36Kr Exklusiv | Ehemalige Kernmitglieder des intelligenten Fahrassistenzsystems von NIO und Huawei gründen gemeinsam ein Unternehmen für Embodied World Models und schließen innerhalb von drei Monaten eine Finanzierung in Höhe von mehreren hundert Millionen Yuan ab.

Autor  |  Qiao Yujie

Redaktion  |  Yuan Silai

Laut 36Kr hat das Unternehmen für Weltmodelle der verkörperten Intelligenz, Corona Kaiwu (Beijing Corona Robotics Co., Ltd.), kürzlich zwei aufeinanderfolgende Seed-Finanzierungsrunden abgeschlossen. Die gesamte Finanzierungssumme beträgt mehrere hundert Millionen Yuan, wobei Dingfeng Tech Venture, Yuan Tu Future, Baidu Venture, Woyuan Capital, Wuyuefeng Tech Venture und Wanlin International gemeinsam investiert haben. Gleichzeitig läuft die Abwicklung einer neuen Finanzierungsrunde parallel.

Die vorherigen Finanzierungsmittel wurden hauptsächlich für die Entwicklung und Iteration des selbst entwickelten Weltmodells LaMPA, den Aufbau des Reinforcement-Learning-Systems sowie die kontinuierliche Verbesserung der Datenkreisläufe und der Produktlieferfähigkeit verwendet.

Corona Kaiwu wurde im März 2026 gegründet und konzentriert sich auf die Entwicklung von Grundmodellen für die physische Welt. Das Unternehmen strebt an, Grundmodelle zu schaffen, die die physische Welt verstehen, Umweltveränderungen vorhersagen und Roboter zur Ausführung von Aufgaben antreiben können – damit Roboter von Fähigkeiten für einzelne Szenarien schrittweise zur Generalisierung über verschiedene Szenarien hinweg gelangen.

Das Gründungsteam von Corona stammt vollständig aus dem Umfeld des autonomen Fahrens der Tsinghua-Universität und hat die Entwicklung und Einführung der ersten Weltmodelle für intelligentes Fahren in der Branche sowie die ersten Arbeiten zur verkörperten Verstärkungslernen und Lieferung geleitet. Der Gründer, Dr. Xiao Zhongyang, leitete die Lieferung des ersten Weltmodells für komplexe Interaktionsszenarien in der intelligenten Fahrbranche – dieses Modell ist in über 700.000 NIO-Fahrzeugen eingebaut. Der Leiter des Basismodells im Team, Dr. Zhong Yuanxin – bekannt als „Huawei Genius“, leitete die Gestaltung und Serieneinführung des neuen Basismodells für Weltmodelle im Bereich intelligentes Fahren bei Huawei. Der Leiter für Nachbearbeitung und Lieferung von Modellen, Dr. Wang Yunlong von NIO Super Spark, war zuvor bei Agibot für die Entwicklung von Algorithmen für große Modelle und das Verstärkungslernen mit echten Robotern verantwortlich und trieb die Einführung der ersten Projekte für Roboter, die in Fabriken arbeiten, in der Branche voran. Der Marktleiter, Dr. Dai Yaqi, war früher Partner bei Wuyuefeng Tech Venture und leitete Investitionen im Wert von mehreren hundert Millionen Dollar.

Da Roboter zunehmend in komplexen Szenarien eingesetzt werden, erkennt die Branche immer mehr, dass es schwierig ist, echte Generalisierungsfähigkeit bei Robotern zu erreichen, wenn man sich ausschließlich auf Imitationslernen oder Training auf Aufgabenebene stützt. Roboter müssen die Gesetzmäßigkeiten der physischen Welt verstehen, um zukünftige Zustände vorherzusagen und Handlungen zu planen – genau aus diesem Grund sind Weltmodelle zu einem wichtigen technologischen Bereich für die verkörperte Intelligenz geworden.

Derzeit beziehen sich viele Forschungen in der Branche auf die JEPA-Theorie, die von Yann LeCun – Turing-Preisträger und Vater der Faltungs-Neuronalen Netze – vorgeschlagen wurde. Ihr Kernidee ist es, dass Modelle abstraktere und wesentlichere Repräsentationen der physischen Welt lernen, statt auf der pixelbasierten Generierung zu verharren.

