Der ehemalige Leiter des Basismodells des Weltmodells der Huawei Automotive Business Unit hat sich selbstständig gemacht, das in Hangzhou ansässige Unternehmen Embodied Brain sichert sich eine Finanzierung von fast 100 Millionen Yuan | Exklusivbericht von HardKr

Autor | Huang Nan

Redakteur | Yuan Silai

Hard Krypton erfuhr, dass das Embodied-Brain-Unternehmen „Gewu Tongzhi“ eine Angel-Finanzierung in Höhe von fast 100 Millionen Yuan abgeschlossen hat. Zu den Investoren gehören Peak Investment, Hongfu Asset, Hangzhou Capital, Hangzhou Talent Group, ein provinzialisches Embodied-Industrie-Investment und mehrere führende börsennotierte Unternehmen. Die Mittel werden hauptsächlich für das groß angelegte Vortraining und die technische Iteration des physikalischen Inversionsweltmodells, die Hardware- und Ontologiekonstruktion usw. verwendet, um die Einführung von Talenten und die Erweiterung des Personalbestands zu beschleunigen und die PoC-Validierung in mehreren Szenarien sowie die Erfassung realer Daten voranzutreiben. Maple Pledge Fengcheng Capital fungierte als exklusiver Berater für die Private-Equity-Finanzierung in dieser Runde.

Gewu Tongzhi hat seinen Standort in Hangzhou und wurde im August 2026 gegründet. Bereits in der ersten Finanzierungsrunde erhielt das Unternehmen Unterstützung von drei Fonds auf städtischer Ebene in Hangzhou, darunter der Hangzhou Runmiao Fonds, der Hangzhou Fonds für die Umwandlung disruptiver Ergebnisse und der Hangzhou Talentfonds. Es ist ökologischer Partner des nationalen Pilotbasislagers für Embodied-Intelligenz-Anwendungen und Mitglied des Hangchuang Embodied-Intelligenz-Camps.

Das Unternehmen entwickelt selbstevolutionäre intelligente Systeme für geschickte Manipulation für reale Industrieszenarien. Auf der Grundlage eines echten geschlossenen Regelkreises multimodaler Daten mit Schwerpunkt auf Tastsinn und Sehen baut es das technische System „Physikalisches Inversionsweltmodell + PSI-physikalische Selbstevolution“ auf, um Robotern ein Embodied-Gehirn mit „Tastsinn“ zu verleihen, das während des kontinuierlichen Betriebs praktische Erfahrungen selbstständig sammelt und „Dienstjahre“ in Fähigkeiten umwandelt, um eine fortlaufende Evolution zu erreichen, die sich immer besser an das Szenario anpasst.

Unter den Investoren dieser Runde hat Peak Investment, als führender inländischer Industriekonzern für Sporttechnologie und Schuhherstellung, bereits eine strategische Kooperationsvereinbarung mit Gewu Tongzhi unterzeichnet. Das Unternehmen wird sich an die Anforderungen der Schuhherstellung an „Doppelflexibilität + eine hohe Präzision“ – also flexible Fertigung, flexible Materialien und Präzision im Submillimeterbereich – halten, um in der Anfangsphase des Unternehmens skalierte Aufträge zu erhalten und gemeinsam die technische Umsetzung und industrielle Validierung voranzutreiben.

Der Gründer und CEO, Dr. Cai Jia, absolvierte sein Studium an der Fakultät für Raumfahrttechnik der Northwestern Polytechnical University und studierte unter der Leitung von Dekan Huang Panfeng, einem Empfänger des National Science Fund für herausragende junge Wissenschaftler. Er konzentrierte sich auf die Forschung zur geschickten Manipulation von Weltraumrobotern im Orbit. Später wechselte er zu Huawei 2012 Lab und dem Auto BU 2030 Lab, wo er tief an der Forschung und Entwicklung der Kerntechnologien von ADS 2.0 bis 4.0, der Serienproduktion mit Millionen von Einheiten und der Voruntersuchung von ADS 6.0 beteiligt war. Er war Leiter eines Teams mit hundert Mitarbeitern und Mitglied des Huawei Wissenschaftlerausschusses.

Er verfügt über einen dreifachen kombinierten Hintergrund in Weltraummanipulationsrobotern, Serienproduktion des autonomen Fahrens und Weltmodellen, verfügt über praktische Erfahrungen in der Inkubation fortschrittlicher KI-Technologien, der Durchbrüche bei Schlüsseltechnologien komplexer intelligenter Systeme und der Serienproduktion im Millionenbereich, besitzt eine systematische Methodik für die Datenverwaltung im Bereich von zehn Millionen Stunden und das Training von Clustern mit fast zehntausend Karten. Er ist einer der Kernbeteiligten des Huawei intelligenten Fahrsystems von der technischen Validierung bis zur Serienlieferung und erhielt einst den höchsten persönlichen Technikpreis von Huawei.

