Ein Doktor der Tsinghua-Universität, der mit seinem Projekt des verkörperten Gehirns neun Finanzierungsrunden erfolgreich abgeschlossen hat, sagt, dass es in der Roboterindustrie keinen sogenannten ChatGPT-Moment gibt | Exklusivinterview von Hardkrypton

Autor | Huang Nan

Redakteur | Yuan Silai

Unter den zahlreichen Gründern mit Wurzeln an der Tsinghua-Universität ist Gao Haichuan, Gründer von Qianjue Technology, besonders einzigartig. Er gibt sich nie als Akademiker aus. Seine Selbstpositionierung ist einfach und direkt: In einem Interview mit Hard-Kr sagte er: „Ich muss zuerst die geschäftliche Realität berücksichtigen, erst danach komme die Technik.“

Im Jahr 2019, als er noch in einem Labor der Tsinghua-Universität forschte, erkannte er scharf die geschäftliche Chance für Roboter-Gehirne. Er eilte aber nicht zur Gründung eines Unternehmens, sondern behielt diese Idee ganze vier Jahre lang für sich. Erst 2023, nachdem er festgestellt hatte, dass die Roboter-Intelligenz in das Fenster der Engineering-Umsetzung und kommerziellen Anwendung eingetreten ist, verließ Gao Haichuan die Hochschule und gründete offiziell Qianjue Technology.

Diese Pragmatismus und Klarheit durchzog die gesamte spätere Entwicklung von Qianjue.

Wie Hard-Kr erfuhr, hat Qianjue Technology kürzlich eine A+ Finanzierungsrunde im Wert von mehreren hundert Millionen Yuan abgeschlossen. Diese Runde wurde gemeinsam von marktorientierten Institutionen und industriellen Investoren wie Yuanhe Hope, Xiaoguang Capital, Xineng Venture Capital, InnoAngel Fund, Jingming Capital und Future Margin Venture Capital teilgenommen. Maple Pledge fungiert seit langem als Berater für Private-Equity-Finanzierungen und beteiligte sich auch an dieser Runde. Seit der Gründung hat das Unternehmen insgesamt 9 Finanzierungsrunden abgeschlossen.

Am ersten Gründungstag hatte Qianjue eine sehr klare Positionierung für die Kommerzialisierung. Damals träumte die Branche davon, ChatGPT in verkörperte Roboter zu integrieren und alle Probleme der praktischen Umsetzung mit großen Modellen zu lösen. Qianjue wählte stattdessen einen Weg, den nur wenige Menschen gehen.

Gao Haichuan begann schon sehr früh mit der Erforschung zukunftsweisender Richtungen. Bereits 2017, als die Kernmitglieder des Teams noch im Labor der Tsinghua-Universität arbeiteten, legten sie die technische Hauptlinie des prädiktiven Weltmodells fest und erzielten hervorragende Ergebnisse bei internationalen Wettbewerben.

Aber Qianjue erzählte in der Anfangszeit keine solchen Geschichten. Als alle sich für die Zukunft der allgemeinen humanoiden Roboter begeisterten, sagte Gao Haichuan stattdessen: „In der Roboterbranche gibt es keinen sogenannten ChatGPT-Moment. Es wird keinen Wendepunkt geben, an dem ein einzelner technischer Durchbruch die gesamte Branche plötzlich aufblühen lässt.“

Er ist nicht pessimistisch oder will die Branche schlechtreden, sondern er hat die Realität in der praktischen Umsetzung erkannt. Die ersten Bestellungen von Qianjue waren keine humanoiden Roboter, sondern Produkte und Szenarien mit eindeutigem Bedarf wie Catering-, Reinigungs- und Hoteldienstrobotern.

Gao Haichuan sieht klar die Probleme, die bei der Umsetzung auftreten, und er glaubt nicht, dass das Problem der Datenerhebung in kurzer Zeit gelöst werden kann. Daher verfolgt Qianjue zwei parallele Linien: Das Forschungs- und Entwicklungsteam folgt der Hauptlinie des prädiktiven Weltmodells und erforscht alle möglichen teilweisen Algorithmus-Routen auf Basis der polynomischen Darstellungsarchitektur; das Umsetzungsteam taucht in Szenarien wie Hotels, Einzelhandel und Haushaltsdienstleistungen ein, arbeitet sich Kunde für Kunde vor und optimiert in echten Anwendungen.

