Das 1/50 der Kosten von SenseTime: Ein Dimensionsreduktionsexperiment der verkörperten Intelligenz

Kürzlich hat das gemeinsame Forschungsteam von SenseTime SenseNova einen technischen Bericht auf arXiv veröffentlicht, in dem die tatsächliche Leistungsfähigkeit von OpenAIs GPT-6-Astra bei Aufgaben der Embodied Intelligence systematisch bewertet wurde, wobei 12 Simulations-Benchmarks und 8 echte Roboterplattformen abgedeckt wurden. Die Testergebnisse selbst sind bereits diskussionswert genug: Nach der Lockerung der Beschränkung der Interaktionsschrittzahl (Erhöhung auf das 10-fache des Standardbudgets) und der Zulassung von In-Context Learning nähert sich GPT-6-Astra bei mehreren Simulations-Benchmarks der Sättigungslinie oder erreicht diese sogar, wobei die Erfolgsrate bei der RoboDojo-Aufgabe 81,9 % erreicht – diese Zahl entspricht der Leistung bei einem 10-fachen Schrittbudget, während die Erfolgsrate desselben Benchmarks unter dem Standardbudget 27,6 % beträgt. Auf echten Roboterplattformen sind Langzeitaufgaben, die Generalisierung über verschiedene Aufgaben hinweg und die feine Steuerung flexibler Objekte jedoch nach wie vor deutliche Schwachstellen.

Noch aufschlussreicher ist eine weitere Maßnahme, die SenseTime gleichzeitig ergriffen hat: Die Open-Source-Veröffentlichung des Ausführungsframeworks SenseNova-RoboRSI und des dazugehörigen 27B Embodied-Modells, mit der behauptet wird, dass die Kosten für die Aufgabenerfüllung auf 1/50 der Kosten eines direkten Aufrufs von GPT-6-Astra gedrückt werden. Laut Angaben von SenseTime stammen diese Daten aus eigenen Tests und müssen noch von Dritten nachgeprüft werden; sie messen die Kostenreduzierung bei bestimmten Aufgaben wie dem Stapeln von Schüsseln und dem Einlegen von Stiften unter erweiterten Budgetbedingungen, und stellen keinen universellen Kostenbenchmark dar.

Die Kosten von GPT-6-Astra bei Tests mit erweitertem Budget lassen sich quantifizieren: Das Stapeln von Schüsseln dauert durchschnittlich 131 Minuten, die Inferenzkosten betragen etwa 19 US-Dollar; das Einlegen von Stiften in Stiftebehälter dauert durchschnittlich 263 Minuten, die Inferenzkosten betragen etwa 55 US-Dollar. Der Faktor 1/50 bedeutet, dass SenseTimes Open-Source-Lösung die Kosten für dieselben Aufgaben auf unter 1 US-Dollar senken kann. Der Anwendungsbereich dieser Umrechnung muss jedoch klar definiert werden: Sie misst die Kostenreduzierung bei bestimmten Aufgaben unter den von SenseTime festgelegten erweiterten Budgetbedingungen, und entspricht keinem universellen Kostenbenchmark über verschiedene Szenarien und Aufgabentypen hinweg.

Dies ist keine rein akademische Open-Source-Maßnahme. Sie findet zwei Monate nachdem SenseTime seinen ersten IFRS-Gewinn-Halbjahresbericht seit dem Börsengang vorgelegt hat, zu einem Zeitpunkt statt, an dem der Kapitalmarkt noch heftige Meinungsverschiedenheiten über seine Bewertungslogik hat. SenseTime beantwortet auf äußerst pragmatische Weise eine Frage, die es lange Zeit vermieden hat: Wie kann es sich in einem größeren technologischen Narrativ neu positionieren, solange sein Hauptgeschäft noch keine vollständigen operativen Gewinne erzielt hat?

Strategische Verschiebung von „Modellverkauf“ zu „Ökosystemaufbau“

Die Finanzstruktur von SenseTime im ersten Halbjahr 2026 ist die Voraussetzung für das Verständnis dieser Maßnahme.

