Megvii rekonstruiert den Betrieb physischer Räume mit „Intelligenten Agenten“: Woher kommt seine Zuversicht?
Megvii, gegründet im Jahr 2011, hat nach mehreren Veränderungen wie dem Umstellungsprozess der Börsennotierung und der Geschäftsinnovation einen selten begangenen Weg gewählt. Sie geben sich nicht mehr damit zufrieden, dass die KI die physische Welt „sehen“ kann, sondern lassen die KI die physische Welt „verändern“.
Nach der Definition von Megvii ist der Betrieb physischer Räume der kontinuierliche Wahrnehmung von Menschen, Objekten, Bereichen, Regeln und Abläufen im physischen Raum, das Verständnis ihrer räumlich-zeitlichen Beziehungen und Betriebszustände, die Erkennung von Anomalien und Chancen sowie die Förderung eines geschlossenen Kreislaufs von Geschäftsentscheidungen und Maßnahmen.
Von dem „Fähig-Sein zu Sehen“ zum „Fähig-Sein zu Handeln“ hat Megvii diesen Schritt der Weiterentwicklung 15 Jahre lang gegangen.
Von „Wahrnehmungsalgorithmus“ zu „Intelligenten Agenten für den physischen Raum“: Eine evolutionäre Erhöhung der Dimension
In den Augen der Außenwelt scheint Megvii sich ständig zu wandeln, aber jeder Schritt folgt nachvollziehbaren Regeln.
Vor allem wenn man die Zeitachse bis ins Jahr 2011 zurückzieht und den 15-jährigen technologischen Entwicklungsverlauf von Megvii verfolgt, wird man feststellen, dass die heutige Positionierung nie ein spontaner Einfall ist, sondern ein unvermeidliches Ergebnis.
Viele Menschen erinnern sich gut an das Ereignis „Einkauf von Gedenkmarken per Gesichtserkennung“, das 2015 in Hannover, Deutschland, stattfand. Das war vier Jahre nach der Gründung von Megvii, als Megvii zum ersten Mal als unterstützender Algorithmuslieferant im Hintergrund die chinesische Gesichtserkennungstechnologie auf der globalen Bühne vorstellte. Megvii gewann nacheinander den Weltmeistertitel im Wettbewerb für Computervision, erhielt die Genehmigung für die nationale offene Innovationsplattform für KI im Bereich „Bildwahrnehmung“ und vollzog zunächst die ursprüngliche Anhäufung der Fähigkeit zur Wahrnehmung des Zustands von „Personen, Dingen und Objekten“, womit es erstmals an die Schwelle des physischen Raums stieß.
Anschließend veröffentlichte Megvii die weltweit erste intelligente Kamera C1, baute die KI-Produktivitätsplattform Brain++ auf und definierte mit dem Konzept „Algorithmen definieren Hardware“ die Produktlogik von AIoT neu. Es ist leicht zu erkennen, dass Megvii in dieser Phase bereits Algorithmen in die Hardware integriert und die Wahrnehmungsfähigkeit als Ankerpunkt für den Eintritt in den physischen Raum eingesetzt hat.
In den folgenden Jahren lieferte Megvii das Projekt intelligente Sportstätten für die Olympischen Winterspiele in Peking, baute mehrere stadtweite Projekte unter anderem in Peking auf und implementierte digitale Wahrnehmungssysteme für viele weltweit führende Unternehmen der Fortune-500-Liste. Damit bestätigte es kontinuierlich seine Fähigkeit zur Betriebs- und Dienstleistungserbringung im physischen Raum.
Seit 2024 hat Megvii das multimodale Großmodell Taiyi veröffentlicht und anschließend den Huanfang-Intelligentagenten, den Analyse-Kasten des Mofang-Intelligentagenten sowie die Plattform für Anwendungen und Verwaltung von Intelligentagenten auf den Markt gebracht, womit es offiziell das POA OS (Betriebssystem für Intelligentagenten im physischen Raum) aufgebaut hat. Damit wurde der intelligente Technologie-Stack für den Betrieb physischer Räume schrittweise aktualisiert.
Gleichzeitig kommt auch die Welle der Branche auf, und alle in der Branche beginnen, eine grundlegendere Frage zu diskutieren: Was ist das endgültige Ziel der KI? Fast alle Antworten lauten auf Physical AI.
