Exklusivinterview von 36Kr丨Der verantwortliche Leiter der generativen großen KI-Modelle von Huawei Noah gründete ein Startup im Bereich haushaltsorientierter Embodied Intelligence und sammelte innerhalb eines Jahres Finanzmittel von über 1 Milliarde Yuan.
Bildquelle / Unternehmen
Dieser Artikel umfasst etwa 6900 Wörter, die empfohlene Lesezeit beträgt 17 Minuten
Autor | Ou Xue
Redakteur | Yuan Silai
Unter den Startups im Bereich der verkörperten Intelligenz mit Hintergrund von Huawei zählt Knowin Intelligence zu den Unternehmen, deren Finanzierung relativ reibungslos verlaufen ist.
Hard Krypton erfuhr, dass dieses im August 2025 gegründete Unternehmen kürzlich den Abschluss einer Angel-+++-Finanzierungsrunde im Wert von mehreren hundert Millionen Yuan pro Transaktion bekanntgab. Diese Runde wurde von einem mit JD verbundenen Fonds angeführt, gefolgt von Zhengxin Gu Capital, Nanshan Strategic Emerging Industry Investment und Walden International. Seit der letzten Finanzierung über 500 Millionen Yuan ist nur etwas mehr als ein Monat vergangen.
Bevor er Knowin Intelligence gründete, hatte Li Yinchuan sowohl Forschungs- und Entwicklungs- als auch Praxiserfahrung in drei Bereichen: verkörperte Intelligenz, große Modelle und autonomes Fahren. Im Alter von 25 Jahren schloss er sein Doktorandenstudium im gemeinsamen Ausbildungsprogramm des Beijing Institute of Technology und der Columbia University ab, trat Huawei bei und wurde im Alter von 27 Jahren Leiter des Bereichs für generative große Modelle im Noah's Ark Laboratory. Mit 30 Jahren verließ er das Unternehmen, um Knowin Intelligence zu gründen. Seiner Meinung nach sind Haushaltsroboter eine wichtige Gelegenheit, um die Fähigkeiten großer Modelle in tatsächliche Produkte umzuwandeln.
Nach dem Frühlingsfest 2025 erlangte die verkörperte Intelligenz breite Aufmerksamkeit auf dem Kapitalmarkt. Videos von Robotern, die Kleidung falten, Kaffee eingießen und Tische aufräumen, tauchten häufig in der Öffentlichkeit auf und zeigten der Außenwelt die Möglichkeit, dass Roboter in Haushalte einziehen. Der Übergang von Demonstrationen zum täglichen Einsatz erfordert jedoch die Bewältigung komplexerer Szenarien: Kann der Roboter die Aufgaben weiterhin stabil erledigen, wenn man den Raum wechselt, ein anderes Set von Tassen und Tellern verwendet oder eine andere Haushaltsaufgabe ausführt?
Genau das ist das Problem, das Knowin Intelligence lösen möchte. Li Yinchuan erinnert sich, dass sich die Branche zu Beginn des Unternehmensgründens mehr auf industrielle Szenarien und Imitationslernen konzentrierte, während er einen technischen Weg wählte, der auf Generalisierungsfähigkeit ausgerichtet ist und sich an Haushaltsszenarien richtet. Seiner Meinung nach müssen Roboter zwei Probleme gleichzeitig lösen, um in Haushalte einzuziehen: Anpassungsfähigkeit und Kosten – das Modell muss mit Aufgaben in verschiedenen Haushalten umgehen können, und der Produktpreis muss im für normale Verbraucher akzeptablen Rahmen liegen.
Aus diesem Grund haben sie das technische Fundament GLOW entwickelt, eine Architektur für generative große verkörperte Modelle. Sie wird von mehreren Modulen koordiniert, sodass Roboter schrittweise von der „Wiederholung trainierter Aktionen“ zur „Lösung von Aufgaben, die sie nicht vollständig gesehen haben“ übergehen. Bei den Daten verwendet Knowin zu 90 % synthetische Daten, wodurch die Gesamtkosten um das 10- bis 100-fache gesenkt werden können; beim Training muss das Weltmodell keine vollständigen Videobilder generieren, um die Folgen von Aktionen ableiten zu können; bei der Ausführung kann eine einzelne Inferenz des Modells eine vollständige Aktionssequenz ausgeben, wodurch die Aufruffrequenz reduziert wird.
