Кто такой Питер Аббель (Pieter Abbeel): биография

Эксперт индустрии · UC Berkeley / Covariant

Питер Аббель — профессор UC Berkeley и сооснователь Covariant AI. Разработал алгоритмы обучения роботов через подражание и обучение с подкреплением.

Питер Аббель (Pieter Abbeel) — один из самых влиятельных ученых и инженеров в области искусственного интеллекта и робототехники в мире. Находясь на перекрестке академической науки и большого бизнеса, он сыграл ключевую роль в том, чтобы научить машины взаимодействовать с физическим миром. Его фундаментальные работы по глубокому обучению с подкреплением (Deep Reinforcement Learning) и обучению с подражанием (Apprenticeship Learning) позволили роботам перейти от жестко запрограммированных алгоритмов к самостоятельному освоению сложных навыков. В 2026 году его вес в индустрии обусловлен не только десятилетием прорывных исследований в Калифорнийском университете в Беркли (UC Berkeley), но и стратегическим переходом в структуру Amazon, где он возглавляет направление передовых исследований фундаментальных моделей (Frontier Model Research) в рамках подразделения AGI, объединяя возможности больших языковых моделей и физической робототехники. Аббель — человек, который буквально переносит искусственный интеллект из виртуального пространства серверов в реальный физический мир.

Биография и ранние годы

Питер Аббель родился в 1977 году в Антверпене, Бельгия. Выросший в среде, где ценились академические знания, Питер с ранних лет проявлял исключительные способности к точным наукам. Его интерес к инженерии и математике привел его в Лёвенский католический университет (KU Leuven), один из старейших и самых престижных вузов Европы, где он получил степени бакалавра и магистра в области электротехники (Electrical Engineering). В студенческие годы его увлекала идея не просто создания умных алгоритмов, но и их физического воплощения.

Поворотным моментом в его жизни стал переезд в Соединенные Штаты для получения степени PhD в Стэнфордском университете (Stanford University). В Стэнфорде Аббель попал под руководство Эндрю Ына (Andrew Ng), который в то время уже был восходящей звездой машинного обучения. Именно здесь сформировался исследовательский почерк Аббеля: он начал заниматься "обучением с подражанием" (Apprenticeship Learning). Его докторская диссертация, защищенная в 2008 году, стала легендарной: он разработал алгоритмы машинного обучения, благодаря которым радиоуправляемый вертолет смог самостоятельно выполнять сложнейшие фигуры высшего пилотажа (например, хаос, перевернутый полет), просто наблюдая за тем, как ими управляет человек-эксперт. Этот прорыв показал, что машины могут учиться невероятно сложным физическим задачам без написания тысяч строк жесткого кода.

Главные проекты и карьера

Карьера Питера Аббеля — это череда академических прорывов и успешных коммерческих проектов, кульминацией которых стали сделки на высшем уровне кремниевой долины.

Академический старт и Berkeley Robot Learning Lab (2008 – 2015)
Сразу после защиты диссертации в 2008 году Аббель присоединился к преподавательскому составу Калифорнийского университета в Беркли (UC Berkeley), где быстро стал профессором и основал Berkeley Robot Learning Lab. Одним из самых известных проектов того времени стал робот BRETT (Berkeley Robot for the Elimination of Tedious Tasks), который научился аккуратно складывать полотенца и сортировать белье. Для человека это тривиальная задача, но для робототехники того времени — колоссальный вызов из-за мягкой фактуры ткани. Аббель доказал, что глубокое обучение с подкреплением применимо к физическим объектам. В 2014 году, стремясь автоматизировать рутину в самом университете, Аббель стал сооснователем стартапа Gradescope — ИИ-платформы для проверки студенческих работ, которая позже, в 2018 году, была успешно продана компании Turnitin.