Xiao Zhongyang erklärte gegenüber 36Kr: „JEPA liefert einen theoretischen Rahmen, aber für die praktische Einführung von Robotern müssen zwei zentrale Fragen beantwortet werden: Wie soll die physische Welt repräsentiert werden – und wie können Modelle die kausalen Zusammenhänge zwischen diesen Repräsentationen effizient erlernen?“

Um diese Frage zu lösen, entwickelte Corona Kaiwu das eigene Weltmodell LaMPA. Die erste zentrale Innovation von LaMPA liegt im Aufbau eines dreifachen Repräsentationssystems für die physische Welt.

Xiao Zhongyang erläuterte: „Große Sprachmodelle verstehen Sprache, weil sie natürliche Sprache in einheitliche Token umwandeln. Genauso brauchen Roboter eine „Sprache“, die die physische Welt beschreiben kann. LaMPA unterteilt die Informationen, die Roboter verstehen müssen, in drei Kategorien: Die erste ist die Umgebungsrepräsentation (Environment), die Positionen, Beziehungen und räumliche Strukturen von Objekten in der Umgebung beschreibt. Die zweite ist die Selbstrepräsentation (Ego), die den Zustand des Roboters selbst beschreibt – einschließlich Gelenkpositionen, Kräfteeinwirkungen und Sensorrückmeldungen. Die dritte ist die Erfahrungsrepräsentation (Experience), die das Vorwissen speichert, das Roboter bei der langfristigen Ausführung von Aufgaben sammeln – darunter grundlegende Eigenschaften von Objekten und ihre Möglichkeiten (Affordance), beispielsweise welche Stellen eines Objekts greifbar sind oder welche Abläufe für bestimmte Aufgaben üblich sind.“

Drei Arten von Informationen bilden gemeinsam den latenten Raum, in dem Roboter die physische Welt verstehen. Anschließend lernt das Grundmodell die kausalen Zusammenhänge zwischen diesen drei Elementen – sodass es zukünftige Zustände vorhersagen und Steuerungsbefehle für Roboter generieren kann.

(Bildquelle / Unternehmen)

Neben der Repräsentationsmethode wurde das Grundmodell-Architektur von LaMPA neu gestaltet. Das Team verwendet eine Block-Diffusion-Struktur, die besser für das Training von Weltmodellen geeignet ist. Diese soll die Effizienz der Datennutzung und die Skalierbarkeit des Modells verbessern, während die Inferenzgeschwindigkeit erhalten bleibt – und bietet ausreichend Erweiterungsraum für zukünftige groß angelegte Trainingsvorgänge.

Neben dem Grundmodell ist das Verstärkungslernen ein zentraler Schritt, damit Roboter die praktische Einführung in Szenarien abschließen können. Xiao Zhongyang weist darauf hin, dass viele aktuelle Verstärkungslern-Lösungen auf manueller Bewertung basieren. Wenn sich Szenarien ändern – beispielsweise bei veränderten Lichtverhältnissen, Arbeitsplatzlayouts oder Umgebungsgeräuschen – müssen oft große Mengen an Daten neu erfasst und das Modell nachtrainiert werden. Dies führt zu langen Bereitstellungszyklen.

Um dieses Problem zu lösen, führte Corona Kaiwu ein generalisierbares World Reward Model ein. Dieses Modell stammt aus dem Basismodell für die physische Welt: Durch Destillation und Nachtraining entwickelt das Basismodell ein spezialisiertes „Bewertungsmodell“, das Erfolg und Misserfolg unterscheidet – wie ein „Kritiker“ liefert es stabile, konsistente Rückmeldungen für das Verstärkungslernen. Das Modell bewertet automatisch die Qualität von Handlungen, wodurch der Nachtrainingszyklus für neue Szenarien stark verkürzt und die Bereitstellung in industriellen Umgebungen beschleunigt wird.