Roboter mit dem Qianjue-Weltmodell liefern selbstständig in einem Café (Quelle / Unternehmen)

„Den Kunden ist es egal, welche technische Architektur und Algorithmus-Modelle Sie verwenden, sie interessieren sich nur dafür, ob dieses Ding ihm helfen kann, die herumliegenden Hausschuhe im Hotelzimmer aufzuräumen“, sagte Gao Haichuan zu Hard-Kr.

Aus der Sicht von CTO Zhang Tianren ist Gao Haichuan ein „untypischer Tsinghua-Absolvent“. Obwohl er langjährige Erfahrung in der technischen Forschung hat, nimmt er nicht die Anzahl von Papieren oder technischen Konzepten als einzigen Bewertungsmaßstab für die Unternehmensgründung. Gao Haichuan mischt sich selten in spezifische technische Lösungen ein, sondern konzentriert sich auf die Geschäftsrichtung, diskutiert mit dem Team, was getan werden soll und was nicht, und klärt gleichzeitig, wie der langfristige Weg des Unternehmens aussieht.

Er lässt sich auch selten von den Trends der Außenwelt beeinflussen und hat klare Urteile zu heißen Themen. Zum Beispiel bezüglich der Herstellung von Roboterkörpern durch Gehirn-Unternehmen meint er: „Die Wahrscheinlichkeit, dass dies nur für die Finanzierung geschieht, ist sehr hoch. Dies ist selbst ein Spiegelbild der Oberflächlichkeit der Branche, es folgt nicht der technischen Logik, sondern der Kapitallogik.“

Nachdem die Branche der verkörperten Intelligenz riesige Summen an Kapital angezogen hat, ist sie jetzt an dem Punkt angelangt, Fortschritte vorzuweisen. Offensichtlich können viele Unternehmen außer schicken PPTs und Demo-Ständen keine praktischen Ergebnisse vorzeigen.

Qianjue scheint keine solche Angst zu haben. Gao Haichuan spricht nie über abstrakte Konzepte. „Egal wie gut eine Technik ist, wenn sie nicht in echten Szenarien angewendet und von Kunden anerkannt wird, hat sie keinen praktischen Wert“, sagte Gao Haichuan.

Im Folgenden das vollständige Transkript des Gesprächs zwischen Hard-Kr und Gao Haichuan, Gründer und CEO von Qianjue Technology, redaktionell bearbeitet:

Investoren zahlen nicht mehr für auffällige Demos

Hard-Kr: Aus der Perspektive eines Praktikers der Branche, was ist die direkteste und grundlegendste Veränderung, die Sie in diesem Jahr in der Branche der verkörperten Intelligenz im Vergleich zu früher beobachtet haben?

Gao Haichuan: Die Branche ist in eine Phase eingetreten, in der die Entwicklungsgeschwindigkeit oft am schnellsten ist. Sie hat die Wertedefinitionsweise des akademischen Kreises verlassen.

Früher konzentrierten sich die Menschen auf einmalige Vorführungen, Demos und Ranglisten; jetzt achten sie mehr auf echte Umsetzungsindikatoren wie die Erfolgsrate von Aufgaben, die Dauer des kontinuierlichen Betriebs, die Fähigkeit zur Wiederherstellung bei Ausfällen, die Bereitstellungskosten und die Geschwindigkeit der Dateniteration. Auch die Bewertungsmaßstäbe der Investoren haben sich geändert: Sie investieren nicht mehr nur wegen eines auffälligen Demos.

Diese Veränderung findet gleichzeitig im In- und Ausland statt. Wir können auch sehen, dass die Schlüsselwörter der Branchenbewertung sich auf diese Dimensionen zubewegen, und Konzepte wie der Long-Tail-Feedback-Kreislauf und Systemtechnik werden immer häufiger erwähnt.

Obwohl es noch keine einheitliche Architektur gibt, die alle Szenarien anpassen kann, bildet sich ein Konsens heraus. Als Produkt ist dies kein SaaS-System mehr, das einmalig ausgeliefert wird, sondern eine komplette Systemtechnik, die sich auf das Modellsystem und die Feedback-Daten echter Nutzer stützt und im praktischen Betrieb kontinuierlich iteriert und gemeinsam weiterentwickelt.

