Bei Chinas globalem Vorstoß im Bereich der Embodied-Intelligenz geht es um weit mehr als nur den Verkauf von Robotern ins Ausland.

Im April 2025 fragte Adam Jonas, Analyst bei Morgan Stanley, Musk auf der Telefonkonferenz zu Teslas Quartalsergebnissen im ersten Quartal, wer im Bereich der physischen KI wie humanoiden Robotern führender sei – China oder die USA?

Musk war sehr zuversichtlich, dass Tesla den ersten Platz belegen würde, aber im nächsten Satz lenkte er das Gespräch auf China. Seiner Meinung nach könnte sich die Geschichte von Chinas Überholen im Bereich der neuen Energiefahrzeuge auch im Bereich der verkörperten Intelligenz wiederholen. „Ich habe ein wenig Sorge, dass auf der (Roboter-)Rangliste die Plätze zwei bis zehn von chinesischen Unternehmen belegt werden.“

Mehr als ein Jahr ist vergangen, und es ist nach wie vor schwierig, eine Rangfolge für globale Roboterunternehmen aufzustellen. Aber der von Musk vorhergesagte Trend „chinesische Unternehmen für verkörperte Intelligenz expandieren ins Ausland“ wird nun Realität.

Daten des EO Intelligence zeigen, dass von den 182 finanzierten Unternehmen für verkörperte Intelligenz, die in ihrer Statistik erfasst sind, 73 die Expansion ins Ausland umgesetzt haben und 21 sich darauf vorbereiten – zusammen machen sie etwa 51,6 % aus.

Wang Xingxing, Gründer von Unitree Robotics, hat einmal erklärt, dass das Auslandsgeschäft in den vergangenen Jahren etwa 50 % des Jahresumsatzes des Unternehmens ausmachte. Eine Reihe von Unternehmen für verkörperte Intelligenz wie Agibot und UBTECH haben in ihren strategischen Planungen und Pressekonferenzen in diesem Jahr übereinstimmend die Globalisierung und Auslandsexpansion in den Mittelpunkt gestellt, und die Nachfrage nach Personalbeschaffung für ausländische Standorte im Bereich der verkörperten Intelligenz steigt entsprechend.

Neben dem Verkauf von Robotern ins Ausland leisten chinesische Unternehmen für verkörperte Intelligenz auch kontinuierliche Anstrengungen auf der „Gehirnebene“, indem sie auf offene allgemeine große Modelle für verkörperte Intelligenz setzen und am Aufbau des globalen technologischen Ökosystems teilnehmen. Am Beispiel von Ant Lingbo: Die Modelle der LingBot-Serie haben auf GitHub insgesamt mehr als 33.000 Sterne erhalten, und die Download-Zahl übersteigt 2,2 Millionen.

Dies ist ein struktureller Wandel: Die Auslandsexpansion wird zu einer weiteren Wachstumskurve für Chinas verkörperte Intelligenz. Von der Gewinnung ausländischer Aufmerksamkeit durch Körperherstellung und Bewegungssteuerung bis hin zur Einbeziehung in die globale Wettbewerbslandschaft durch allgemeine Modellfähigkeiten steht Chinas verkörperte Intelligenz auf unterschiedliche Weise auf der Weltbühne.

01

Chinas Auslandsexpansion im Bereich der verkörperten Intelligenz ist keine Wahlmöglichkeit mehr

Die Auslandsexpansion von Chinas verkörperter Intelligenz ist keine Neuigkeit.

Mehrere ausländische Investmentbanken, darunter Morgan Stanley, haben die Prognosen für die Liefermenge chinesischer humanoider Roboter wiederholt nach oben korrigiert – einer der Kerngründe sind genau die Chancen im Ausland. Nach ihren Daten machen chinesische Hersteller etwa 90 % der 13.000 bis 16.000 humanoiden Roboter aus, die 2025 weltweit ausgeliefert werden: Im Durchschnitt stammen 9 von 10 verkauften Geräten aus China.

Analysten von Morgan Stanley gehen sogar davon aus, dass die humanoide Roboter- und Roboterindustrie in den nächsten 5 bis 10 Jahren der nächste wichtige Treiber für Chinas Export von Maschinen sein wird. „Ähnlich wie die Elektroautoindustrie vor zehn Jahren.“

Quelle: CEIC, Haver, Forschungsabteilung von Morgan Stanley

Hinter dieser „Welle der Auslandsexpansion im Bereich der verkörperten Intelligenz“ steht Chinas einzigartige kombinierte Vorteile in der physischen KI, die sich konkret in drei Ebenen unterteilen lassen:

Erste Ebene: Körper – Kleinhirn: China verfügt über eine vollständige Lieferkette, Zulieferung von Komponenten sowie Vorteile bei Kosten und Liefergeschwindigkeit. Gleichzeitig haben viele Unternehmen für verkörperte Intelligenz, die seit langem an der Strategie „Kleinhirn zuerst“ festhalten, führende Fähigkeiten bei der Bewegungssteuerung des Kleinhirns angesammelt und die Integration von Hardware und Software beschleunigt.

