Ein Team der Generation 2000 hat nacheinander zwei Finanzierungsrunden abgeschlossen und setzt auf die neuromorphe Architektur von Maschinen.

Große Modelle dringen rasch in die physische Welt ein.

Von VLA, Weltmodellen bis hin zu verkörperten Basismodellen erlangen Roboter zunehmend stärkere Fähigkeiten in visueller Verständnis, sprachlicher Schlussfolgerung und Aktionsgenerierung. Da die Außenwelt die Bedeutung des verkörperten Gehirns zunehmend erkennt, wird dies zu einem Bereich, in den Gründer eifrig einströmen.

Wuhan Qizhi Mars Landing Technology Co., Ltd. (im Folgenden „Mars Landing“ genannt) ist ein neues Gesicht in diesem Bereich. Im April 2025 wurde Mars Landing offiziell gegründet, dessen Gründer Zhu Yuhan ein Nachwuchs der Generation 2000 ist.

Anders als die Fortsetzung des Trainings eines größeren verkörperten Basismodells wählte Mars Landing eine andere Richtung: Auf der Grundlage räumlicher Intelligenz baut es eine gehirnähnliche Intelligenzarchitektur für die physische Welt auf.

Nach Ansicht von Zhu Yuhan: Wenn das Modell löst, was die Maschine „kann“, muss ein echtes Gehirn ein viel schwierigeres Problem lösen: Wie diese Fähigkeiten organisiert werden, damit die Maschine in der realen Welt kontinuierlich und autonom Aufgaben erledigen kann.

Diese über sein Alter hinausgehende Denkweise und Urteilskraft zog schnell Investoren an. Nun tritt die Finanzierung von Mars Landing zutage: Es hat aufeinanderfolgend zwei Finanzierungsrunden im Wert von mehreren zehn Millionen Yuan abgeschlossen, die gemeinsam von Lihe Venture Capital, Optics Valley Financial Holding, Ruijiang Investment und Wuhan Hi-Tech Investment getragen wurden, während der alte Investor Qi-Ji Chuangtan zusätzliches Kapital investierte.

„Modell“ ist nicht gleich „Gehirn“

Die Entscheidung, sich auf den Bereich der räumlichen intelligenten gehirnähnlichen Systeme zu konzentrieren, stammt aus einer Beobachtung von Zhu Yuhan: Die Branche hat möglicherweise zu früh das Gleichheitszeichen zwischen „Modell“ und „Roboter-Gehirn“ gesetzt. Seiner Meinung nach: „Das Modell liefert im Wesentlichen eine oder eine Gruppe von Fähigkeiten. Selbst mit stärksten Fähigkeiten ist es nicht gleich einem vollständigen Gehirn.“

Dieser Unterschied zeigt sich besonders deutlich bei Langzeitaufgaben. Heutige Roboter haben bei einzelnen Aufgaben und sogar teilweise bei aufgaben- und szenenübergreifenden Aufgaben bereits gute Leistungen erbracht: Vom Greifen, Sortieren und Falten von Kleidung bis hin zum Öffnen von Türen, Transportieren und beweglichen Bedienungen lassen die Modelle Roboter immer besser „Dinge erledigen“.

Aber „viele Dinge erledigen zu können“ und „eine komplexe Sache langfristig und autonom zu Ende zu bringen“ sind zwei verschiedene Probleme. Sobald die Aufgabenzeit von einigen Minuten auf mehrere Stunden verlängert wird und der Roboter szenen- und aufgabenübergreifend kontinuierlich autonom arbeiten soll, wird das Problem schnell komplex. Der Roboter muss nicht nur beurteilen, was er als Nächstes tut, sondern sich auch ständig daran erinnern, wo er sich befindet, was er getan hat und bis zu welchem Schritt die Aufgabe fortgeschritten ist; bei unterwegs auftretenden Umgebungsänderungen und Ausführungsfehlern muss er sich selbst anpassen und die Aufgabe weiter erledigen können.

Diese Probleme lassen sich kaum allein durch ein stärkeres Modell auf natürliche Weise lösen. Langfristige Autonomie erfordert kontinuierliches räumliches Gedächtnis, Aufgabenstatus, Koordination mehrerer Fähigkeiten und Feedback-Korrektur. Es geht nicht mehr nur darum, „ob das Modell stark genug ist“, sondern darum, „wie diese Fähigkeiten langfristig organisiert werden“.