Эра OpenAI и зарождение Covariant (2016 – 2023)
В 2016 году Аббель взял отпуск в Беркли и присоединился к OpenAI в качестве научного сотрудника (Research Scientist). В OpenAI он работал над прорывными проектами в области обучения с подкреплением, помогая заложить фундамент для систем, которые позже эволюционировали в современные LLM.
Однако его главной страстью оставались роботы. В 2017 году Аббель вместе со своими звездными учениками — Питером Ченом (Peter Chen) и Рокки Дуаном (Rocky Duan), а также Тяньхао Чжаном (Tianhao Zhang), покинул OpenAI, чтобы основать Embodied Intelligence, позже переименованную в Covariant. Цель Covariant была амбициозной — создать "универсальный мозг" (Covariant Brain) для роботов-манипуляторов. Компания сфокусировалась на логистике и складских операциях. К 2023 году Covariant привлекла более $220 млн инвестиций, выпустила RFM-1 (Robotics Foundation Model) и стала одним из мировых лидеров автоматизации, внедрив своих роботов на складах таких гигантов, как KNAPP.

Сделка с Amazon и лидерство в AGI (2024 – 2026)
Настоящий тектонический сдвиг в карьере Аббеля произошел во второй половине 2024 года. В условиях гонки за AGI (Artificial General Intelligence) корпорация Amazon осознала необходимость объединения своих огромных роботизированных флотилий с передовыми ИИ-моделями. В августе 2024 года Amazon заключила стратегическое соглашение с Covariant, которое рынок назвал "обратным наймом" (reverse acquihire). Amazon лицензировала базовые модели Covariant, а Аббель вместе с Питером Ченом, Рокки Дуаном и четвертью исследовательской команды Covariant перешел в Amazon. Сама компания Covariant продолжила независимое существование под руководством нового CEO Теда Стинсона.
В 2025 году, после масштабной реструктуризации ИИ-подразделений Amazon под руководством Энди Джасси (Andy Jassy), позиции Аббеля значительно укрепились. В конце 2025 года он был назначен главой направления Frontier Model Research в новой структуре Amazon AGI. К началу 2026 года его команда сосредоточилась на интеграции мощных языковых моделей (LLM) с алгоритмами обучения с подкреплением (RL), чтобы дать физическим ИИ-агентам способности к долгосрочному планированию и абстрактному рассуждению. При этом Аббель сохранил свои позиции в Беркли, став своеобразным мостом между передовыми лабораториями университета и безграничными вычислительными ресурсами Amazon.

Взгляды на будущее и технологии

Философия Питера Аббеля строится вокруг концепции "Embodied AI" (воплощенного ИИ). Он убежден, что настоящий, универсальный искусственный интеллект (AGI) не может быть достигнут исключительно за счет анализа текстовых массивов в интернете. Чтобы интеллект стал полноценным, он должен взаимодействовать с физическим миром: ошибаться, ронять предметы, ощущать текстуры и понимать законы физики через собственный опыт, как это делают дети.

Аббель активно продвигает идею Foundation Models for Robotics — базовых моделей для робототехники. В 2026 году он неоднократно подчеркивал на профильных конференциях, что объединение визуально-языковых моделей (VLM) с проприетарными физическими данными (которые собирают роботы в реальном времени) — это последний рубеж перед созданием автономных человекоподобных систем. В вопросах регулирования ИИ Аббель придерживается прагматичной позиции: он выступает за жесткий контроль над системами двойного назначения (например, в военной сфере), но предупреждает, что чрезмерное регулирование open-source исследований убьет инновации. Он верит, что ИИ не заменит людей тотально, но "человек, использующий ИИ, заменит человека, который им не пользуется", а роботизация складов — это избавление человечества от монотонного и травмоопасного труда, а не кража рабочих мест.

Состояние и доходы

Публичной декларации доходов Питера Аббеля не существует, однако, по оценкам аналитических агентств и последним открытым данным на 2026 год, его капитал (net worth) оценивается в диапазоне от $200 млн до $350 млн.

