Qingyan Precision erhielt eine Finanzierung in Höhe von mehreren hundert Millionen Yuan, wobei der "nationale Kader" der Ausrüstungsherstellung als Investor einstieg.

Laut KI-Insider von Investment Circle hat Qingyan Jingzhun heute (13. Juli) bekanntgegeben, dass es im Juni schnell zwei Finanzierungsrunden im Wert von mehreren hundert Millionen Yuan abgeschlossen hat. Damit ist die Serie-B-Finanzierung offiziell abgeschlossen.

Das „nationale Team + halbe Automobilbranche“ tritt hervor: Die B2-Runde im Wert von mehreren hundert Millionen Yuan wurde von Xingyuan Capital angeführt, mit Beteiligung von FAW Fusheng; unmittelbar danach folgte die B3-Runde, angeführt von BAIC Industrial Investment und mit Beteiligung von Yulon Group. Zusätzlich beteiligte sich der Sinomach Industrial Fund.

Bereits im Juni 2026 starteten das Ministerium für Industrie und Informationstechnologie und das Staatsvermögen der Volksrepublik China gemeinsam die „Sonderaktion für praxisnahe Ausbildung von humanoiden Robotern und Embodied Intelligence“, die vorschreibt, dass Embodied Intelligence nicht nur im Labor betrieben werden darf, sondern in echte Fabrikarbeitsplätze einziehen und den „Betriebsmodus“ aktivieren muss.

Vor diesem Hintergrund hat Qingyan Jingzhun bereits früh die Grundlage für die Engineering von Physical AI gelegt. Durch 8 Jahre Erfahrung im industriellen Umfeld haben sie embodied Roboter dazu gebracht, in realen, komplexen und anspruchsvollen industriellen Szenarien „das Arbeiten zu lernen“ und eine echte Umsetzung zu erreichen.

Seltene Beteiligung von Kapital aus zentralen Staatsunternehmen

Betrachtet man die Situation, so sind die industriellen Ressourcen dieser Finanzierungsrunde von Qingyan Jingzhun äußerst reichhaltig.

Dazu gehört auch der Fonds eines zentralen Staatsunternehmens – der Sinomach Industrial Fund.

Noch seltener ist die entstandene ungewöhnliche Kapitalmatrix aus der Automobilbranche – die gesamte Serie B umfasst 6 Automobilunternehmen: BAIC Industrial Investment, Xingyuan Capital, FAW Fusheng, Great Wall Capital, Shanqi Capital und Yulon Group. Die intensive Kapitalzufuhr von Automobilunternehmen bedeutet, dass die Engineering-Grundlage für Physical AI und das Test- und Verifikationssystem von Qingyan Jingzhun bereits in die Kernlieferketten der führenden inländischen Automobilhersteller integriert sind. Dies ist eine Anerkennung aus dem gesamten Umfeld der Automobilindustrie.

Das hochspezialisierte Investmentportfolio mit starker industrieller Ausrichtung beweist, dass sich die Investitionslogik des Kapitalmarkts in der zweiten Phase von Embodied Intelligence verändert hat – Kapital verfolgt nicht mehr blind Demo-Videos von humanoiden Robotern, sondern investiert massiv in Unternehmen für die Infrastruktur von Physical AI, die echte industrielle Szenarien beherrschen, einen hochwertigen Datenkreislauf besitzen und die Fähigkeit zur praktischen Umsetzung haben.

Damit Physical AI wirklich umgesetzt werden kann, muss unweigerlich Phasen wie Produktentwicklung, Lieferkette, Vor-Ort-Lieferung, Kundenservice und kontinuierliche Wartung überwunden werden. Das heißt, es bedarf echter Praxistests, um die Nutzbarkeit in Produktionslinien zu gewährleisten.

Nur durch eine enge Verzahnung von Kapital und Geschäft kann ein dauerhafter und stabiler Zugang zu echten industriellen Szenarien sichergestellt werden, was einen positiven Kreislauf bildet.