Im ersten Halbjahr betrug der Umsatz 2,91 Milliarden Yuan, ein Anstieg von 23,4 % gegenüber dem Vorjahr; der IFRS-Nettogewinn betrug 617 Millionen Yuan und war damit erstmals seit dem Börsengang positiv. Die Zusammensetzung dieses Gewinns muss jedoch vorab erläutert werden: Der Hauptfaktor, der den IFRS-Gewinn herbeigeführt hat, war nicht die vollständige Umkehr des operativen Gewinns, sondern der „Nettogewinn aus anderen Erträgen“ von 2,127 Milliarden Yuan, der einen Gewinn aus dem Verkauf von Tochtergesellschaften von 521 Millionen Yuan und einen nicht realisierten Gewinn aus zu beizulegendem Zeitwert bewerteten finanziellen Vermögenswerten von 1,249 Milliarden Yuan umfasst. Nach Abzug dieser Posten belief sich der bereinigte Non-IFRS-Verlust noch auf 386 Millionen Yuan, das Hauptgeschäft hat die operative Gewinnschwelle noch nicht überschritten. Mit anderen Worten: Die Signalwirkung des „ersten Gewinns“ ist größer als die substantielle operative Veränderung.

Gleichzeitig hat SenseTime seine Umsatzstruktur bereits von visueller KI zu generativer KI umgestellt: Der Umsatz aus generativer KI belief sich auf 2,327 Milliarden Yuan, was 79,9 % des Gesamtumsatzes der Gruppe ausmacht; der Umsatz aus traditioneller visueller KI betrug 497 Millionen Yuan, sein Anteil sank auf etwa 17 %. Das Volumen der Token-Dienste wächst rasant, das Großgeräte-Geschäft treibt die großtechnische kommerzielle Nutzung von einheimischer heterogener Rechenleistung voran, aber das kapitalintensive Logik der Token-Fabrik bedeutet, dass zwischen dem Wachstum des Umfangs und der Verbesserung des Gewinns stets eine Lücke besteht, die ständig überprüft werden muss.

An diesem Punkt wird die Embodied Intelligence in den Vordergrund gerückt.

Die Logik ist nicht kompliziert. Die Wettbewerbslandschaft der generativen KI ist bereits hoch konzentriert, SenseTime sieht sich der umfassenden Unterdrückung von Konkurrenten wie Alibaba, ByteDance und DeepSeek in Bezug auf Modellfähigkeiten und Preismacht ausgesetzt. Das Geschäft der Token-Fabrik ist im Wesentlichen eine Mischung aus Rechenleistungsverleih und Modelldiensten, der Umfang kann vergrößert werden, aber die Elastizität der Gewinnspanne hängt von den Kosten der vorgelagerten Rechenleistung und der Verhandlungsmacht der nachgelagerten Kunden ab. Die Embodied Intelligence – oder „KI der physischen Welt“ – ist jedoch immer noch ein Bereich, in dem Standards noch nicht festgelegt und die Landschaft noch nicht konsolidiert ist. Ein Eingreifen in dieser Phase, um den Einfluss des Entwicklerökosystems und der technischen Standards durch Open-Source-Maßnahmen aufzubauen, ist ein Mittel, um langfristige Ökosystempositionen mit sehr geringen Kosten zu erschließen. Aus strategischer Sicht ist dies ein Versuch, Ökosystempositionen durch Open-Source-Maßnahmen zu gewinnen, dessen Erfolg davon abhängt, ob die Community die Lösungen tatsächlich übernimmt.

Der Einstiegspunkt, den SenseTime gewählt hat, besteht nicht darin, Roboter-Körper herzustellen oder an allgemeinen Embodied-Großmodell-Benchmark-Wettbewerben teilzunehmen, sondern darin, „Embodied-Aufgaben günstig zu machen“. Das Designkonzept des RoboRSI-Frameworks ist klar: Jeder Simulations-Benchmark und seine Abhängigkeiten werden in ein unabhängiges Docker-Image gepackt, die Umgebungsinteraktion und native Bewertungsschnittstellen werden über eine einheitliche HTTP-API bereitgestellt, sodass Forscher nur eine Konfigurationsdatei benötigen, um End-to-End-Bewertungen auszuführen, ohne jeden Simulator manuell aufbauen zu müssen. Das 27B-Modell ist darauf ausgerichtet, überprüfte Erfahrungen in die Modellgewichte zu „internalisieren“, um die Anzahl der Versuche und Irrtümer zu reduzieren. Laut Angaben von SenseTime stieg die Erfolgsrate von RoboRSI-27B auf RoboCasa365 von 26,0 % auf 46,5 %, während der Token-Verbrauch um 73,3 % reduziert wurde; dieses Ergebnis stammt aus der eigenen Bewertung von SenseTime, und RoboCasa365 ist ein Simulations-Benchmark, die Fähigkeit zur Übertragung auf echte physische Umgebungen muss noch überprüft werden.

