Deployment-Beschleunigung: AgiBot will die gesamte durchgehende Kette der physischen KI vollständig erschließen.

Während die Branche für Embodied Intelligence noch darauf aus ist, technologische Fortschritte durch schwierige Aktionen zu demonstrieren, präsentierte Agibot auf seinem Innovationstag einen anderen Denkansatz. 

Auf dieser Pressekonferenz gab es nicht viele blendende Roboter-Stunts und auch nicht viele auffällige Gruppentänze, sondern sie ähnelte vielmehr einem technischen Symposium mit extrem hoher Informationsdichte. Sogar am Eingang des Expo-Zentrums hat Agibot eine große „Papiermauer“ aufgestellt, die die jüngsten Kerntechnikfortschritte des Agibot-Teams darstellt.

In den letzten drei Jahren haben Roboter gelernt, zu laufen, zu springen und Rückwärtssalto zu machen. Aber nachdem sie das Labor verlassen haben, stellte sich heraus, dass einzelne technische Durchbrüche keine stabile Arbeit in komplexen Umgebungen gewährleisten können. Nachdem große Modelle wie GPT-6 Astra Fähigkeiten zur Planung physischer Aufgaben gezeigt haben, ist die „tatsächliche Bereitstellung“ nicht mehr nur ein Slogan, sondern zu einer Frage geworden, die die Branche beantworten muss.

Die Antwort von Agibot ist eine Kombination aus mehreren Maßnahmen:

Das große Embodied-Basismodell GO-3 Preview, das universelle Bewegungsintelligenz-Algorithmus-Framework AGILE und das native multimodale Interaktions-Großmodell WITA-OMNI meistern jeweils die drei großen Schwierigkeiten bei Betrieb, Bewegung und Interaktion. Das Lingqu OS 1.0 und die dritte Hardware-Architektur AHA3 verbinden einheitliche Schnittstellen sowohl auf Software- als auch auf Hardwareebene. Worken (effektive intelligente Arbeitsstunden) versucht hingegen, ein Maßsystem für die tatsächliche Arbeitsleistung von physischer KI zu schaffen.

Mit anderen Worten: Agibot hat fast die gesamte technische Kette offengelegt und jeden Engpass bei Modellen, Daten, Hardware und Software nacheinander behoben.

Alle Maßnahmen von Agibot weisen in die gleiche Richtung – Der Schlüssel zum Erfolg im nächsten Wettbewerbsphase der Roboterbranche liegt nicht mehr darin, wer besser Boxen kann, sondern wer die Errungenschaften der letzten drei Jahre in realen Szenarien einsetzen und sie zu stetig wachsender Produktivität umwandeln kann.

Peng Zhihui, Mitbegründer, Präsident und CTO von Agibot, legte auf der Pressekonferenz Zahlen vor, die diese Beurteilung untermauern: Im ersten Halbjahr 2026 erreichte der Umsatz von Agibot Robotics fast 2 Milliarden Yuan, und die Gesamtzahl der ausgelieferten universellen KI-Roboter von Agibot belief sich auf 20.000 Einheiten.

In einem Interview nach der Veranstaltung gab er offen zu: „Die Auslieferung von zehntausend Einheiten ist nur ein Sieg der Fertigungsindustrie. Der Einsatz von zehntausend Einheiten ist der Sieg der physischen KI.“

Bei der Embodied-Bereitstellung geht es nicht mehr um einzelne Technologien

In den letzten Jahren hat sich in der Roboterbranche eine gängige Wettbewerbsform entwickelt: Die Obergrenze einer bestimmten Fähigkeit wird ständig neu definiert, zum Beispiel wer schneller läuft, höher springt oder komplexere Greifbewegungen ausführen kann. Wenn Roboter jedoch tatsächlich in Arbeitsszenarien eingesetzt werden, reicht diese alte Bewertungslogik offensichtlich nicht mehr aus.

Stellen Sie sich eine ganz normale Aufgabe in einer Fabrik vor: „Gehen Sie zum Regal, holen Sie einen Gegenstand und bringen Sie ihn an den angegebenen Ort.“

Das klingt einfach, aber wenn es von einem Roboter ausgeführt wird, kann diese einfache Aufgabe in mehrere Herausforderungen unterteilt werden – der Roboter muss beurteilen, wo sich der Gegenstand befindet und wie er ihn greifen soll. Während des Transports muss er unerwartete Situationen in Echtzeit bewältigen und beispielsweise rechtzeitig ausweichen, wenn plötzlich jemand vorbeigeht. Wenn Mitarbeiter die Aufgabe vorübergehend ändern, muss er außerdem die neuen Anforderungen verstehen.

Mit anderen Worten: Eine kleine Aufgabe betrifft jeweils Betriebsfähigkeit, Interaktionsfähigkeit und Bewegungsfähigkeit, und keine davon kann fehlen.

