1X Technologies ogłosiło 4 czerwca 2026 roku powstanie 1X World Model Lab — nowej jednostki badawczej nastawionej na trenowanie robotycznych modeli fundamentalnych od zera. Na czele laboratorium stanal Samarth Sinha, dotychczas główny badacz w startupie Luma AI. Ruch ten wyraza odejscie od strategii opartej na fine-tuningu modeli językowych.
Najważniejsze w skrócie
- 1X World Model Lab to dedykowane laboratorium do pretrainingu modeli fundamentalnych dla robotyki
- Samarth Sinha (Luma AI) zatrudniony jako Head of World Models
- Firma stracila trzech głównych liderów AI: Erica Janga, Mohiego Khansariego i Daniela Ho
- CEO deklaruje: fine-tuning modeli językowych dla robotyki jest fundamentalnie wadliwy
- Plany wysyłki tysięcy robotów NEO (20 000 USD/szt.) w 2026 roku jako kola zamachowego danych dla nowych modeli
Strukturalna zmiana po odpływie liderów
1X Technologies ogłosiło powolanie laboratorium w tle powaznych turbulencji kadrowych. W ciagu kilku miesiecy firme opuścili trzej czolowi liderzy AI: Eric Jang (wiceprezydent ds. AI), Mohi Khansari (szef uczenia robotycznego) oraz Daniel Ho (dyrektor ds. ewaluacji). Jednoczesnie w branzy pojawily sie doniesienia o zwolnieniach w dziale AI.
Zatrudnienie Sinhy na czele nowego laboratorium to cos więcej niz obsadzenie wakatu. Sinha jest specjalista od generatywnych modeli wideo i pretrainingu na danych multimodalnych — kompetencje, które bezposrednio przeklady sie na zdolność trenowania modeli rozumiejacych swiat fizyczny jako ciagly strumien, a nie sekwencje tokenów tekstowych.
Fine-tuning jako ślepa uliczka
CEO Bernt Bornich nie owinal w bawełnę w deklaracji na platformie X: nie można dojsc do AGI przez fine-tuning, a tym bardziej przez fine-tuning do robotów dzialajacych w swiecie fizycznym. To wyrazna deklaracja wobec dominujacego dziS nurtu VLA (Vision-Language-Action models), który polega na doczepianiu glowich akcji do gotowych modeli językowych lub multimodalnych.
You cannot fine-tune your way to AGI. And you definitely cannot fine-tune your way to robots that can operate in the physical world.
Bernt Bornich, CEO 1X Technologies
Sinha precyzuje te teze: branza robotyczna traktuje dane fizyczne jak drugoklasowy zasob, doklejany do treningu zbudowanego wokol tekstu i obrazów z internetu. Jego zdaniem to fundamentalne błędne zalozenie — modele musza uczyc sie na danych fizycznych od pierwszego kroku, nie jako korekta po fakcie.
NEO jako kolo zamachowe danych
Kluczowym elementem strategii jest flota robotów NEO wysylana do domów. 1X zapowiedzalo, że w 2026 roku dostarczy tysiące jednostek NEO w cenie 20 000 dolarów. Robot ma morfologie bliska ludzkiej — miekkie cialo, ścięgno we napędy, rece z 22 stopniami swobody. Te minimalizację tzw. embodiment gap firma uznaje za celowa: dane zebrane przez robota o proporcjach zblizonych do człowieka maja sie łatwiej przenosić na modele pretrenowane na ludzkich filmach egocentrycznych.
Kazda jednostka w terenie to potencjalny wezel do zbierania danych z krawedzi systemu: sytuacje, których zadna symulacja nie przewiduje. Skala wysylek 2026 — o ile zostanie osiagnieta — dalalaby 1X jeden z najwiekszych zbiorów danych z ludzkich srodowisk sposrod wszystkich firm pracujacych nad humanoidami.
Dlaczego to wazne?
Restrukturyzacja 1X ujawnia pekniecie w branzy, które dotad bylo raczej akademicka debata: czy modele fundamentalne dla robotyki powinny wyrastać z LLM-ow i modeli multimodalnych, czy od zera na danych fizycznych? 1X, razem z Generalist AI i Physical Intelligence, tworzy coraz wyrazniejszy oboz zwolenników podejscia drugiego. Naprzeciw stoi Google DeepMind z Gemini Robotics, OpenAI z rodzacym sie dzialem robotyki i szereg akademickich grup VLA. Wynik tej rywalizacji w perspektywie 2-3 lat okreSli, czy fizyczna AI powstanie na ramionach istniejacych modeli językowych, czy bedzie wymagać wlasnej infrastruktury i wlasnych danych treningowych.
Co dalej?
- 1X zapowiedzalo dostarczenie tysięcy robotów NEO do domów do konca 2026 roku wg oswiadczenia CEO dla Forbes
- Sinha ma zbudować od zera program pretrainingu na danych heterogenicznych: wideo z sieci, wideo egocentryczne, symulacje, teleoperacja i dane on-policy z floty NEO
- Firma nie oglosila harmonogramu kolejnego modelu — priorytety sa teraz rekrutacyjne i infrastrukturalne