Das Ziel dieser Kombination ist nicht „das Stärkste“, sondern „das Am meisten Nutzbare“. Im Prozess, bei dem die Embodied Intelligence vom Labor zu echten Szenarien gelangt, sind die Kosten und nicht die Benchmark-Ergebnisse zu einem echten Engpass geworden. Ob SenseTimes Lösung diesen Engpass tatsächlich lösen kann, hängt noch von der tatsächlichen Bereitstellung und Nachprüfung ab.

Die Qualität des Faktors 1/50: Einschränkungen hinter der Zahl

1/50 ist eine sehr verbreitungsstarke Zahl, aber sie muss unter den spezifischen Testbedingungen verstanden werden.

Der Vergleichsmaßstab von SenseTime sind die Inferenzkosten von GPT-6-Astra unter den Bedingungen des „erweiterten Budgets“. Ein erheblicher Teil der Fehlermuster von GPT-6-Astra liegt nicht darin, dass die Aufgabe nicht bewältigt werden kann, sondern darin, dass der Prozess zu früh beendet wird – bei 9 Aufgaben in RoboDojo gab es ursprünglich 5 vollständige Fehlschläge, nur indem das Modell weiter interagieren durfte und die Schrittobergrenze um das 10-fache erhöht wurde, wurden daraus 5 vollständige Erfolge. Das bedeutet, dass ein großer Teil der Inferenzkosten von GPT-6-Astra für wiederholte Versuche und Irrtümer sowie Erkundungen mit sehr vielen Schritten verbraucht wird.

Die Logik der Kostenreduzierung von RoboRSI besteht im Wesentlichen darin, „vorab trainierte Erfahrungen“ durch „Versuche und Irrtümer während der Inferenz“ zu ersetzen. Das 27B-Modell festigt die bewerteten und überprüften Aufgabenmuster in den Gewichten, sodass das Modell bei neuen Aufgaben nicht von Grund auf wiederholt interagieren muss. SenseTime selbst formuliert es so: „Wir bauen getestete Erfahrungen in die Modellgewichte ein, sodass weniger Versuche und Irrtümer erforderlich sind.“

Dies erklärt die Qualität des Faktors 1/50: Er misst die Kostenreduzierung bei einer bestimmten Art von Embodied-Aufgaben (kurze Operationen wie das Stapeln von Schüsseln und das Einlegen von Stiften) unter bestimmten Bewertungsbedingungen (erweitertes Budget, Simulations-Benchmarks), und ist kein universeller, szenarienübergreifender Kostenbenchmark. SenseTime räumt auch ein, dass die Kosten „immer noch ein Problem“ sind. Bei Langzeitaufgaben, der Übertragung zwischen verschiedenen Aufgaben und der feinen Steuerung auf echten Roboterplattformen sind die Engpässe nicht durch die Open-Source-Veröffentlichung eines 27B-Modells verschwunden.

Open Source als strategisches Werkzeug: Worauf setzt SenseTime?

Dass SenseTime an diesem Punkt die Open-Source-Veröffentlichung wählt, hat spezifische strategische Überlegungen.

Erstens sind die Ökosystempositionen der Embodied Intelligence noch nicht festgelegt. Im Gegensatz zur generativen KI – bei der es bereits klare Spitzenmodelle und Preissysteme gibt – befinden sich das Software-Stack, die Bewertungsstandards und die Ausführungsframeworks der Embodied Intelligence noch im frühen Stadium. Die Open-Source-Veröffentlichung eines reproduzierbaren Bewertungsframeworks und dazugehöriger Modelle in dieser Phase zielt darauf ab, zum „standardmäßig verwendeten Werkzeug“ zu werden. Sobald RoboRSI zu einem üblichen Einstiegspunkt für Forscher wird, um die Embodied-Fähigkeiten nachzuprüfen und zu vergleichen, erhält SenseTime einen nicht-exklusiven Einfluss in diesem Bereich. Der Schlüssel liegt darin, ob die Community die Lösungen tatsächlich übernimmt.

