Im Vergleich zu Yann LeCun hat der "Chef des Embodied Brain" von Huawei erneut Finanzierungen erhalten.

Heute hat Touzhongwang exklusiv erfahren, dass Juenao Panshi eine neue Runde Finanzierung im Milliardenbereich abgeschlossen hat. Diese Runde Finanzierung wurde von Spitzenbranchenkapitalen mit tiefgreifender Branchenbackground in der künstlichen Intelligenz und der Embodied AI angeführt, und alte Aktionäre sowie mehrere Spitzenfonds haben erneut investiert und mitinvestiert. Gleichzeitig ist eine weitere Runde Finanzierung in der Synchronisierung der Abwicklung. Laut Informationen wird diese Runde Finanzierung hauptsächlich in die Kerntechnologieentwicklung, die Teamerweiterung und die globale Markterweiterung investiert, um die Entwicklung des Weltmodells der kognitiven Intelligenz, die Engineering-Implementierung und die Validierung in realen Szenarien zu beschleunigen.

Vor Abschluss dieser Finanzierung hat auf der anderen Seite des Ozeans das von dem "Turing Award"-Gewinner Yann LeCun gegründete AMI Labs erst im März dieses Jahres eine 1,03 Milliarden US-Dollar große Seed-Runde Finanzierung abgeschlossen, und der Vor-Finanzierungs-Wert erreichte 3,5 Milliarden US-Dollar. Dies hat die technische Route des Weltmodells der künstlichen Intelligenz allmählich klarer gemacht.

Für Investoren ist es in China zweifellos wichtig, einen vertrauenswürdigen Akteur in der künstlichen Intelligenz zu finden, dessen Gründerteam im gleichen technischen Bereich am besten ist. So taucht Juenao Panshi auf, das von dem ehemaligen Leiter des AI-Algorithmus-Innovations-Lab von Huawei Cloud und dem Begründer des Embodied AI-Brains von Huawei gegründet wurde.

Der "Erste in der Embodied AI" von Huawei gründet ein Unternehmen

Die Route der künstlichen Intelligenz taucht auf

Als "Interviewer für die Geniestipendiaten von Huawei" ist Zhu Senhua in der Branche nicht unbekannt.

Innerhalb von Huawei ist er als der "Erste in der Embodied AI" anerkannt. Während seiner Zeit bei Huawei hat Zhu Senhua das Team geleitet, das die Cloud-Brain- und künstliche Intelligenz-Cloudplattform von Huawei Cloud aufgebaut hat und die zukünftigen neuen Paradigmen der künstlichen Intelligenz vorausschauend erforscht hat. Er hat auch das erste Embodied Large Model innerhalb von Huawei initiiert und die technische Implementierung und Validierung der Integration der künstlichen Intelligenz und des Embodied Modells abgeschlossen. In seinen sechs Jahren bei Huawei war er sowohl ein Technologieentdecker als auch ein Geschäftsexperte, der über die Fähigkeiten in der AI-Engineering und der Gehirnforschung verfügt.

Im Vergleich zu Gründern mit rein akademischem Hintergrund hat Zhu Senhua auch das seltene Gen, "wen und li" zu beherrschen. Seine akademische Laufbahn zeigt, dass er die Gebiete Informatik und Kognitionsneurowissenschaft überspannt: Er hat sein Bachelor- und Masterstudium in der Richtung künstliche Intelligenz absolviert, promoviert an der Universität von Pennsylvania in der Kognitionsneurowissenschaft und als Postdoktorand am Nationalen Schwerpunktlabor für Gehirn- und Kognitionswissenschaften der chinesischen Akademie der Wissenschaften gearbeitet.

Diese einzigartige Eigenschaft von "Gehirnforschung + künstliche Intelligenz" hat die Grundlage für seine gegenwärtige Unternehmensgründung gelegt. Im Jahr 2025, als der Markt am heißesten war und die meisten Akteure eintraten, hat er jedoch eine gegenintuitiv Entscheidung getroffen: Er folgte nicht der Hauptströmung des VLA (Visual - Language - Action)-Modells in der Branche, um Daten zu sammeln und die technische Route des "großen Datenkochens" zu gehen, sondern suchte stattdessen einen anderen Weg und wählte das weniger bekannte Paradigma der künstlichen Intelligenz, das Neural AI (Brain Inspired Neural AI). Er hat ein Team zusammengebracht, das innerhalb von Huawei jahrelang zusammengearbeitet hat und sich gut kennen, und gründete im zweiten Halbjahr 2025 Juenao Panshi.