Gleichzeitig hat Knowin Intelligence den ersten verbraucherorientierten Haushaltsroboter für verkörperte Intelligenz, den KNOWIN-X1, auf den Markt gebracht. Er verfügt über eine vollständig klappbare Konfiguration mit zwei Armen, deren Höhe nach dem Zusammenklappen unter 40 cm begrenzt ist, sodass er an Haushaltsräume wie Schreibtische, Böden, Sofas und Waschmaschinen angepasst werden kann.
KNOWIN-X1 (Bildquelle / Unternehmen)
Natürlich sind diese Produkte noch weit von einer großflächigen Markteinführung entfernt. Ein Teil des Grundes für die anhaltende Kapitalzufuhr liegt in der hohen Personalqualität bei Knowin Intelligence. Das Unternehmen ist in weniger als einem Jahr auf über 200 Mitarbeiter angewachsen. Davon machen Mitarbeiter mit Doktortitel oder höherem Abschluss im Algorithmenteam mehr als zwei Drittel aus, und die Hälfte der Mitglieder hat ihren Abschluss an Universitäten gemacht, die in den QS World University Rankings unter den Top 30 stehen. Das Team hat mehrere „Genius Young“-Mitarbeiter von Huawei zusammengebracht.
Li Yinchuan bleibt hinsichtlich der Branchenaussichten optimistisch. Er ist der Meinung, dass die gesamte Branche in naher Zukunft möglicherweise Schwankungen unterliegen wird, aber noch lange nicht das Stadium erreicht ist, in dem die Blase vollständig platzt. Der Schlüssel liegt darin, wann die Fähigkeitsemergenz bei großen verkörperten Modellen auftritt.
In dieser Hinsicht besteht in der Branche noch kein Konsens. Einige sind der Meinung, dass es in der Roboterbranche keinen Punkt geben wird, der dem „ChatGPT-Moment“ ähnelt, aber Li Yinchuan glaubt, dass die intelligente Emergenz nur eine Frage der Zeit ist.
„Wenn die Fähigkeitsemergenz bei verkörperten Modellen eines Tages wirklich eintritt, wird der kommerzielle Wert von Robotern zweifellos weit größer sein als der von großen Sprachmodellen – ich schätze, er könnte mehr als das Zehnfache betragen“, sagte er gegenüber Hard Krypton.
Wir haben mit Li Yinchuan über seine Überlegungen seit der Unternehmensgründung und seine Beobachtungen zur verkörperten Intelligenz im Haushalt gesprochen. Im Folgenden finden Sie das Gespräch zwischen Hard Krypton und Li Yinchuan, dem Gründer von Knowin Intelligence.
Unternehmensgründung nach dem Verlassen von Huawei
Hard Krypton: Was haben Sie sich gedacht, als Sie beschlossen haben, nach dem Verlassen von Huawei Noah ein Unternehmen zu gründen? Was war der entscheidende Faktor?
Li Yinchuan: Ich habe mich für die Unternehmensgründung entschieden, weil ich das weltweit am stärksten generalisierende große verkörperte Modell entwickeln und echten kommerziellen Wert schaffen wollte. Deshalb habe ich mich für den Bereich der verbraucherorientierten verkörperten Intelligenz entschieden. Bei Huawei Noah war ich der Meinung, dass die Unterstützung für die Forschung und Entwicklung großer verkörperter Modelle relativ begrenzt wäre, wenn ich mich wieder auf B2B- oder B2G-Geschäfte konzentrieren würde. Die Strategie von Huawei besteht darin, Ascend gut zu entwickeln und ein „schwarzes Bodenland“ zu schaffen, das alle für ihre Zwecke nutzen können – anstatt alle oberen Anwendungen selbst zu entwickeln. Deshalb wollte ich lieber rausgehen und Haushaltsroboter entwickeln.
Hard Krypton: Hatten Sie damals schon genau vor, sich auf den Haushaltsbereich zu konzentrieren? Wie haben Sie das damals bewertet?
Li Yinchuan: Ich war damals einer der ersten Menschen in China, der öffentlich über Haushaltsroboter gesprochen hat. Ich hatte zwei nicht konforme Meinungen.