Zweite Ebene: Szenarien – Daten: Chinas reiche Fertigungs- und Dienstleistungsszenarien bieten Bedingungen für Roboter zur Durchführung von Aufgabenprüfungen in der Realität, zur Erfassung von Interaktionsdaten und zur kontinuierlichen Iteration. Die in realen Szenarien gesammelten Erfahrungen tragen zur Verbesserung der Produkt- und Modellfähigkeiten bei und legen die Grundlage für die Erweiterung ausländischer Anwendungen.

Dritte Ebene: Open Source – Gehirn: Durch Open Source wird daran gearbeitet, die lokalen Innovationserfahrungen von Chinas allgemeinen Modellen für verkörperte Intelligenz in eine Schlüsselkraft der globalen technologischen Infrastruktur für verkörperte Intelligenz umzuwandeln. Bei der globalen Zusammenarbeit von Entwicklern und dem gemeinsamen Aufbau von Technologie- und Industrieökosystemen wachsen der technologische Einfluss und die ökologische Stimme von Chinas verkörperter Intelligenz stetig.

Man sieht, dass die kombinierten Vorteile der drei Ebenen sich gegenseitig stützen und gemeinsam die heutige Auslandsexpansion von Chinas verkörperter Intelligenz vorantreiben – sie erstreckt sich von der Ausfuhr von Hardwareprodukten bis zur Öffnung von Modellfähigkeiten und globaler ökologischer Zusammenarbeit. Dieser entscheidende Prozess wird gestützt durch die Vorteile bei Fertigung und Lieferkette, die Datensammlung und Fähigkeitsiteration in realen Szenarien sowie die Beteiligung globaler Entwickler durch Open Source.

02

Chinas Gehirn für verkörperte Intelligenz lehnt „Server-übergreifende Kommunikation“ ab

Wenn Körper und Kleinhirn die Probleme „können hergestellt werden, bewegen sich stabil“ lösen, sind die Vorteile von Chinas verkörperter Intelligenz bereits offensichtlich. Im Gegenteil: Die Kraft von Chinas Gehirn für verkörperte Intelligenz, das die Roboter bei der Wahrnehmung, Entscheidungsfindung und Steuerung von Bewegungen zur Aufgabenerfüllung unterstützt, wird in gewissem Maße unterschätzt.

Der Grund für die Unterschätzung ist einfach und stammt aus dem festen Konsens der Branche: China ist stark bei Hardware und Körper, die USA sind stark bei Gehirn und Modellen. Mit dem Erscheinen von GPT-6 Astra wird die Diskussion darüber, ob „große Sprachmodelle die Modelle für verkörperte Intelligenz verdrängen werden“ erneut laut.

Bild | Bericht des US-Magazins *Wired* über chinesische Roboter

Aber wie viele Branchenkenner sagen, liegt der Wert dieser Diskussion nicht darin, den Sieger der technologischen Routen zu ermitteln, sondern darin, die Branche zur Rückkehr zur Pragmatismus zu veranlassen: Zurück zu realen Aufgaben und der physischen Welt, um neu zu prüfen, welche Fähigkeiten Roboter tatsächlich benötigen.

Von „verstehen können“ bis „arbeiten können“ müssen Roboter nach dem Verstehen von Aufgaben und der Erstellung von Plänen vorhersagen, wie Aktionen die Umgebung verändern, sich ständig durch Ausführungsrückmeldungen korrigieren und die Anforderungen an Echtzeitantworten erfüllen. Diese spezifischen Anforderungen stellen nicht nur neue Themen für Modelltrainingsziele, Architekturen und Inferenzmethoden auf, sondern lassen auch Raum für chinesische Teams für verkörperte Intelligenz, grundlegende Innovationen beizusteuern.

Lange bevor die Branche darüber stritt, ob „große Modelle alles regeln können“, haben viele chinesische Teams für verkörperte Intelligenz bereits eigene Antworten gegeben – die Erkundung des „Verkörperten-Nativen“-Ansatzes von Ant Lingbo ist eines davon.

Für LingBot-VA 2.0, das im Juli dieses Jahres veröffentlicht wurde, hat das Team von Ant Lingbo beschlossen, ein kausales Video-Aktionsmodell von Grund auf vortrainieren zu lassen, damit das Modell die Zusammenhänge zwischen Umweltveränderungen und Aktionen lernt und während der Ausführung die Vorhersagen durch neueste Beobachtungen korrigiert.

Das sogenannte „Verkörperte-Native“-Konzept ist leicht verständlich: Das Modell wird von Anfang an auf die Wahrnehmung, Vorhersage und Handlung ausgerichtet, die Roboter zur Erfüllung von Aufgaben in der realen physischen Welt benötigen. Noch wichtiger ist, dass dies bedeutet, dass chinesische Unternehmen für Gehirne der verkörperten Intelligenz begonnen haben, eine native technologische Route selbst aufzubauen.

Ob diese technologische Route wertvoll ist, hängt nicht nur von den eigenen Tests von Lingbo ab, sondern auch davon, welche Teile externe Teams nach der Öffnung des Modells ausgewählt haben und was sie daraus gemacht haben.

