Die Unicorns im Bereich der Embodied Data sind heiß: Hunderte von Branchenakteuren wenden sich an sie.

Der Bereich der Embodied AI (körpergebundene KI) erlebt einen markanten Moment.

Der Investmentbranche ist bekannt geworden, dass die Firma Guanglun Intelligence, die sich auf Embodied Data und Simulationsinfrastruktur spezialisiert hat, kürzlich die Runden A++ und A+++ der Finanzierung abgeschlossen hat, wobei die Gesamtmenge 1 Milliarde Yuan erreicht hat. Damit tritt Guanglun offiziell in die Reihe der Unicorns ein und wird die weltweit erste Unicorn-Firma im Bereich Embodied Data.

Im Detail gesehen, an dieser Finanzierungsrunde haben mehrere Branchenakteure und Finanzinstitute gemeinsam teilgenommen. Die Teilnehmerliste ist bemerkenswert – sie umfasst nicht nur Industriekapital wie New Hope Group, Dingbang Investment (Familienbüro des Vorsitzenden von Sanan Optoelectronics), Aux Group, DingShi Asset Management und andere, sondern hat auch JianTou HuaKe, Guofang Innovation, Daohe Long - term Investment, Qingxin Capital und andere kommerzielle Institutionen dazu gebracht, ihre Investitionen zu erhöhen.

Aktuell erlebt die Embodied AI einen Aufschwung. Was uns bei dieser Finanzierung am meisten interessiert, ist nicht nur die Entstehung „einer weiteren Unicorn-Firma“, sondern dass Industriekapital nun kollektiv auf eine neue Infrastruktur setzt – Embodied Data und Simulationsinfrastruktur.

Wenngleich zunächst unverständlich klingend, ist es doch ein wichtiger Indikator.

In den letzten zwei Jahren lag der Fokus des Kapitals im Bereich der Embodied AI hauptsächlich auf Robotermanufacturern und Teams für Embodied Large Models – die ersteren betonen die Hardwarefähigkeiten und die massenhafte Lieferung, die letzteren die Modellfähigkeiten und algorithmische Durchbrüche.

Aber wenn Roboter allmählich aus dem Labor kommen, taucht ein grundlegendes Problem auf: Welche Art von Daten benötigen Roboter für das Training?

Immer mehr Brancheninvestoren beginnen zu erkennen: Die obere Grenze der zukünftigen Fähigkeiten von Robotern wird wahrscheinlich von der Dateninfrastruktur bestimmt. In diesem Wettlauf um die Infrastruktur hat Guanglun Intelligence bereits die Nase vorn und wird von vielen Brancheninsidern als Führer in der Embodied - Data - Infrastruktur angesehen.

Wenn Roboter in die reale Welt gehen, taucht die Datenengpass auf

Bei den Gesprächen stellt sich ein hartnäckiges Problem in der Embodied AI heraus: Daten.

Derzeit können die Datenquellen im Bereich der Embodied AI grob in drei Kategorien unterteilt werden: Simulierte synthetische Daten, Daten von Realweltrobotern und Daten von menschlichen Verhaltensbeispielen.

Unterschiedliche Teams setzen normalerweise auf eine dieser Wege. Die Meinungen gehen auseinander: Einige Teams betonen die Skalenvorteile der Simulationsdaten, andere halten die Realweltdaten für die Grundlage der Roboterfähigkeiten, und wieder andere Teams beginnen, die Robotersteuerungsstrategien anhand von Daten aus erster Person zu trainieren.

Wenn Roboter tatsächlich versuchen, aus dem Labor zu kommen und in die komplexen Branchenbereiche vorzudringen, taucht eine harte Realität auf:

Eine einzelne Datenquelle reicht einfach nicht aus, um die Skalierungsabsichten der Embodied AI zu erfüllen.

Der Grund dahinter ist nicht kompliziert: Die Kosten für Realweltdaten von Robotern sind hoch und die Menge begrenzt; Simulationsdaten weisen immer einen „Realitätsabstand“ auf; menschliche Verhaltensdaten sind zwar reichlich vorhanden, aber es fehlt an einem Umgebungsystem und einheitlichen Bewertungsstandards.