Warum die Route der "künstlichen Intelligenz"?

In gewissem Sinne hängt dies mit Zhu Senhuas akademischem Hintergrund zusammen. Er meint jedoch, dass die heutige künstliche Intelligenz zwar in der Text- und Bildgenerierung beeindruckend ist, aber immer noch vier schwer zu überwindende "Schwächen" hat: Sie ist stark von einer großen Menge an Daten abhängig, hat eine schwache Generalisierungsfähigkeit, kann kein lebenslanges Lernen erreichen und hat eine sehr hohe Energieaufnahme bei Training und Inferenz. Zhu Senhua meint, dass, wenn es "künstliche Intelligenz" heißt, das ultimative Ziel aus der Perspektive des ersten Prinzips darin liegen sollte, die Intelligenzfähigkeit des menschlichen Gehirns zu erreichen, anstatt in der oberflächlichen Stufe des "Anpassens an Daten und Nachahmung" zu bleiben.

Zur gleichen Zeit ist die Phase 1.0 der Embodied AI am Ende: Im Rahmen, der um das LLM (Large Language Model) herum aufgebaut ist, durch brutale Berechnung, hohen Datenverbrauch und hohe Energieaufnahme funktioniert und keine lebenslange Lernfähigkeit hat, kann der Roboter nicht zu echter Intelligenz gelangen.

Deshalb meint er, dass die nächste Phase der künstlichen Intelligenz nicht darin bestehen sollte, weiterhin Daten, Rechenleistung und Parameter zu erhöhen, sondern dass man sich an das Ursprungsmodell der Intelligenz - das Gehirn - wenden sollte.

Unter diesem Hintergrund, als "Kreuzbringer" mit Fähigkeiten in der vordersten Front der künstlichen Intelligenz und der Engineering sowie in der Gehirnforschung, meint Zhu Senhua, dass die Ursprungsanwendung der künstlichen Intelligenz die Modellierung von Gehirnneuronen ist. "Was Juenao Panshi tun möchte, ist es, für verschiedene Roboter ein 'Gehirn' zu schaffen, das über echte Fähigkeiten in der autonomen Kognition, logischen Schlussfolgerung, Anpassung an die Umgebung und kontinuierlichen Evolution verfügt."

Von "Papageiensprache" zu "Weltkognition"

Eine Revolution in der Effizienz des Embodied Brains

Auf der gegenwärtigen Welt des Weltmodells hat Zhu Senhua festgestellt, dass es fünf Fäktionen gibt, die jeweils unterschiedliche Wege zur allgemeinen künstlichen Intelligenz repräsentieren. Die fünf Fäktionen sind die Raumintelligenz-Strömung, die von Fei-Fei Li angeführt wird und deren Kern die explizite 3D-Modellierung ist; die Videogenerierungsroute von OpenAI, die an die These "Vorhersage ist Verständnis" glaubt; die Lernsimulations-Strömung von DeepMind, die nicht auf pixelgenaue Perfektion besteht, sondern durch die Genie-Serie eine interaktive virtuelle Umgebung erzeugt, in der Agenten (wie Dreamer) durch verstärktes Lernen autonom erkunden und Fähigkeiten erlernen können.

Darüber hinaus gibt es die von Yann LeCun vorgeschlagene JEPA (Joint Embedding Prediction Architecture), die die Vorhersage von Pixeln stark ablehnt und die Vorhersage der Evolutionsgesetze der Welt im abstrakten latenten Repräsentationsraum befürwortet und meint, dass dies der effiziente Weg zur Maschinenkompetenz ist. Schließlich gibt es den aktiven Inferenzrahmen von Karl Friston, dessen Kern das "Prinzip der freien Energie" ist - das Gehirn empfängt Signale nicht passiv, sondern konstruiert aktiv Weltmodelle und minimiert kontinuierlich die Vorhersagefehler.

