Star Era: 2,5 Milliarden Yuan in zwei Monaten, staatliche Kapitalgruppen steigen ein

Die führenden chinesischen Embodied-Kompanien (Körperliche Unternehmen, eine Art Robotik- und KI-Firmen) befinden sich in einem erbitterten Wettbewerb –

Der Investmentbranche ist bekannt geworden, dass heute (6. Juli) Xingdong Jiyuan eine neue Runde von 1 Milliarde Yuan an Finanzierungen abgeschlossen hat. Diese Runde wurde von der Chengtong-Fonds, einem staatlichen Kapitalverwaltungsunternehmen unter der Zuständigkeit der Staatsvermögensverwaltungskommission des Staatsrates, angeführt. Mehrere große staatliche Anleger wie die Jiangxi State-owned Assets Supervision and Administration Commission, Guoyuan Equity Investment Management Co., Ltd., Yufu Zhongxin Fund und Hangzhou Capital haben ebenfalls beteiligt. Darüber hinaus haben Zhongjin Leinuo, Jiukun Venture Capital, Hongyi Investment, Juntai Capital und Shenghe Capital mitinvestiert. Die alten Aktionäre wie Houxue Capital, Tsinghua Holdings Tiancheng Investment Management Co., Ltd. und Qianshan Capital haben ihre Investitionen weiter erhöht.

Damit hat Xingdong Jiyuan in zwei Monaten insgesamt 2,5 Milliarden Yuan an Finanzierungen erhalten und eine dreifache Kapitalmatrix aufgebaut, die von staatlichem Kapital geleitet, von erstklassigen Finanzinvestoren gestärkt und von der industriellen Ökosystemkooperation unterstützt wird. Dabei haben sich hier die meisten Industriekapitalgeber in der Branche versammelt, insgesamt über 20.

Bei früheren Gesprächen mit Investoren hat Xingdong Jiyuan uns einen tiefen Eindruck hinterlassen: Es ist die einzige Embodied-Kompanie, in der die Tsinghua Universität einen Anteil hat. Es war auch eines der ersten Unternehmen, die das Weltmodell in der Embodied-Branche vorgeschlagen hat. Obwohl es erst seit drei Jahren besteht, hat es bereits in der Logistikbranche eine skalierbare Lieferung realisiert. In der chinesischen Embodied-Branche gibt es viele Akteure, aber Xingdong Jiyuan hat sich still und leise durchgesetzt.

Der Roboter aus Tsinghua

2,5 Milliarden Yuan an Finanzierungen in zwei Monaten

Vielleicht wissen die Außenstehenden nicht, dass Xingdong Jiyuan der Urheber des Embodied-Weltmodells ist.

Zurück in das Jahr 2024, als das VLA immer noch der Mainstream in der Branche war, hat Xingdong Jiyuan frühzeitig mit der Forschung zum Weltmodell begonnen. Xingdong Jiyuan hat nicht nur erstmals die Route des "Weltmodells" vorgeschlagen, sondern auch weltweit als erstes die Ergebnisse seines Weltmodells veröffentlicht – das PAD-Modell, das im September 2024 veröffentlicht wurde, ist das weltweit erste Weltaktionsmodell (WAM), das die Video- und Aktionsvorhersage integriert. Es wurde fast ein Jahr früher als ähnliche Lösungen von NVIDIA (wie DreamZero) veröffentlicht.

Das war damals eine bahnbrechende "Minderheitenmeinung", die wenig Resonanz fand.

Erst im zweiten Halbjahr 2025 begannen die Diskussionen über das Weltmodell in der Embodied-Branche immer häufiger aufzutauchen. Im Oktober dieses Jahres hat Xingdong Jiyuan gemeinsam mit dem Team von Chelsea Finn der Stanford University das Ctrl-World vorgestellt, das das Weltmodell als Datensimulator nutzt, um Trainingsdaten zu generieren, die den realen physikalischen Gesetzen nahekommen. Die Leistung ist im Vergleich zu Pi0.5 um 45 % verbessert. Seitdem haben wir die globale Explosion des Weltmodells miterlebt, und die gesamte Branche hat sich diesem Thema zugewandt.

Dass Xingdong Jiyuan der Branche einen Schritt voraus sein kann, liegt an der einzigartigen akademischen Hintergrund des Leiters Chen Jianyu.

