چند سالی است هوش مصنوعی به‌عنوان منشی دیجیتال در نگارش متن و پاسخ به پرسش‌ها جایگاه خود را تثبیت کرده است؛ اما به‌محض اینکه از این سامان‌ها خواسته شود شیء فیزیکی‌ای را لمس کنند، با محدودیت‌های بنیادین مواجه می‌شوند. چت‌بات‌ها صرفاً الگوهای زبانی را بازتولید می‌کنند و درکی از جاذبه، سنگینی اجسام یا شکنندگی مواد ندارند.
این خلأ، مضمون اصلی رقابت نوین غول‌های فناوری شده است. گوگل، انویدیا و متا هرکدام با رویکرد متفاوت بر «مدل‌های جهانی» سرمایه‌گذاری کرده‌اند؛ سامانه‌هایی که به هوش مصنوعی امکان می‌دهند جهان اطراف را حس کند، قوانین فیزیک مواد را درک کند و عواقب هر حرکت را پیش از انجام آن شبیه‌سازی کند.
کارشناسان فناوری معتقدند این نسل از مدل‌ها، پیشران اصلی صنعت رباتیک صنعتی، رانندگی خودران و اتوماسیون‌های پیچیده خواهد بود. در همین راستا، پژوهشگران ایرانی نیز در حوزه بینایی ماشین، پردازش سیگنال و طراحی الگوریتم‌های یادگیری عمیق فعالیتی مستمر دارند و بخش‌هایی از زنجیره ارزش این فناوری را در داخل کشور توسعه داده‌اند.
به‌گفتی تحلیلگران بازار فناوری، گذار از هوش مصنوعی صرفاً زبانی به هوش مصنوعی با بدن فیزیکی، نقطه عطفی است که مرز میان دنیای دیجیتال و دنیای واقعی را تا حد زیادی محو خواهد کرد و ظرفیت‌های اقتصادی قابل‌توجهی برای کشورهایی که زودهنگام در این مسیر قدم برداشته‌اند به وجود می‌آورد.