Wie in der „Sonderaktion für praxisnahe Ausbildung“ erwähnt, sollen bis Ende 2026 Schlüsselprodukte wie humanoide Roboter in einer Reihe repräsentativer Szenarien zunächst die Anwendungsverifikation und den regulären Einsatz abschließen und den Betriebsmodus aktivieren; es sollen mehr als 100 hochwertige Anwendungsszenarien herausgearbeitet werden, um das Anwendungsspektrum von Embodied Intelligence weiter zu bereichern und eine Umsetzungskapazität im Umfang von zehntausend Einheiten zu schaffen.

Man kann sagen, dass Qingyan Jingzhun genau zur richtigen Zeit positioniert ist: Diese beiden Finanzierungsrunden gehen mit wichtigen Umstellungen einher – ausgehend von einem funktionierenden Kreislauf der physischen Intelligenz im Bereich der neuen Energien, schreitet das Unternehmen schrittweise in breitere industrielle Szenarien voran und widmet sich dem Aufbau einer Engineering-Grundlage für industrielles Physical AI, mit tiefgreifender Ausrichtung auf den Bereich Embodied Intelligence.

Aus dieser Perspektive ist ihr Durchbruch nicht nur auf einzelne Technologien zurückzuführen, sondern auf einen kombinierten Wettbewerbsvorteil, der sich aus dem Zugang zu echten Szenarien, der Fähigkeit zur Datenerzeugung, dem Test- und Bewertungssystem, der Fähigkeit zur technischen Umsetzung und der Weltmodellkapazität zusammensetzt – darüber hinaus hat das Unternehmen die gesamte Kette bereits vor Inkrafttreten der entsprechenden Richtlinien vollständig aufgebaut.

Starke Allianz aus Tsinghua-Universität, Stanford und Veteranen der Roboterbranche

Dong Han, Gründer und CEO von Qingyan Jingzhun, promovierte an der Tsinghua-Universität unter der Anleitung von Akademiemitglied Li Keqiang der Chinesischen Ingenieurakademie. Im Juni 2018 gründete er Qingyan Jingzhun offiziell unter der Förderung der Tsinghua-Universität.

In den 8 Jahren seit der Gründung hat Qingyan Jingzhun KI-gestützte Inspektions-, Simulations- und Testprodukte in die Kernlieferketten fast aller inländischen Automobilhersteller und Hersteller von Leistungsbatterien integriert, mit über 10.000 ausgelieferten Einheiten, die in mehr als 30 Ländern eingesetzt werden. Die industriellen Kunden decken Kernbereiche wie neue Energie-Fahrzeuge, Leistungsbatterien, Energiespeicher, Schlüsselkomponenten, Bergbau und Elektrizität ab.

(Von links nach rechts)

Cao Qitong, CEO von Jingzhun Vision – dem Bereich für Embodied Intelligence von Qingyan Jingzhun – hat einen akademischen Hintergrund im Ingenieurwesen der Stanford University. Sie forschte am Stanford Computer Research Institute an interdisziplinären Projekten zwischen Biowissenschaften und KI, und ihre Ergebnisse wurden als Erstautorin in einer Zeitschrift aus der „Nature“-Reihe veröffentlicht. Bei Qingyan Jingzhun koordiniert Cao Qitong hauptsächlich die technische Migration und Iterationsroute des Unternehmens sowie die praktische Umsetzung von Geschäftsszenarien, was den zentralen Vorteil des Unternehmens bei der Bewältigung der letzten Meile der Umsetzung von industrieller Embodied Intelligence unterstreicht.

Ihre Kernforschungsgebiete umfassen die Entwicklung von Systemzuständen durch die Ableitung hochdimensionaler, multimodaler und dynamischer Daten. Die Übertragung auf industrielle Szenarien folgt im Wesentlichen dem gleichen Prinzip: Roboter sehen nicht nur ein Werkstück, sondern ein dynamisches physisches System, das aus Sehen, Kraftwahrnehmung, Tastsinn, Prozessparametern und Umgebungsvariablen besteht. Dies stimmt perfekt mit dem industriellen physischen Weltmodell überein, das Qingyan Jingzhun aufgebaut hat.