Das bedeutet, dass die Embodied AI in eine neue Phase eintritt:

Von der Konkurrenz um die Datenwege zur Dateninfrastrukturentwicklung.

Genau wie in der Zeit der Large Models schließlich Rechenleistungspfade und Datenplattformen entstanden sind, entwickelt sich auch die Embodied AI von fragmentierten Daten zu einer systematischen Dateninfrastruktur.

Mit anderen Worten, der zukünftige Schlüsselsieger im Bereich der Embodied AI-Industrie hängt nicht nur davon ab, wer Roboter herstellt und Modelle trainiert, sondern auch davon:

Wer ein stabiles Datenversorgungssystem kontrollieren kann.

Die dritte Ebene der Infrastruktur der Physical AI ist erschienen

Die Scheidewege des Schicksals werden oft schon vor dem eigentlichen Aufschwung des Trends gezogen.

Nach Ansicht der Branche wird die Infrastrukturkarte der Physical AI bisher nie so klar wie jetzt.

In dieser grandiosen Pyramidenstruktur ist die erste Ebene die Rechenleistungsinfrastruktur. Rechenleistungspfade wie die NVIDIA - GPU liefern die Motorik für die KI;

Die zweite Ebene ist die Modellinfrastruktur, die aus Basismodellen, Weltmodellen und Embodied Large Models besteht. Sie sind das Gehirn der Roboter;

Und die momentan geheimste und am seltensten vorkommende dritte Ebene ist die Daten - und Simulationsinfrastruktur. Ihre Kernaufgabe besteht darin, die komplexe reale physische Welt in Daten umzuwandeln, die von Robotern gelernt werden können.

Das ist genau der Bereich, in den Guanglun Intelligence seit Tag eins vordringt. Zweifellos ist es ein Weg der Infrastrukturentwicklung mit längerer Laufzeit, höheren Investitionen und anfänglich wenig Attraktivität. Aber die Gesetze der Geschäftswelt lauten so: Je schwieriger der Weg, desto unüberwindbarer wird die spätere Wettbewerbsbarriere.

Guanglun Intelligence setzt nicht auf eine einzelne Datenquelle, sondern hat ein World (Simulation) - Behavior (Verhalten) - Eval (Bewertung) Daten - Engine - System aufgebaut.

Zunächst die Simulationsschicht.

Die tödliche Falle bei der Embodied - Simulation liegt nicht in der Unrealität der Bilder, sondern in der Glaubwürdigkeit der physikalischen und räumlichen Strukturen. Guangluns Lösung ist ein ganzheitlich selbstentwickeltes Technologie - Framework, das auf Lösung, Messung und Generierung basiert.

Der selbstentwickelte Solver unterstützt die Echtzeit - Lösung von Mehrphysischen Feldern wie starren Körpern, weichen Körpern und Fluiden mit hoher Genauigkeit und digitalisiert das reale physikalische Parametersystem. Zusammen mit der Fähigkeit zur Generierung von Massen an nicht - starren Assets bildet es einen vollständigen selbstentwickelten Kreislauf von physikalischer Realität zur Daten - Skalierung. Einfach ausgedrückt, Guanglun Intelligence reproduziert die physikalischen Gesetze der realen Welt in der virtuellen Welt.

Dann die Verhaltensschicht.

Um die „Datenwüste“ der Embodied AI zu überwinden, hat Guanglun Intelligence das weltweit größte nicht - körperbezogene Daten - Engine - System aufgebaut, das simulierte synthetische Daten und menschliche Videodaten abdeckt und einen kontinuierlichen Datenkreislauf zwischen der realen Welt und der Simulationsumgebung schafft. Laut Informationen nutzen über 80 % der weltweit führenden Embodied - AI - Teams Guangluns Daten, um ihre Roboter zu trainieren.

Schließlich die Bewertungsschicht.