Erste Art der Nutzung: Die Arbeit chinesischer Teams wird für weitere Forschung verwendet.

Forscher des Labors für visuelle und Lernverfahren der Stanford University wollten herausfinden: Es gibt heute so viele Aktionsmodelle auf der Welt, aber die von verschiedenen Anbietern verwendeten Modellgrundlagen, Trainingsmethoden und Daten sind unterschiedlich – wie kann man feststellen, welche Designentscheidung die Fähigkeiten verbessert hat?

Daraufhin wollte das Team ein kombinierbares Forschungsframework aufbauen, mit dem verschiedene Video-Aktions-Interaktionsmethoden in einer „einheitlichen Prüfung“ verglichen werden können – das war der Ausgangspunkt des im Oktober veröffentlichten Projekts OpenWAM. Auf der Implementierungsebene haben sie direkt die Transformer-Architektur, den Text-Encoder und den Tokenizer von LingBot-VA wiederverwendet und als Referenzimplementierung für das gesamte Framework verwendet.

Forscher der Nationaluniversität Singapur haben sich einem anderen Problem der verkörperten Intelligenz gewidmet: Wie kann das Weltmodell bei der Generierung langfristiger Interaktionen sich sowohl die zuvor generierten Szenarien „merken“, als auch nicht durch die Anhäufung historischer Informationen immer langsamer werden?

Dafür haben sie eine räumliche Speichermethode namens Velox vorgeschlagen, die das Weltmodell immer schneller laufen lässt. Der Kerngedanke besteht nicht darin, das Weltgedächtnis zu löschen, sondern dafür zu sorgen, dass das aktuelle Bild nur die wirklich relevanten historischen Bereiche liest. Der Schlüssel zur Umsetzung liegt nicht darin, ein neues Weltmodell neu zu trainieren, sondern LingBot-Fast-Cam als Grundlage zu verwenden, ohne den vortrainierten Generator zu ändern. Stattdessen wird nur in der Inferenzphase ein Mechanismus zur Filterung räumlicher Informationen hinzugefügt, sodass das Modell basierend auf Kameraperspektive und Tiefeninformationen die historischen Inhalte liest, die wirklich mit dem aktuellen Bild zusammenhängen.

Am Ende unterschied sich der durchschnittliche API-freie Wert in 158 Navigationsfällen von WBench nur um 0,15 Punkte von dem Wert auf der Grundlage von LingBot-Fast-Cam. Das zeigt, dass Velox die Verlangsamung bei der Generierung langer Sequenzen mildert, während die Generierungsqualität im Wesentlichen beibehalten wird.

Zweite Art der Nutzung: Das Modell wird zu einem Werkzeug umgewandelt, das von mehr Personen bedient werden kann.

Für gewöhnliche Entwickler ist selbst das fortschrittlichste Modell schwer wirklich nutzbar, wenn es nur in Papieren oder auf Spitzengeräten verbleibt. Letztendlich muss der Wert eines Modells von unzähligen Entwicklern geprüft werden, die es verwenden und verändern.

Der Entwickler RealRebelAI hat LingBot-World v2 in ComfyUI integriert, das Schöpfern vertraut ist. Benutzer ziehen Bilder hinein und legen die Bewegungsroute der Kamera fest, um nachfolgende Bilder zu generieren. Damit dieser Prozess auf einem Computer läuft, hat er das Modell quantisiert und schichtweise geladen und den Test auf einer RTX 3070 8GB durchgeführt – damit tritt das Weltmodell aus dem Labor in den Arbeitsablauf gewöhnlicher Entwickler ein.

Der Entwickler Don Allen III hat auf Basis von LingBot-Map ein Desktop-Tool für Mac erstellt. Benutzer ziehen Videos in das Fenster, um die 3D-Rekonstruktion lokal auf Apple Silicon zu starten, den Fortschritt zu verfolgen und nach Abschluss die 3D-Punktwolke zu drehen oder aus der Vogelperspektive zu betrachten, die Kameratrajektur anzusehen und die Ergebnisse zu speichern. Die räumliche Verständnisfähigkeit, die ursprünglich in Code und Gewichten verborgen war, wird zu einer intuitiv bedienbaren, vollständig visualisierten Desktop-Anwendung.

Die Praxis von Entwicklern aus der ersten Linie der Gemeinschaft bestätigt, dass chinesische Unternehmen für Modelle der verkörperten Intelligenz nicht nur die Nutzungshürden für Modelle senken, sondern auch die Innovationskosten für Nachfolgende reduzieren. Der Code, die Erfahrungen und Arbeitsabläufe, die gewöhnliche Entwickler hinterlassen, werden von dem nächsten Entwickler wiederverwendet, verbessert und an noch mehr Personen weitergegeben. Einzelne Versuche erzeugen dadurch einen Diffusionseffekt, und das Open-Source-Ökosystem wird in jeder Weitergabe aktiviert.

Dritte Art der Nutzung: Das Modell wird in die vorhandene Werkzeugkette von Ingenieurteams integriert.

Ob ein offenes Gehirn für verkörperte Intelligen