Proč je selhání New Glenn víc než jen havárie rakety

Tady je článek:

Raketa za miliardy dolarů se rozpadla, AI nezvládá ani IT helpdesk a přesto nás NVIDIA přesvědčuje, že fyzická AI spasí svět

Čtrnáctého ledna 2025 se New Glenn — vlajková loď Blue Origin a Jeffa Bezose osobně — zvedl z floridského startovního komplexu LC-36 a vydal se vstříc vesmíru. Zhruba sedm minut po startu raketa přestala plnit svou misi. Stupeň B2 se nepovedlo přistát. Mise označená jako NG-1 skončila jako "částečný neúspěch." V překladu do normální řeči: Bezos přišel o stovky milionů dolarů a Blue Origin rázem přišla o něco cennějšího — věrohodnost.

A zatímco rakety padají z nebe, IBM a Artificial Analysis publikují benchmark ITBench-AA, kde nejlepší AI modely světa dosahují méně než 50 % úspěšnosti na firemních IT úkolech. Mezitím NVIDIA oznamuje Cosmos 3 s tím, že to změní fyzický svět navždy. Je rok 2026 a tech průmysl vypadá jako jeden velký kabaret.

Proč je selhání New Glenn víc než jen havárie rakety

New Glenn není jen nějaký prototyp. Je to výsledek přibližně deseti let vývoje a odhadovaných 2,5 miliardy dolarů investic. Raketa schopná vynést 45 tun na nízkou oběžnou dráhu — to jsou čísla srovnatelná se SpaceX Falcon Heavy. Jenže zatímco Falcon Heavy létá opakovaně od roku 2018, New Glenn měl svůj první let teprve letos.

Problém není jen technický. Blue Origin už roky čelí pověsti firmy, která hodně slibuje a málo dodává. New Shepard — suborbitalní turistická raketa — létal relativně spolehlivě, ale byl to v podstatě glorifikovaný výtah. New Glenn je jiná liga. A právě tato jiná liga odhalila strukturální problémy celé firmy.

Co konkrétně selhalo? Oficiálně se mluví o "anomálii v subsystému pohonu" během přistávacího manévru prvního stupně. Druhý stupeň pokračoval, ale mise nebyla kompletní — primární cíl, opakované použití prvního stupně, se nezdařil. A to je srdce celého obchodního modelu. Bez znovupoužitelnosti jsou náklady na kilogram nákladu zhruba dvojnásobné oproti SpaceX.

Selhání přichází v kriticky nevhodný moment. Blue Origin právě vyhrála kontrakt NASA na lunární přistávací modul v hodnotě 3,4 miliardy dolarů — systém Blue Moon. Pokud New Glenn není schopný prokázat spolehlivost rychle, NASA má legitimní důvod zpochybnit celý program. A to nemluvíme o tom, že SpaceX Starship — přímý konkurent New Glenn — mezitím absolvoval několik úspěšných testů.

Skutečná katastrofa ale není ta technická. Je to signál pro trh. Investoři, kteří vsadili na "druhého hráče" v komerčním vesmírném průmyslu, dostávají studená sprcha. Bezos může financovat Blue Origin z vlastní kapsy donekonečna, ale ostatní hráči ekosystému — subdodavatelé, partneři, zákazníci — začínají přepočítávat.

NVIDIA Cosmos 3: Fyzická AI nebo další marketingová bomba?

Zatímco Bezos sleduje sestup svých miliard do Atlantického oceánu, Jensen Huang oznámil NVIDIA Cosmos 3 — "první open omni-model pro fyzické AI uvažování a akci." Zní to impozantně. Podívejme se co za tím stojí.

Cosmos 3 je multimodální model trénovaný na video datech z reálného světa. Cíl je ambiciózní: naučit AI chápat fyziku, prostorové vztahy, příčiny a důsledky v reálném světě. NVIDIA to prezentuje jako základ pro robotiku, autonomní vozidla a průmyslové systémy. Model je open-source a dostupný přes HuggingFace — tam najdete plné checkpointy i dokumentaci.