Er wurde 1992 geboren und wurde 2011 in die Fakultät für Präzisionsinstrumente der Tsinghua Universität aufgenommen – eine der ersten Einrichtungen in China, die an der Forschung zu zweibeinigen humanoiden Robotern beteiligt sind. Während seines Bachelorstudiums hat Chen Jianyu mit der Gangplanung von zweibeinigen Robotern begonnen. Später hat er direkt einen Doktorandenplatz an der University of California, Berkeley erhalten und unter der Leitung von Masayoshi Tomizuka, einem Mitglied der US National Academy of Engineering und einem Pionier im Bereich der elektromechanischen Steuerung, in der Robotik-Deep Learning und Bewegungssteuerungsalgorithmen geforscht.

Nach Abschluss seines Promotionsstudiums im Jahr 2020 wurde Chen Jianyu von Yao Qizhi, einem Turing-Award-Träger und Mitglied der chinesischen Akademie der Wissenschaften, eingeladen, nach China zurückzukehren und der Cross-Information Institute der Tsinghua Universität beizutreten, wo er als Assistentprofessor tätig ist. Mit 28 Jahren war er einer der jüngsten Promotionsbetreuer an der Tsinghua Universität.

Diese akademischen und forschungsbezogenen Erfahrungen haben Chen Jianyu zu einem seltenen Talent in der Branche gemacht, das sowohl Hardware- als auch Softwarefähigkeiten besitzt. Daher ist er bei der Auswahl der technologischen Route und der Iteration des Modells sehr vorausschauend und sensibel. Im August 2023 wurde Beijing Xingdong Jiyuan offiziell gegründet, die einzige Embodied-KI-Unternehmen, in dem die Tsinghua Universität direkt einen Anteil hat. Chen Jianyu ist der Gründer.

Seine zentrale Einsicht ist: Um echte allgemeine Intelligenz zu erreichen, muss ein Roboter sowohl ein brillantes "Gehirn" als auch eine geschickte "Körper" haben – ein Roboter ohne Gehirn wird leicht zu Schrott, und ein Gehirn ohne Körper kann kaum als Roboter bezeichnet werden.

Daher ist Xingdong Jiyuan seit dem ersten Tag seiner Gründung von der AI-Nativ-Technologie angetrieben und hat die einzige Branchenlösung mit einer ganzheitlichen Eigenentwicklung in der "Daten-Gehirn-Bewegungssteuerung-Geschickte Hand-Körper" geschaffen. Die zentrale Logik ist "Algorithmusbedarf zuerst, Datenwert zuerst". Ausgehend von den realen Bedürfnissen der Gehirnmodellierung und -implementierung wird die Hardware-Entwicklung rückwärts definiert. Bislang verfügt das Unternehmen über drei Produktlinien: den zweibeinigen humanoiden Roboter Xingdong L7, den rollenden humanoiden Dienstroboter Xingdong Q5 und die voll direkt angetriebenen fünffingrigen geschickten Hände der Xingdong XHAND-Serie.

Innerhalb von weniger als drei Jahren hat sich hinter Chen Jianyu eine lange Schlange von Investoren gebildet. Von den frühen Investoren wie die Tsinghua Universität und Alibaba bis hin zu erstklassigen Finanzinstituten wie CDH VGC, Sequoia Capital China, IDG Capital, Clearstream Capital und CICC Capital, dann zu Industrietitanten wie SF Express, Samsung, Geely Capital, Haier, Lenovo, Singtel, BAIC Capital, Dongfeng Capital, CICC Porsche, CICC Leinuo und Fonds unter der Leitung von China Unicom, sowie zu staatlichen Kapitalanlegern wie dem Investmentfonds für die KI-Industrie von Peking – die Aktionärsliste von Xingdong Jiyuan deckt fast das gesamte Kapitalspektrum der Embodied-KI-Branche ab.

