Der reichste Mann mit einem Vermögen von hundert Milliarden Yuan greift ein, Wang Qibin erhält erneut eine Finanzierung von mehreren Hundert Millionen US-Dollar.
Laut exklusiven Informationen von ChinaVenture hat Lingchu Intelligence eine neue Finanzierungsrunde im Wert von mehreren hundert Millionen US-Dollar abgeschlossen und gehört damit zu den Einhörnern mit einem Marktwert von über 10 Milliarden Yuan im Bereich der verkörperten KI. Die Hauptkapitalgeber dieser Runde stammen aus der realen Industriewelt. Die drei führenden Fertigungsunternehmen – Top Group, Ruicheng Fund unter dem Dach von Chery Holdings und Lens Technology – haben sich gemeinsam beteiligt, unterstützt von Institutionen wie 37 Interactive Entertainment, Wuhu Investment Control Group und Fosun Chuangfu, während der alte Aktionär Huajin Capital weiterhin überproportional zusätzliche Investitionen getätigt hat.
Anfang Februar habe ich mich einmal mit Wang Qibin unterhalten. Im Nu ist ein halbes Jahr vergangen, und das Unternehmen hat sich die Finanzierung von drei führenden Fertigungsunternehmen einschließlich Lens Technology gesichert. Sogar der milliardenschwere reichste Unternehmer Zhou Qunfei hat investiert, und er hat in dieser Branche in mehr als ein Unternehmen investiert. Als Lieferant von Apple betreibt Lens Technology selbst auch Geschäfte im Bereich Roboter, was einmal mehr bestätigt, wie hoch die Aufmerksamkeit des Kapitals für die Branche der verkörperten KI ist und wie viele Menschen versuchen, sich einen Anteil daran zu sichern.
Genauer gesagt decken die drei Unternehmen Top Group, Ruicheng Fund unter Chery Holdings und Lens Technology jeweils die drei Hochfertigungsbereiche Automobilgesamtfertigung, Kernaktuator für Roboter und 3D-Präzisionsbearbeitung ab. Sie sind sowohl die Kernnachfrager für die Modernisierung der intelligenten Fertigung als auch die direkten Inhaber von Ressourcen in industriellen Szenarien. In diesem Jahr ist die Branche der verkörperten KI kollektiv in eine stufenweise kommerzielle Umsetzung eingetreten, und Lingchu hat bereits die kleinmaßstäbliche kommerzielle Validierung im Logistik-Szenario erfolgreich umgesetzt. Mit der Zufuhr von industriellen Ressourcen in dieser Runde wird der gesamte Zyklus von der Bereitstellung menschlicher Daten über die Iteration von Modellen bis hin zur Umsetzung von Szenarien und der Rückführung von Daten weiter beschleunigt.
In früheren Artikeln habe ich vorgestellt, dass Lingchu Intelligence ein Unternehmen für verkörperte KI ist, das sich als "kleiner Full-Stack"-Anbieter positioniert. Der Grund, warum es "kleiner Full-Stack" genannt wird, liegt darin, dass es bei der Forschung und Entwicklung Prioritäten setzt und den Schwerpunkt auf den Aufbau eines Software- und Datenerfassungs-Toolchain-Systems legt, das auf dem end-to-end WAM-Modell als Kern basiert. Derzeit verfügt Lingchu über eine duale Systemarchitektur im Modellbereich: Das Psi-R2-Modell wird mit dem bedingten Weltmodell für Aktionen Psi-W0 kombiniert, um die Robustheit und Generalisierbarkeit von Operationen in unstrukturierten Szenarien erheblich zu verbessern.
Beim Training von Modellen ist Daten ein zentrales Glied. Hochwertige menschliche Betriebsdaten sind der Kernbrennstoff für die verkörperte Intelligenz und zugleich der gemeinsame Engpass der globalen Branche derzeit. Gerade weil das Unternehmen selbst Modelle trainiert, weiß es, wie hochwertige Daten aussehen müssen. Basierend auf dieser Logik hat Lingchu ein eigenes Datenerfassungssystem entwickelt, um menschliche Betriebsdaten zu sammeln, und hat bereits einen Datenbestand von hunderttausend Stunden aufgebaut. Wang Qibin enthüllte, dass das Unternehmen innerhalb dieses Jahres das Ziel der Erfassung von einer Million Stunden menschlicher Daten erreichen und in der zweiten Jahreshälfte zwei neue Modellversionen iterieren wird.
