شركة ناشئة أسسها مهندسون سابقون في Nvidia تبتكر روبوتًا بشريًا يعمل متدرّبًا في المكاتب
عرضت الشركة الناشئة Flexion Robotics، التي أسسها مهندسون سابقون في Nvidia، روبوتًا بشريًا قادرًا على أداء مهام متدرّب مكتبي. طوّرت الشركة أسلوب تدريب غير تقليدي يتيح للروبوت التعامل مع طيف واسع من المهام، من العمل على الحاسوب إلى تنفيذ التعليمات الشفهية. ووصفت مجلة Wired النتيجة بأنها «كفاءة مخيفة».
معالج بواسطة الذكاء الاصطناعي من Wired؛ بتحرير Hamidun News
عرضت الشركة الناشئة Flexion Robotics، التي أسسها مهندسون سابقون في Nvidia، روبوتًا بشريًا قادرًا على أداء مهام متدرّب مكتبي. ووصفته مجلة Wired، التي اختبرت النظام، بأنه «كفؤ على نحو مخيف»، وهي عبارة لا تُستخدم باستخفاف في هذا القطاع، إذ يعجز معظم الروبوتات البشرية الحالية عن إنجاز حتى المهام الأساسية في بيئة مكتبية غير منظَّمة.
وارثو خبرة Nvidia
خرج فريق Flexion من Nvidia، الشركة التي شكّلت وحدات GPU الخاصة بها الأساس الذي يقوم عليه ازدهار الذكاء الاصطناعي الحالي. أمضى هؤلاء المهندسون سنوات في العمل على معماريات الشبكات العصبية وأنظمة الحوسبة المتوازية، وقرروا توظيف خبرتهم بطريقة مختلفة: بدلًا من بناء العتاد اللازم لتدريب النماذج، اتجهوا إلى إنشاء وكيل مادي يتعلم بنفسه كيف يتصرف في العالم الحقيقي.
لم يكن اختيار هذا المجال عشوائيًا. فالبيئة المكتبية من أكثر البيئات تعقيدًا بالنسبة إلى الروبوتات: تنوّع لا نهائي في الأشياء، وتفاعلات لا يمكن التنبؤ بها مع البشر، ومهام تتغير باستمرار في شكلها وسياقها. ولهذا السبب تكاد الأذرع الصناعية، التي تؤدي عملها بكفاءة على خطوط الإنتاج، تكون عاجزة تمامًا في المكاتب المفتوحة.
أسلوب تدريب غير تقليدي
تكمن الميزة التنافسية الرئيسية لـ Flexion في نهجها لتدريب الروبوتات. فمعظم الأنظمة إما تتطلب برمجة صارمة لكل فعل بعينه، وإما تعاني من «مشكلة النقل»: أي أن المهارات المكتسبة في المختبر لا تنطبق جيدًا في الظروف الواقعية. وبحسب Wired، وجدت Flexion «طريقة ذكية» للالتفاف على هذا القيد.
تُبقي الشركة تفاصيل الأسلوب طي الكتمان، لكن النتيجة تتحدث عن نفسها: فالروبوت البشري ينجز طيفًا واسعًا من المهام المعتادة للمتدرّب المكتبي:
- البحث عن الأشياء ونقلها داخل المكتب دون رسم خرائط مسبق
- العمل على الحاسوب: لوحة المفاتيح والفأرة والتنقل بين الواجهات
- تنفيذ التعليمات الشفهية في مهام غير مألوفة
- التكيف مع الأشياء غير المعتادة والظروف المتغيرة
- التفاعل مع الموظفين في المساحة المشتركة دون حواجز وقائية
«متدرّب كفؤ على نحو مخيف»: بهذه العبارة عنونت Wired تقريرها، مع أنها نادرًا ما تلجأ إلى صيغ التفضيل في تقاريرها عن الروبوتات البشرية.
المكتب كحدٍّ جديد
يشهد سوق الروبوتات البشرية طفرة استثمارية، إذ ضُخّت فيه مليارات الدولارات خلال العامين الماضيين. وتسرّع شركات مثل Figure AI وPhysical Intelligence وAgility Robotics وتيرتها، إلا أن معظم اللاعبين يركّزون على المستودعات والتصنيع، حيث البيئة أكثر قابلية للتنبؤ والتحكم.