Technicky vzato, Cosmos 3 kombinuje vizuální tokenizaci (přes Cosmos Tokenizer), transformer architekturu s 14 miliardami parametrů a video diffusion modely schopné generovat fyzikálně konzistentní sekvence. Oproti předchůdcům dokáže model lépe předpovídat, co se stane, když robot uchopí objekt nebo auto projede zatáčkou.

Kde je háček? V datech. Model je trénovaný primárně na syntetických datech generovaných v NVIDIA Omniverse simulátoru. Reálný svět je ale nepořádnější. Domeana shift — propast mezi simulací a realitou — zůstává nevyřešeným problémem celého odvětví. Výzkumníci to nazývají "sim-to-real gap" a NVIDIA ho nezrušila jedním modelem, jen zmenšila.

Prakticky vzato: Cosmos 3 může být skvělý základ pro robotické projekty nebo research. Pokud experimentujete s fyzickou AI na vlastním hardwaru, model běží na A100/H100 přijatelně rychle. Na spotřebitelském GPU (RTX 4090) je inference pomalá — počítejte s desítkami sekund pro video sekvenci. Cena hardwaru pro full deployment? Minimálně 40 tisíc dolarů za serverový uzel. Open-source neznamená levné.

ITBench-AA: Proč AI nezvládá vaše IT a co s tím

Tohle je možná nejzajímavější část celého technologického týdne. IBM a Artificial Analysis publikovaly ITBench-AA — první benchmark cílený na agentní IT úkoly v enterprise prostředí. Výsledky jsou... osvěžující střízlivé.

GPT-4o, Claude 3.5 Sonnet, Gemini 1.5 Pro — žádný model nepřekročil 50% úspěšnosti. Průměr nejlepších modelů se pohyboval kolem 35–45 %. Na úkolech jako "vyřeš incident s přetíženým webovým serverem" nebo "debuguj konfiguraci databázového clusteru" selhávají i nejdražší modely světa.

Co benchmark testuje konkrétně? Reálné scénáře jako: diagnostika selhání síťového rozhraní, analýza logů Kubernetes clusteru, řešení výpadku CI/CD pipeline, oprava misconfigurované IAM role v AWS. Žádné abstraktní hádanky — skutečné problémy, které řeší sysadmins každý den.

Proč tak špatné výsledky? Několik důvodů. Za prvé, enterprise IT prostředí je kontext-závislé. Každá firma má jiné konfigurace, jiná naming conventions, jiná pravidla. Modely trénované na veřejných datech tuhle specifičnost nezachytí. Za druhé, agentní úkoly vyžadují dlouhé sekvence kroků — a každý chybný krok komplikuje všechny další. Chybovost se kumuluje. Za třetí, modely mají tendenci být příliš sebevědomé. Místo "nevím, potřebuji víc informací" udělají chybný předpoklad a jedou dál.

Pro praktické nasazení to znamená: AI copiloti pro IT jsou užiteční pro rychlé odpovědi a dokumentaci, ale autonomní agentní systémy v produkci zatím nasadit nelze. Každý krok musí mít lidský oversight. Kdo vám prodává "autonomous IT operations" teď, v roce 2026, prodává vám sen.

Zajímavé je, že open-source modely jako Llama 3.1 70B nebo Mistral Large doháněly proprietární alternativy — gap byl překvapivě malý. Pro firmy s citlivými daty to je argument pro self-hosted řešení. Ollama + Llama 3.1 70B na serveru s dual A6000 GPU vás vyjde zhruba na 15 000 dolarů jednorázově versus neomezené měsíční náklady za API.

Co mají tyto tři události společného: Selhání jako nový normál

Na první pohled: havárie rakety, nový AI model, IT benchmark. Na druhý pohled: tři různé způsoby, jak tech průmysl čelí realitě po letech přehnaného optimismu.