Im Jahr 2026 hat sich das Tempo der Finanzierungen noch beschleunigt: Im März wurde eine strategische Finanzierungsrunde von 1 Milliarde Yuan abgeschlossen, und der Unternehmenswert hat die Marke von 10 Milliarden Yuan überschritten. In der Liste der Aktionäre sind erstmals ausländische Industriekapitalgeber wie Samsung aus Korea und Singtel aufgetaucht. Nur einen Monat später war eine Finanzierung von 200 Millionen US-Dollar eingeht, die von SF Express Group angeführt wurde, und erste Anleger wie Sequoia Capital China und IDG Capital haben ihre Investitionen erhöht. Die Anzahl der Industriepartner hat sich gleichzeitig vergrößert. Und heute haben staatliche Kapitalplattformen wie der Chengtong-Fonds die Beteiligung übernommen, und eine neue Finanzierung von 1 Milliarde Yuan ist erfolgt. Drei Finanzierungsrunden in drei Monaten mit großen Beträgen haben eine der schnellsten Finanzierungsgeschwindigkeiten in der Embodied-Branche dieses Jahres erreicht.

Jetzt hat Xingdong Jiyuan eine dreifache Kapitalmatrix aufgebaut, die von staatlichen Kapitalen geleitet, von erstklassigen Finanzinvestoren gestärkt und von der industriellen Ökosystemkooperation unterstützt wird. Hinter ihm stehen über 20 Industriekapitalgeber – eine solche Zusammensetzung ist in der Branche selten.

Stärken des Gehirns durch die Hand, eröffnen neuen Weg in der Embodied-Branche

Heute, wenn die Embodied-KI ihre industrielle Wertschöpfung entfalten will, geht es nicht mehr nur um Einzelstärken, sondern um die systemische Fähigkeit von Hardware und Software – Das Gehirn (Modell und Daten) bestimmt die obere Grenze des Werts, und der Körper (Gesamtraum und Endeffektor) begrenzt die untere Grenze der Fähigkeiten.

Aber in diesem System gibt es einen oft übersehenen Kernschlüssel: die geschickte Hand.

Xingdong Jiyuan folgt der AI-Nativ-Strategie mit einer ganzheitlichen Eigenentwicklung in der "Daten-Gehirn-Bewegungssteuerung-Geschickte Hand-Körper". Das bedeutet, dass die Hardwareentwicklung nicht von der mechanischen Struktur ausgeht, sondern von der Frage "Welche Daten sind für das Gehirn am wertvollsten" rückwärts definiert wird. Und die fünffingrige geschickte Hand ist genau der Eingang für die reichhaltigsten und feinsten Datenerfassungen in der physischen Welt – ob ein Greifen erfolgreich war, wie sich die Kraftrückmeldung ändert, ob das Objekt herunterfällt, diese hochdimensionalen Daten bestimmen direkt, was das Modell lernen kann.

In den letzten zwei Jahren hat das Modell von Xingdong Jiyuan ständig sich verbessert:

Im ersten Halbjahr 2024 hat das Team erstmals die VLA-Architektur (Frequenzgeteiltes VLA) für das schnelle und langsame System von Robotern vorgeschlagen, um die Einheit von "Echtzeitaktion" und "Tiefgründigem Denken" zu erreichen. Im zweiten Halbjahr wurde das Weltmodell mit dem VLA kombiniert, und die VLA-Algorithmen-Frameworks PAD und VPP, die das Weltmodell integrieren, wurden veröffentlicht. Außerdem wurde das end-to-end native Roboter-Großmodell ERA-42 vorgestellt.

ERA-42 ist eines der Kernmodelle von Xingdong Jiyuan, das die Funktionen von Vision, Verständnis, Vorhersage und Handlung integriert und die geschickte Ganzkörpersteuerung mit einem einzigen end-to-end VLA-Modell ermöglicht.

Im Februar dieses Jahres hat Xingdong Jiyuan auf der Grundlage des Ctrl-Worlds das VLAW vorgestellt und weltweit als erstes das VLA-Deep Learning-Framework auf der Grundlage des Weltmodells vorgeschlagen, um die gemeinsame Iteration von Strategie und Simulator zu erreichen, damit das Weltmodell nicht nur "richtig aussieht", sondern auch "physikalisch richtig" funktioniert. Bislang ist Xingdong Jiyuan eine der Embodied-Kompanien mit den meisten Weltmodellergebnissen.

Der Durchbruch in der Gehirnfähigkeit hängt von hochwertigen Daten ab. In dieser Hinsicht verfügt Xingdong Jiyuan dank seiner eigenentwickelten geschickten Hand und ihrer praktischen Anwendungen über die weltweit größte echte Datenmenge von geschickten Händen.

