HomeArticle

Feng Shuo von Miji Intelligence: Wie viele Neunen fehlen den Robotern noch, um von der Demonstrationsplattform in den praktischen Masseneinsatz zu gelangen? | Portfolio-News von Xinglian

星连资本2026-11-16 15:36
Feng Shuo meistert mit exponentieller Intelligenz die Herausforderungen im Bereich der physischen KI und erzielt hohe Erfolgsraten auf dem langfristig aussichtsreichen Entwicklungsfeld.

Wenn ein Roboter zehn Mal Teller trägt und neun Mal erfolgreich ist, würden Sie ihn bitten, zu Hause zu helfen?

Das klingt schon gut. Aber bei dem einen verbleibenden Versuch könnte der Teller herunterfallen oder die heiße Suppe verschüttet werden. Wenn man die Aufgabe durch die Montage eines Geräts oder sogar eine Operation ersetzt, reicht eine Erfolgsrate von 90 % noch lange nicht aus. 90 % bedeutet nur eine 9, danach folgen 99 %, 99,9 % bis hin zu acht Neunen – 99,999999 %. Je mehr Neunen es gibt, desto weniger Spielraum hat der Roboter für Fehler.

Nach Ansicht von Feng Shuo, außerordentlicher Professor am Institut für Automatisierung der Tsinghua-Universität und Chefwissenschaftler von DenseAI, ist der Weg, den die physische KI wirklich gehen muss, genau dieser lange Hang, auf dem ständig weitere „Neunen“ hinzugefügt werden.

Nach seiner Einschätzung hat die Aufgaben-Erfolgsrate von Robotern heute noch nicht einmal eine 9 erreicht. Für die Fabrikproduktion werden etwa vier Neunen benötigt, für den Eintritt in sicherheitskritische Szenarien wie Haushalte möglicherweise sechs Neunen und für Operationen sogar acht Neunen oder mehr. Der Weg von einer 9 zu acht Neunen kann sehr lange dauern, aber jeder Schritt vorwärts kann ein kommerzielles Szenario öffnen, das bisher nicht zugänglich war.

Diesen Weg hat dieser 1991 geborene Tsinghua-Absolvent bereits zehn Jahre lang beschritten.

Als AlphaGo im Jahr 2016 Menschen besiegte, dachte Feng Shuo, der zu dieser Zeit in Tsinghua promovierte, über ein anderes Problem nach: Das Schachbrett ist nur ein Spielzeug, mit dem das Modell ohne Bedenken Fehler ausprobieren kann. Ein echter Roboter muss jedoch mit hohen Kosten für Fehler umgehen, jeder einzelne Fehlschlag kann zu enormen Verlusten führen. Damit Roboter in Millionen Haushalte einziehen können, müssen sie zunächst nahezu „fehlerfrei“ sein. Seitdem arbeitet er ständig an diesem Thema: Zuerst ließ er autonome Fahrzeuge ein Niveau erreichen, das über das menschlicher Fahrer hinausgeht, dann ließen er Drohnen, unbemannte Schiffe und Roboterhunde lernen, Randbedingungen zu meistern und sich immer weiter mehr „Neunen“ zu nähern.

Im Laufe der Zeit stieß er auf ein Problem, an dem niemand vorbeikommen kann, und schrieb darüber eine Arbeit, die 2023 auf dem Titelblatt von *Nature* erschien. Er nannte dieses Problem „Seltenheits-Katastrophe“: Es gibt zu wenige wirklich wertvolle Daten, die zudem verstreut in einer riesigen Datenmenge verborgen sind, sodass die KI sie nur schwer lernen kann. Dass autonomes Fahren immer wieder von seltenen Verkehrssituationen aufgehalten wird und die Erfolgsrate von Robotern bei Aufgaben bis heute unter 90 % liegt, hat genau hier seine Wurzeln. Die von ihm vorgeschlagene Lösung heißt „Dichtes Lernen“ – die nützlichen Daten werden „konzentriert“, bevor sie gelernt werden.

Im Januar 2026 gründeten Feng Shuo und sein älterer Kommilitone Shi Mengkai DenseAI, um diese Methode auf ein größeres Schlachtfeld zu bringen. Seine Idee ist sehr einfach: Diejenigen, die Roboter am besten verstehen, sind die Roboter selbst. Sie können anhand ihrer historischen Erfahrungen aus der riesigen Datenmenge die Daten auswählen, die für sie am wertvollsten sind. Was DenseAI erreichen will, ist die Selbstiteration von Robotern.