Dr. Cai Jia, Gründer und CEO von Gewu Tongzhi (Quelle des Bildes: Unternehmen)

Darüber hinaus stammen viele Kernmitglieder von führenden Branchenunternehmen wie Huawei, Li Auto, Horizon Robotics und Agibot. Sie absolvierten Spitzenuniversitäten wie Tsinghua-Universität, Zhejiang-Universität, Shanghai Jiao Tong-Universität, Universität für Wissenschaft und Technik China, Fudan-Universität, Harbin Institut für Technologie, Northwestern Polytechnical University und Nanyang Technological University. Sie decken die gesamte Kette von der fortschrittlichen KI-Forschung über die komplexe Systemtechnik bis zur skalierten Lieferung ab und sind ein Team mit akademischer Forschungshintergrund und ausgereifter Fähigkeit zur industriellen Umsetzung.

In den letzten zwei Jahren hat die Embodied-Intelligenz in technischen Bereichen wie visueller Wahrnehmung und Bewegungssteuerung substanzielle Fortschritte erzielt. Roboter können Objekte erkennen, Wege planen und komplexe Körperbewegungen nachbilden. Diese Fähigkeiten bleiben jedoch meist auf der Ebene der Fernwahrnehmung und -ausführung ohne Kontakt beschränkt und sind schwer in der Lage, feine Manipulationsprobleme zu bewältigen. Sobald sie in reale Produktionsstätten eintreten und mit physikalischen Interaktionen auf Kontaktebene wie dem Gleiten von Stoffen, dem Blockieren von Teilen und dem Widerstand beim Einstecken konfrontiert werden, kann die Größe, Richtung und der Kontaktzustand der Kraft nicht nur durch das Sehen erfasst werden, und die Mängel der Wahrnehmungsdimension werden direkt offengelegt.

Ein weiteres grundlegendes Engpass liegt in den Daten. Die meisten Embodied-Intelligenz-Unternehmen trainieren Modelle durch Crowdsourcing-Erfassung oder Daten aus Materialbibliotheken. Diese Daten weisen strukturelle Abweichungen von den realen physikalischen Betriebsbedingungen auf, und Bedingungen wie Beleuchtung, Prozessparameter, Geräteausfälle und menschliche Eingriffe sind von der realen Umgebung getrennt. Noch wichtiger ist, dass die Daten in realen Szenarien klare kausale Ketten enthalten: „Welche Aktion zu welchem Ergebnis führt und welche Anomalie zu welcher Anpassung führt. Diese kausalen Zusammenhänge sind in Materialdaten, die von dem Szenario getrennt sind, fast nicht zu erhalten. Intelligenz, die ohne Bezug zum Szenario entsteht, ist schwer wirklich umzusetzen“, sagte Dr. Cai Jia, Gründer und CEO von Gewu Tongzhi.

Nach Ansicht des Teams von Gewu Tongzhi ist der Eintritt von Robotern in Fabriken nur der Ausgangspunkt. Die eigentliche Herausforderung besteht darin, ob sie kontinuierlich an der Produktionslinie arbeiten, Probleme selbstständig anpassen und die Erfahrungen aus diesem Vorgang an den nächsten Arbeitsplatz weitergeben können.

Diesen Weg hat Cai Jia in drei Schritte unterteilt: Deploy – zuerst den Roboter am Standort des Kunden platzieren, um einen bestimmten Arbeitsprozess für den Kunden abzuschließen; Learn – die erfolgreichen Erfahrungen, fehlgeschlagenen Bahnen, Wiederherstellung bei Anomalien und menschlichen Korrekturen, die während des Betriebs entstehen, in Trainingsdaten umwandeln; Generalize – die Manipulationsfähigkeiten, die aus bestimmten Projekten gesammelt wurden, auf den nächsten Arbeitsplatz, die nächste Aufgabe und die nächste Roboterontologie zu übertragen.

Um das technische Fundament von Gewu Tongzhi zu verstehen, muss man zu dem Kernproblem der geschickten Manipulation zurückkehren: Wie Roboter einen „Tastsinn“ entwickeln.