Wie bekannt ist, hat das Unternehmen eine strategische Partnerschaft mit Yuan Tu Future geschlossen. Es wird in das hochpräzise industrielle Montageszenario der Serverfertigung eintreten. Das Unternehmen plant, vom gesamten Fertigungsprozess von Servern aus schrittweise zu allen vor- und nachgelagerten Arbeitsschritten zu expandieren – um eine skalare Bereitstellung über verschiedene Produktionslinien in allen Szenarien zu erreichen.

(Bildquelle / Unternehmen)

Im Bereich Daten verfolgt Corona die Strategie „Selbsterfassung + Crowdsourcing + Modellgestützte Erweiterung“: Einerseits baut das Unternehmen ein eigenes begleitendes Datenerfassungssystem auf, um multimodale, detaillierte Betriebsdaten mit Szenario-Vorteilen zu sammeln. Andererseits werden über eine Crowdsourcing-Plattform für Daten hochwertige Rohdaten aus vielen Szenarien erfasst – um die Datenverteilung zu erweitern und die Erfassungskosten zu senken. In der Datenvorbereitungsphase wird die weltmodellgestützte Datenerweiterung (LCM) eingesetzt, um die Effizienz der Datennutzung weiter zu steigern.

Im kommenden Jahr wird Corona Kaiwu den Fokus darauf legen, den vollständigen Datenkreislauf des Weltmodells zu schließen – von der Szenarienuntersuchung über das Modelltraining und die Vor-Ort-Bereitstellung bis hin zu Rückmeldungen im Betrieb – um eine kontinuierliche Iteration des Modells zu erreichen.

Langfristig will das Unternehmen die Skalierungsfähigkeit in vier Bereichen kontinuierlich verbessern: Modell, Daten, Lieferung und Geschäftsmodell. Dadurch soll die gesamte Lösung schnell auf mehr industrielle Szenarien und Branchen übertragen werden können.

Im Folgenden finden Sie Auszüge aus dem Gespräch zwischen 36Kr und Xiao Zhongyang, Gründer von Corona Kaiwu:

36Kr: Wie versteht man die Beziehung zwischen dem Corona-Weltmodell LaMPA und JEPA?

Xiao Zhongyang: JEPA ist ein sehr grundlegendes theoretisches System, das schon früh vorgeschlagen wurde – es enthält viele Aspekte, von denen wir lernen können. Insbesondere die Beschreibung der Struktur des latenten Raums wird von uns sehr geschätzt. Es betont, dass Modelle sich auf die wesentlichen Merkmale von Dingen konzentrieren sollen, statt von Informationen auf Pixel- oder Detailebene abgelenkt zu werden – dies ist für die Entwicklung von Weltmodellen sehr wichtig.

Genauer gesagt ist das Corona-Weltmodell eine Weiterentwicklung auf Basis dieses theoretischen Systems. Wir haben aber nicht zuerst ein Theorierahmen ausgewählt und dann die technische Umsetzung vorgenommen – sondern wir haben uns von der Frage leiten lassen, wie ein natives Weltmodell aufgebaut werden soll, um geeignete Methoden zu erforschen. JEPA weist eine wichtige Richtung: Modelle müssen einen latenten Raum mit höherer Abstraktionsfähigkeit lernen. Aber es beantwortet nicht die Frage, wie dieser latente Raum aufgebaut werden soll. Außerdem schränkt JEPA nicht ein, welche Grundarchitektur Modelle verwenden sollen, um zukünftige Zustände zu verstehen und vorherzusagen. Deshalb haben wir auf Basis unseres eigenen Verständnisses von Weltmodellen ein Modellparadigma erforscht, das besser für die skalierbare Entwicklung geeignet ist.

36Kr: Die Zusammenarbeit mit Yuan Tu schreitet sehr schnell voran – warum gelingt die Einführung vom Modell zum industriellen Szenario so zügig?

Xiao Zhongyang: Ich denke, es gibt mehrere Gründe. Zuerst das Modell selbst: Unser Weltmodell und das Nachtrainingssystem verfügen über eine gute Generalisierungsfähigkeit, sodass sie sich schnell an neue Szenarien anpassen können.

