Роботы, которые готовят еду, уже не сенсация. Несколько лет назад машина, собирающая обед, гарантированно попадала в заголовки. Мы быстро выяснили: робот действительно может приготовить обед. Оставался другой вопрос — может ли он сделать бизнес прибыльным?
Этот вопрос преследовал первую волну пищевой робототехники. В версии 1.0 несколько компаний решили продавать блюда, приготовленные роботами, напрямую клиентам. То есть они сами занимались ресторанным бизнесом — продавали бургеры, сэндвичи и пиццу. Им приходилось одновременно разрабатывать технологию и давать людям причину возвращаться: хорошая еда, адекватная цена, удобство. Многие не смогли свести эти части вместе. Вести ресторанный бизнес (со всеми сложностями бренда и кулинарии) и параллельно строить бизнес робототехники — задача почти неподъёмная. Эти ранние неудачи оставили в индустрии висящий вопрос: сможет ли пищевая робототехника когда-нибудь оправдать своё обещание?
А проблемы, из-за которых пищевой индустрии вообще понадобилась автоматизация, никуда не делись. Производителям по-прежнему нужно собирать блюда, а командам ресторанов — выполнять заказы в смены, которые трудно укомплектовать персоналом.
Именно вокруг этих повседневных нужд и формируется пищевая робототехника 2.0. Она движет новыми поколениями роботов: они помогают командам готовить блюда, делать напитки, развозить еду по обеденным залам и следить за полками в продуктовых. При этом растёт производительность, падают операционные затраты и появляется измеримая рентабельность инвестиций. Ключевой сдвиг — от B2C (продажа еды напрямую потребителям) к B2B (продажа роботов пищевым компаниям, которые уже отлично разбираются в бренде и кулинарии). Ценность возникает, когда работу выполняют стабильно и при затратах, которые имеют смысл. Именно это делает ренессанс пищевой робототехники ощутимым.
Новую волну формируют компании вроде Chef Robotics, Wonder, ATOMS, Botrista, Bear Robotics и Simbe — на производственных линиях, кухнях ресторанов, стойках напитков, в обеденных залах и продуктовых магазинах.
Индустрия пищевой и розничной робототехники переживает ренессанс. Категория, которую когда-то отвергали, теперь притягивает внимание высокопрофильных основателей:
- ATOMS под руководством соучредителя Uber Трэвиса Каланика привлекла $1,7 млрд во главе с Andreessen Horowitz (a16z).
- Wonder, основанная Марком Лором, привлекла $3 млрд. Лор ранее соучредил Jet.com (продан Walmart за $3,3 млрд) и Quidsi (продан Amazon за $545 млн).
Дальше разберём, где эти роботы развёрнуты сегодня, какую работу выполняют и что нужно, чтобы перейти от отдельных установок к крупномасштабным развёртываниям.
Где именно работают пищевые роботы
Чтобы понять рынок, полезно посмотреть, в каких средах трудятся разные компании и какие задачи решают. Каждая среда требует своего уровня скорости, занимаемой площади и гибкости.
Сборка блюд на пищевом производстве
Комки риса, капающие соусы, и ни два куска курицы не выглядят одинаково. Теперь представьте производственное предприятие, где эти ингредиенты порционируют в тысячи лотков, а рецепты, лотки и порции меняются в течение дня.
Это повседневная работа на линии сборки с высокой вариативностью. Рабочие раз за разом накладывают, берут и размещают ингредиенты, и укомплектовать такую смену персоналом — постоянная головная боль: годовая текучесть рабочей силы регулярно превышает 150%. Фиксированная автоматизация вроде дозаторов хорошо работает с однородными ингредиентами при больших объёмах. Но тысячи SKU и частые переналадки между производственными запусками требуют большей гибкости.
Chef Robotics делает роботов, которые справляются с этой вариативностью на существующих сборочных линиях. Ставка — на доменную универсальность в обращении с едой: адаптация к разным ингредиентам и конфигурациям блюд при сохранении пропускной способности, качества и надёжности. Роботы Chef развёрнуты в масштабе по всей Северной Америке и Европе и выполнили более 145 миллионов порций на производстве.