Структура его капитала базируется на нескольких ключевых активах:

Экзиты и сделки: Успешная продажа Gradescope компании Turnitin в 2018 году принесла ему первые крупные капиталы. Сделка между Covariant и Amazon в 2024 году, хотя и не являлась прямым поглощением, включала колоссальные выплаты за лицензирование и "золотые парашюты" (signing bonuses) для переходящих основателей, измеряющиеся десятками миллионов долларов.
Доля в Covariant: Несмотря на переход в Amazon, Аббель остается крупным акционером Covariant, чья оценка превышала $1 млрд еще в период бума инвестиций в ИИ.
AIX Ventures: Аббель является партнером-основателем венчурного фонда AIX Ventures, специализирующегося на ИИ-стартапах ранних стадий. Фонд чрезвычайно успешен: Аббель инвестировал в такие перспективные проекты, как Hugging Face, Baseten и Perplexity AI на ранних раундах, что многократно увеличило его состояние к 2026 году.
Контракт с Amazon: Как руководитель Frontier Model Research в структуре AGI, он получает один из самых высоких компенсационных пакетов в индустрии, состоящий преимущественно из опционов на акции Amazon (RSU), оценивающийся более чем в $10-15 млн ежегодно.

Личная жизнь и увлечения

Питер Аббель известен своей феноменальной трудоспособностью и умением мастерски жонглировать академической карьерой, бизнесом и венчурным инвестированием. Несмотря на публичность в профессиональной сфере, свою семью он оберегает от внимания прессы. Известно, что он женат и воспитывает детей, проживая в престижном районе залива Сан-Франциско (Bay Area), недалеко от кампуса Беркли.

В повседневной жизни Аббель — дисциплинированный человек. В своих интервью для подкаста "The Robot Brains Podcast" (который он сам же и запустил в 2021 году) он упоминал, что его день часто начинается с ранней пробежки или тренировки. Его главное хобби, которое плавно перетекло в профессию, — это страсть к механизмам и авиамоделированию, которая зародилась еще во времена работы со стэнфордским вертолетом. Как преподаватель, он славится невероятной отзывчистью: несмотря на статусы CEO и топ-менеджера Amazon, он годами лично отвечал на сотни писем студентов и менторил аспирантов, создав вокруг себя преданное "алумни-сообщество" учеников, которые сегодня занимают ключевые посты в OpenAI, DeepMind и Anthropic.

7 интересных и малоизвестных фактов

Воспитал элиту ИИ-индустрии: Джон Шульман (John Schulman), один из ключевых создателей ChatGPT в OpenAI, был аспирантом Питера Аббеля в Беркли.
Ведущий подкаста: Аббель является автором и ведущим "The Robot Brains Podcast", где он берет интервью у самых известных умов ИИ-индустрии, от Андрея Карпаты до Яна Лекуна.
Курс-легенда CS287: Его университетский курс по глубокому обучению с подкреплением в Беркли (CS287) стал культовым. Записи его лекций на YouTube собирают миллионы просмотров и являются неофициальным золотым стандартом для студентов по всему миру.
Спортсмен-интеллектуал: Во время учебы в Бельгии Аббель серьезно увлекался соревновательными видами спорта и шахматами, что, по его словам, научило его стратегическому планированию на несколько шагов вперед.
Отказался от "монополии": В 2024 году, переходя в Amazon, Аббель настоял на том, чтобы сделка с Covariant носила характер неэксклюзивного лицензирования (non-exclusive license). Это позволило Covariant продолжить обслуживать других клиентов на рынке автоматизации.
Трюки с вертолетом попали в книги: Его диссертация с перевернутым полетом вертолета до сих пор включается в классические учебники по ИИ как хрестоматийный пример Apprenticeship Learning.
Принципиально не уходит из Беркли: Несмотря на давление корпоративного сектора и астрономические зарплаты в BigTech, Аббель на протяжении 18 лет сохраняет за собой профессуру в Беркли, считая, что "настоящие прорывы с нулевой стадии всегда рождаются в академии, а не в корпорациях".

Цитаты

"Интеллект — это не просто способность решать математические уравнения в текстовом окне. Интеллект — это способность выжить, адаптироваться и изменить физический мир вокруг себя."*
"Мы находимся на этапе, когда роботы наконец-то покидают стерильные клетки лабораторий. Обучение с подкреплением — это тот самый механизм, который позволяет им справляться с хаосом реального мира."*
"Самое сложное в создании робота, который складывает белье, — это не механика рук. Самое сложное — заставить его понять, что мятое полотенце каждый раз выглядит совершенно по-разному."*
"Обучение с подражанием подобно воспитанию ребенка. Сначала мы показываем, как нужно делать, а затем позволяем ему сделать это тысячу раз, пока нейронные связи не закрепят идеальный результат."*