Tas pats AI modelis, kas veido jūsu video, tagad būvē jūsu automašīnu

Tehniķis Audi montāžas līnijā Vācijā vēro, kā robota roka iespiež elastīgu gumijas blīvi automašīnas durvju rāmī. Gadu desmitiem šis konkrētais uzdevums bija automatizācijas murgs. Gumija ir lokana, neparedzama un maina formu brīdī, kad mašīna tai pieskaras. Lielākā daļa rūpnīcu robotu lieliski pārvieto smagas tērauda plāksnes uz precīzām koordinātām, taču tie cieš neveiksmi, kad tiem jājūt ceļš caur mīkstu materiālu. Robots, kas šodien pabeidz Audi montāžu, ir citāds. Tas neievēro stingru koordinātu skriptu. Tā vietā tas izmanto vizuālo smadzeņu centru, lai paredzētu, kā gumija salieksies, vēl pirms tā ir saskārusies ar virsmu. Šīs smadzenes ir FLUX 3 — jaunākais Black Forest Labs izlaidums.

Black Forest Labs ir jaunuzņēmums, kas pēdējo divu gadu laikā klusi ieņēmis vadošo lomu attēlu ģenerēšanas pasaulē. Kamēr tādi lieli vārdi kā Google un OpenAI nonāca ziņu virsrakstos, šī pētnieku komanda Vācijā izveidoja rīkus, kurus faktiski izmanto lielākā daļa neatkarīgo AI mākslinieku. Ar FLUX 3 viņi sniedzas tālāk par statiskiem attēliem. Šī jaunā sistēma rada augstas izšķirtspējas video un audio vienlaicīgi. Vēl svarīgāk ir tas, ka uzņēmums izmanto to pašu pamatā esošo loģiku, lai mācītu robotiem mijiedarboties ar fizisko pasauli. Šīs pārmaiņas pārvērš mākslīgo intelektu no digitālās mākslas radošā partnera par nenogurdināmu smagās rūpniecības praktikantu.

Digitālā pasaule ar savu gravitāciju

Lielākā daļa video ģeneratoru darbojas kā ļoti ātra bilžu grāmatiņa. Tie paredz, kādam vajadzētu izskatīties nākamajam kadram, pamatojoties uz iepriekšējo, procesā bieži pazaudējot loģiku. Tāpēc AI video bieži redzami cilvēki ar pazūdošām ekstremitātēm vai kafijas tases, kas izkūst galdos. FLUX 3 iet citu ceļu. Black Forest Labs apmācīja modeli ar attēliem, video un audio vienlaicīgi vienā sistēmā. Šī ir multimodāla pieeja. Modelis ne tikai iemācās, kā izskatās automašīna. Tas iemācās, kā automašīna kustas, kā skan dzinējs un kā gaisma atstarojas no metāla, tai nogriežoties aiz stūra.

Tā kā modelis mācās no video un audio vienlaicīgi, rezultāti ir dabiski sinhronizēti. Ja lietotājs pieprasa video, kurā cilvēks ar perforatoru urbj betonā, urbja skaņa perfekti sakrīt ar vibrāciju ekrānā. Klipi sasniedz līdz pat 20 sekunžu garumu. Testos, kuros cilvēki salīdzināja dažādus AI modeļus, FLUX 3 uzvarēja Runway Gen-4.5 77% gadījumu. Tas pārspēja Luma Ray 3.2 93% salīdzinājumu. Šie skaitļi liecina, ka sistēmai ir labāka realitātes izpratne nekā konkurentiem. Tā izprot vispārīgos fizikas likumus, piemēram, svaru un laiku, kas padara ģenerēto kustību smagu un reālu, nevis gaisīgu un sapņainu.

Kāpēc robotiem ir grūtības ar mīkstiem objektiem

Lai saprastu, kāpēc tas ir svarīgi jūsu nākamajai automašīnai, ir jāieskatās mūsdienu ražošanas neredzamajā mugurkaulā. Tradicionālie roboti būtībā ir milzīgi, ļoti dārgi kalkulatori. Ja jūs liekat robotam pārvietoties uz punktu A, tas dodas turp ar milimetra precizitāti. Tas darbojas tērauda rāmja metināšanā, jo tērauds nekustas. Tomēr, ja robots paceļ gumijas durvju blīvi vai vadu saišķi, materiāls nokarājas. Punkti, kuros robotam bija jātrāpa, vairs neatrodas tur, kur tiem vajadzētu būt. Mašīna apjūk, un montāžas līnija apstājas.

FLUX-mimic ir šī mākslīgā intelekta versija, kas izstrādāta rūpnīcas telpām. Black Forest Labs sadarbojās ar uzņēmumu mimic robotics, lai pievienotu nelielu tulkotāju FLUX 3 dzinējam. Šis tulkotājs paņem modeļa iekšējo kustības izjūtu un pārvērš to fiziskās rokas kustībās. Kad robots caur savu kameru skatās uz durvju blīvi, tas izmanto FLUX dzinēju, lai iztēlotos nākamās dažas uzdevuma sekundes. Tas paredz, kā gumija reaģēs uz spiedienu. Rezultātā robots var pielāgot savu satvērienu reāllaikā. Audi pašlaik to testē, lai risinātu sarežģītus uzdevumus, kuriem agrāk bija nepieciešamas cilvēka rokas. Sistēma reaģē aptuveni 101 milisekundē. Salīdzinājumam — cilvēka acs mirkšķināšana aizņem apmēram 100 līdz 400 milisekundes. Šis ātrums ļauj mašīnai būt tikpat pielāgoties spējīgai kā cilvēkam, kad lietas nenotiek tieši pēc plāna.