Призрачные кухни, кухни доставки и центральные комиссариаты
Сборка боулов соединяет несколько шагов: дозирование ингредиентов, учёт модификаций и подготовку заказов к передаче. Wonder и Atoms встраивают этот процесс в более широкие пищевые бизнесы.
Wonder управляет фуд-холлами, которые объединяют несколько ресторанных брендов для доставки, самовывоза и питания в зале. В декабре 2025 года Wonder приобрела Spyce — бизнес-подразделение Sweetgreen, отвечающее за разработку технологии Infinite Kitchen.
Atoms объединяет кухонную инфраструктуру для CloudKitchens, ресторанное ПО Otter и робототехнику Lab37. Сборщик боулов от Lab37 дозирует, собирает и упаковывает боулы после того, как сотрудники подготовили и загрузили ингредиенты. Atoms тестировала его на собственных ресторанных брендах, например The Hungry Cowgirl.
Приготовление напитков
Холодный кофе, ароматизированные чаи и лимонады в меню дают клиентам больше выбора. Но и сотрудникам добавляют рецептов, которые нужно готовить, пока идут заказы на еду.
Botrista создала BotristaPro — компактную систему, которая готовит чаи, лимонады и холодный кофе нажатием кнопки. Небольшая площадь позволяет ресторанам, кинотеатрам и колледжам добавить премиальное меню напитков без необходимости готовить каждый рецепт вручную. Botrista поставляет ингредиенты, обучает сотрудников работе с системой и обеспечивает техподдержку и помощь в обновлении меню. Компания обслуживает операторов в 42 штатах США.
Jollibee использует технологию для меню фирменных напитков, а Техасский университет A&M внедрил автоматизированные станции напитков во всех dining-локациях кампуса. Botrista сообщает о более чем 6000 локациях, подписавшихся в 42 штатах США.
Рестораны и обеденные залы
Когда блюдо готово, его ещё нужно донести до стола. В напряжённую смену эти рейсы между кухней и залом съедают заметную часть времени официантов.
Bear Robotics создала Servi — робота, который перевозит еду и напитки по обеденным залам и отвозит использованную посуду обратно в моечную, маневрируя вокруг людей и препятствий. Персонал загружает и разгружает робота, пока тот нарезает повторяющиеся рейсы. Servi развёрнут в локациях Denny’s и других ресторанах. По всему портфелю компании её роботы теперь работают более чем на 5000 площадках в более чем 20 странах.
Компания также заручилась серьёзной поддержкой индустрии. SoftBank возглавил её раунд финансирования на $32 млн в 2020 году, а LG приобрела 51% долю в 2025 году при оценке примерно в $600 млн. SoftBank Robotics также совместно разработала более новую Servi Q, запущенную в Японии в сентябре 2026 года.
Продуктовые магазины и розница
Чтобы полки продуктового оставались заполненными, нужно знать, чего не хватает, что стоит не на месте и что неправильно оценено. Искать эти пробелы среди тысяч продуктов — значит регулярно отвлекать команду магазина.
Чтобы решить это, Simbe создала Tally — робота, который перемещается по проходам и сканирует полки на предмет отсутствующих продуктов, misplaced товаров и ошибок в ценах. Он уведомляет сотрудников, чтобы те могли пополнить запасы или исправить проблему. Операторы продуктовых магазинов, включая SpartanNash, развернули роботов Simbe по своим точкам, помогая командам определять, что требует внимания, без ручной проверки каждой полки.
Simbe привлекла более $100 млн, включая $50 млн Series C во главе с Growth Equity в Goldman Sachs.
Что меняется, когда один робот превращается в парк
Сначала заставьте парк роботов отработать полную смену. Пилот показывает, что робот умеет. Ежедневная работа показывает, справляется ли он, когда заказы накапливаются или линия идёт на полной скорости. Ему не нужно быть быстрее человека, чтобы оправдать инвестиции: соответствие их темпу при улучшении однородности порций, сокращении отходов или меньшей потребности в рабочей силе всё ещё может свести цифры. Важна общая стоимость обеспечения выпуска и качества, которые нужны операции.