Hard-Kr: Im vergangenen Jahr wechselten die technischen Hotspots von End-to-End, VLA bis zum Weltmodell sehr schnell. Wie sehen Sie die Einstellung des Marktes zu neuen Routen oder Konzepten?

Gao Haichuan: Tatsächlich ist die unendliche Vielfalt an Routen ein allgemeines Phänomen im aktuellen KI-Bereich, nicht nur bei der verkörperten Intelligenz, sondern auch bei Multimodal-Modellen und Sprachmodellen. Aber das Entscheidende ist: Die technische Grundlage hat sich nicht geändert. Auf der teilweisen Ebene schließen sich die technischen Routen nicht gegenseitig aus. Für das Systemframework muss oft nur ein Decoder hinzugefügt werden, und das Hauptnetzwerk und die Merkmalsdarstellung können wiederverwendet werden.

Um zu beurteilen, ob eine Route machbar ist, darf man nicht auf die kurzfristige öffentliche Aufmerksamkeit schauen. Jede teilweise Route hat in einer bestimmten Phase ihre Stärken, aber auch ihre Schwächen. Daher bedeutet „neu“ nicht gleich „gut“. Der echte Prüfstein ist der Markt, der sich an mehreren grundlegenden Indikatoren orientiert: Wie hoch ist die Dateneffizienz, wie hoch ist die Stichprobeneffizienz, wie hoch sind die Iterationskosten, wie stabil läuft das System über lange Zeit, wie stark ist die Generalisierungsfähigkeit usw. Das sind die Faktoren, die entscheiden, wie weit eine technische Route gehen kann.

Hard-Kr: Qianjue arbeitet seit dem ersten Gründungstag an dem prädiktiven Weltmodell. Wann haben Sie sich für diese Route entschieden?

Gao Haichuan: Der Hype um das prädiktive Weltmodell in China entstand, nachdem Yann LeCun das Unternehmen AMI Labs gründete. Eine Gruppe von Teams, die lange Zeit an entsprechenden Forschungen arbeiteten und zuvor nicht ausreichend Aufmerksamkeit vom Markt erhielten, traten ins Rampenlicht. Qianjue ist eines davon.

Tatsächlich begann unser Team aber bereits 2018, als das erste Papier im Bereich des Weltmodells veröffentlicht wurde, mit der Erforschung des modusbasierten Steuerungsverfahrens auf Basis des Videospiel-Wettbewerbs VIZDOOM und erzielte hervorragende Ergebnisse bei internationalen Wettbewerben.

Wir sahen damals eine langfristige Richtung mit sehr hoher Sicherheit. Als das Weltmodell in diesem Jahr zum Hotspot wurde, hatte Qianjue bereits fast zehn Jahre lang kontinuierlich technische Erfahrungen gesammelt.

„Quantifying and Optimizing Simplicity via Polynomial Representations“ schlägt vor, die „Einfachheit“ neuronaler Netze durch polynomische Darstellungen zu quantifizieren und zu optimieren (Quelle / Unternehmen)

Hard-Kr: Was war das tatsächliche Verständnis der Branche für das Weltmodell, bevor das Konzept populär wurde? Warum hat Qianjue in der Anfangszeit nicht die damals gängigere VLA-Route gewählt?

Gao Haichuan: Qianjue wurde 2023 gegründet. Damals glaubte die Branche allgemein, dass man alle Probleme lösen kann, wenn man ChatGPT an humanoiden Roboter anschließt. Diese Einschätzung unterschätzt aber offensichtlich die Knappheit an Daten. Die Kosten für die Erhebung echter Roboterdaten sind extrem hoch, sowohl die Zeitkosten als auch die Kosten durch mögliche Beschädigungen. Das bedeutet, dass der Algorithmus eine sehr hohe Stichprobeneffizienz aufweisen muss, um die Schwelle der Kommerzialisierung zu überwinden.

VLA und das Weltmodell sind keine völlig gegensätzlichen technischen Routen. VLA hat seine eigenen Vorteile bei der Sprachverstehen und der direkten Generierung von Aktionen. Aber wenn man sich nur auf das End-to-End-Strategielernen verlässt, kann man bei Datenknappheit, Umgebungsänderungen und Aufgaben außerhalb der bekannten Verteilung immer noch vor hohen Datenanforderungen und Generalisierungsherausforderungen stehen. Daher war Qianjue von Anfang an klar, dass wir nicht die modusfreie Route gehen, sondern das prädiktive Weltmodell wählen. Das war damals noch kein Branchenkonsens im Bereich der verkörperten Gehirne.