Basierend auf der Branchenanalyse und der Erkenntnis der zugrunde liegenden Logik der Gehirnforschung hat Juenao Panshi von Anfang an die JEPA-Route, die mit Yann LeCun verwandt ist, festgelegt und sich darauf konzentriert, ein "Kognitives Weltmodell" (Cognitive World Model) zu konstruieren, das in der Lage ist, die Umgebung autonom zu verstehen, zu schließen und sich an sie anzupassen.

Trotzdem sieht Zhu Senhua, dass die meisten Embodied AI-Technologien nur in der oberflächlichen Stufe der "Papageiensprache" bleiben. "Sie erinnern sich nur an die Regeln anhand einer großen Menge an Daten und verstehen nicht wirklich die kausale Logik der physischen Welt."

Im Vergleich zur traditionellen "Papageiensprache" ist das "Kognitive Weltmodell" von Juenao Panshi nicht nur ein iterativer Upgrade eines Algorithmusrahmens, sondern auch eine Effizienzrevolution. Einfach ausgedrückt, hat Juenao Panshi sich von dem bestehenden Muster befreit: Die künstliche Intelligenz muss keine Rechenleistung für die Generierung von realen Szenenbildern verschwenden und muss auch nicht unzählige Details auswendig lernen. Der Kern liegt darin, die "abstrakten Konzepte" und "physikalischen Gesetze" hinter den Dingen zu extrahieren und zu verstehen.

Zum Beispiel muss das Embodied Brain bei einem Becher nicht mehr jedes Frame des Umfallens des Bechers vorhersagen, sondern muss nur die abstrakten Konzepte wie "Umkippen", "Schwerpunktänderung" und "zerbrechlich" verstehen und vorhersagen. Bei Aufgaben wie Transport und Stapeln muss es auch nicht jede Körperhaltung eines Objekts auswendig lernen, sondern kann direkt die zugrunde liegende physikalische Kausalität verstehen.

"Diese kognitive Logik basierend auf abstrakten Konzepten ermöglicht es dem Roboter, beim ersten Kontakt mit einem fremden Objekt wie einer Kokosnussschale ohne zusätzliche spezielle Training autonom zu beurteilen, dass es die Funktion des Wasserauffangens hat und tatsächlich eine menschenähnliche Fähigkeit des Analogierens zu erreichen." Zhu Senhua gab ein Beispiel.

Der Übergang von der mechanischen "Papageiensprache" zur verstehenden "Weltkognition" ist genau die technologische Veränderung, die Juenao Panshi nutzen möchte.

Nach den Plänen von Juenao Panshi liefert das Unternehmen nicht nur ein Code-Paket zur Steuerung von Robotern, noch weniger ein einzelnes Ausführungsmodell für Aktionen oder Fähigkeiten, sondern ein "Kognitives Weltmodell", das in der Lage ist, die Umgebung autonom zu verstehen, zu schließen und sich an sie anzupassen. Gleichzeitig hat Zhu Senhua auch angegeben, dass Juenao Panshi kein Roboter-Gehirn nur für ein einzelnes Unternehmen oder einen einzelnen Kunden anfertigt, sondern durch die Ökosystementwicklung in der gesamten Branche ein neues Entwicklungsparadigma für Roboter verschiedener Marken und Formen schafft.

Die generische technische Route macht dieses Kognitionsmodell auch äußerst effizient in der Datennutzung. Laut Zhu Senhua haben sie in öffentlichen Benchmark-Tests mit nur einem Zehntel der Datenmenge der Branche das gleiche Lernergebnis wie die traditionelle Route erreicht, und die Trainingskosten, die Inferenzenergieaufnahme und die Implementierungsschwierigkeit sind erheblich gesunken.

Darüber hinaus befindet sich die gesamte Branche an einem kritischen Punkt der Umstellung von "VLA Large Model" auf "Weltmodell". Zhu Senhua meint jedoch, dass ein echtes Weltmodell von unten nach oben fünf Ebenen haben sollte: Die Ebenen 1 - 2 sind die visuelle und physikalische Realität, die Ebene 3 ist die interaktive Realität, und die Ebenen 4 - 5 sind die Fähigkeit des abstrakten Lernens und die aktive Inferenz.