Затем справляйтесь с изменениями, которые приходят вместе с работой. Гибкость бывает двух форм. Кухонному роботу, который переключается между готовкой, сборкой блюд и мытьём посуды, нужна универсальность задач. На линии сборки с высокой вариативностью работа робота остаётся сборкой, но сама работа всё равно меняется: разные SKU требуют, чтобы один и тот же робот обрабатывал разные ингредиенты, порции, лотки и размещение. Справиться с этой вариацией внутри домена позволяет доменная универсальность. В любой среде операторам нужна гибкость со скоростью, качеством и надёжностью, которых требует операция.
Дальше сделайте так, чтобы второй робот стоил инвестиций. Когда первый работает, оператор решает, имеет ли финансовый смысл добавить ещё одного — с учётом затрат на установку, обучение, очистку, обслуживание и поддержку. Например, Botrista начинала с модели за чашку, а Chef развёртывает роботов через модель робототехники-как-услуги (RaaS). Модели повторяющегося обслуживания в робототехнике могут снизить первоначальные инвестиции и объединить обслуживание с поддержкой. Но какая бы ни была модель ценообразования, каждый дополнительный робот должен приносить достаточно ценности, чтобы оправдать свою стоимость.
Затем перенесите эти результаты в другое место. Следующий ресторан, фабрика или магазин будут иметь другую планировку и команду. Сотрудникам нужно управлять оборудованием и чистить его без инженера рядом и знать, куда обратиться, когда что-то идёт не так. Удалённый мониторинг, отзывчивая поддержка и чёткие процедуры помогают сделать это возможным в растущем парке.
По мере роста парка используйте его опыт. Одна локация ресторана может выявить ингредиент, который ведёт себя иначе; другой магазин — проблему навигации в переполненном проходе. Запуск большего числа роботов даёт инженерным командам больше примеров для обучения, но улучшение требует работы: разобрать, что произошло, внести изменения и протестировать их. Когда эти изменения распространяются по парку, следующая установка выигрывает от того, чему более ранние научили команду.
Куда движется рынок пищевой робототехники
Когда ранние бизнесы пищевой робототехники буксовали, инвесторы теряли деньги. Эти неудачи версии 1.0 породили скептицизм ко всей категории.
Но давайте отступим и спросим: на что люди тратят свои деньги? Жильё, транспорт, еда и здравоохранение — повторяющиеся потребности, вокруг которых домохозяйства строят свои бюджеты. Люди покупают продукты, заказывают обед и забирают ужин каждый день. Только в США расходы на еду достигли $2,51 трлн в 2025 году, согласно USDA. За этими покупками стоят производители, собирающие блюда, рестораны, готовящие заказы, и магазины, поддерживающие заполненность полок.
Неудача во времена пищевой робототехники 1.0 не изменила размер рынка и не сделала укомплектование этих операций персоналом проще. Для бизнеса, повторяющего задачу тысячи раз в день, улучшение даже одного шага может заметно сказаться на затратах и выпуске.
Вот почему то, что Трэвис Каланик и Марк Лор вкладывают капитал и опыт в пищевую робототехнику, имеет значение. Это основатели, которые построили бизнесы вокруг того, как люди путешествуют и делают покупки. Через ATOMS и Wonder они теперь берутся за другую огромную, повторяющуюся потребность: как люди получают свою еду. Их инвестиции сигналят об уверенности, что здесь есть существенный бизнес, который стоит строить.
Пищевая робототехника 2.0 формируется вокруг этой возможности. Роботы, которые делают повседневные операции производительнее и экономичнее, дают бизнесам причину внедрять их и расширять использование. Это аргумент в пользу ренессанса пищевой робототехники — и причина, по которой категория получает ещё один серьёзный взгляд.
Об авторе
Раджат Бхагерия — основатель и CEO Chef Robotics. До Chef он был основателем и управляющим партнёром Prototype Capital, венчурного фонда pre-seed, инвестирующего в основателей, которые применяют новые технологии к старым индустриям. До этого Раджат был основателем и CEO ThirdEye, где руководил командой, создавшей продукт, расширяющий возможности слабовидящих за счёт распознавания того, что перед ними; в итоге ThirdEye был продан. Раджат написал книгу о реформе образования, опубликовал научную статью по электротехнике и писал для Forbes о предпринимательстве. У него степень магистра в области робототехники и машинного обучения (machine learning, ML) в Университете Пенсильвании и степень бакалавра по экономике в Школе Уортона при Университете Пенсильвании.