Jensen Huang, CEO von NVIDIA, hat einmal vorgeschlagen, dass das nächste Zeitalter der KI von Intelligentagenten die Physical AI ist. Nach der Prognose von Future Markets wird der weltweite Marktumfang von Physical AI von etwa 383 Milliarden US-Dollar im Jahr 2026 auf 3,26 Billionen US-Dollar im Jahr 2040 ansteigen. Frost & Sullivan schätzt, dass der Marktumfang der chinesischen Simulations- und Datenplattform für Physical AI im Jahr 2030 180,61 Milliarden Yuan erreichen wird.
Die Branche ist sehr dynamisch, aber Megviis Urteil ist sehr besonnen: Der wahre Wert liegt nicht mehr in der „Wahrnehmung“ selbst, sondern im geschlossenen Gesamtkreislauf „Wahrnehmung – Verständnis – Entscheidung – Umsetzung“. Der Betrieb physischer Räume ist genau die konzentrierte Ausprägung dieses Urteils.
Das ist keine glamouröse Geschichte. Es bedeutet, dass Megvii weiterhin Kunden aus Regierung und Unternehmen betreuen, Projektlieferungen durchführen und in jedem einzelnen spezifischen physischen Raum mit Staub, Lärm und sehr unterschiedlichen Kundenanforderungen umgehen muss. Andererseits ist dies aber wahrscheinlich der praktikabelste Weg für Megvii: Die 15-jährige Anhäufung ist nicht die Überlegenheit eines einzelnen Algorithmus, sondern die Ingenieurskompetenz und das branchenspezifische Know-how, das durch praktische Erfahrungen im echten physischen Raum entstanden ist.
Der geschlossene Ingenieurskreislauf und das Forschungssystem sind der am meisten unterschätzte Wettbewerbsvorteil von Megvii
In der KI-Branche gibt es schon lange einen Konsens: Zwischen den Top-Konferenzpapieren und der Implementierung in der Produktionslinie liegt ein „Tal des Todes“. Viele Menschen verstehen dieses Tal als den Unterschied in der technischen Reife, aber diejenigen, die wirklich in der Branche gearbeitet haben, wissen, dass es eher eine völlig andere Überlebenslogik ist. Die Papiere streben danach, die Genauigkeit auf Standard-Datensätzen zu verbessern, während die Produktionslinie mit Werkstätten mit wechselnder Beleuchtung, Kundendaten mit unterschiedlicher Annotationsqualität, sich alle drei Monate ändernden Geschäftsabläufen und strengen Fehlertoleranzanforderungen konfrontiert ist, bei denen man nach einem einzigen Fehlalarm so kritisiert wird, dass man an seinem Verstand zweifelt.
Zufällig hat Megvii bereits mehr als zehn Jahre lang in diesem Tal praktische Erfahrungen gesammelt. Daher ist die Fähigkeit von Megvii zum geschlossenen Full-Stack-Ingenieurkreislauf auch schrittweise entsprechend den Anforderungen der Kunden „herangewachsen“.
Auf der Algorithmusebene treibt Megvii entschlossen die Forschung zur Kooperation von großem und kleinem Physical-Gehirn voran. Einerseits investiert es kontinuierlich in die Spitzenforschung bei allgemeinen Großmodellen; andererseits führt es für die Szenarien vertikaler Branchen die kooperative Implementierung von branchenspezifischen Großmodellen und szenariospezifischen Kleinmodellen durch. Auf der Hardwareebene baut Megvii aktiv die Intelligenz von Endgeräten und Edge-Geräten aus und hat ein vollständiges integriertes Produktssystem für AIoT aus Software und Hardware aufgebaut, das den gesamten Hardwarebedarf für die Datenerfassung im physischen Raum und das Edge-Inferenz abdeckt. Auf der Systemebene hat Megvii das selbst entwickelte POA OS auf den Markt gebracht, das das Ergebnis der wissenschaftlichen Stärke von Megvii ist und der zentrale Grundpfeiler für seine Ingenieurspraxis und die Produktinnovation von Intelligentagenten ist. Auf der Anwendungsebene fasst Megvii die oben genannten Fähigkeiten zu Lösungen für Intelligentagenten zusammen, die auf fünf Szenarien im physischen Raum ausgerichtet sind.