01 Ein Gehirn für physische KI bauen

DenseAI wurde im Januar 2026 registriert, der Name klingt gleich wie „Dichte Intelligenz“. Die Idee zur Unternehmensgründung entstand aber schon früher?

Feng Shuo: Die Idee zur Unternehmensgründung hatte ich schon sehr lange, erst 2025 begann ich, sie umzusetzen und fand meinen älteren Kommilitonen Shi Mengkai für die gemeinsame Gründung.

Warum wurde genau dieser Zeitpunkt gewählt?

Erstens hat die Technik einen Wendepunkt erreicht – die Umgebungsmodellierung ist für die physische KI wirklich von entscheidender Bedeutung;

Zweitens ist die Nachfrage stark: Seit der Entwicklung der verkörperten Intelligenz vor zwei Jahren wurde dieses Problem immer noch von niemandem gelöst, viele führende Unternehmen konnten keinen Durchbruch erzielen, auf der Gehirnebene des Modells gab es keine großen Fortschritte – wir halten das für eine gute Gelegenheit;

Drittens hat sich das Forschungsparadigma verändert – Intelligenz muss früher mit Daten, Szenarien und Kapital kombiniert werden. Früher wurde zuerst im Labor der Schritt von 0 auf 1 gemacht, dann auf dem Markt von 1 auf 10 und von 10 auf 100; im KI-Zeitalter ist das nicht so, möglicherweise muss man von 0 an gemeinsam arbeiten, sonst hat man keine Daten, keine Rechenleistung und kann keine Talente halten.

Einfach ausgedrückt: Sie bauen ein Gehirn, das an verschiedene Roboter angeschlossen werden kann?

Feng Shuo: Ja, wir sind ein Gehirn für physische KI.

Bei der aktuellen Forschung zum Weltmodell arbeiten etwa die Hälfte der Menschen an der „Generierung des nächsten Videobildes“, Sie arbeiten an der „Vorhersage des nächsten Zustands“. Was ist der Unterschied zwischen beiden?

Feng Shuo: Was wir machen, ist zwangsläufig physische Intelligenz – die Videogenerierung bleibt noch in der digitalen Welt stecken. Der Kern des Weltmodells besteht darin, physische Intuition zu liefern.

Wenn ich zum Beispiel diesen Becher nehme, habe ich vor dem Greifen kein klares Bild im Kopf und auch keine genaue Berechnung nach Newtons Gesetzen. Ich habe nur eine physische Intuition – ich weiß, dass er ungefähr aufgehoben wird, aber die Bewegung beim Heben kann weder berechnet werden, noch gibt es dafür ein Bild. Dem Roboter diese physische Intuition zu vermitteln, ist das Kernziel des Weltmodells.

Viele Leute finden, dass Ihre Daten keine Labels wie „Aktion“ oder „Kraft“ haben. Machen Sie sich keine Sorgen?

Feng Shuo: Man muss bedenken, dass wir physische Intuition machen – gibt es im menschlichen Kopf eine Kraft? Nein.

In der Physik gibt es zwei Arten von Vorhersagen: Die eine betrachtet den aktuellen Zustand und sagt voraus, was als Nächstes passieren wird, das ist die Kinematik. Die andere muss zuerst wissen, welche Aktion ausgeführt wurde und wie groß die Kraft ist, bevor sie berechnet, was als Nächstes passiert – das ist die Dynamik. Wir glauben, dass das Weltmodell Ersteres macht – physische Intuition ist keine Dynamik, Dynamik ist physische Berechnung. Vor Newton lebten die Menschen genau nach dieser Intuition in dieser Welt; selbst wenn man heute Newtons Gesetze gelernt hat, berechnet man sie, wenn man einen Becher greift? Nein. Menschen brauchen das nicht, und Roboter brauchen es auch nicht unbedingt.

Ist VLA dann überhaupt noch notwendig?

Feng Shuo: VLA (Visuell-Sprach-Aktionsmodell) ist nur ein Übergangsprodukt – es ist ein Aktionsausgang, der auf dem visuellen Sprachmodell (VLM) aufgesetzt wurde, eine zusammengefügte Arbeit. Das Gehirn zukünftiger Roboter wird höchstwahrscheinlich keine so einfache Architektur haben: Es enthält natürlich Sprachfähigkeiten, zwangsläufig auch das Weltmodell und physische Intuition, in manchen Fällen braucht es zudem genaue Berechnungen und Gedächtnis. Das Weltmodell liefert genau die physische Intuition, die ein sehr wichtiger Teil des gesamten Systems ist.