Zweitens ist Open Source ein kostengünstiges Mittel, um dem Bewertungsdruck des Hauptgeschäfts entgegenzuwirken. Der Marktwert von SenseTime ist gegenüber dem Höchststand seit dem Börsengang um mehr als 80 % gesunken, die Geduld des Marktes dafür, ob die „Token-Fabrik unabhängig profitabel werden kann“, schwindet immer weiter. Die Embodied Intelligence bietet einen neuen narrativen Ankerpunkt: Ein Unternehmen, das im Zeitalter der visuellen KI Fähigkeiten in der Wahrnehmung und räumlichen Verarbeitung angesammelt hat, verfügt in der frühen Phase der physischen KI über eine technologische Nähe. Ob diese Nähe in kommerzielle Wettbewerbsfähigkeit umgewandelt werden kann, erfordert noch kommerzielle Überprüfung, aber sie bietet dem Kapitalmarkt zumindest ein differenziertes Label, das sich von „einem weiteren verlustbringenden Großmodell-Unternehmen“ unterscheidet.

Drittens bestimmt die Finanzstruktur von SenseTime, dass sie keine kapitalintensiven Investitionen im Stil der Token-Fabrik in die Embodied Intelligence wiederholen kann. Die Entwicklungskosten für das Open-Source-Framework und das 27B-Modell sind weitaus geringer als der Aufbau eines eigenen Clusters mit zehntausend Grafikkarten, um ein Embodied-Großmodell mit Billionen von Parametern zu trainieren. Dies ist eine Strategie, die technische Effizienz und Ökosystemstrategie anstelle von Kapitalintensität einsetzt, und die zu den aktuellen Ressourcenbeschränkungen von SenseTime passt.

Schlussfolgerung: Von „beweisen, dass man Geld verdienen kann“ zu „beweisen, dass man noch einen Platz hat“

Die Geschichte von SenseTime im Jahr 2026 erlebt gerade eine Schwerpunktverlagerung.

Der IFRS-Gewinn im ersten Halbjahr löst die Frage, „ob dieses Unternehmen finanziell zusammenbricht“ – genauer gesagt, „ob es auf Berichtsebene zusammenbricht“, und nicht die Frage, ob das Hauptgeschäft bereits die Fähigkeit zur Selbstfinanzierung besitzt. Der Non-IFRS-Verlust verengte sich auf 386 Millionen Yuan, das Volumen der Token-Dienste wächst, das Großgerät treibt die großtechnische kommerzielle Nutzung von einheimischer Rechenleistung voran – dies sind Fortschritte auf der Ebene des Überlebens. Die Preisbildung des Kapitalmarkts hängt jedoch nie nur vom Überleben ab. Sie hängt davon ab, ob ein Unternehmen in der nächsten Phase der technologischen Entwicklung noch einen unersetzlichen Platz einnimmt.

Die Open-Source-Veröffentlichung von RoboRSI ist SenseTimes erste formelle Antwort auf diese Frage. Die Qualität der Antwort hängt nicht davon ab, wie groß die Verbreitungswirkung der Zahl 1/50 ist, sondern von drei Dingen: Ob dieses Framework von der Forschungscommunity der Embodied Intelligence tatsächlich übernommen wird, ob die Generalisierungsleistung des 27B-Modells bei tatsächlichen Roboteraufgaben unabhängigen Nachprüfungen standhält, und ob SenseTime einen Weg zwischen dem Open-Source-Ökosystem und der kommerziellen Monetarisierung finden kann, der nicht von der Expansion des Token-Umfangs abhängt.

Das Zeitfenster für die Embodied Intelligence wird nicht ewig offen bleiben. Die Zeit, die SenseTime durch Open Source gewonnen hat, muss durch die Tiefe des Ökosystems eingelöst werden. Bis zur Einlösung ist der Faktor 1/50 immer noch ein Versprechen, das überprüft werden muss, und keine bereits umgesetzte Schlussfolgerung.

Dieser Artikel stammt aus dem WeChat Official Account „Tech Business“, Autor: Tech Business, veröffentlicht mit Genehmigung von 36Kr.