Im Zusammenhang mit dieser Finanzierungsrunde, den neuen Fortschritten des Unternehmens und den Veränderungen der Branchenstimmung habe ich mich mit Wang Qibin unterhalten. Nach der fast verrückten Finanzierung im ersten Halbjahr ist er der Ansicht, dass die Branche der verkörperten KI in eine tiefere Phase eingetreten ist, in der alle von Demo-Projekten zur Verbesserung der Modell-Pipeline und der Umsetzung von Szenarien übergehen. Wang Qibin ist ein erfahrener Branchenkenner mit über zwanzig Jahren Erfahrung in Produktentwicklung und Kommerzialisierung in der Roboter- und Unterhaltungselektronikbranche. Er hat mehrere Zyklen erlebt, ist empfindlich gegenüber den Auf und Ab des Marktes und spricht offen, sodass das folgende kleine Gespräch lesenswert ist.
Im Folgenden der Inhalt des Gesprächs, leicht redigiert:
Die Unternehmen für verkörperte KI haben derzeit noch keine deutlichen Wettbewerbsvorteile erzielt
ChinaVenture: Die letzte Runde wurde von staatlichem Kapitel angeführt. Warum sind die Kernbeteiligten bei dieser Finanzierungsrunde hauptsächlich Industriepartner? Wie wurden die drei Unternehmen Top, Chery und Lens Technology ausgewählt?
Wang Qibin: Zu den früheren Aktionären von Lingchu gehörten bereits Industriepartner, nämlich Zhongji Xuchuang und Changfei. Diesmal haben wir alle potenziellen Industriepartner durchgesehen und geprüft, welche uns am wichtigsten sind. Derzeit sind wir der Ansicht, dass drei Branchen – Automobil, 3C und optische Industrie – die absoluten Vorteile Chinas sein werden. Später haben wir mit mehreren Investoren gesprochen und sie eingeladen, sich zu beteiligen.
ChinaVenture: Bedeutet das auch, dass die allgemeinen Finanzinvestoren in diesem Stadium der Entwicklung der verkörperten KI nicht mehr in der Lage sind, große Investitionen zu tätigen?
Wang Qibin: Um ehrlich zu sein, haben wir zu diesem Zeitpunkt in diesem Jahr das Gefühl, dass einige Finanzinvestoren unter Druck stehen. Aber als Unternehmen, das sich entwickeln will, muss man derzeit berücksichtigen, warum industrielle Investitionen so wichtig sind. Lens Technology und Top Group haben überwältigende Vorteile bei den Standards der gesamten Automobilhersteller, dem Service von Tier-1-Lieferanten für die Automobilhersteller und den Vorteilen bei der Massenproduktion. Derzeit haben wir jeweils Produkte bei den beiden Unternehmen, die Auftragsfertigung und tiefgreifende Forschung und Entwicklung für die Massenproduktion durchführen können. Umgekehrt wird Lens Technology in diesem Jahr einige Szenarien öffnen, und wir arbeiten mit Top Group an der Umsetzung einiger Szenarien – beide Seiten haben gute Kooperationspunkte.
ChinaVenture: Unser letztes Gespräch fand im Februar statt. Von Februar dieses Jahres bis jetzt sind fast sechs Monate vergangen. Welche großen Veränderungen haben Ihrer Meinung nach im gesamten Markt stattgefunden?
Wang Qibin: Ich denke, im Bereich von Daten bis Modell hat sich in den letzten sechs Monaten viel mehr verändert. Erstens das Problem des Datenformats: Vom Endgerät der Datenerfassung über den Aufbau der Datenpipeline bis hin zum Modelltraining haben jeweils mehrere Zyklen stattgefunden. Die Hauptformate von Daten nähern sich allmählich einem Konsens an. Zum Beispiel nehmen die egozentrischen Binokular- und Monokulardaten derzeit schnell zu; bei der Entwicklung von Greifern iteriert die Hardware ebenfalls schnell. Mehrere führende Unternehmen sollten bereits über eine Datenpipeline verfügen, die große Datenmengen verarbeiten kann, und beginnen, diese Daten schrittweise zum Trainieren von Modellen zu verwenden. Führende ausländische Unternehmen veröffentlichen auch ständig neue Modelle und verlagern den Fokus von der Generalisierbarkeit des Modells auf die Erfolgsrate bei spezifischen Aufgaben. Insgesamt entwickelt sich das alles sehr schnell.
ChinaVenture: Ist Ihr Hauptgeschäftsfeld nach wie vor der Algorithmus für geschickte Greifer und Datenhandschuhe?
Wang Qibin: Ja. Wir erfassen ständig egozentrische Videodaten, sowohl Monokulardaten als auch jetzt Binokulardaten. Bei den Daten der Hände iterieren wir auch an den Handschuhen: Die neue Version ist leichter, liegt besser an der Hand und erfasst Daten genauer.
ChinaVenture: Also nach Ihrer Aussage nähern sich derzeit alle Wege der Datenerfassung einem Konsens an?
