Noch bevor Roboter vorgestellt wurden, investieren Alibaba und Tencent in ein mit Huawei verbundenes Unternehmen mit einer Bewertung von 7 Milliarden Yuan

Auf dem Gebiet der Embodied Intelligence ist ein neues Unternehmen mit einer Bewertung von 7 Milliarden Yuan aufgetaucht.

Laut Berichten von „Anyong Waves“ hat Moqi Intelligence innerhalb von sechs Monaten eine Serie von Angel-Finanzierungen im Wert von über 1 Milliarde Yuan abgeschlossen. Die Post-Money-Bewertung übersteigt 7 Milliarden Yuan, was eine der größten öffentlich bekannt gegebenen ersten Finanzierungsrunden im inländischen Bereich der Embodied Intelligence darstellt.

Zu den Investoren gehören mehr als ein Dutzend Institutionen wie Alibaba, Tencent, BlueRun Ventures, Legend Capital, Gaorong Ventures und Source Code Capital.

Interessanterweise war das erste Produkt von Moqi Intelligence zum Zeitpunkt der Veröffentlichung der Finanzierungsnachricht noch nicht offiziell vorgestellt worden.

Sogar Kunden, Bestellungen, Liefermengen und Umsätze hat das Unternehmen noch nicht öffentlich bekannt gegeben. Der Gründer Huang Qingqiu hat einen Zeitplan vorgelegt, nach dem er plant, im Juli den ersten Roboter für Dienstleistungsszenarien vorzustellen.

Aber warum kann ein Unternehmen, dessen Schlüsselinformationen fast vollständig fehlen, bereits eine Bewertung von 7 Milliarden Yuan erhalten?

Die 7-Milliarden-Yuan-Bewertung basiert auf zwei Führungskräften

Es ist nicht übertrieben zu sagen, dass ein großer Teil der 7-Milliarden-Yuan-Bewertung von Moqi Intelligence von den beiden Kernführungskräften des Unternehmens durch ihre Reputation erworben wurde.

Huang Qingqiu, CTO von Moqi Intelligence, war früher Leiter der KI-Abteilung für intelligentes Fahren bei Huawei und beteiligte sich an der algorithmischen Entwicklung und Serienproduktion von Huawei ADS von Version 1.0 bis 4.0. Laut Interviews mit „Anyong Waves“ hat er auch die Massenproduktion im Millionenbereich der einphasigen End-to-End-WEWA-Architektur vorangetrieben.

Der CEO Gao Wenli war früher im Geschäftsfeld von Huawei für Betreibernetze tätig und verantwortlich für ausländische Märkte, später war er Mitbegründer des grenzüberschreitenden Logistikunternehmens iMile und beteiligte sich an der Expansion von ausländischen Betriebsnetzen und physischen Geschäften.

Der eine hat den Übergang von der algorithmischen Entwicklung zur Massenproduktion im Bereich des intelligenten Fahrens erlebt, der andere hat Erfahrung mit ausländischen Märkten, Betriebsnetzen und kommerzieller Lieferung.

Das Kapital setzt darauf, ob diese beiden Fähigkeiten in der Roboterindustrie neu kombiniert werden können.

Die hohe Erwartung des Kapitals an diese Kombination hängt auch mit der Entwicklung der Embodied Intelligence in den letzten zwei Jahren zusammen.

Roboter, die Kleidung falten, Wasser eingießen und Gegenstände sortieren, sind keine Seltenheit mehr. Die Demonstrationen auf Produktpräsentationen werden immer flüssiger, und große Modelle, VLA und Weltmodelle entwickeln sich ebenfalls rasant weiter.

Aber zwischen der Demonstration und dem fertigen Produkt liegt noch eine lange Strecke.

Roboter im Labor müssen nur einige Minuten lang Aufgaben in einer vorbereiteten Umgebung erledigen. Wenn sie jedoch in Einkaufszentren, Hotels oder Haushalten eingesetzt werden, müssen sie mit ständig wechselnden Lichtverhältnissen, verdeckten Objekten, vorbeigehenden Personen, Abnutzung der Hardware und verschiedenen unerwarteten Situationen umgehen – und das über mehrere Stunden hinweg, sogar täglich wiederholt.

Was den Robotern derzeit fehlt, ist die Fähigkeit, zu verstehen, was in einer komplexen Umgebung passiert, und dann stabil zu reagieren.

Und genau das ist das Problem, an dem Huang Qingqiu in den letzten Jahren gearbeitet hat.