Einfach ausgedrückt, gewinnt Xingdong Jiyuan durch die Hardware der geschickten Hand hochwertige Daten über geschickte Handgriffe, nutzt diese Daten, um ein intelligenteres "Gehirn"-Modell zu trainieren, und gibt dann das weiterentwickelte Modell an die geschickte Hand zurück, um einen positiven Kreislauf von "Je mehr man es benutzt, desto intelligenter wird es, und je intelligenter es wird, desto mehr kann es tun" zu bilden. Daher ist der "geschickte Hand"-Geschäftsbereich nicht nur ein einzelnes Bauteil am Roboter, sondern ein Kernschlüssel, der die gesamte ganzheitliche Fähigkeit verbindet, und ein Kernpunkt für die Datenerfassung in der physischen Welt.

Da Xingdong Jiyuan frühzeitig vorhersah, dass der Endeffektor ein Engpass bei der Umsetzung der Embodied-KI werden würde, hat es in der Technologieroute der geschickten Hand eine völlig neue direkt angetriebene Route geschaffen, die am besten für das Gehirn ist – die Ausgabe der Gelenkmodule wirkt direkt auf die Gelenke, ohne Übertragungsspiel, Elastizität und Reibungsverluste. Die gewonnenen Daten haben von Natur aus die Eigenschaften von hoher Präzision, geringer Latenz und Reproduzierbarkeit und können direkt für das Modelltraining verwendet werden, was die Qualitätsprobleme der physischen Interaktionsdaten von Grund auf löst.

Derzeit verfolgt Xingdong Jiyuan eine Produktstrategie mit "zwei Händen", d. h. zwei geschickte Hände mit unterschiedlichen Positionierungen:

1. Xingdong XHAND 1 PRO (Gehirn-Hand), die auf Hochleistung ausgelegt ist und als Plattform für Datenerfassung und Algorithmenvalidierung fungiert, um die obere Grenze der Modellfähigkeiten zu erreichen. 2. Xingdong XHAND 1 (Arbeits-Hand), die dank der ganz direkt angetriebenen Technologiestruktur eine präzise Kraftsteuerung und flexible Handhabung ermöglicht und für verschiedene Typen von humanoiden Robotern geeignet ist, um die untere Grenze der skalierbaren Umsetzung zu sichern.

Es ist bekannt, dass die Xingdong XHAND 1 derzeit bereits die vielfältigen Bedürfnisse in Szenarien wie industrieller Sortierung und normalen Arbeiten weitgehend abdeckt und zur gemeinsamen Wahl von Robotermanufacturen weltweit geworden ist – der US-amerikanische Embodied-KI-Unicorn Skild AI, das koreanische Rainbow Robotics, das britische Extend Robotics, Discover Robotics sowie der neue humanoider Roboter HMND 01 der britischen Humanoid AI nutzen alle die Xingdong XHAND 1 als einen der Kern-Endeffektoren.

Wenn der Unternehmenswert einer geschickten Hand in der Branche sogar höher sein kann als der eines ganzen Roboters, hat die Erzählung von Xingdong Jiyuan über "Stärken des Gehirns durch die Hand" mehr Gewicht. Letztendlich ist "Stärken des Gehirns durch die Hand" kein Ziel, sondern ein Mittel – durch die Hand hochwertige Daten zu gewinnen, durch die Daten ein stärkeres Gehirn zu trainieren, durch das Gehirn einen intelligenteren Roboter anzutreiben und schließlich die ganzheitliche Systemfähigkeit von "Daten-Gehirn-Bewegungssteuerung-Geschickte Hand-Körper" zu verwirklichen und in der industriellen Praxis eine echte Produktivkraft zu werden. Das ist die wahre Stärke von Xingdong Jiyuan.

Und dank seiner eigenentwickelten geschickten Hand und ihrer praktischen Anwendungen hat Xingdong Jiyuan bereits die in der Branche führende Datenmenge von echten geschickten Händen gesammelt. Auf dieser Grundlage hat das Unternehmen ein System von dreifachen Gradientendatenquellen aufgebaut:

Die Schicht des Kernwerts besteht aus langfristigen Daten der echten Interaktion von echten Maschinen in Logistik- und Industrie-Szenarien, die 100 % physikalische Realität aufweisen und die Kernbasis für die Anpassung des Modells an die industriellen Bedürfnisse sind.

Die Schicht der präzisen Schulung besteht aus hoch