Die vier Ebenen der Fähigkeiten bauen aufeinander auf und greifen ineinander ein: Der Algorithmus ist das „Gehirn“, die Hardware sind die „Sinne“, das System ist das „Nervenzentrum“ und die Anwendung sind „Hände und Füße“. Der Vorteil dieser Architektur liegt darin, dass jede Ebene ein wiederverwendbares, iterierbares und kombinierbares Modul ist. Sobald es in einem bestimmten Szenario erfolgreich eingesetzt wurde, kann es schnell auf ähnliche Szenarien übertragen werden.
Was noch wertvoller ist: Megvii hat diese geschlossenen Kreisläufe bereits in der Vergangenheit in realen Projekten in Branchen wie Energie, Verkehr und Telekommunikationsbetreibern erfolgreich getestet. Man kann sagen, dass Megvii derzeit immer noch eines der sehr wenigen Unternehmen in der Branche ist, das über die Full-Stack-Lieferfähigkeit von Algorithmen, Hardware, Systemen bis zu Anwendungen verfügt.
Laut Informationen von 36Kr machen die technischen Forschungs- und Entwicklungsmitarbeiter bei Megvii immer noch mehr als 60 % der Gesamtbelegschaft aus, was weit über dem Branchendurchschnitt liegt. Im ersten Halbjahr 2026 ist die Gesamtzahl der veröffentlichten Modellversionen um 180 % gegenüber dem gleichen Zeitraum 2025 gestiegen, wobei sowohl die Qualität als auch die Effizienz der Massenproduktion verbessert wurden. Die aktuelle technische Forschung und Entwicklung von Megvii konzentriert sich auf zwei technische Hauptlinien.
Die erste Hauptlinie besteht darin, wie Großmodelle effizienter in die Szenarien der Branchenräume eingebracht werden können. Da die realen Branchenszenarien keine geschlossenen, klar regulierten und vollständig annotierten Standard-Datensätze sind, ermöglicht Megvii durch effizientes Nachtraining und Lösungen mit wenigen Stichproben, dass die Großmodelle sich mit niedrigeren Kosten an die Beurteilungskriterien und Kostenzwänge verschiedener Szenarien anpassen.
Die zweite Hauptlinie besteht darin, dass die Intelligentagenten ihre autonome Fähigkeit im echten physischen Raum kontinuierlich verbessern. Der echte physische Raum ist offen, dynamisch und unsicher. Die Intelligentagenten müssen Objekte, Räume, Verhaltensweisen und Rückmeldungen verstehen und die autonome Weiterentwicklung von der Wahrnehmung bis zum Handeln vollziehen.
Im Mai dieses Jahres wurde der von Megvii gemeinsam mit dem Pekinger Innovationszentrum für humanoide Roboter entwickelte Optimierungsalgorithmus für räumliche Wahrnehmung E-ViC von der 64. Jahrestagung der Internationalen Vereinigung für Computerlinguistik (ACL 2026) angenommen. Bei fünf Benchmark-Tests für räumliches Verständnis verbesserte sich E-ViC im Durchschnitt um 10,1 % gegenüber dem Grundmodell und erzielte die größte Weiterentwicklung bei Aufgaben, die eine genaue Positionierung erfordern (z. B. Platzierung von Zielen, räumliche Referenzierung). Es übertraf sogar Großmodelle mit der vierfachen Parameteranzahl sowie kommerzielle Flaggschiffmodelle wie GPT-5. Im Juli wurde die von Megvii vorgestellte Arbeit zum multimodalen kontextuellen Lernen von der globalen Top-Konferenz ICML 2026 angenommen. Jede Annahme auf einer Top-Konferenz ist eine technische Fähigkeit, die praktische Probleme in realen Szenarien lösen kann – genau das ist die Grundlage für Megviis Selbstvertrauen, die Ergebnisse der Forschung und Entwicklung in die Produktionslinie zu überführen.
Die Teilnehmer kommen zum Stand von Megvii, um sich auszutauschen
Warum ist POA OS die „bestimmte nachgefragte Zwischenschicht“ der physischen Welt?
