Warum setzen NVIDIA und JD.com gleichzeitig ihre Wetten auf Physical AI in der zweiten Halbzeit der KI-Entwicklung?

Gleich zu Beginn des Septembers wurden die Flughäfen in vielen Teilen des Landes plötzlich von einer auffälligen Werbetafel überflutet – „Bringt KI in die physische Welt“. Die Worte sind kurz und die Bedeutung ist direkt, der Unterzeichner ist JD Cloud.

Gleichzeitig mit der Veröffentlichung dieser Werbetafel hat die JDD (JD Discovery & Developer Conference), die am 9. September stattfindet, ihr Thema klar auf „Physische KI“ ausgerichtet.

„Physische KI“ ist zweifellos das wichtigste Hit-Thema im chinesischen Sprachraum der letzten sechs Monate, und die physische Welt gilt als die nächste Station für KI.

Die Branche hat zwei Jahre lang einen technischen Rausch erlebt, in dem sie sich wild bei der Inferenzgeschwindigkeit, langen Kontexten und sogar bei der Frage überboten hat, wessen Chatbot menschenähnlicher ist. Aber jetzt steht eine sehr realistische, sogar etwas grausame Frage auf dem Tisch: Wie lassen sich diese Token, die eine astronomische Menge an Rechenleistung verbrauchen, und die massiven Datenströme, die im C-Ende gesammelt wurden, tatsächlich in echten Geschäftswert umwandeln?

Aus der Perspektive eines Industriebeobachters spiegelt diese Wende zwei Kernprobleme wider: Warum muss KI unbedingt die digitale Welt verlassen? Und warum sind es Unternehmen wie JD, die dieses Hochland besetzen?

01

Wenn KI beginnt, das Chatfenster zu verlassen

In den Jahren der KI-Entwicklung ging es im Wesentlichen darum, Punkte in der virtuellen digitalen Welt zu sammeln. Aber der sinkende Grenznutzen der technischen Iteration und die hohen Betriebskosten zwingen die gesamte Branche, sich der Realität zu stellen: Wie viele Arbeiten können diese Fähigkeiten letztendlich erledigen und wie viel praktischen Wert schaffen sie?

Agent ist das deutlichste Signal.

Frühere Copiloten beteiligten sich hauptsächlich am Arbeitsprozess der Menschen, halfen Programmierern beim Schreiben von Code, Vertriebsmitarbeitern beim Sortieren von Materialien und Finanzmitarbeitern bei der Analyse von Daten. Agent beginnt nun, eine vollständige Aufgabe zu übernehmen, Unternehmensdaten zu lesen, verschiedene Tools aufzurufen und die Ergebnisse zurück in die Geschäftssysteme zu schreiben. Eine Studie, die OpenAI im Juni dieses Jahres veröffentlicht hat, fasst diese Veränderung zusammen: Die Grundeinheit der Wissensarbeit verschiebt sich von einzelnen Interaktionen zu „übertragbaren langfristigen Aufgaben“.

Die Art und Weise, wie Unternehmen KI messen, hat sich ebenfalls geändert. Wenn Token messen, wie viel Intelligenz das Modell erzeugt, und Task messen, wie viele Arbeiten die KI übernehmen kann, dann müssen Unternehmen letztendlich immer noch Kostensenkungen, Effizienzsteigerungen und geschlossene Geschäftskreisläufe sehen – also das Ergebnis.

Wenn die allgemeinen Fähigkeiten der zugrunde liegenden großen Modelle allmählich nivelliert werden, hat „wer die größten Parameter hat“ keinen absoluten Schutzgraben mehr. Das Schlachtfeld des KI-Wettbewerbs wird zwangsläufig zu „wer tief in die industriellen Prozesse einsteigen und konkrete Probleme lösen kann“ wechseln.

Dies ist auch der Hintergrund, warum JD auf der diesjährigen JDD die „Physische KI“ in die Kernposition gerückt hat.