تراهن Flexion على المكتب، وهو قطاع كان يُعدّ حتى الآن شديد الفوضى بحيث يصعب أتمتته. ويبدو عمل المتدرّب منخفض المهارة، لكنه يستهلك وقتًا كبيرًا في أي مؤسسة: توزيع المستندات، وطباعة مواد الاجتماعات، وإدخال البيانات من النماذج الورقية إلى النظام. وإذا كان أسلوب التدريب لدى Flexion قابلًا للتوسع فعلًا دون إعادة برمجة لكل مهمة جديدة، فإن اقتصاديات التبنّي ستتغير جذريًا: سيصبح بالإمكان إعادة تدريب روبوت واحد بسرعة بدلًا من طلب نظام متخصص لكل مهمة.
ماذا يعني ذلك
قد تنتقل الروبوتات المكتبية من فئة «يومًا ما» إلى فئة «خلال هذا العقد». وبالنسبة إلى الأعمال، فهذا ليس تهديدًا في مستقبل بعيد، بل مسألة تنافسية خلال السنوات الثلاث إلى الخمس المقبلة. وتُعدّ Flexion من الشركات الناشئة التي تستحق المتابعة عن كثب.
- 19 نوفمبر 2026Rubin يقدّم 50 PFLOPS لكل شريحة وTPU 8t يقدّم 12,6، لكن Google تراهن على الحجم
- 18 نوفمبر 2026AWS تدمج Dynamo في HyperPod: نموذج Qwen3-235B يولّد 207 رموز/ثانية لكل GPU بدلاً من 101
- 18 نوفمبر 2026جنسن هوانغ يستقيل من منصب الرئيس التنفيذي لـ NVIDIA، والشركة تفقد أكثر من $1 تريليون من قيمتها السوقية
- 18 نوفمبر 2026سرعة MiniMax M3.1 Flash على AMD MI355X في vLLM تضاعفت 4 مرات خلال 20 يومًا
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول وارثو خبرة Nvidia؟
خرج فريق Flexion من Nvidia، الشركة التي شكّلت وحدات GPU الخاصة بها الأساس الذي يقوم عليه ازدهار الذكاء الاصطناعي الحالي. أمضى هؤلاء المهندسون سنوات في العمل على معماريات الشبكات العصبية وأنظمة الحوسبة المتوازية، وقرروا توظيف خبرتهم بطريقة مختلفة: بدلًا من بناء العتاد اللازم لتدريب النماذج، اتجهوا إلى إنشاء وكيل مادي يتعلم بنفسه كيف يتصرف في العالم الحقيقي. لم يكن اختيار هذا المجال عشوائيًا.
ما أبرز التفاصيل حول أسلوب تدريب غير تقليدي؟
تكمن الميزة التنافسية الرئيسية لـ Flexion في نهجها لتدريب الروبوتات. فمعظم الأنظمة إما تتطلب برمجة صارمة لكل فعل بعينه، وإما تعاني من «مشكلة النقل»: أي أن المهارات المكتسبة في المختبر لا تنطبق جيدًا في الظروف الواقعية. وبحسب Wired، وجدت Flexion «طريقة ذكية» للالتفاف على هذا القيد.
ما أبرز التفاصيل حول المكتب كحدٍّ جديد؟
يشهد سوق الروبوتات البشرية طفرة استثمارية، إذ ضُخّت فيه مليارات الدولارات خلال العامين الماضيين. وتسرّع شركات مثل Figure AI وPhysical Intelligence وAgility Robotics وتيرتها، إلا أن معظم اللاعبين يركّزون على المستودعات والتصنيع، حيث البيئة أكثر قابلية للتنبؤ والتحكم. تراهن Flexion على المكتب، وهو قطاع كان يُعدّ حتى الآن شديد الفوضى بحيث يصعب أتمتته. ويبدو عمل المتدرّب منخفض المهارة، لكنه يستهلك وقتًا كبيرًا في أي مؤسسة: توزيع المستندات، وطباعة مواد الاجتماعات، وإدخال البيانات من النماذج الورقية إلى النظام.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.