Viele der neu vorgestellten Kernresultate von Agibot – wie GO-3 Preview, WITA-OMNI und AGILE – basieren genau auf den grundlegenden Schmerzpunkten der praktischen Umsetzung.

Die Kernbedeutung von GO-3 Preview liegt darin, dass Roboter besser verstehen, welche Aktionen sie gleich ausführen werden.

In den letzten Jahren ist VLA zu einer wichtigen technischen Richtung für Embodied Intelligence geworden, die es Robotern ermöglicht, Umgebungen und Anweisungen so zu verstehen wie große Modelle Texte und Aktionen zu generieren.

Bei herkömmlichem VLA gibt es jedoch einen Engpass: Selbst wenn der Roboter weiß, was er als Nächstes tun soll, ist er sich nicht unbedingt der Folgen dieser Aktion bewusst. Wenn er beispielsweise den Becher auf dem Tisch heben möchte, kann er versehentlich nebenstehende Gegenstände herunterwerfen.

Der Kerndurchbruch von GO-3 Preview ist ein integrierter Entscheidungsmechanismus „zuerst vorhersagen, dann handeln“. Das heißt, nachdem der Roboter die Aufgabe erhalten hat, kombiniert er zuerst die Bilder mehrerer Kameras und die Anweisungen, um klar zu verstehen, „was zu tun ist und wie die Umgebung aussieht“. Anschließend simuliert er intern mehrere mögliche Situationen und wählt schließlich die zuverlässigste Lösung aus, um zu handeln. Das entspricht dem Prinzip, vor dem Handeln nachzudenken, anstatt währenddessen zu überlegen.

Neben der fortlaufenden Erforschung des Gehirnmodells für Embodied Intelligence hat Agibot diesmal auch eine wichtige Richtung im Blick genommen, die von großen Grundmodellunternehmen kollektiv vernachlässigt wird, aber unverzichtbar ist: das vollmodale End-to-End-Interaktions-Großmodell. „Interaktion ist genau der notwendige und erste Eingang, über den Roboter Wert erzeugen. Alle Szenarien sind auf Interaktion angewiesen“, erklärte Xiong Yan, Partner, Co-Präsident, Präsident des zentralen Forschungs- und Entwicklungsbereichs und Präsident des Interaktionsgeschäftsbereichs von Agibot.

Früher war das Muster der Interaktion zwischen Mensch und Roboter im Grunde so, dass man zuerst seinen Namen rufen musste, um ihn zu „wecken“, und dann Frage und Antwort abwechselnd folgten, während man auf die Antwort wartete. Das WITA-OMNI-Großmodell hat die grundlegende Logik der Mensch-Roboter-Interaktion vollständig verändert.

Auf der Pressekonferenz gab es ein unterhaltsames Interagieren zwischen Xiong Yan und dem Roboter Yuanzheng A3, der mit diesem Modell ausgestattet ist: Es wird kein Weckwort benötigt. An einem Ort mit komplexem Lärm kann der Roboter genau beurteilen, ob Sie mit ihm sprechen, und selbst schnelles Unterbrechen und Wechseln der Fragen beeinträchtigt die Interaktion nicht.

Nach Praxistests vor Ort beträgt die schnellste Reaktionsgeschwindigkeit des WITA-OMNI-Modells nur 400 Millisekunden, es unterstützt mehr als 20 emotionale Ausdrücke und versteht 73 Sprachen. Mit Unterstützung des WITA-OMNI-Modells ist der Roboter endlich von einer passiven Maschine, die nur Anweisungen befolgt, zu einem chattauglichen Begleiter geworden.

Bemerkenswert ist, dass beide Modelle in letzter Zeit beeindruckende Ergebnisse erzielt haben.

Nach Angaben des Unternehmens hat GO-3 Preview die drei branchenweit anerkannten Bewertungslisten RoboDojo, RoboTwin und RoboColiseum angeführt und wird bis Ende 2026 vollständig quelloffen sein. WITA-OMNI hat den ersten Platz in vier Listen erreicht: Daily-Omni Full-Modal-Verständnis, TimeLens-Bench Video-Zeitliche Lokalisierung, EmbSpatialBench Embodied-Raumschlussfolgerung und MMAU Komplexes Audio-Verständnis.

Mit einem Gehirn, das „zuerst denkt, dann handelt“ und „gut im Chatten ist“, brauchen Roboter noch einen Körper, der mithalten kann.

Das von Agibot diesmal vorgestellte AGILE ist ein brandneues universelles Framework für Bewegungsintelligenz-Algorithmen. Man kann es so verstehen: Roboter können wie Menschen, wenn ihre Augen eine Veränderung wahrnehmen, sofort eine passende Reaktion des Körpers ausführen, und das alles in einem fließenden Ablauf.