Wang Qibin: Die Wege der Datenerfassung nähern sich einem Konsens an. Ego-Daten selbst sind bereits ein sehr starker Konsens geworden. Abgesehen von den Ego-Daten bei den Händen arbeiten einige Unternehmen an UMI, während wir uns auf menschliche Handdaten konzentrieren. Bei diesen beiden Wegen iterieren die technischen Lösungen für den Teil der Hände derzeit mit hoher Geschwindigkeit. Bei den Handschuhen haben wir Exoskelett-Technologie und arbeiten auch an Bereichen im Zusammenhang mit elektronischer Lokalisierung.
ChinaVenture: Wie sieht Ihre Datenpyramide ungefähr aus?
Wang Qibin: Wir erfassen alle Daten mit einem einzigen Gerät: Es umfasst sowohl die egozentrischen Videodaten des Kopfteils als auch die Gelenkwinkel der Hände – alle Daten werden an einem einzigen Arbeitsplatz erfasst.
ChinaVenture: Welche Verbesserungen gibt es bei den Modellen? In diesem Jahr ist das Weltmodell sehr populär geworden. Welche Anpassungen haben Sie bei Ihren Modellen vorgenommen? Arbeiten derzeit zwei Modelle zusammen?
Wang Qibin: Wir haben ein neues Modell trainiert, nämlich das World Action Model, ein Strategiemodell, das die gesamte visuelle Information, den Zustand des Roboters und einige Texte als Eingabe verwendet, um Ausgaben zu generieren. Aber noch wichtiger ist der Simulator: Er wird hauptsächlich verwendet, um alle generierten Strategien zu bewerten und zu optimieren, um festzustellen, welche von ihnen hochwertig sind. Wenn eine generierte Strategie für bestimmte Operationen ausgeführt wird, prüft der Simulator, ob die zukünftigen Bilder korrekt sind und ob die erwarteten Ergebnisse erreicht werden können. Wenn nicht, wird das Modell durch Reinforcement Learning optimiert. Die beiden Modelle werden in Serie geschaltet und gemeinsam trainiert.
ChinaVenture: Es gibt derzeit viele technische Wege im Bereich der Weltmodelle. Wie haben Sie Prioritäten gesetzt?
Wang Qibin: Der Schwerpunkt in diesem Stadium liegt mehr auf dem Training der Aktionsmodalität. Egal welche großen VLA- und Weltmodelle diskutiert werden, das Kernproblem, das gelöst werden muss, ist die Generalisierbarkeit bei Aktionen. Auf dieser Grundlage wird dann die Erfolgsrate verbessert. Auf diesem Weg haben wir das World Action Model trainiert und es dann im Action-conditioned World Model optimiert.
Li Feifei hat das Modell damals in drei Kernbereiche unterteilt: Rendering, Planer und Simulator. Wir haben eigentlich die Bereiche 2 und 3 realisiert und sie miteinander verbunden. Einige Unternehmen konzentrieren sich möglicherweise auf Vision plus Aktion, oder diese Komponenten können beliebig kombiniert werden.
ChinaVenture: Zurück zum Thema: Glauben Sie, dass die Unternehmen derzeit tatsächlich deutliche Unterschiede bei ihren technischen Fähigkeiten für Modelle aufweisen?
Wang Qibin: Ich denke, es gibt noch keine wesentlichen Unterschiede. Weltweit gibt es mehrere Unternehmen, und in China sind es meiner Meinung nach etwa fünf, die wirklich Zeit, Daten und Rechenressourcen für das Training von Modellen aufwenden. Insgesamt befinden wir uns noch in der ersten Phase: Alle arbeiten hart an großen Fortschritten, es gibt noch keine absoluten Unterschiede, nur leichte Unterschiede in den Schwerpunkten. Wir konzentrieren uns zum Beispiel ausschließlich auf das Modell für universelle Hände und beschäftigen uns nicht mit industriellen Greifern.
ChinaVenture: Also gehören Sie zu diesen fünf Unternehmen?
Wang Qibin: Auf jeden Fall.
ChinaVenture: In diesem Jahr sind eine Reihe von neuen Unternehmen für Weltmodelle entstanden, die behaupten, keine Umwege in der Technik gegangen zu sein, und deren Arbeit sich nach dem Gehörten kaum von der Ihren unterscheidet. Glauben Sie, dass Lingchu einen Vorsprung durch frühe Markteintritt hat?
Wang Qibin: Ich persönlich denke, dass wir einen Vorsprung durch frühe Markteintritt haben. Diese ersten Unternehmen haben bereits sehr gute Teams für ihre Datenpipelines aufgebaut, und das Daten-Flywheel hat zumindest im kleinen Maßstab angefangen zu laufen. Die neueren Unternehmen verfügen über sehr starke Algorithmus-Fähigkeiten, aber der Aufbau von ingenieurstechnischen Strukturen wird langsamer verlaufen. Um schließlich das Daten-Flywheel zu realisieren, müssen viele ingenieurstechnische Teams schnell aufgebaut werden. Alle müssen den Schritt von der akademischen Forschung zur algorithmischen Ingenieurstechnik vollziehen.