Wie haben Sie und Shi Mengkai sich kennengelernt?

Feng Shuo: Wir haben uns schon im Bachelor kennengelernt. Er ist ein Jahr älter als ich, studierte Automatisierung im Jahrgang 2009 und war der Zweitbeste der Provinz Hebei. Wir beide arbeiteten gleichzeitig in Lehre und Verwaltung an der Tsinghua-Universität und waren in der Studentenarbeit tätig – ich war Vorsitzender des Fachschaftsrats, er war Sekretär des Jugendkomitees der Fakultät; später übernahm ich das Amt des Sekretärs des Jugendkomitees, und er wurde Vorsitzender des Universitätsvereins für Wissenschaft und Technik.

Vor zehn Jahren herrschte im Rahmen der Massengründung und Masseninnovation ein hoher Gründungsboom an der Tsinghua-Universität, der Universitätsverein für Wissenschaft und Technik war gerade für die Angelegenheiten im Bereich Innovation und Gründung zuständig. Obwohl wir nicht direkt gegründet haben, waren wir beide tief darin involviert und haben in unseren Herzen jeweils einen Samen für die Unternehmensgründung gepflanzt.

Jetzt hat das Unternehmen über 30 Mitarbeiter, alle haben einen Hintergrund an der Tsinghua-Universität. Die anderen drei Mitbegründer sind jüngere Kommilitonen, die wir eingeladen haben, sich uns anzuschließen. Wir kannten uns schon während der Studienzeit, nach dem Abschluss gingen sie in verschiedene Branchen, jetzt haben wir uns zum gemeinsamen Gründen verabredet – wir sind wirklich gleichgesinnt.

Warum muss man unbedingt ein Unternehmen gründen, um die technische Linie umzusetzen, der Sie vertrauen?

Feng Shuo: Wir sind auf jeden Fall ein technikgetriebenes Unternehmen, aber wir werden kein reines Forschungslabor wie Neo Lab betreiben. Die Fähigkeiten der physischen KI entstehen nicht über Nacht, es ist ein langer Hang – es kann sehr lange dauern, bis die Fähigkeiten von einer 9 (Erfolgsrate 90 %) auf acht Neunen gesteigert werden, aber mit jeder freigeschalteten 9 kann sich ein neues kommerzielles Szenario eröffnen. Genau wie bei großen Sprachmodellen: Mit jedem Schritt der Verbesserung der Fähigkeiten kann man plötzlich Code schreiben, nach einem weiteren Schritt plötzlich Mathematikaufgaben lösen und Agenten erstellen.

Der Kerngrund für unseren Einstieg ist: In Bereichen, denen der Staat große Bedeutung beimisst, kritische Engpässe zu lösen. Unser Ziel ist es, mindestens auf Augenhöhe mit dem internationalen Spitzenniveau zu laufen, am besten die Führung zu übernehmen. Ich hoffe auch, über diese Plattform gleichgesinnte Menschen, gleichgesinntes Kapital und sogar gleichgesinnte Wettbewerber anzuziehen – es ist egal, wer diese Flagge hochhält.

Egal welche kommerziellen Erfolge das Unternehmen erzielt, das wichtige Maß, mit dem wir Tsinghua-Absolventen diese Angelegenheit messen, ist: Unseren Namen in der zukünftigen Landschaft der physischen KI zu hinterlassen. Der Erfolg muss nicht von mir stammen, aber ich muss zu ihm beitragen – das ist die Gefühlslage und Mission unseres Teams.

02 Die letzten zehn Jahre: Jeder Schritt war eine Vorbereitung auf das Weltmodell

Sie sagten, das Weltmodell soll Maschinen dazu bringen, „die Welt zu erkennen“. Wann hatten Sie diesen Gedanken zum ersten Mal?

Feng Shuo: 2016, als ich in Tsinghua promovierte. In diesem Jahr wechselte mein Forschungsschwerpunkt von der Formationssteuerung autonomer Fahrzeuge zur Modellierung von Verkehrsumgebungen – der direkte Grund war AlphaGo, AlphaGo hat unsere Generation genauso stark beeindruckt wie ChatGPT. Dass KI im Go-Spiel Menschen übertrifft, ließ mich erkennen, dass das KI-Zeitalter wirklich gekommen ist: Wie mächtig wäre so ein starkes Ding, wenn es in die physische Welt eintritt?