JDs Einschätzung lautet: Der KI-Wettbewerb bewegt sich von dem „Parameter-Wettbewerb“ zu dem „Produktivitätswettbewerb“. Auf der JDD hat JD Cloud, Daten, Modelle, Endgeräte, Szenarien und Lieferketten in dasselbe System eingebunden, um KI weiter in reale Szenarien wie Einzelhandel, Logistik, Industrie, Gesundheit und Haushalt zu bringen.

Im Gegensatz zu der weit verbreiteten Verwendung von „Physische KI“ in der Branche, um allgemein Roboter zu bezeichnen, ist die Logik, die JD diskutieren möchte, offensichtlich viel breiter.

Roboter sind eine typische Form, bei der KI direkt auf die reale Welt einwirkt, aber umfassendere Veränderungen haben bereits in verschiedenen Industrien stillschweigend stattgefunden. KI im Einzelhandel muss letztendlich Transaktionen und Erfüllung beeinflussen, KI in der Logistik beteiligt sich an Lagerhaltung und Lieferung, industrielle KI tritt in Produktionsprozesse ein, und Roboter wandeln die Urteile des Modells weiter in physische Aktionen um. KI beginnt, von der Erzeugung von Informationen weiter an den Produktions- und Dienstleistungsprozessen der realen Welt teilzunehmen.

Diese Einschätzung wird auch zum grundlegenden Konsens der globalen KI-Industrie. In diesem Jahr hat NVIDIA sein Layout für physische KI kontinuierlich verstärkt, von dem Cosmos-Weltmodell, dem Isaac-Simulationsframework bis zum GR00t-Robotermodell, und arbeitet mit Giganten wie ABB, FANUC und Figure zusammen, um die Technologie in Szenarien der Elektronikmontage und industriellen Automatisierung zu bringen.

Physische KI entwickelt sich von einem technischen Zweig im Robotikbereich zu dem einzigen Hauptpfad, auf dem KI in die realen Produktionssysteme einsteigt und den Produktivitätswert realisiert.

02

Warum ist es für KI sogar schwieriger, in die physische Welt einzutreten?

Die rasante Entwicklung großer Modelle in den letzten Jahren basiert zu einem großen Teil auf den massiven digitalen Inhalten, die das Internet bereits angesammelt hat. Webseiten, Bücher, Bilder, Videos und Code können kontinuierlich für das Training verwendet werden. Nachdem das Modell trainiert wurde, kann es über APIs schnell in verschiedenen Produkten und bei Benutzern bereitgestellt werden.

Aber bei der physischen KI trifft das Skalierungsgesetz auf das berühmte „Moravec-Paradoxon“ – Für KI ist abstraktes logisches Schlussfolgern einfacher geworden, aber in der komplexen realen physischen Welt ein Objekt zu greifen oder ein winziges Hindernis zu erkennen, ist äußerst schwierig.

Eine KI, die in ein Lager eintritt, muss wissen, wo sich die Waren befinden, wie sich der Bestand ändert und wie verschiedene Geräte zusammenarbeiten. Wenn sie in eine Fabrik eintritt, muss sie Materialien, Maschinen und Produktionsprozesse verstehen. Wenn sie in einen Haushalt eintritt, muss sie sich an verschiedene Räume und Hardware anpassen. Wenn sie in einen Roboter eintritt, bezieht sie sich weiter auf Aktionen, Kräfte, Umgebungsrückmeldungen und die Unterschiede zwischen verschiedenen Körpern.

Aus diesem Grund kann die Entwicklung der physischen KI den Skalierungspfad großer Modelle der letzten Jahre nicht einfach kopieren. NVIDIA hat das Kernproblem der Roboterentwicklung als „Datenlücke“ zusammengefasst: Das Internet stellt umfangreiche Vortrainingsdaten für große Sprachmodelle bereit, aber die Anzahl der Roboterdaten in der realen Welt ist begrenzt, die Erfassung ist teuer, und viele extreme Szenarien können kaum durch echte Erfassung abgedeckt werden.

Konkret auf die industrielle Implementierung bezogen können die Probleme, die die physische KI lösen muss, in drei Ebenen zusammengefasst werden: Gibt es genügend Daten zum Lernen, genügend Szenarien zur Überprüfung und kann nach erfolgreicher Überprüfung die Skalierung erreicht werden?