Von ADS 1.0 bis ADS 4.0 sind die Straßenumgebungen, mit denen das intelligente Fahrsystem von Huawei konfrontiert ist, immer komplexer geworden. Autos müssen plötzlich überquerende Fußgänger, vorübergehend aufgestellte Hindernisse, komplexe Kreuzungen und verschiedene unregelmäßige Objekte erkennen und gleichzeitig mit unterschiedlichen Umgebungen wie Regen, Nebel, Gegenlicht und Nacht umgehen.

Das System muss ständig neue Probleme entdecken, entsprechende Straßendaten sammeln und dann durch Algorithmustraining und Versionsaktualisierungen das Auto dazu bringen, immer mehr komplexe Szenarien zu verstehen.

Dass Huang Qingqiu die Massenproduktion im Millionenbereich der einphasigen End-to-End-WEWA-Architektur vorangetrieben hat, zeigt, dass er nicht nur an einem Algorithmus gearbeitet hat, der auf einer Produktpräsentation gut aussieht – sondern er war auch an dem gesamten Prozess beteiligt: von dem ständigen Lernen des realen Umfelds durch ein intelligentes Fahrsystem bis hin zu seinem langfristigen Einsatz in einer großen Anzahl von Autos.

Mit anderen Worten: Die Fähigkeit von Huang Qingqiu, durch kontinuierliche Optimierung der Algorithmen für intelligentes Fahren Autos dazu zu bringen, sich an komplexe Straßenumgebungen anzupassen, ist genau das, was die Embodied Intelligence derzeit braucht.

Autos müssen die Straße verstehen – Roboter müssen die gesamte physische Welt um sie herum verstehen.

Die Erfahrungen von Gao Wenli bieten dem Kapital eine weitere Vorstellungsmöglichkeit.

Damit Roboter vom Labor auf den Markt kommen, müssen sie auch mit Lieferketten, Kosten, ausländischen Betriebsabläufen und kommerzieller Lieferung umgehen. Die Erfahrungen, die Gao Wenli bei Huawei und iMile gesammelt hat, haben dazu geführt, dass Moqi seit seiner Gründung nicht nur Teams für Algorithmen und Prototypen aufbaut.

Daher setzt das Kapital mit der 7-Milliarden-Yuan-Bewertung darauf, ob Huang Qingqiu die Methoden aus dem Bereich des intelligenten Fahrens – ständiges Training, kontinuierliche Verbesserung, um Maschinen das Verständnis der komplexen physischen Welt zu ermöglichen – auf Roboter übertragen kann; und gleichzeitig darauf, ob Gao Wenli diese Technologie zu lieferbaren Produkten machen kann.

Ob diese beiden Fähigkeiten in der Branche der Embodied Intelligence wirklich funktionieren werden, muss anhand des ersten Roboters von Moqi überprüft werden.

Der erste Roboter umgeht zunächst den Haushaltsbereich

Wenn es um den ersten Roboter von Moqi Intelligence geht – obwohl Aussehen, Parameter und spezifische Aufgaben noch nicht bekannt gegeben wurden – ist laut Huang Qingqiu bereits klar, dass er nicht direkt in den großen Bereich der Haushalte einsteigen wird.

Diese Wahl der Richtung liefert bereits sehr viele Informationen.

Das langfristige Ziel von Moqi Intelligence sind nach wie vor allgemeine Haushaltsroboter.

Nach Huang Qingqius Vorstellung sollten zukünftige Roboter in der Lage sein, Veränderungen in der häuslichen Umgebung zu verstehen und selbstständig verschiedene Aufgaben wie Reinigung, Ordnung und Zustellung zu erledigen – ohne dass der Nutzer die Möbel umstellen oder sich an die Arbeitsweise des Geräts anpassen muss.

Aber es gibt fast keine zwei völlig identischen häuslichen Umgebungen auf der Welt.

Derselbe Becher kann in einem Haus auf dem Esstisch stehen, in einem anderen auf dem Nachttisch, am Waschbecken oder auf einem mit Gegenständen überfüllten Schreibtisch.

Der Roboter muss diese Objekte nicht nur erkennen, sondern auch ihre Beziehungen zueinander verstehen, beurteilen, welche Objekte bewegt werden können, wohin sie gehören und ob er dabei Personen berührt oder andere Objekte beschädigt.

Im Vergleich zum intelligenten Fahren von Autos, das hauptsächlich das sichere Bewegen von Punkt zu Punkt auf der Straße löst, ist der Aktionsraum von Haushaltsrobotern zwar enger – aber sie müssen auch dreidimensionale Operationen wie Greifen, Berühren, Transportieren und Platzieren durchführen, was ein höheres Verständnis der physischen Welt erfordert.

