Das ehemalige Ideal-System hat die "Technikauffassung" aus der Automobilherstellung in die Robotik übertragen und in sechs Monaten zwei Milliarden Yuan an Kapital beschafft.

Im März 2026 drang ein erst acht Monate alt gegründetes Unternehmen mit fünf Runden von Finanzierungen, 2 Milliarden Yuan und einem Schätzwert von einer Milliarde US - Dollar hartnäckig an den am dichtesten besetzten Tisch des Embodied - Intelligence - Sektors.

Die Liste der Investoren von Zhijian Dynamics ist beeindruckend. Hier sind Sequoia Capital, Legend Capital, BlueRun Ventures, Yuanjing Capital und außerdem die beiden strategischen Investoren Tencent und Alibaba. Eine solche Investorenliste würde in jedem Sektor als luxuriös gelten.

Was aber noch interessanter als die Finanzierungen ist, ist das Gründerteam dieser Firma: der ehemalige CTO von Li Auto, Wang Kai, der Leiter der Forschung und Entwicklung von Technologien für autonome Fahrzeuge, Jia Peng, und der Leiter der Massenproduktion von autonomen Fahrzeugen, Wang Jiajia. Dies sind fast die Hälfte des Kernteams für autonome Fahrzeuge von Li Auto.

Die Frage ist: Können diese Leute, die sich im Automobilbau bewährt haben, die Technologiemethodik von Li Auto auf Roboter anwenden und es schaffen, dies erfolgreich umzusetzen?

Die Einschätzung von Cai Neng Quan lautet: Zhijian Dynamics kopiert nicht die Technologie von Li Auto, sondern die Technologieauffassung von Li Auto - jene fähigkeit zur systemischen Operation von 0 auf 1 und von 1 zur Skalierung. Dies ist der wahre Grund, warum die Venture - Kapitalgeber weiterhin investieren.

Das VLA - Modell wird vom Auto genommen und in den Roboter eingebaut

Jia Peng hat in Li Auto eine Leistung erzielt: Er leitete die Forschung und Entwicklung sowie die Bereitstellung des weltweit ersten VLM + End - to - End - Zwei - Systemmodells (schnell und langsam) und war auch der Leiter der Forschung und Entwicklung des ersten VLA - Modells. VLA, die Abkürzung für Vision - Language - Action, ist ein visuell - sprachlich - aktionsorientiertes Modell. Im Wesentlichen ist es das Gehirn, das Maschinen die Welt verstehen, menschliche Sprache verstehen und dann handeln lässt.

Wenn man dieses System in ein Auto einbaut, löst es das Problem der autonomen Fahrweise. Wenn man es in einen Roboter einbaut, löst es dasselbe Problem der Interaktion mit der physischen Welt. Der einzige Unterschied ist, dass ein Auto vier Räder hat und auf der Straße fährt, während ein Roboter zwei Arme oder zwei Beine hat und sich im Raum bewegt.

Was Zhijian Dynamics jetzt macht, ist, das VLA - Modell vom Auto zu nehmen und in den Roboter einzubauen. Ihr entwickeltes LaST₀ - Basismodell kombiniert das Verständnis und die Vorhersage der physischen Welt durch das Weltmodell mit dem schnellen und langsamen Denken des VLA. In einfachen Worten: Es ermöglicht es dem Roboter, sowohl schnell zu reagieren als auch langsam über komplexe Probleme nachzudenken. Diese Architektur hat dieselbe technische Logik wie das VLM + End - to - End - Zwei - Systemmodell (schnell und langsam), das Jia Peng in Li Auto entwickelt hat.

Ein weiteres interessantes Detail: Das von Zhijian Dynamics veröffentlichte ManualVLA - Modell für Langstreckenaufgaben wurde in die CVPR 2026 aufgenommen. Die CVPR ist eine Spitzenkonferenz im Bereich der Computervision. Die Veröffentlichung eines Papers auf einer solchen Konferenz zeigt, dass die technische Basis wirklich solide ist.