Zweitens unser Denken im Bereich Produktisierung – wir haben von Anfang an bei der Gründung großen Wert auf die Produktisierung gelegt. Industriekunden brauchen nicht einfach Roboter, die einen einzelnen Arbeitsschritt ersetzen – sondern eine vollständige Lösung, die schnell bereitgestellt und dauerhaft betrieben werden kann. Wir wollen, dass Kunden nach dem Eintritt in ein neues Szenario nicht auf unsere Ingenieure angewiesen sind, die dauerhaft vor Ort sind – sondern die Bereitstellung mit wenigen Nachtrainingsschritten abschließen können. Dadurch liefern wir nicht nur automatisierte Geräte, sondern „siliziumbasierte Arbeiter“, die kontinuierlich lernen und sich schnell an verschiedene Arbeitsplätze anpassen können.

Deshalb bieten wir nicht nur das Modell an – sondern ein standardisiertes Produkt, das Modell, Hardware, Trainingssystem und unser vorgeschlagenes Workflow-Agent umfasst. Dieser Agent verbindet das Modell mit dem realen Produktionsprozess, sodass Roboter mit vorhandenen Geräten, Mitarbeitern und dem Produktionsrhythmus der Fabrik zusammenarbeiten können.

Die Zusammenarbeit mit Yuan Tu ist nicht nur eine Kundenbeziehung. Yuan Tu stellt uns hochpräzise Fertigungsszenarien wie die Servermontage zur Verfügung, um unsere Lösung zu validieren. Gleichzeitig arbeiten beide Seiten an branchenspezifischen Lösungen, die auf gemeinsamen Anforderungen und Arbeitsschritten bei Montage und Prüfung basieren – um diese Fähigkeit auf mehr Fertigungsszenarien zu übertragen.

36Kr: Corona hat kürzlich das weltweit erste professionelle Datenset PaimDex veröffentlicht – ein Datenset für den Betrieb mit vollflächigem Handtastsinn von zwei Händen aus mehreren Szenarien. Aus welchen Gründen wird dieses Datenset quelloffen gemacht?

Xiao Zhongyang: Wir konzentrieren uns auf den vollflächigen Handtastsinn, weil wir glauben, dass das Verständnis von Kraft und Tastsinn die Grundlage für präzise Betriebsvorgänge ist – und präzise Betriebsvorgänge sind derzeit der schmerzhafteste und wertvollste Bereich für die verkörperte Intelligenz. Außerdem sind wir überzeugt, dass die Entwicklung von Weltmodellen nicht von den Daten eines einzelnen Unternehmens abhängen wird – sondern von der gesamten Datenökosystem der Branche. Wir legen mehr Wert auf die Datenverteilung als auf die reine Datenmenge. Wenn ein Modell nur ein einzelnes Szenario lernt, wird seine Generalisierungsfähigkeit selbst bei riesigen Datenmengen eingeschränkt. Wirklich wertvoll sind Daten aus verschiedenen Szenarien wie Industrie, Haushalt und Gewerbe – die gemeinsam eine reiche Datenverteilung bilden.

Die Quelloffenlegung von PalmDex basiert genau auf dieser Überlegung. Wir wollen eine offene Datenplattform aufbauen, sodass Regierungen, Kunden, Datenerfassungsunternehmen und sogar einzelne Entwickler zu Datenlieferanten werden und am Aufbau des gesamten Datenökosystems teilnehmen können.

Zweitens ist eine der zentralen Fähigkeiten dieser Plattform die Fähigkeit, den Wert von Daten zu erkennen und zu bemessen. Als Modellunternehmen wissen wir genau, welche Daten das Modell derzeit am dringendsten braucht, welche Daten bereits ausreichend vorhanden sind und welche noch fehlen. Für wirklich seltene, hochwertige Daten sollten wir angemessene Anreize bieten – damit mehr gesellschaftliche Ressourcen bereit sind, sich dauerhaft an der Datenerfassung zu beteiligen. Nur wenn wir einen marktorientierten Mechanismus für die Datenversorgung schaffen, können wir die Datenmenge und die Datenverteilung kontinuierlich erweitern – und schließlich die fortlaufende Iteration und Generalisierung von Weltmodellen vorantreiben.