Nachdem die Daten eingespeist wurden, wie kann man beweisen, dass das Training effektiv ist? Ende vergangenen Jahres hat Guanglun das erste branchenübliche industrielle Simulations - Bewertungs - Framework RoboFinals vorgestellt. Es deckt 100 Kernaufgaben ab und konzentriert sich insbesondere auf die Interaktionsprobleme mit verformbaren Materialien wie Kabeln und Flüssigkeiten. In gewisser Weise definiert RoboFinals, was in der Embodied AI als echter Fähigkeitsfortschritt gilt.

Wenn diese drei Schichten zusammenarbeiten, ist die Embodied - Data - Infrastruktur erst richtig entstanden. Und die Embodied - Daten entwickeln sich von einmaligen Projekten zu einer nachhaltig funktionierenden Infrastrukturplattform.

Wie Xie Chen, Gründer von Guanglun Intelligence, sagt:

„Eine echte Embodied - Data - Infrastruktur ist nicht einfach eine Datenfabrik, sondern ein automatisierter Kreislauf: Daten generieren, Fähigkeiten validieren, Verhalten verstehen und dann die Daten rückwärts optimieren.“

Hinter drei internationalen Lieferungsschampionen hat sich eine kommerzielle Wachstumskurve herausgebildet

Das echtes Geld auf dem Markt ist oft die ehrlichste Stimme für technologische Barrieren.

Laut Informationen aus der Branche hat Guanglun derzeit in den drei Dimensionen simulierte synthetische Daten, Simulationsbewertung, menschliche Verhaltensdaten weltweit eine massenhafte Lieferung erzielt und wird als die einzige Firma weltweit angesehen, die alle drei Arten von Embodied - Daten - Fähigkeiten abdeckt und eine massenhafte kommerzielle Lieferung vornimmt.

Im Detail gesehen, im Bereich der synthetischen Daten hat Guanglun die weltweit größte Simulations - synthetische Daten - Pipeline aufgebaut.

Durch die Abdeckung von einer riesigen Anzahl von Objekten, Szenen und physikalischen Eigenschaftskombinationen liefert es hochdiverse Weltdaten für das Training von Robotermodellen. Über 80 % der Simulations - Asset - Systeme der weltweit führenden Embodied - AI - Teams basieren auf den von Guanglun gelieferten Assets und synthetischen Daten, was es zu einer der wichtigsten Datenquellen in der aktuellen Embodied - AI - Trainingsökosystem macht.

Im Bereich der Simulationsbewertung hat Guanglun das industrielle Roboter - Bewertungs - Framework RoboFinals vorgestellt und gemeinsam mit NVIDIA das offene Isaac Lab - Arena Embodied - Bewertungs - Benchmark - Framework veröffentlicht, um allmählich ein standardisiertes Bewertungssystem im Bereich der Embodied AI zu etablieren; gemeinsam mit Tongyi Qianwen ein reproduzierbares und diagnostizierbares industrielles Bewertungs - Framework aufgebaut, um die Gründung der Branchenbasis für die Embodied - AI - Bewertung voranzutreiben.

Im Bereich der menschlichen Videodaten hat Guanglun eines der weltweit größten Embodied - Verhaltens - Datennetzwerke aufgebaut.

Derzeit deckt sein Datenknotensystem 7 Länder, über 2.500 verschiedene Umgebungen weltweit ab, führt über 50.000 verschiedene Aufgaben aus, generiert wöchentlich stabil über 50.000 Stunden Embodied - Verhaltensdaten und hat insgesamt über 1 Million Stunden hochwertige menschliche Verhaltensdaten geliefert.

Die Kundenliste liest sich wie ein „All - Star - Spiel“ der globalen KI – es deckt nicht nur globale Spitzen - Large - Model - Firmen wie NVIDIA, DeepMind, ByteDance, Alibaba tiefgreifend ab, sondern auch führende Roboterteams wie Figure AI, 1X, ZhiYuan Robotics, Galaxy Universal sowie Industriekonzerne wie Toyota, Bosch, BYD, Geely. Alle fünf weltweit führenden Weltmodellteams sind bereits an Bord. In vielen Embodied - AI - Teams ist Guanglun bereits zur „Standardinfrastruktur“ im Trainingsablauf geworden.