Dies entspricht genau der Logik, die JD auf der JDD vorgeschlagen hat: Daten lassen KI evolvieren, Szenarien lassen KI überprüfen und Lieferketten lassen KI skalieren.

Zuerst geht es um Daten.

Die Daten in der digitalen Welt zeichnen hauptsächlich das Wissen auf, das Menschen bereits ausgedrückt haben. Physische KI muss weiter verstehen, wie Menschen und Objekte sich bewegen, wie Aktionen die Umwelt verändern und wie Aufgaben im realen Raum erledigt werden. Die Produktionskosten dieser Art von Daten sind ebenfalls höher. Ein Webseitentext kann direkt von dem Modell gelesen werden, aber eine Roboteraufgabe kann verschiedene Modalitäten wie Kameras, Sensoren, Aktionsspuren und Kraftrückmeldungen beinhalten und muss durch Erfassung, Annotation, Training und Überprüfung in der realen Umgebung verarbeitet werden.

JD hat sich entschieden, seine Dateninfrastruktur weiter in die reale Welt auszudehnen. Derzeit deckt sein körperliches Datensystem bereits die gesamte Kette von „Erfassung, Speicherung, Annotation, Training, Bewertung, Simulation und Prüfung“ ab und plant, innerhalb von zwei Jahren 10 Millionen Stunden an Videodaten aus realen Szenarien anzusammeln. Die Datenquellen wurden auch von Daten des Roboterkörpers auf Kraft-Touch-Daten, Simulationsdaten und Videomaterial aus der ersten Perspektive menschlicher Bediener erweitert.

Neben Daten ist die zweite Barriere das Szenario.

Physische KI steht letztendlich vor einer sich ständig verändernden realen Umgebung mit einer extrem niedrigen Fehlertoleranz. Eine Fähigkeit, die in Benchmarks oder im Labor funktioniert, bedeutet nicht, dass sie auch in Lagern, Fabriken und Haushalten wirksam bleibt.

Dies führt auch zu dem grundlegenden Unterschied zwischen physischer KI und allgemeinen digitalen Modellen: Bei digitaler KI wird das Modell normalerweise zuerst trainiert und dann in Szenarien wie Suche und Büroarbeit bereitgestellt. Aber bei physischer KI wird die Beziehung zwischen Szenario und Modell immer enger, und das Szenario selbst ist Teil der fortlaufenden Iteration der KI-Fähigkeiten.

Echte Geschäfte erzeugen Daten, die Daten fließen in das Modelltraining ein, das Modell kehrt zurück, um Aufgaben im Geschäft auszuführen, und die Ausführungsergebnisse bilden neue Rückmeldungen – so entsteht ein sich ständig drehender Flywheel zwischen Daten, Modellen und Szenarien.

Aus dieser Perspektive haben die Geschäfte, die JD im Einzelhandel, in der Logistik, Industrie, Gesundheit und im Haushalt angesammelt hat, einen einzigartigen Wert im KI-Zeitalter. Am Beispiel von industriellen Szenarien: JD gibt an, dass sein industrielles großes Modell JoyIndustrial bereits über 1 Milliarde Mal aufgerufen wurde. Die Anwendungen haben sich von dem Verständnis industriellen Wissens weiter zur Planung von Agent-Aufgaben, zum Aufruf von Tools und zur Ausführung in den Geschäftssystemen von Unternehmen entwickelt, wobei die Ausführungsergebnisse zurück in das System übermittelt werden.

Szenarien sind nicht nur der Ort, an dem KI-Fähigkeiten letztendlich angewendet werden, sondern auch der physische geschlossene Kreislauf, in dem KI echte Rückmeldungen erhält und ihre Selbstevolution abschließt.

Die dritte Barriere ist die Skalierung.