Wie Zhu Yuhan sagte: „Das Modell löst das Problem der Fähigkeiten, das Gehirn löst das Problem, wie Fähigkeiten zu Intelligenz organisiert werden.“ Das ist auch das „gehirnähnliche“ Konzept von Mars Landing: Nicht Neuronen nachahmen, sondern außerhalb des Modells eine Architektur für die Organisation von Intelligenz aufbauen, damit Gedächtnis, Aufgaben, Fähigkeiten, Handlungen und Feedback einen kontinuierlichen geschlossenen Kreislauf bilden.

Wege sind noch nicht konvergiert

Mehr Fokus auf wirksame Erfahrungen

In den letzten Jahren wurde der Erfolg des Skalierens großer Modelle ausreichend bestätigt, was die Branche natürlich dazu veranlasst, diesen Weg auf die verkörperte Intelligenz zu übertragen. Aber wenn das Modell nicht gleich dem „Gehirn“ ist, kann das blinde Verfolgen des Skalierungspfads von Modellen auch nicht unbedingt ein echtes Maschinen„gehirn“ skalieren.

Für Sprachmodelle ist der Skalierungspfad bereits relativ klar definiert, bei der verkörperten Intelligenz ist dies bei weitem nicht der Fall. Welche Daten wirklich wertvoll sind, wie sie erfasst, organisiert und trainiert werden, ist noch nicht vollständig festgelegt.

Verkörperte Daten sind zudem stark an Roboterprototypen, Sensoren, Aktionsräume und Modellarchitekturen gebunden. Sobald sich das technische Paradigma ändert, kann der Wert vergangener Daten neu bewertet werden.

Daher ist Zhu Yuhan der Meinung, es ist noch lange nicht an der Zeit, Barrieren einfach anhand der Frage „wer mehr Daten hat“ zu beurteilen. „Die Branche spricht heute gerne von Datenmengen von Millionen oder Zehnmillionen Stunden. Aber wenn das Datenparadigma selbst noch nicht konvergiert, bedeutet der Besitz von 1 Million oder 10 Millionen Stunden Daten heute nicht direkt, wie tief die Barrieren sind.“

Im Gegenteil: In Zeiten schneller Veränderungen des technischen Paradigmas bedeuten mehr Daten nicht unbedingt tiefere Barrieren, sondern können auch höhere Migrationskosten bedeuten. Heutige Datenvermögen können in der Zukunft sogar zu einer historischen Belastung werden.

Diese Erkenntnis spiegelt sich auch in der technischen Linie von Mars Landing wider: Statt nur die Datenmenge zu sammeln, legen sie mehr Wert darauf, ob die Maschine im Zusammenspiel mit der realen Welt kontinuierlich Erfahrungen sammeln kann. Daten zeichnen auf „was passiert ist“, während Erfahrungen zusätzlich Handlungen, Ergebnisse, Fehler und Korrekturen umfassen.

Nach Ansicht von Mars Landing: Wenn die wichtige Grundlage für das Skalieren von Sprachmodellen Token sind, dann ist für die verkörperte Intelligenz das Experience Scaling viel beachtenswerter – ob die Maschine im Rahmen von Handlungen, Feedback und Korrekturen kontinuierlich wirksame Erfahrungen sammeln kann.

Einstieg über offene Szenarien

Über das derzeit beliebte Konzept „Roboter gehen in Fabriken“ hat Zhu Yuhan eine andere Beurteilung: „Roboter in Fabriken“ ist eine echte Nachfrage, aber „Roboter in Fabriken“ ist nicht gleich „Einsatz von verkörperter Intelligenz“. Ein erheblicher Teil der Nachfrage ist im Wesentlichen immer noch ein Automatisierungsproblem.

Für eine Fabrik kauft man nicht wirklich den „Intelligenzgrad“ des Roboters, sondern die Produktivität. Unternehmen rechnen aus, ob es günstiger, schneller und stabiler ist und wie lange es dauert, bis sich die Investition amortisiert. Wenn traditionelle Automatisierung, maschinelles Sehen kombiniert mit angemessener KI das Problem bereits stabil lösen kann, wird der Einsatz eines „intelligenteren“ Roboters keinen zusätzlichen Wert erzeugen.

Natürlich zeigen sich in der flexiblen Fertigung, komplexen Montage, nicht standardisierten Bedienungen und in bestehenden Umgebungen, die nicht vollständig umgerüstet werden können, die Fähigkeiten allgemeinerer Roboter zunehmend wertvoll.

Zhu Yuhan ist der Meinung, dass hier zwei Probleme unterschieden werden müssen: Wo Roboter leichter eingesetzt werden können und wo Maschinenintelligenz leichter evolvieren kann, sind nicht unbedingt dasselbe.