"Derzeit lösen die meisten Robotertechnologien auf dem Markt nur die Grundfähigkeiten der ersten drei Ebenen, während Juenao Panshi, das sich an die JEPA-Route von Yann LeCun orientiert, seinen Entwicklungsfokus direkt auf die höheren Ebenen 4 - 5 der Intelligenz legt."

Langfristig ist das ultimative Ziel von Juenao Panshi, ein "Embodied Brain" zu schaffen, das die physikalische Kausalität verstehen kann, menschenähnliche Fähigkeiten im abstrakten und lebenslangen Lernen hat, keine katastrophale Vergesslichkeit aufweist und eine niedrige Energieaufnahme und eine hohe Generalisierungsfähigkeit hat, d. h. die Phase 2.0 der Embodied AI. Diese Fähigkeit ist auch der Kernhalsstrang, den die Phase 1.0 der Embodied AI nicht überwinden kann.

Für die Embodied AI-Industrie ist die Implementierung das Entscheidende

In letzter Zeit, mit der zunehmenden Popularität der JEPA-Architektur von Yann LeCun und der Theorie der aktiven Inferenz von Karl Friston, hat die globale AI-Branche die Erforschung der künstlichen Intelligenz und der autonomen Intelligenz in eine neue Phase gebracht.

Aber für die Embodied AI muss die Branche schließlich die harte Schlacht der Industrialisierung und Implementierung bestehen.

Als ehemaliger "Erster in der Embodied AI" von Huawei und "Interviewer für die Geniestipendiaten von Huawei" weiß Zhu Senhua, dass der Kern des Wettbewerbs in der zweiten Hälfte der Branche die Dichte der Spitzenkreuzbranchen-Talente ist. "Zurzeit sind die Talente, die Juenao Panshi benötigt, keine traditionellen Informatikexperten, sondern Kreuzbranchen-Talente mit einem Hintergrund in der Gehirn- und künstlichen Intelligenz, Neurowissenschaftstraining und AI-Engineering-Fähigkeiten." Zhu Senhua betonte in einem Gespräch.

Abgesehen von Zhu Senhua selbst hat Touzhongwang erfahren, dass dieses "Eiserne Team", das um die Kernmitglieder aus Huawei aufgebaut ist, auch Forschungstalente aus Tsinghua, Peking Universität und der chinesischen Akademie der Wissenschaften sowie Veteranen aus Großunternehmen wie Huawei, Megvii und Geek+ aufgenommen hat. Unter ihnen hat der Mitbegründer Liu Jinyu lange Zeit in der Technologieproduktisierung und der Produkthandelsförderung im Bereich der künstlichen Intelligenz und der Robotik gearbeitet. Er hat mehrere Produktabteilungen von der Gründung bis zur globalen kommerziellen Implementierung geleitet und reiche praktische Erfahrungen in der Projekterzeugung, Markterweiterung und massiven Lieferung in industriellen und kommerziellen Dienstleistungsszenarien gesammelt.

Die ursprüngliche Null-Kooperationskonfiguration und -basis ermöglichen es Juenao Panshi, nicht nur auf der Ebene der vordersten Front der Forschung zu bleiben, sondern die gesamte Kette von der technischen Vorforschung, Systemengineering bis hin zu den Kunden-Szenarien und der industriellen Lieferung abzudecken.

Auch aufgrund der klaren Branchenrichtung, des harten Gründerteams und der seltenen Route der künstlichen Intelligenz ist Juenao Panshi ein Objekt der Aufmerksamkeit der Kapitalgeber. Obwohl Juenao Panshi, das 2025 gegründet wurde, nicht so früh in die Branche eingetreten ist, meint Zhu Senhua, dass sich die gesamte Embodied AI-Industrie von der Perspektive der Industrialisierung und Implementierung erst am Anfang befindet.

Beim Thema der Kommerzialisierung hat Zhu Senhua angegeben, dass Juenao Panshi von Tag 1 an eine klare Strategie für die kommerzielle Implementierung festgelegt hat: Es wählt nur Szenarien aus, in denen es echte Zahlungsbereitschaft gibt, die massiv repliziert werden können und die die Kerntechnologieiteration anregen können. "Derzeit wird das Unternehmen die technische Reife und die massenhafte Anwendung durch die schrittweise Entwicklungsziele von Industrie - kommerziell - Haushalt vorantreiben und ein offenes Plattformsystem von