Demo ist nur 1% des gesamten Weges
ChinaVenture: Sie sagen, die Branche der verkörperten KI ist in eine tiefere Phase eingetreten. Bedeutet das, dass es jetzt an der Zeit ist, stufenweise Ergebnisse vorzuweisen?
Wang Qibin: Ich glaube nicht, dass es an der Zeit ist, Ergebnisse vorzuweisen. Gestern bin ich auf YouTube auf ein Gespräch mit dem ehemaligen CEO von Waymo gestoßen, der sagte, dass Demo nur 1% des gesamten Weges ist.
In diesem Jahr ist es sehr typisch, dass alle von Demo-Projekten zur ordentlichen Entwicklung von Modell-Pipelines oder zur Umsetzung von Szenarien übergehen. Wie auch immer die Situation ist: Gibt es eine Datenpipeline? Wie kommen die Daten zustande? Welcher Betreiber ist für die Datenerfassung verantwortlich? Wie stark nimmt die Dateneffizienz ab? Weiter unten geht es um die Stabilität der Hardware zur Datenerfassung: Zum Beispiel bei einigen Herstellern von Binokular-Kopfbändern verformen sich die Binokulardaten nach zwei Stunden und die Genauigkeit weicht ab. Viele Leute verwenden derzeit Pico zur Erfassung von Binokulardaten, aber normalerweise wird das Gerät nach vier Stunden Betrieb heiß und schaltet sich aus – es ist ja auch nicht für einen Dauerbetrieb von 10 Stunden ausgelegt. Dann geht es um das gesamte Gerät, bei dem viele Probleme berücksichtigt werden müssen, was viel Zeit in Anspruch nimmt.
ChinaVenture: Die führenden Unternehmen für verkörperte Gehirne benötigen Daten zum Training von Modellen. Kaufen sie Daten auch bei Ihnen, abgesehen von der eigenen Datensammlung?
Wang Qibin: Sicherlich bauen alle Unternehmen selbst diese Fähigkeiten auf: die Fähigkeit zur Fernsteuerung, zur Erfassung von Ego-Daten in großem Maßstab, die Entwicklung stabiler Hardware und den Aufbau eigener Datenpipelines zum Training von Modellen.
ChinaVenture: Werfen wir einen Blick in die Zukunft: Welche Erwartungen haben Sie an das Geschäft in diesem Jahr?
Wang Qibin: Das wichtigste Ziel in diesem Jahr ist es, die Leistung des Modells auf das erwartete Niveau zu bringen. Wir werden in Zukunft ständig neue Modelle veröffentlichen und hoffen, die Generalisierbarkeit und die Erfolgsrate bei einigen typischen nachgelagerten Aufgaben zu verbessern.
ChinaVenture: Welche Veränderungen werden Ihrer Meinung nach in dieser Branche bis zum Ende des Jahres eintreten?
Wang Qibin: Das ist schwer zu sagen. Ich denke, dass im ersten Halbjahr nächsten Jahres einige Unternehmen zurückbleiben werden, und einige Unternehmen werden in eine schwierige Lage geraten.
ChinaVenture: Wie Sie wissen, war die Finanzierung für die verkörperte KI im ersten Halbjahr dieses Jahres so verrückt. Was ist der tiefere Grund dafür Ihrer Meinung nach?
Wang Qibin: Ich persönlich denke, es gibt zwei Gründe. Erstens auf Ebene der Branche: Im letzten Jahr folgte die Entwicklung vollständig der Logik des Risikokapitals auf dem Primärmarkt, die besagte, dass diese Branche sehr zukunftsträchtig ist. In diesem Jahr wird die Branche als eine der sechs zukünftigen Hauptindustrien eingestuft, sodass sich die Kapitalstruktur entsprechend verändert hat.
Zweitens gibt es in diesem Jahr eine neue Erzähllogik: Die Logik der Weltmodelle ist entstanden, neue talentierte Teams sind aufgetaucht. Die Kombination aus diesen beiden Faktoren führt dazu, dass neue technische Hauptlinien und neue Teams in Verbindung mit Kapital gefördert werden. Einige traditionelle VC, die im letzten Jahr bereits in diesem Bereich investiert haben, werden in diesem Jahr erneut in Weltmodelle investieren. Die Überlagerung dieser beiden Logiken hat das erste Halbjahr so verrückt gemacht.
Aber ich persönlich denke, dass der Markt allmählich in eine rational