Blue Origin selhala, protože podcenila složitost, přecenila vlastní schopnosti a nechala se zaskočit konkurencí, která šla na trh rychleji. NVIDIA Cosmos 3 je skutečný technologický pokrok, ale i tak to je základ, ne hotový produkt — a marketingový spin to prezentuje jako revoluci teď, ne za pět let. ITBench-AA pouze kvantifikuje to, co IT profesionálové vědí od začátku: AI modely jsou skvělí asistenti a špatní autonomní operátoři.

Tenhle pattern se opakuje napříč technologickými sektory. Vzpomeňte si na autonomous vehicles — Waymo původně sliboval kompletně autonomní taxi do roku 2020. Dnes, v roce 2026, Waymo jezdí ve vybraných oblastech San Francisca s remote operators. Reálný pokrok je lineární, marketing je exponenciální.

Pro firmy to má praktické důsledky. Pokud plánujete nasazení AI do kritické infrastruktury — ať už IT operace, energetické systémy nebo výrobní procesy — počítejte s tím, že potřebujete minimálně rok pilotního provozu s plným lidským dohledem. Benchmark čísla jsou průměry. Váš konkrétní případ může být lepší nebo horší.

Existují oblasti, kde AI delivers teď. Energetická optimalizace je jednou z nich. Řešení SmartEnergyShare využívá prediktivní algoritmy pro day trading elektřiny, optimalizaci BESS (bateriová úložiště 50–250 kW) a obchodování odchylek — a tady AI skutečně funguje, protože problém je dobře definovaný, data jsou čistá a chyby jsou kvantifikovatelné. To je jiná kategorie než "vyřeš mi incident v Kubernetes clusteru."

Co čeká vesmírný průmysl a fyzická AI v příštích 18 měsících

Blue Origin se z tohoto selhání dostane. Bezos má peníze a odhodlání. NG-2 pravděpodobně vzlétne do konce roku 2025 s opravami pohonného systému. Ale okno příležitosti — být skutečnou alternativou ke SpaceX — se zužuje. Starship v konfiguraci s plnou znovupoužitelností změní nákladové kalkulace tak dramaticky, že ostatní hráči budou muset přehodnotit celé obchodní modely.

Cosmos 3 a fyzická AI porostou. LoRA fine-tuning na domain-specific datech (výrobní linky, robotické sklady, autonomní zemědělství) bude tím, co z obecného modelu udělá praktický nástroj. Firmy, které teď investují do tvorby proprietárních video datasetů ze svých provozů, budou mít v roce 2028 obrovský kompetitivní náskok.

ITBench-AA benchmarky se budou zlepšovat — ale pomalu. Očekávejte, že hranici 70 % překročíme někdy v roce 2027–2028, a to za předpokladu dalšího škálování i architektonických inovací. Do té doby: AI copilot ano, AI autonomní agent v produkci ne.

Více o praktickém nasazení AI nástrojů v energetickém sektoru najdete na ShareElectric.cz a pokud vás zajímá komunitní energetika a sdílení přebytků, detailní analýzy publikuje SdileniEnergie.info.

Závěr? Technologický pokrok je reálný, ale pomalejší a chaotičtější než prezentace na konferencích. Rakety padají, AI havaruje na helpdesk ticketech, a Cosmos 3 zatím spíše slibuje než dodává. To ale neznamená, že to za rok nebude jinak. Věřte číslům, ne prezentacím.

Zdroje

Obchodujete s batteriovými úložišti nebo hledáte partnera pro flexibilitu a day trading elektřiny? SmartEnergyShare nabízí kompletní řešení pro BESS projekty od 50 do 250 kW - obchodování odchylek, regulační elektřiny a intraday trading. Zjistěte víc na SmartEnergyShare.

Další články na toto téma najdete na: Share-Electric.cz - praktické návody a kalkulace ElectricShare.cz - inovace a kybernetická bezpečnost