Zhao Ran, Chefingenieur für Embodied Intelligence bei Qingyan Jingzhun und CTO von Jingzhun Vision, war zuvor als Leiter des Embodied-Infrastruktur-Teams bei zwei führenden Unternehmen für Embodied Intelligence im Wert von jeweils 20 Milliarden Yuan tätig – Qianxun Intelligence und Zhi Pingfang Technology. Die Ankunft von Dr. Zhao Ran bietet eine solide Grundlage für Qingyan Jingzhun, um die Infrastruktur und das Engineering von Embodied Intelligence zu gestalten. Als Mitglied des Teams des angesehenen Robotik-Experten Akademiemitglied Ding Han hat Dr. Zhao Ran mehr als ein Jahrzehnt im Bereich Robotik gearbeitet und verfügt über fundierte akademische Grundlagen sowie praktische Erfahrungen in der industriellen Umsetzung.

Er hat Teams geleitet, um von Grund auf Fernsteuerung, Datenerfassung, untergeordnete Datenkreisläufe und Simulationsplattformen aufzubauen. Mit über einem Jahrzehnt Erfahrung in Robotertechnik ist er in der Lage, Schlüsselfunktionen wie Roboterhardware, Daten, Simulation und Modelle systematisch zu verbinden und die Kernkompetenzen zu entwickeln, die für den Aufbau der Infrastruktur für Embodied Intelligence erforderlich sind. Seine Erfahrung in Plattform- und Ingenieurwesen kombiniert mit der tiefen Forschungs- und Entwicklungsarbeit des Teams fördert die tiefe Integration von „hochfliegenden“ akademischen Wurzeln und „bodenständigen“ industriellen Ingenieurfähigkeiten.

Damit vereint das Team weltweit zukunftsweisende Visionen, industrielle Ingenieurserfahrung und kommerzielle Erfolge im Wert von mehreren zehn Milliarden Yuan. Es steht an der Spitze der Industrialisierung von Embodied Intelligence in China und ist als „technischer Stabilisator“ und „Pionier der praktischen Umsetzung“ in der Branche anerkannt.

Die Engineering-Grundlage für Physical AI

Auf dieser Grundlage hat Qingyan Jingzhun erfolgreich eine strategische Weiterentwicklung und Ausweitung seiner Fähigkeiten abgeschlossen – von einem Inspektionsunternehmen für neue Energie-Fahrzeuge zu einer Engineering-Grundlage für Physical AI, die als physische KI-Grundlage für die Umsetzung von Embodied Intelligence in der Industrie fungiert.

Passend zur „Sonderaktion für praxisnahe Ausbildung“ sind die seit Jahren angesammelten industriellen Erfahrungen von Qingyan Jingzhun bereits bereit. In verschiedenen industriellen Bereichen wurden mehr als 2000 industrielle Sensorknoten an echten Arbeitsplätzen installiert – von der PACK-Inspektion von Leistungsbatterien für neue Energien bis zur Endmontage von Fahrzeugen, von oberirdischen Fabriken bis zu untertägigen Bergwerken. Diese verwandeln wichtige Arbeitsplätze in Daten- und Ausbildungsbereiche für Embodied Intelligence, in denen Daten, Arbeitsplätze und echte Arbeitsabläufe vorhanden sind – die ideal sind, um den Wert zu beweisen.

Das Embodied-Modell ist das „Gehirn“, und Qingyan Jingzhun bietet die Ausbildungsstätte und das „Lehrmaterial“, damit dieses Gehirn „körperliche Koordination“ lernen und seine Fähigkeiten unter Beweis stellen kann; sie bauen keine Roboter (Hardware), sondern schaffen die Fähigkeit, dass Roboter im industriellen Umfeld arbeiten können.

Darüber hinaus wird in der „Sonderaktion für praxisnahe Ausbildung“ erwähnt, dass man anwendungsorientiert vorgehen soll, um durch Training in echten Szenarien die Algorithmen von Embodied Intelligence kontinuierlich zu optimieren und hochwertige Daten aus echten Geräten zu sammeln.

Heute ist Qingyan Jingzhun praktisch ein Anbieter von Grundlagen für Physical AI-Daten.