Herkömmliches Roboterlernen basiert auf den Gelenkbahnen der menschlichen Hand. Beispielsweise lernt der Roboter beim Verschrauben eines Flaschendeckels die Bewegungsbahn der menschlichen Finger, um die entsprechende Aktion nachzuahmen. „Aber das ist nur eine äußere Ähnlichkeit“, sagte Cai Jia zu Hard Krypton. „Er weiß nicht, wie viel Kraft der Mensch aufwenden muss, wie hoch der Reibungskoeffizient ist und ob er bei Widerstand die Kraft erhöhen oder den Winkel anpassen soll. Sobald das Flaschendeckel aus einem anderen Material besteht oder das Gewinde unterschiedlich fest angezogen ist, kann das Modell versagen.“

Um diesen blinden Fleck zu beheben, hat das Team von Gewu Tongzhi erstmals die technische Route des „physikalischen Inversionsweltmodells“ vorgeschlagen, die es Robotern ermöglicht, verborgene physikalische Informationen wie Kontakt und Kraftwirkung aus sichtbaren Aktionen abzuleiten, um für das groß angelegte Vortraining zu verwenden. Anschließend wird es mit realen Kraft- und Tastrückmeldungen kalibriert, um den Aktionsdaten lernbare physische Labels hinzuzufügen.

Tastdaten sind der Kern dieses Weges und auch ein von der Branche anerkanntes schwieriges Problem. Da die Dimension der Tastsignale niedrig ist – normalerweise nur einige Dutzend Dimensionen – während ein Bild Millionen von Dimensionen hat, ist es äußerst schwierig, beide in demselben Modell zu verschmelzen. Gleichzeitig sind die Erfassungskosten für Tastdaten hoch und die Geschwindigkeit gering, sodass die Skalierung immer ein Engpass ist.

Die Lösung von Gewu Tongzhi ist Real to Sim (Realität zur Simulation), bei der reale physikalische Interaktionsdaten verwendet werden, um die Simulationsumgebung rückwärts aufzubauen, wodurch eine Reihe von Manipulationspfaden festgelegt werden.

Der Kernwert dieser Datenpipeline besteht darin, die massiven Videoaufnahmen aus erster und dritter Person im Internet in gültige Daten umzuwandeln, die für das Modelltraining verwendet werden können. Die skalierte Erfassung von Tastsignalen ist lange Zeit durch hohe Kosten und geringe Effizienz eingeschränkt, während visuelle Daten von Natur aus leicht zu erhalten sind. Auf der Grundlage des Real-to-Sim-Schemas kann das Team die entsprechenden Tastsignale aus visuellen Bildern rückwärts ableiten und rekonstruieren, sodass Tastdaten die gleiche Erfassungsfähigkeit im großen Maßstab wie visuelle Daten erreichen.

Gleichzeitig verbessert das Schema auf der Ebene der Architektur des Weltmodells das Signal-Rausch-Verhältnis von physikalischen Informationen wie Kraft- und Tastwahrnehmung erheblich und erreicht die native Fusion mit visuellen Informationen, um dadurch einen Manipulations-Tastsinn zu erlernen, der das menschliche Niveau übertrifft. Durch die Modellierung und Vorhersage physikalischer kausaler Zusammenhänge lässt das Modell die zugrundeliegenden Gesetze hinter den Manipulationen verstehen und die Fähigkeit zur Generalisierung über verschiedene Szenarien hinweg weiter stärken.

Auf dieser Grundlage hat Gewu Tongzhi zusätzlich das PSI-System für physikalische Selbstevolution aufgebaut, das einen iterativen geschlossenen Kreislauf von Fähigkeiten realisieren kann: „Physikalische Inversion – Planung und Ausführung – Echtzeitrückmeldung – Bewertung und Lernen – Validierung und Bereitstellung“. Die erfolgreichen Erfahrungen, fehlgeschlagenen Bahnen und menschlichen Korrekturen, die der Roboter während des Betriebs erzeugt, werden nach Filterung und Bewertung verwendet, um die Schätzung des physikalischen Zustands und die Manipulationsstrategie zu verbessern. Das aktualisierte Modell wird nach der Validierung in die nächste Runde von Aufgaben überführt.

Aufbau des technischen Systems „Physikalisches Inversionsweltmodell + PSI-physikalische Selbstevolution“ (Quelle des Bildes: Unternehmen)

Cai Jia sagte zu Hard Krypton, dass der Kern dieses Mechanismus die bidirektionale Verbesserung ist: Ein genaueres Weltmodell hilft Robotern, effektivere Planungen durchzuführen, und wertvollere Ausführungsrückmeldungen helfen dem Modell, seine eigenen Fehler zu erkennen und das nachfolgende Lernen zu optimieren. Gleichzeitig kann das System durch die Beurteilung der Ursachen von Fehlern und Unsicherheiten durch das Modell die Datenfilterung optimieren und die Effizienz des Lernens aus Erfahrungen verbessern.

