة رُوان تشونغ (Ruan Chong)، العضو الأساسي السابق في DeepSeek. يركّز مختبر Superfluid Lab على النماذج الأساسية (foundation models)، ونماذج الرؤية-اللغة-الفعل (VLA)، والنماذج العالمية (world models)، والفهم متعدد الوسائط، بهدف بناء حلقة بحثية خالية من الاحتكاك. ويقوم نهج المختبر على مبدأ المواءمة على مستوى المؤسسة، حيث يعمل باحثون من مجالات مختلفة معًا حول نموذج موحّد، في مقابل النهج التقليدي القائم على تطوير المنتجات بشكل منفصل. ويعكس هذا التوجّه تحوّلًا أوسع في الصناعة، من التنافس على مستوى المنتجات إلى التنافس على مستوى النماذج، ثم إلى التنافس الآن على القدرات الأساسية والكفاءة التنظيمية، بما يشبه استراتيجية OpenAI في مراحلها الأولى.