Die Erhöhung der strategischen Dimension erfordert ein neues technisches Grundgerüst. Daher hat Megvii POA OS auf den Markt gebracht, das Physical Operation Agent OS, also das Betriebssystem für Intelligentagenten im physischen Raum.
Das ist ein intelligentes Grundgerüst mit dem Konzept „Raum als Dienstleistung“, das für die standardisierte Anpassung und Koordination von Algorithmusfähigkeiten und Hardwaregeräten zuständig ist und die Intelligentagenten dazu bringt, im echten Umfeld autonom wahrzunehmen, zu erinnern, zu entscheiden, zu handeln und sich weiterzuentwickeln. Wenn man sagt, dass das frühere Megvii einzelne „Algorithmusbauteile“ verkauft hat, dann versucht POA OS, diese Bauteile zu einer Betriebsmaschine zusammenzubauen, die massenhaft repliziert werden kann.
Das Besondere an POA OS liegt darin, dass es auf „bestimmte Regeln im physischen Raum und sichere Grundgrenzen“ setzt. KI in der digitalen Welt kann Fehler machen: Wenn die Unterhaltung nicht perfekt ist oder die Empfehlungen nicht präzise sind, beschweren sich die Benutzer höchstens ein paar Mal. Aber wenn die KI in der physischen Welt einen Fehler macht, kann das direkt mit Personengefährdung zu tun haben, zu Produktionsunfällen und Vermögensschäden führen. Eine der Kernfunktionen von POA OS besteht darin, die Regeln, Abläufe und Sicherheitsgrenzen der physischen Welt zu einer „harten Beschränkung“ auf Systemebene zu festigen, sodass die Intelligentagenten innerhalb des Regelwerks autonom entscheiden, statt unbegründete Handlungen durchzuführen.
Das beantwortet tatsächlich ein zentrales Problem bei der Implementierung von Physical AI: Wie man die Autonomie der Intelligentagenten und die Bestimmtheit des Systems ausbalanciert.
Megvii hat einen Weg gewählt, der sich von dem der meisten anderen Marktteilnehmer unterscheidet. Es verkauft keine Roboter selbst, entwickelt keine allgemeinen Großmodelle und verkauft nicht nur Algorithmen. Megvii verkauft die „Fähigkeit zum Betrieb physischer Räume“, sodass ein Bürogebäude, eine Fabrik oder ein Stadtteil von Intelligentagenten autonom wahrgenommen, entschieden und betrieben werden kann.
Wie bekannt ist, erwartet Megvii, im Jahr 2026 einen vollständigen Umschlag von Verlusten zu Gewinnen zu erreichen. Die Bedeutung dieses Umschlags geht über die reinen Finanzzahlen hinaus. Es bedeutet, dass der von Megvii gewählte „selten begangene Weg“ – der Aufbau eines Dienstleisters für den Betrieb physischer Räume – vom Markt als praktikabler kommerzieller Weg bestätigt wird.
Rückblickend auf die 15 Jahre von Megvii ist jede Umwandlung eine Erweiterung und Iteration der Kernkompetenzen. Der Algorithmus ist der Ausgangspunkt, die Hardware ist der Fühler, das System ist das Gerüst und der Intelligentagent ist die endgültige Form des gelieferten Werts.
Der Weg zum Betrieb physischer Räume ist nicht einfach. Er erfordert von einem Unternehmen gleichzeitig Spitzenfähigkeiten in der Algorithmenforschung und -entwicklung, solide Ingenieurskompetenz in der Hardware, komplexe Systemintegrationsfähigkeiten sowie ein tiefes Verständnis für die Branchenszenarien – es ist nicht einfach, jede dieser vier Dinge einzeln gut zu machen, und es gibt nur sehr wenige Unternehmen, die alle vier Dinge gleichzeitig gut beherrschen.
Megvii ist zufällig eines dieser Unternehmen.
Von der Wahrnehmung zur Umsetzung, vom „Sehen“ zum „Verändern“: Diese Weiterentwicklung der Dimension kommt für ein Unternehmen mit technischer Stärke und ingenieurmäßiger Erfahrung nicht zu spät. Der neue Wettbewerb im Bereich Physical AI hat gerade erst begonnen.