Aber diese Vorgehensweise hat einen Preis: Hohe Trainingsschwierigkeit, hoher Rechenleistungsverbrauch und hoher Datenbedarf. Die Lösung von Zhijian Dynamics stammt von Li Auto: Sie entwickeln nur einen universellen Roboter, der so viele Szenarien wie möglich abdeckt, um die Datenuniversalität und - wiederverwendbarkeit zu erhöhen. Diese Logik hat in der Automobilbranche funktioniert: Li Auto hat nur ein Fahrzeug hergestellt, um den Markt zu erobern und die Kosten durch Skaleneffekte zu senken. Jetzt wird dieselbe Idee auf die Robotik übertragen.

Das "Shadow - Mode" ist Standard in der Branche der autonomen Fahrzeuge, aber noch niemand hat es in der Robotikbranche angewendet

Die Daten - Closed - Loop ist die Lebenslinie der Embodied - Intelligence. Damit Roboter in der realen Welt arbeiten können, müssen sie die Fähigkeit haben, während des Arbeitens zu lernen.

Die Lösung von Zhijian Dynamics ist: Sie setzen zusätzliche Rechenleistung auf der Endgeräteseite ein und legen sie vorab fest, damit der Roboter die Datensammlung, das Training, das Testen und die Validierung auf dem Roboter selbst durchführen kann. Diese Methode hat in der Branche der autonomen Fahrzeuge einen speziellen Namen: Shadow - Mode.

Der Shadow - Mode wurde zuerst von Tesla erfunden. Wenn das Auto auf der Straße fährt, beobachtet das System für autonome Fahrzeuge stillschweigend. Wenn die Handlungen des Fahrers von den Entscheidungen des Systems abweichen, werden die Daten zurückgesendet, um das Modell zu trainieren. Der Vorteil ist, dass man in realen Szenarien kostengünstig Daten sammeln kann, ohne dass die Benutzer bezahlen müssen oder es spezielle Tests gibt.

Wang Jiajia hat mehrere Jahre in Li Auto gearbeitet und die Massenproduktion und Bereitstellung des End - to - End - Großmodells geleitet. Er trat 2021 bei Li Auto ein und hat das System für autonome Fahrzeuge von der Karte - basierten Lösung über die kartefreie Lösung bis zum End - to - End - Großmodell vorangetrieben. Im August 2025 wurde das neueste VLA - Großmodell - Projekt von Li Auto abgeschlossen, und er wechselte zu Zhijian Dynamics. Jetzt bringt er seine Erfahrungen in der Massenproduktion und Bereitstellung in die Robotikbranche.

Das von Zhijian Dynamics vorgeschlagene Lernparadigma für Roboter "Human data is all you need" teilt den Lernprozess in drei Phasen auf: In der Vor - Trainingsphase sammelt man mithilfe von Menschen eine große Menge an Handlungsdaten, um die Generalisierungsfähigkeit zu verbessern. In der Phase der untergeordneten Aufgaben erweitert man die Aufgabenexploration schnell mithilfe von menschlichen Demonstrationen. In der Nach - Trainingsphase nimmt man die Echtzeit - menschliche Beratung in das Online - Lernen auf. Dieser schichtweise fortschreitende Trainingsansatz ist mit der Logik der Daten - Closed - Loop in der Branche der autonomen Fahrzeuge identisch.

Aber hier liegt auch das Problem: Die Fahrdaten von Autos sind relativ standardisiert. Straßenbedingungen, Fahrspuren und Verkehrssignale haben klare Regeln. Die Handlungsdaten von Robotern in Fabriken, Einkaufszentren und Logistikumgebungen sind um mehrere Größenordnungen komplexer und zufälliger. Ob das Shadow - Mode, das in der Automobilbranche funktioniert, auch in der Robotik funktioniert, muss noch in realen Szenarien überprüft werden.

Das erste Prototypmodell in 45 Tagen, in sechs Monaten in drei Städten etabliert - dieser Rhythmus wurde in der Li - Auto - Ära trainiert

Der Umsetzungsrhythmus von Zhijian Dynamics ist sehr streng.