Grūtais ceļš no atvērtā pirmkoda līdz peļņai

Black Forest Labs vēsture izskaidro, kāpēc viņi tagad pievēršas robotikai. Dibinātāji nāca no Stability AI — grupas, kas izlaida oriģinālo Stable Diffusion. Kad viņi 2024. gadā palaida pirmos FLUX modeļus, viņi kļuva par atvērtā pirmkoda kopienas varoņiem. Viņu modeļi bija bezmaksas lejupielādei un darbojās labāk nekā vairāku miljardu dolāru vērtu tehnoloģiju gigantu maksas rīki. Viņi nodrošināja mērogojamu alternatīvu cilvēkiem, kuri vēlējās darbināt AI uz savas aparatūras bez korporatīvās uzraudzības.

Tomēr AI tirgus ir nepastāvīgs un dārgi uzturams. Lai gan oriģinālais FLUX bija milzīgs hīts, otrā versija, kas tika izlaista 2025. gada beigās, neguva tādu pašu sajūsmu. Alibaba konkurents Z-Image Turbo galu galā pārņēma labākā atvērtā pirmkoda modeļa titulu, jo tas bija ātrāks un prasīja mazāk atmiņas. Black Forest Labs bija nepieciešama atgriešanās, kas pierādītu, ka viņu tehnoloģija ir kas vairāk par rotaļlietu interneta mēmu veidošanai. Pievēršoties video un robotikai, viņi meklē stabilākus ieņēmumus no tādiem industriālajiem partneriem kā Audi. Tāpēc FLUX 3 vēl nav pilnībā atvērts. Video un darbības rīki ir pieejami tikai caur maksas API un konkrētiem korporatīvajiem partneriem. Versija, ko parastie lietotāji varēs lejupielādēt un darbināt savos datoros, nav plānota līdz pat 2026. gada beigām.

Ko tas nozīmē jūsu nākamajam pirkumam

Vidusmēra cilvēkam šīs tehnoloģiskās pārmaiņas rada divas taustāmas sekas. Pirmkārt, digitālā satura kvalitāte tūlīt sasniegs jaunu līmeni. Mēs attālināmies no graudainu, piecu sekunžu garu AI klipu ēras. Tuvāko mēnešu laikā jūs, visticamāk, redzēsiet mārketinga kampaņas un īsfilmas, kurās izmantots FLUX 3, lai radītu ainas, kas nav atšķiramas no īstiem kadriem. Tas ietver augstas precizitātes audio, kas padara pieredzi visaptverošu. Tas samazina ražošanas izmaksas mazajiem radītājiem, bet arī padara digitālo pasauli nepārredzamāku, jo robeža starp reālo un sintētisko izzūd.

Otrkārt, FLUX-mimic izmantošana rūpnīcās liecina par izmaiņām tajā, kā tiek ražotas fiziskas preces. Ja roboti spēj rīkoties ar mīkstām, elastīgām detaļām, automašīnu ražotāji var automatizēt lielāku daļu montāžas procesa. Tas parasti nodrošina konsekventāku uzbūves kvalitāti un mazāk kļūdu galaproduktā. Tas arī nozīmē, ka mūsu laika "digitālā jēlnafta" — apjomīgas video datu kopas — tagad tiek izmantota fizisku mašīnu darbināšanai. Jūsu nākamais viedtālrunis vai automašīna varētu būt izturīgāka, jo neironu tīkls simulācijā izmēģināja montāžas procesu miljonu reižu, pirms pirmā detaļa vispār nonāca uz rūpnīcas grīdas.

Perspektīva par neredzamo mašīnu

Praktiski runājot, mums vajadzētu uzskatīt FLUX 3 par tiltu. Tas savieno pikseļu pasauli ar fizisko objektu pasauli. Ilgu laiku AI bija smadzenes bez ķermeņa. Tas varēja rakstīt dzejoļus un gleznot attēlus, bet nevarēja aizsiet kurpju šņores vai salocīt kreklu. Apmācot modeli izprast video, Black Forest Labs ir devuši šīm smadzenēm izjūtu par to, kā darbojas fiziskā pasaule. Tas ir fundamentāls solis ceļā uz robotiem, kas var mums palīdzēt ikdienas dzīvē, nevis tikai sēdēt aiz ekrāna.

Galu galā, patiesais stāsts šeit nav tikai par labāku video ģeneratoru. Tas ir par ražošanas prasmju decentralizāciju. Kad AI iemācās, kā uzstādīt durvju blīvi Audi rūpnīcā, šīs zināšanas ir digitālas. Tās var nekavējoties nokopēt un nosūtīt uz rūpnīcu otrā planētas pusē. Mēs vērojam agrīnos posmus pasaulei, kurā mašīnas mācās, vērojot mūs, nevis tiek mūsu programmētas. Tā vietā, lai uztrauktos par ažiotāžu, vērojiet mazās lietas savā apkārtnē. Paskatieties uz vīlēm savā apģērbā vai blīvēm uz savām ierīcēm. Šīs ir frontes līnijas, kur AI sāk savu praktiskāko darbu.

Avoti:
Black Forest Labs Technical Announcement (2026. gada jūlijs)
Audi Manufacturing Progress Report
mimic robotics Integration Brief
Artificial Analysis Image Arena Data