Die industrielle Produktion strebt danach, Unsicherheiten durch Standardisierung so weit wie möglich zu reduzieren, während die allgemeine Maschinenintelligenz genau die Unsicherheiten lösen muss. Je stärker ein Problem vollständig standardisiert werden kann, desto näher ist es einem Automatisierungsproblem; je weniger es standardisiert werden kann, desto größer ist der Wert der Intelligenz selbst.

Das definiert den Fokus von Mars Landing: Komplexe Umgebungen wie unterirdische Räume, Tunnel, Wälder und Notfallszenarien sowie offene Szenarien wie zukünftige Haushalte, Altenpflege und kommerzielle Dienstleistungen. Diese Szenarien haben ein gemeinsames Merkmal: Die Welt wird nicht vollständig für Roboter standardisiert.

In diesen Szenarien kann das Netzwerk unterbrochen werden, die Lokalisierung verloren gehen, sich Umgebung und Aufgaben ändern – die Maschine muss eine große Anzahl von nicht im Vorfeld definierten Problemen verarbeiten. Zhu Yuhan ist der Meinung, dass diese komplexen, offenen und langschwänzigen Umgebungen der realen Welt näher kommen, der die Maschinenintelligenz letztendlich gegenüberstehen muss.

In fernerer Zukunft ist die echte verkörperte RSI (Rekursive Selbstverbesserung) untrennbar von dem kontinuierlichen Zusammenspiel zwischen Maschine und realer Welt verbunden. Das ist leicht verständlich: Simulationen, synthetische Daten und Weltmodelle können die Trainingskosten senken und die Lerneffizienz steigern, aber letztendlich muss die Maschine das Feedback der realen Welt akzeptieren und in Aufgaben den geschlossenen Kreislauf aus „Wahrnehmung – Gedächtnis – Entscheidung – Handlung – Feedback – Korrektur – Wiedererlernen“ bilden.

Ein einziger Fehler sollte nicht nur ein Protokoll hinterlassen, sondern das Verhalten der Maschine bei ähnlichen Problemen beim nächsten Mal verändern. Zhu Yuhan meint: „Die reale Welt sollte nicht nur der letzte Testsatz für die verkörperte Intelligenz sein, sondern selbst Teil des kontinuierlichen Lernens der Maschine werden.“

Das ist eine weitere Bedeutung des „gehirnähnlichen“ Konzepts von Mars Landing: Es wird nicht nur darauf geachtet, wie Intelligenz organisiert wird, sondern auch, wie Intelligenz im kontinuierlichen Zusammenspiel mit der Welt entsteht.

Wenn die KI in die physische Welt eintritt

Auf der Grundlage dieser Urteile hat Mars Landing nicht die Wahl getroffen, ein weiteres verkörpertes Basismodell zu trainieren, sondern ist über räumliche Intelligenz in die unterliegende Architektur der Maschinenintelligenz eingestiegen.

Wenn eine Maschine in die physische Welt eintritt, muss sie ständig verstehen, wo sie sich befindet, was um sie herum ist, wo sie schon war, welche Änderungen die Umgebung erfahren hat und welche Beziehung zwischen Aufgaben und Raum besteht.

Im Rahmen dieser Richtung hat Mars Landing ein technisches System aufgebaut, das von räumlichem Verständnis und Gedächtnis, Aufgabenorganisation und Koordination bis hin zur ausführenden Ausführung von Fähigkeiten auf Endgeräten reicht, und hat die Produktmatrix von Xingqing M1, Xingqun M2 und Xingmang M3 gebildet.

Das dient nicht dazu, VLA, Weltmodelle oder zukünftige stärkere Basismodelle zu ersetzen. Im Gegenteil, Zhu Yuhan ist der Meinung, dass die Modelle zwangsläufig immer stärker werden.

Aber je stärker das Modell ist und je mehr Fähigkeiten die Maschine hat, desto wichtiger wird das „Wie man Intelligenz organisiert“.

Wenn die KI wirklich in die physische Welt eintritt, wird das Problem der nächsten Phase möglicherweise nicht mehr sein, „wie viel die Maschine kann“, sondern ob sie in einer sich ständig verändernden Welt kontinuierliches Gedächtnis bildet, komplexe Aufgaben organisiert, Erfahrungen aus realem Feedback sammelt und letztendlich langfristige Autonomie erreicht.

Das Modell verleiht der Maschine Fähigkeiten, während die gehirnähnliche Architektur das Problem löst, wie diese Fähigkeiten letztendlich eine vollständige Maschinenintelligenz bilden. Das ist die Richtung, auf die Mars Landing setzt.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Investment Circle AI“ und wird von 36Kr mit Genehmigung veröffentlicht.