Erstens: In der ersten Hälfte des Jahres 2025 war die allgemeine Meinung, dass verkörperte Intelligenz vor allem aus Bedienung, Imitationslernen und Einsatz in Fabriken besteht. Damals habe ich aber schon argumentiert, dass wir einen technischen Weg verfolgen müssen, der auf Generalisierung ausgerichtet ist, um wirklich generalisierbare verkörperte Modelle zu schaffen – statt Overfitting zu betreiben. Nur mit Generalisierungsfähigkeit gibt es eine Chance, in verbraucherorientierte Haushaltsszenarien einzuziehen. Das war unsere erste nicht konforme Meinung bei der Wahl des technischen Wegs.
Zweitens: Nachdem wir die Verkaufspreise von Robotern auf dem damaligen Markt kennengelernt hatten, waren wir zuversichtlich, die Kosten von Robotern durch neue vertikale Integrationsmethoden senken zu können. Wenn die Kosten sinken, hat das verbraucherorientierte Geschäft eine Chance. Ein Roboter darf nicht Hunderttausende Yuan kosten – das können normale Verbraucher überhaupt nicht leisten.
Aufgrund dieser zwei nicht konformen Meinungen war ich überzeugt, dass dieses Projekt Erfolgschancen hat, und habe beschlossen, es umzusetzen.
Hard Krypton: Sie sagen, Sie sind zuversichtlich, die Kosten zu senken. Was sind die konkreten Gründe für diese Einschätzung?
Li Yinchuan: Nehmen wir zum Beispiel die Kosten für verkörperte Daten: Wir haben berechnet, dass nicht alle Daten durch Bedienung mit echten Geräten erfasst werden müssen – das wird mittlerweile auch allmählich zum Konsens in der Branche. Wir verwenden zu 90 % synthetische Daten, wodurch die Gesamtkosten um das 10- bis 100-fache gesenkt werden können.
Nachdem die Datenkosten gesenkt wurden, geht es um den Roboter selbst. Nach ausführlichen Gesprächen in unserem Kernteam sind wir der Meinung, dass wir die Kosten ebenfalls niedrig halten können, wenn wir alle Komponenten vollständig selbst entwickeln – anstatt Teile von Dritten einzukaufen und sie zusammenzubauen.
Hard Krypton: Sie betonen ständig die Generalisierungsfähigkeit des Modells. Aber die grundlegenden Fähigkeiten von heutigen Haushaltsrobotern sind noch nicht besonders stark. Ist es nicht zu früh, um in diesem Stadium auf Generalisierung zu setzen?
Li Yinchuan: Ein wichtiger Grund dafür, dass heutige Haushaltsroboter keine starken Interaktionsfähigkeiten haben, ist genau ihre fehlende Generalisierungsfähigkeit. Deshalb müssen wir uns erst recht auf die Entwicklung generalisierbarer Modelle konzentrieren. Viele Architekturen in der Branche zielen heute nicht wirklich auf Generalisierung ab, sondern konkurrieren darum, einzelne Aufgaben besser zu lösen.
Die meisten Unternehmen für verkörperte Intelligenz veröffentlichen coole Demonstrationsversionen, denken aber nicht genug über die tatsächliche Markteinführung nach. Heutige Haushaltsroboter ähneln ein wenig dem frühen autonomen Fahren: Man erzeugt gute Ergebnisse auf einer bestimmten Straße und glaubt dann, dass das Zeitalter von L4 und L5 bald kommt – aber in Wirklichkeit liegt noch ein langer Weg dazwischen.
Um Haushaltsroboter wirklich auf den Markt zu bringen, liegt der Kern darin, ihre grundlegenden Fähigkeiten ausreichend allgemein zu gestalten. Das Schwierigste für Roboter, die in Haushalte einziehen, ist nicht, eine raffinierte Demonstration einmal durchzuführen, sondern die Aufgaben in verschiedenen Haushalten stabil zu erledigen. Das ist die größte Herausforderung – deshalb legen wir Wert darauf, das am stärksten generalisierende große Modell zu entwickeln.
Hard Krypton: Wo steht die verkörperte Intelligenz Ihrer Meinung nach heute wirklich in der Entwicklung?