Zwischen dem Erledigen einer Aufgabe im Labor und dem langfristigen stabilen Betrieb einer großen Anzahl von Geräten in verschiedenen Umgebungen liegt noch eine große Distanz in Bezug auf Ingenieurwesen und Industriekette. Nachdem KI in die reale Welt eingetreten ist, ist die Modellbereitstellung nur ein Teil des gesamten Prozesses. Hardwareproduktion, Komponenten, Vertriebskanäle, Logistik, Installation, Wartung und After-Sales-Service beeinflussen alle, ob letztendlich ein geschlossener Geschäftskreislauf gebildet werden kann.

Aus diesem Grund ist unter den sechs Wörtern von JD „Cloud, Daten, Modell, Endgerät, Szenario, Lieferkette“ das letzte „Lieferkette“ besonders beachtenswert.

Das Modell bestimmt, ob eine Fähigkeit realisiert werden kann, das Szenario prüft, ob sie in der realen Umgebung funktioniert, und die Lieferkette entscheidet, ob diese Fähigkeit in eine ausreichend große reale Welt eintreten kann.

Dies bildet einen vollständigeren Satz von industriellen Barrieren für physische KI: Daten bestimmen, wie KI die Realität versteht, Szenarien bestimmen, wie KI sich an die Realität anpasst, und Lieferketten bestimmen, wie KI skaliert in die Realität eintritt.

Wenn sich die Ressourcen ändern, die für den Wettbewerb erforderlich sind, kann sich auch die ursprüngliche Rangfolge der KI-Vorteile zwischen großen Technologieunternehmen ändern.

03

Physische KI kann die KI-Vorteile großer Unternehmen neu definieren

Da die physische KI die Wettbewerbsvariablen in die reale Welt einbringt, erhalten die physischen Infrastrukturen, die JD in den letzten mehr als 20 Jahren angesammelt hat, einen neuen Erklärungsrahmen.

Im Vergleich zu vielen Internetplattformen, die hauptsächlich online betrieben werden, ist das Geschäft von JD schon früh tief in den tatsächlichen Zirkulationsprozess von Waren und Dienstleistungen eingedrungen. Von Einkauf, Bestand und Lagerhaltung bis zu Lieferung und After-Sales-Service, sowie zu industriellem Einkauf, Gesundheitsdienstleistungen, Haushaltsgeräten und intelligenten Hardwareprodukten müssen eine große Anzahl von Geschäften gleichzeitig Online-Systeme und Offline-Erfüllung verbinden.

Diese Fähigkeiten dienten früher hauptsächlich der Effizienz von E-Commerce und Lieferketten. Nach dem Eintritt in die Phase der physischen KI können sie auch die Grundlage werden, auf der KI Daten erhält, trainiert und überprüft wird, und letztendlich eine skalierte Bereitstellung erreicht.

Der Kern des „Super-KI-Lieferketten“-Konzepts, das JD auf der JDD vorgeschlagen hat, liegt darin, dieses physische Netzwerk tief mit KI zu verbinden. Von der zugrunde liegenden Cloud, Daten und Modellen über Agenten, Entwicklungsplattformen und Simulationswerkzeuge bis hin zu Endgeräten wie Robotern, Haushaltsgeräten, medizinischen Geräten und fahrerlosen Fahrzeugen gelangt KI schließlich in tatsächliche Geschäfte wie Einzelhandel, Logistik, Industrie, Gesundheit und Haushalt.

Die Roboterindustrie kann die Implementierungsweise dieser „Super-KI-Lieferkette“ direkter widerspiegeln.

Die Position, die JD derzeit für sich selbst festlegt, beschränkt sich nicht auf die Entwicklung eines bestimmten Roboterprodukts. Nach dem auf der JDD vorgestellten Plan möchte JD gleichzeitig in Glieder wie die Erfassung körperlicher Daten, Roboterindustrieparks, die Lieferung von Schlüsselkomponenten, Einzelhandelskanäle und Wartungsdienste eintreten.

In den nächsten fünf Jahren plant JD, mehr als 80 RoboBase-Standorte aufzubauen. Auf der Seite der Lieferkette soll durch skalierte Einkäufe, C2M-Anpassungen und die Zusammenarbeit in der Lieferkette die BOM-Kosten von Roboterkörpern um mehr als 5