Unter begrenzten Datenbedingungen wollen wir die Datennutzungseffizienz des Modells, die Fähigkeit zur Generalisierung über verschiedene Szenarien hinweg und die Fähigkeit zur kontinuierlichen Entscheidungsfindung in dynamischen Umgebungen verbessern.

Ein weiterer Punkt ist entscheidend. Die dynamischen zufälligen Störungen in offenen Szenarien sind genau die Stärke der Transformer-Architektur. Roboter dürfen nicht nur eine Aktion basierend auf der aktuellen Eingabe generieren, sondern müssen ihr Urteil über die Umgebung ständig basierend auf neuen Beobachtungen aktualisieren. Das erfordert, dass das Modell nicht nur die Fähigkeit zur Modellierung von Multimodal-Informationen und zeitlichen Beziehungen hat, sondern auch eine starke Fähigkeit zur Generalisierung über verschiedene Szenarien hinweg.

Wir wählen das prädiktive Weltmodell, weil wir durch das Lernen von zustandsbezogenen Darstellungen und Änderungsregeln den Robotern ermöglichen wollen, die möglichen Ergebnisse ihrer Handlungen vorherzusagen, Entscheidungen und Planungen in dynamischen Umgebungen kontinuierlich anzupassen und die Abhängigkeit von festen Szenarien und vorhandenen Datenverteilungen zu verringern. Alle diese Faktoren zusammen stützen unsere technische Entscheidung.

Die Herstellung von Roboter-Körpern sollte kein Finanzierungsinstrument sein

Hard-Kr: Als Anbieter von intelligenter Infrastruktur für Roboter, wie verstehen Sie die tatsächlichen Bedürfnisse von Herstellern kompletter Roboter, die sich für externe intelligente Basissysteme entscheiden? Welche Bedenken haben Kunden normalerweise?

Gao Haichuan: Die größte Sorge der Hersteller kompletter Roboter ist eigentlich der Konflikt der ökologischen Nische. Ein Hersteller, der bereits B2B-Kunden und eine eigene Marke für Roboter-Körper hat, wird die Zusammenarbeit höchstwahrscheinlich nicht fortsetzen, wenn er bei der Auswahl eines Gehirn-Anbieters feststellt, dass dieser Anbieter auch eine eigene Marke für Roboter-Körper hat – selbst wenn nur eine potenzielle Wettbewerbsmöglichkeit besteht. Das ist kein technisches Problem, sondern ein Vertrauensproblem.

Wir hoffen, durch die Anpassung an Roboter verschiedener Formen die wiederholten Forschungs-, Entwicklungs- und Anpassungskosten der Hersteller von Roboter-Körpern im Bereich der intelligenten Fähigkeiten zu senken und Partnern zu helfen, ihre Produkte schneller auf den Markt zu bringen, statt mit ihnen um Marken für Roboter-Körper oder Endkunden zu konkurrieren.

Was die Herstellung von Roboter-Körpern angeht, hat dies in China vielleicht einen besonderen Wert für die Finanzierung, und kann in bestimmten Phasen sogar zu einer „Wiederbelebungskarte“ werden. Dies ist selbst ein Spiegelbild der Oberflächlichkeit der Branche, es folgt nicht der technischen Logik, sondern der Kapitallogik.

Hard-Kr: Der Widerspruch bei Robotern liegt darin, dass die Demo-Indikatoren im Labor sehr gut sind, aber sobald sie in die reale physische Welt übertragen werden, kann die Leistung drastisch einbrechen. Was ist der größte Engpass für die großflächige kommerzielle Vervielfältigung – Algorithmen, technische Anpassung oder der Daten-Feedback-Kreislauf in echten physischen Szenarien?

Gao Haichuan: Nach Jahren der Iteration sind die Fähigkeiten der Algorithmen eigentlich bereits relativ ausreichend. Der eigentliche Engpass heute ist, dass die Daten noch nicht wirklich verfügbar sind. Unter den drei Faktoren Rechenleistung, Algorithmus und Daten sind Rechenleistung und Algorithmus im Grunde bereit. Das, was das Tempo wirklich verlangsamt, ist die Datenversorgung.

Die Knappheit an Roboterdaten ist eine einzigartige Schwierigkeit dieser Branche. Echte Daten aus der ph