Dies hat einen direkten Wert in industriellen Szenarien. „Wenn herkömmliche Roboter an neuen Arbeitsplätzen eingesetzt werden, sind wiederholtes Lehren, Einstellen und Ausprobieren erforderlich. Was wir jedoch erreichen wollen, ist, dass die an einem Standort gesammelten Erfahrungen die Übertragungskosten für den nächsten Standort senken. Wenn der Kunde jedes Mal ein weiteres Anwendungsszenario hinzufügt, gewinnen wir nicht nur Geschäftsmöglichkeiten, sondern auch wiederverwendbare Erfahrungen bei der Bereitstellung“, sagte Cai Jia.

Hard Krypton erfuhr, dass Gewu Tongzhi gemeinsam mit Kunden in den Bereichen Textil und Bekleidung, optische Module und Automobilkomponenten an der gemeinsamen innovativen PoC arbeitet. Es wird erwartet, dass die erste PoC-Lieferung bis Ende 2026 abgeschlossen wird. Das Unternehmen wählt den Einstieg über Aufgaben mit klaren Grenzen und quantifizierbaren Abnahmekriterien aus, erweitert schrittweise die Abdeckung von Umgebungen und Aufgaben, durchbricht zuerst die Erfolgsrate der Genauigkeit auf der Y-Achse und dann die Generalisierbarkeit auf der X-Achse. Die grundlegenden Fähigkeiten werden in realen Szenarien validiert, und die gesammelten Erfahrungen werden anschließend auf breitere Aufgaben und Roboterontologien übertragen.

Im Folgenden finden Sie Auszüge aus dem Interview von Hard Krypton mit Dr. Cai Jia, Gründer und CEO von Gewu Tongzhi (leicht bearbeitet):

Hard Krypton: Die Erfassung von Tastdaten steht lange Zeit vor Engpässen bei Kosten und Effizienz. Warum hat sich Gewu Tongzhi für den technischen Weg von Real to Sim entschieden?

Cai Jia: Der Tastsinn ist der Kern für Roboter, um geschickte Manipulationen zu realisieren, aber die Erfassung von Tastdaten selbst war schon immer ein schwieriges Problem in der Branche. Wenn man sich nur auf Tast-Handschuhe zur Erfassung verlässt, sind nicht nur die Kosten hoch und die Erfassungseffizienz gering, sondern die Bediener, die die Handschuhe tragen, werden sogar bei ihren täglichen normalen Arbeiten beeinträchtigt. Dies führt dazu, dass das Datenvolumen, das mit den Handschuhen erhalten werden kann, sehr begrenzt ist und die für das Training des Embodied-Modells erforderliche Generalisierungsfähigkeit kaum unterstützt werden kann.

Die Idee von Gewu Tongzhi für die Wahl von Real to Sim ist sehr klar: Videodaten sind am einfachsten in großem Maßstab zu erhalten, also rekonstruieren wir Tastsignale wie Interaktionskontakte rückwärts aus Videos. Die Genauigkeit der durch das Schema rekonstruierten Tastdaten wird voraussichtlich die Anforderungen des Vortrainings erfüllen, und anschließend wird die Genauigkeit durch reale Felddaten weiter ausgerichtet. Noch wichtiger ist, dass diese Pipeline Tastdaten das gleiche Skalierungspotenzial wie visuelle Daten verleiht. Die riesigen vorhandenen Videos aus erster und dritter Person im Internet können nach der Verarbeitung durch diesen Prozess alle in Trainingsbeispiele mit Tast-Labels umgewandelt werden.

Hard Krypton: Bei der Datenverwaltung legen Sie Wert darauf, dass Qualität wichtiger ist als Quantität. Wie ist diese Überzeugung entstanden?

Cai Jia: Der Kern liegt darin, ob ein quantitativ bewertbares System zur Bewertung des Datenwerts aufgebaut werden kann, das automatisch niedrigwertige redundante Daten herausfiltert.

Dieses Bewertungssystem ist keine einfache stichprobenartige Prüfung durch Menschen, sondern bewertet Daten aus mehreren Dimensionen, wie der Seltenheit des Szenarios, der Vielfalt der Aktionen, dem