Von GO-3 Preview über WITA-OMNI bis hin zu AGILE treibt Agibot gleichzeitig die drei Linien Betriebsintelligenz, Interaktionsintelligenz und Bewegungsintelligenz voran – damit Roboter nicht nur wissen, was sie tun sollen, sondern es auch stabil ausführen und natürlich mit Menschen zusammenarbeiten können.

Aber selbst wenn die drei Fähigkeiten Denken, Bewegen und Chatten vollständig vorhanden sind, bedeutet das nicht, dass der Roboter reibungslos funktionieren kann. Sie müssen in derselben Zeitachse und demselben Zustandsraum in Echtzeit verbunden sein. Andernfalls kann es zu Situationen kommen: Das Gehirn sendet eine Anweisung, aber das Kleinhirn kann sie nicht verarbeiten. Das Kleinhirn verarbeitet sie, aber die Interaktion bricht ab.

Die Koordination ist genau die nächste Hürde für die Umsetzung von Embodied Intelligence zusätzlich zu den „drei Intelligenzen“.

Die nächste Hürde für den Roboter-Einsatz liegt außerhalb des Modells

Koordination darf nicht nur ein Slogan sein, sondern erfordert, dass von Grund auf ein spezielles „Klebstoff“ für Roboter entworfen wird, der alle Teile organisch zusammenführt.

Auf dem Agibot Innovationstag ist ein weiteres Kerninnovationsergebnis von Agibot die dritte Hardware-Architektur AHA3. Es handelt sich nicht um eine Nachbesserung alter Lösungen, sondern um eine von Grund auf neu gestaltete einheitliche Steuerungsplattform, die gleichzeitig die drei Intelligenzen für Bewegung, Interaktion und Betrieb trägt und die „drei Intelligenzen“ tatsächlich auf physischer Ebene miteinander verbindet.

Dies ist auch ein Design, das die Schmerzpunkte der Branche trifft. Das größte Problem bei der Hardware-Entwicklung in der Roboterbranche in den letzten Jahren war die Fragmentierung – Modelle und Systeme agierten unabhängig voneinander und wurden nur notdürftig durch Kabel und Protokolle verbunden. Dies führte dazu, dass die Roboter in der Vergangenheit voller Controller waren, die groß und schwer waren und auch keine ausreichende Wärmeabfuhr gewährleisteten. Nach Angaben von Agibot auf der Pressekonferenz ist der direkte Vorteil dieses Systems: Das Volumen des Steuerungssystems hat sich halbiert, und die Reaktionsgeschwindigkeit hat sich fast verdoppelt.

Aber es reicht bei weitem nicht, nur das Gerüst der Hardware-Architektur neu zu gestalten, es braucht auch ein besseres „Bindegewebe“.

Seit jeher befinden sich Roboter noch im manuellen Herstellungsstatus. Der Grund dafür ist, dass Roboter eine große Anzahl unterschiedlicher Sensoren, Controller und Aktoren haben, die von verschiedenen Herstellern stammen und unterschiedliche Schnittstellen und Kommunikationsmethoden verwenden. Für Entwickler ist dies zweifellos eine Katastrophe – wenn jedes neue Gerät angeschlossen wird, muss eine große Anzahl von untergeordneten Codes neu geschrieben werden, was die Entwicklung und Aktualisierung von Produkten sehr kompliziert macht.

Daher dient das Lingqu OS 1.0 von Agibot dazu, die drei Ebenen Hardware, Kommunikation und Intelligenz vollständig zu verbinden, sodass Roboter zum ersten Mal ein einheitliches Betriebssystem haben. Bemerkenswert ist, dass dies auch das erste native Betriebssystem für Embodied Intelligence in der Branche ist.

Für Ingenieure ist die spürbarste Veränderung, dass Lingqu OS 1.0 den Anschluss aller Hardware so einfach macht wie das Einstecken eines USB-Sticks – durch die Neudefinition des Hardware-Anschlussstandards können mehr als 100 Peripheriegeräte aus 15 Kategorien wie Kameras, Sensoren und Roboterarme direkt verwendet werden, ohne dass Treiber aufwändig verarbeitet werden müssen.

Neben der Bedeutung der Verbindung ist Lingqu OS 1.0 vor allem auch schnell. Wenn der Roboter 1000 Bewegungsanweisungen pro Sekunde sendet, hält Lingqu OS 1.0 den Fehler bei jedem Intervall auf weniger als 4 Mikrosekunden. Zum Vergleich: In der Zeit, in der ein Mensch mit den Augen blinzelt, hat der Roboter bereits mehr als 300 Anweisungen gesendet, die alle pünktlich und fehlerfrei ankommen.

Agibot plant jedoch nicht, die Bequemlichkeit dieser Infrastruktur für sich zu behalten.

Auf dem Agibot Innovationstag kündigte Agibot an, gemeinsam mit der OpenAtom Open Source Foundation eine Open-Source-Community für humanoide Roboter in China aufzubauen, um die techn