Li Yinchuan: Die gesamte Branche entwickelt sich eigentlich gut. Bei großen verkörperten Modellen ist der Moment der Fähigkeitsemergenz noch nicht erreicht, aber einige führende Wissenschaftler gehen davon aus, dass dieser Zeitpunkt nicht mehr fern ist – einige sagen ein bis zwei Jahre, andere drei bis fünf Jahre.
Wenn die Fähigkeitsemergenz wirklich eintritt, bin ich der Meinung, dass der kommerzielle Wert der Roboterbranche mehr Potenzial hat als der von großen Sprachmodellen. Heute sind die Bewertungen von Unternehmen für große Sprachmodelle im Durchschnitt um eine Größenordnung höher als die von Unternehmen für verkörperte Intelligenz – der Unterschied beträgt etwa das Zehnfache. Ihre derzeitigen Gewinne sind auch nicht besonders hoch, aber die Leute sehen bereits die klaren Wachstumsperspektiven nach der Fähigkeitsemergenz.
Aber wenn die Fähigkeitsemergenz bei verkörperten Modellen eines Tages wirklich eintritt, wird der kommerzielle Wert von Robotern zweifellos weit größer sein als der von großen Sprachmodellen – ich schätze, er könnte mehr als das Zehnfache betragen. Wenn man zurückblickt, haben Unternehmen für verkörperte Intelligenz möglicherweise noch sehr große Wachstumspotenziale bei der Bewertung, sobald die Emergenz bei verkörperten Modellen wirklich eintritt.
Die gesamte Branche könnte in naher Zukunft Schwankungen unterliegen, aber ich glaube, sie ist noch lange nicht in dem Stadium angekommen, in dem die Blase vollständig platzt. Der Schlüssel liegt darin, wann die Fähigkeitsemergenz bei großen verkörperten Modellen auftritt.
Hard Krypton: Warum glauben Sie, dass die gesamte Branche heute nicht schnell genug voranschreitet?
Li Yinchuan: Ich denke, die meisten Unternehmen für verkörperte Intelligenz und die gesamte Branche sind heute nicht fokussiert genug. Die Leute entwickeln sich ständig in Richtung cooler Demonstrationsversionen, was die Markterwartungen immer weiter anhebt – aber gleichzeitig entfernt man sich immer weiter von der tatsächlichen Lieferung von Produkten.
Wenn sich die Branche stärker auf wirklich wertvolle Szenarien konzentrieren würde, ernsthaft Daten sammeln würde, das Datenvolumen erhöhen und die Datenkosten senken würde, würde die Entwicklung der gesamten Branche viel reibungsloser verlaufen.
Hard Krypton: Liegt das nicht daran, dass alle der Meinung sind, die tatsächliche Markteinführung sei noch sehr weit entfernt?
Li Yinchuan: Genau. Wenn sich die Entwicklung so fortsetzt, wird die gesamte Branche ungesund.
Hard Krypton: Hat sich die Investitionslogik auf dem Markt für verkörperte Intelligenz inzwischen verändert? Worauf legen Investoren zunehmend Wert?
Li Yinchuan: Ich denke, die Veränderung wird bald eintreten. Bisher befand sich die Branche in der Phase der Konzeptvalidierung und hoher Erwartungen, und das Kapital konzentrierte sich mehr auf die technischen Perspektiven. Aber wenn die Produkte allmählich in echten Szenarien ankommen, wird sich die Marktlogik natürlich zu ihrem Wesen zurückkehren.
Deshalb werden Investoren in Zukunft nicht mehr einfach für den Hintergrund des Teams zahlen, sondern mehr darauf achten, ob das Unternehmen wirklich in den Szenarien Fuß fassen und einen nachhaltigen geschäftlichen Kreislauf sowie eine Fähigkeit zur Selbstfinanzierung aufbauen kann.
Hard Krypton: Die Entwicklung der verkörperten Intelligenz scheint die Geschichte des autonomen Fahrens zu wiederholen. Glauben Sie, dass sie in Zukunft einen ähnlichen Weg gehen wird?
Li Yinchuan: Es wird sicherlich viele Ähnlichkeiten geben. Es gibt viele Unternehmen für autonomes Fahren: Einige halten an L3 fest, andere haben von Anfang an auf L4 gesetzt – später gab es eine deutliche Differenzierung. Das Gleiche