Die anflutenden Aufträge haben eine fast steile Wachstumskurve erzeugt.

Laut Informationen wird das Umsatzziel von Guanglun Intelligence im Jahr 2025 das Zehnfache des Jahres 2024 betragen, und der geschätzte Monatsumsatz im ersten Quartal 2026 wird bereits den gesamten Umsatz des vergangenen Jahres übersteigen. Mehrere Investoren haben darauf hingewiesen, dass Guanglun bereits eine Skalenbarriere im Bereich der Embodied - Daten aufgebaut hat.

Nach Ansicht vieler Brancheninsider beweist dies nicht nur die Gesundheit seines Geschäftsmodells, sondern markiert auch, dass die Embodied - Data - Infrastruktur in die Phase des realen Industriebedarfs eingetreten ist.

Eine superindustrielle Chance: Die realen Szenen werden zu einem Datenel - Dorado

Eine noch gewaltigere industrielle Veränderung ist im Gange.

Der Investmentbranche ist bekannt geworden, dass derzeit über hundert Industriefirmen mit Guanglun in Kontakt stehen oder die Zusammenarbeit vorantreiben, und zwar in verschiedenen Bereichen wie Fertigung, Landwirtschaft, Logistik, Haushaltsgeräte, Automobil und anderen. Einige Industriefirmen reservieren sogar vorab die zukünftige Daten - Generierungsfähigkeit, um vor der massenhaften Einrichtung von Robotern einen Datenvorteil zu erlangen. Brancheninsider sagen, dass das Embodied - Datennetzwerk einen deutlichen Netzwerkeffekt hat – je früher ein Industrieknoten in die realen Szenen eingebunden wird, desto größer wird der zukünftige Datenvorteil in der Robotera.

Die Kooperationsformen erweitern sich auch ständig, beispielsweise:

• Industrielle Szenen - Daten - Generierungszentrum

• Embodied - Simulations - Bewertungszentrum

• Robotereinrichtungszentrum für reale Szenen

Ein langjähriger Beobachter der Embodied AI beschreibt diese Veränderung so:

„Früher haben die Leute um Roboterfirmen gerungen, jetzt versuchen viele Industriepartner, die Datenzugänge zu erobern.“

Nach Ansicht einiger Industriepartner dauert diese Gelegenheit möglicherweise nicht lange. Sobald die Kernknoten der Embodied - Data - Infrastruktur besetzt sind, wird es für Nachzügler schwierig sein, in das Kernnetzwerk einzudringen.

Noch wichtiger ist, dass die Rolle der Industriefirmen sich grundlegend ändert. In diesem System sind die Industriefirmen nicht nur Anwender, sondern können auch zu „eingeborenen Datenknoten“ im Embodied - Datennetzwerk werden. Für viele Industriefirmen ist es das erste Mal, dass sie als „Datenknoten“ an der Infrastrukturentwicklung der nächsten Generation der KI teilnehmen. Einige Industrieleute gehen sogar davon aus, dass dies möglicherweise der Zugang für zukünftige Unternehmen zur Verteilung der Dividenden der KI - Infrastruktur wird.

Die zugrunde liegende Logik ist vollständig umgewandelt.

In den letzten hundert Jahren lag der Wert einer Fabrik in den Produkten am Ende der Fertigungsstraße, der Wert einer Farm in der Herbsternte. Aber in der Erzählung der Embodied AI vollzieht sich eine Verwandlung wie aus dem Nichts in Gold in den realen Industrieszenen selbst.

Die feinen Kraftkontrollkurven beim Anziehen einer Schraube, die Reibungsrückmeldungen, wenn ein Roboterarm einen Futtersack greift, die fast unmerklichen Mikroschwingungen auf einem Waferförderband … all diese Produktionsdetails, die mit dem Still