Das heißt, selbst wenn Huang Qingqiu reichlich Erfahrung im Bereich des intelligenten Fahrens hat, ist es offensichtlich nicht einfach, gleich zu Beginn den Haushaltsbereich – eines der schwierigsten Szenarien für die praktische Umsetzung der Embodied Intelligence – zu meistern.

Daher ist die Entscheidung von Moqi, zunächst im Bereich der kommerziellen Dienstleistungen zu starten, ein realistischerer Weg.

Im Vergleich zu Haushalten sind die Räumlichkeiten in kommerziellen Einrichtungen in der Regel festgelegt, und die Aufgaben, die Roboter erledigen müssen, lassen sich leichter eingrenzen.

Das Team kann den Roboter in ähnlichen Umgebungen wiederholt arbeiten lassen, beobachten, in welchen Situationen er Fehlinterpretationen macht, auf Hindernisse stößt oder seine Aktionen fehlschlagen – und dann entsprechende Daten sammeln, um die Algorithmen weiter zu trainieren und zu aktualisieren.

Dieses Szenario eignet sich auch besser dafür, dass Moqi die Erfahrungen mit dem Datenkreislauf aus dem Bereich des intelligenten Fahrens wiederverwendet.

Ähnlich wie bei der Datensammlung für das intelligente Fahren von Autos möchte Moqi auch, dass Roboter zunächst in echten kommerziellen Umgebungen eingesetzt werden – und durch wiederholte Fehler und Aktualisierungen ihr Verständnis der physischen Welt schrittweise verbessern.

Aber hier liegt auch das Problem.

Der Weg, zunächst in relativ standardisierten kommerziellen Szenarien zu starten, dann durch reale Einsätze Daten zu sammeln und schließlich in den Haushaltsbereich vorzudringen, ist in der Branche der Embodied Intelligence bereits weit verbreitet.

Viele Roboterunternehmen, die in den Haushaltsbereich einsteigen wollen, verfolgen einen ähnlichen Ansatz: Zunächst sammeln sie Erfahrungen in industriellen, kommerziellen oder anderen relativ festgelegten Umgebungen, bevor sie sich offeneren häuslichen Szenarien zuwenden.

Daher lässt sich allein durch die Wahl des kommerziellen Dienstleistungsszenarios noch nicht erkennen, welchen großen Vorsprung Huang Qingqius Erfahrungen aus dem Huawei-Bereich für intelligentes Fahren Moqi verschaffen können.

Ob sein Datenkreislauf schneller funktioniert als bei Konkurrenten, ob sich der Roboter schneller an neue Umgebungen anpassen kann und ob das Produkt im langfristigen Einsatz stabil bleibt – all das wird sich erst zeigen, wenn der erste Roboter tatsächlich vorgestellt und in realen Szenarien eingesetzt wird.

Derzeit lässt sich nur feststellen, dass Moqi einen realistischeren Startweg gewählt hat.

Ob dieses Team aus dem Huawei-Bereich für intelligentes Fahren einen branchenüblichen Weg zu einem anderen Ergebnis führen und die 7-Milliarden-Yuan-Bewertung rechtfertigen kann, ist derzeit noch ein ungelöstes Rätsel.

Referenzquellen:

Anyong Waves: „Exklusiv | Huang Qingqiu, ehemaliger Leiter des großen Modells für intelligentes Fahren bei Huawei, steigt in die Embodied Intelligence ein – Bewertung übersteigt 7 Milliarden Yuan in sechs Monaten“

Feng Huang: „Bewertung übersteigt 7 Milliarden Yuan innerhalb von sechs Monaten nach Gründung – Moqi Intelligence bricht den Rekord für die größte erste Finanzierungsrunde im inländischen Bereich der Embodied Intelligence“

OFweek: „Team aus dem Huawei-Bereich für intelligentes Fahren gründet Unternehmen – Embodied-Intelligence-Unternehmen erhält Angel-Finanzierung von über 1 Milliarde Yuan von Alibaba/Tencent“

Yiou: „1 Milliarde Yuan in der Angel-Runde! Team aus dem Huawei-Bereich für intelligentes Fahren gründet Unternehmen – Alibaba und Tencent investieren stark in Moqi Intelligence“

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Lanse Jihua“, Autor: Huang Xiaobin, und wird mit Genehmigung von 36Kr veröffentlicht.