Also wählte ich autonome Fahrzeuge als Träger, aber ich erforschte nicht, wie das Auto fahren soll, sondern was um es herum passieren könnte, nachdem es auf die Straße kommt.

Zu dieser Zeit arbeiteten die meisten Leute im Bereich des autonomen Fahrens an Modulen wie Wahrnehmung, Vorhersage, Planung und Steuerung, was gleichbedeutend damit ist, das Auto dazu zu bringen, „sich selbst zu erkennen“ und die äußere Umgebung als undurchsichtige Black Box zu behandeln. Was ich machte, war, das Auto dazu zu bringen, „die Welt zu erkennen“ und die Umgebung, in der es sich befindet, zu verstehen und vorherzusagen – im Wesentlichen genau das, was man heute als Weltmodell bezeichnet.

War diese Richtung damals wenig populär?

Feng Shuo: Es gab sehr wenige Leute, die daran arbeiteten. Damals tauchte der Begriff „Weltmodell“ noch nicht auf, die Leute dachten, wir machen traditionelle Verkehrssimulation, was aber völlig anders ist. Die traditionelle Simulation hat eine sehr grobe Granularität, wir mussten das Verhalten von Menschen, das Verhalten von Autos und sogar Unfälle wie herumfliegender Schaum oder herunterfallende Reifen modellieren, sonst können die Fahrzeuge nicht damit umgehen.

Unsere damalige Schlussfolgerung war: Der Kern dafür, dass autonomes Fahren lange nicht realisiert werden kann, liegt darin, dass das Verständnis der Welt unzureichend ist und das System zusammenbricht, sobald ein corner case (seltene Extrembedingung) auftritt. Heute arbeitet auch der Bereich des autonomen Fahrens an Weltmodellen – wenn das Gehirn des Autos kein Verständnis für die Welt hat, kann man durch die bloße Verbesserung von Entscheidungssteuerung kein vollautonomes Fahren erreichen.

Später gingen Sie nach Michigan und entwickelten NADE (Natural Adversarial Driving Environment). Was haben Sie bei diesem Schritt geübt?

Feng Shuo: NADE wurde 2021 veröffentlicht und war das erste Paper in einer Nature-Zeitschrift in unserem Bereich. Das E steht für Environment, Umgebung, also für das heutige Weltmodell. Es gibt ein klassisches Framework zur Erforschung von Intelligenz: Agent interagiert mit Environment – der Agent erkennt sich selbst, das Environment erkennt die Welt. AlphaGo hat den Agenten perfektioniert, aber das Schachbrett ist fest und abgeschlossen. Autonomes Fahren steht einer offenen, zufälligen Umgebung gegenüber, daher ist es besonders wichtig, das Environment gut zu gestalten.

Das N steht für Naturalistic, real – die konstruierte Umgebung muss real sein. Aber nur reicht nicht aus, sie muss auch intensiv sein. Man kann es sich wie eine echte Welt mit einem „Verstärkten Trainingslager“ vorstellen: Wenn der Agent hineingeht, sind überall Trainer um ihn herum, und er wird dort gefördert, wo er Schwächen hat. Gleichzeitig gibt es mathematische Methoden, die sicherstellen, dass die im Trainingslager erlernten Fähigkeiten auf die reale Welt kalibriert werden können, sodass man nicht falsch trainiert.

Danach haben Sie die „Seltenheits-Katastrophe“ vorgeschlagen und sind auf das Titelblatt von *Nature* gekommen. Wie soll man das verstehen?

Feng Shuo: In der Industrie spricht man ständig von corner cases und Long-Tail-Problemen, aber was der Long-Tail genau ist und worin die Schwierigkeit liegt, gab es nie eine klare Definition. Wir haben 2023 das wissenschaftliche Problem „Seltenheits-Katastrophe“ (curse of rarity) vorgeschlagen, das dem klassischen „Fluch der Dimensionalität“ (curse of dimensionality) im KI-Bereich entspricht.

Einfach ausgedrückt: Es gibt zu wenige wirklich wertvolle Daten, die zudem verstreut in einer riesigen Datenmenge verborgen sind, sodass die KI sie nur schwer lernen kann. Die KI zeigt in gängigen Szenarien