Es dauerte weniger als 45 Tage, von der Anstellung des ersten Mitarbeiters bis zur Entstehung des ersten selbst entwickelten Roboters. Bisher wurden zwei Generationen von Robotern für die B - und C - Seite entwickelt, und es wurden kleine Serien produziert. Die PoC - Validierung wurde vollständig gestartet. Das Unternehmen hat sich in Peking, Shanghai und Suzhou etabliert, und das globale Innovationszentrum in Suzhou ist bereits eröffnet.

Dieser Rhythmus wurde in der Li - Auto - Ära trainiert. Wang Kai hat 2021 als CTO von Li Auto das Branchenrekord von sieben Monaten für die Massenproduktion und den Einbau des Systems für autonome Fahrzeuge in Fahrzeuge aufgestellt. Zu dieser Zeit war der Wettbewerb in der neuen Automobilindustrie bereits so hart, dass der Fortschritt in Monaten gemessen wurde. Wer einen Schritt langsamer war, riskierte, aus dem Rennen auszufallen.

Jia Peng hat in seinen fünf Jahren bei Li Auto den Iterationsprozess von der BEV - Wahrnehmung über das AD Max 3.0 bis zum VLA - Modell erlebt. Diese Erfahrungen in der hochintensiven und schnellen technologischen Iteration sind auch in der Robotikbranche anwendbar. Obwohl die Embodied - Intelligence - Branche noch nicht so hart umkämpft ist wie die Automobilbranche, beschleunigen sich die Finanzierungsrhythmen, die Produktiterationen und die Szenarienvalidierungen.

Die Strategie von Zhijian Dynamics ist klar: Sie beginnen mit geschlossenen Szenarien. Fabrikhallen, Einkaufszentren und Logistikbetriebe sind die ersten Ziele. Von geschlossenen zu halboffenen und dann zu vollkommen offenen Szenarien, von der B - Seite zur C - Seite, von China nach Übersee. Dieser schrittweise Ansatz ist fast identisch mit der Entwicklung der autonomen Fahrweise von der Autobahn - NOA über die Stadt - NOA bis zur Voll - Szenario - Fahrweise.

Jia Peng sagte: "Systematisierung ist unsere Differenzierung." Dies klingt wie ein Slogan, aber in der Embodied - Intelligence - Branche ist es tatsächlich eine echte Hürde.

Heutige Robotikunternehmen fehlt es nicht an Demos, sondern an der systemischen Fähigkeit, die Produkte herzustellen, in realen Szenarien einzusetzen und stabil zu betreiben. Das Zhijian - Team hat dieses System in der Li - Auto - Ära etabliert und wird es jetzt in einem anderen Sektor erneut anwenden.

Fünf Runden von Finanzierungen in sechs Monaten, 2 Milliarden Yuan und ein Schätzwert von einer Milliarde US - Dollar. Zhijian Dynamics hat mit der höchsten Geschwindigkeit den Club der Unicorns betreten.

Aber dies ist nur der Anfang. Wie sexuell auch immer die technische Route ist, am Ende kommt es darauf an, ob der Roboter in einer realen Fabrik stabil arbeiten kann, ob die Kunden bereit sind, zu zahlen und ob die Daten - Closed - Loop wirklich funktioniert. In der Embodied - Intelligence - Branche fehlen nicht die Nachrichten über Finanzierungen, sondern die Unternehmen, die überleben, skalieren und profitieren können.

Das Zhijian - Team hat in der Li - Auto - Ära die härtesten Eliminationsrunden erlebt und die dunkelsten Zeiten überstanden. Jetzt haben sie sich in einen anderen Sektor gewandelt, aber ihre Strategie bleibt dieselbe: Sie übertragen die auf Autos validierte Technologiemethodik auf Roboter und kämpfen um Umsetzung, Rhythmus und System.

Die Venture - Kapitalgeber haben ihr Geld auf den Tisch gelegt. Jetzt bleibt zu sehen, ob diese "Li - Auto - Leute" dieselbe Geschichte auch mit Robotern erzählen können. Die Technologie kann wiederverwendet werden, aber die echten Prüfungen finden nie im Labor statt.

Dieser Artikel stammt aus dem WeChat - Account "Cai Neng Quan", Autor: Sijiali, veröffentlicht von 36Kr mit Genehmigung.