Qingyan Jingzhun hat die eigenentwickelte multimodale Datenpipeline TsingLoop entwickelt – sie wandelt die in verschiedenen Systemen verteilten Rohsignale durch einheitliche Zeit-Raum-Semantik-Ausrichtung in standardisierte, wiederverwendbare Daten-Asset-Pakete um. Einmal erfasste Daten werden durch die Pipeline von Rohdaten zu industriellen „Daten-Assets“ aufgewertet; historische Daten können automatisch mit neuen Daten verschmolzen und kontinuierlich weiterentwickelt werden, was einen stetig wachsenden Datenkreislauf bildet.

Darüber hinaus baut Qingyan Jingzhun auf Basis der multimodalen Datenpipeline TsingLoop ein System für Robot-in-the-Loop-Tests auf, das für industrielle Szenarien ausgelegt ist.

Dieses System kann als der industrielle Embodied-Intelligence-Ausführungskreislauf „Erfassung – Simulation – Verifikation – Bewertung – Iteration“ verstanden werden: Roboter oder Mitarbeiter führen Aufgaben an echten Arbeitsplätzen aus, und TsingLoop erfasst gleichzeitig multimodale Daten wie Sehen, Kraftwahrnehmung, Tastsinn, Bewegungsbahnen, Prozessparameter, Gerätezustände und Ausführungsergebnisse; anschließend rekonstruiert das System auf Basis der echten Daten ein digitales Zwillingsszenario, um historische Betriebszustände in der Simulationsumgebung wiederzugeben, anomale Fälle zu reproduzieren und verschiedene Aktionsstrategien kostengünstig und häufig zu testen.

Aber die Simulation ist nicht das Ende. Industrieroboter müssen schließlich in echte Fabriken einziehen und die Lücke zwischen Virtuellem und Realem überwinden. Daher führt Qingyan Jingzhun weitere Robot-in-the-Loop-Tests durch: Die echte Roboterhardware, Controller, Endeffektoren und Sensoren bilden einen geschlossenen Kreislauf mit dem Simulationsszenario, um Aktionsstrategien, Grenzen der Kraftsteuerung, Sicherheitsbereiche und Mechanismen zur Fehlerbehebung im Voraus zu überprüfen – ohne die Produktionslinien der Kunden direkt zu belegen.

Nach der Bereitstellung vor Ort erstellt das Bewertungsmodul kontinuierlich standardisierte Berichte mit Kennzahlen wie Erfolgsrate der Aufgaben, Zykluszeit, Fehlerrate, Kollisionsrisiko, Energieverbrauch und Dauer des stabilen Betriebs. Diese Bewertungsergebnisse dienen nicht nur als Abnahmebasis, sondern fließen zurück in die TsingLoop-Datenpipeline, um die weitere Optimierung des Modells und die Aktualisierung der Strategien voranzutreiben.

Das System beantwortet drei entscheidende Fragen: Kann die Aufgabe unter echten Betriebsbedingungen stabil ausgeführt werden, kann sie von den Kunden abgenommen werden und kann sie in der nächsten Produktionslinie wiederverwendet werden. Damit ist eine Datenplattform geschaffen.

Bis heute hat Qingyan Jingzhun seine endgültige Vision formuliert: „Eine Plattform, ein Gehirn, hundert branchenspezifische Anwendungen“ – mit der Datenpipeline als Grundlage und dem industriellen kognitiven Weltmodell als „Gehirn“, um wiederverwendbare physische Intelligenz in hunderten klar definierten industriellen Aufgabenbereichen wie Elektrizität, Baumaschinen, Fertigung neuer Energien und Bergbau zu etablieren.

In der entscheidenden Phase, in der Physical AI vom Konzept zur praktischen Umsetzung in der Industrie übergeht, setzen industrielle Investoren auf Qingyan Jingzhun – weil sie dessen unersetzliche Fähigkeit zur Umsetzung in echten Szenarien schätzen.

Während die Branche noch über die besten Algorithmen streitet, hat Qingyan Jingzhun – das tief in industriellen Umfeldern verwurzelt ist und still die Engineering-Grundlage für Physical AI aufbaut – sich leise zu einem der wichtigsten „Werkzeuglieferanten“ im Zeitalter von Embodied Intelligence entwickelt.

In der zweiten Phase der Branche ist diese Bedeutung unbestreitbar.