En los últimos seis meses, los modelos mundiales y la recopilación de datos se han convertido en palabras clave centrales en el campo de la inteligencia incorporada.
El modelo mundial es un nuevo paradigma de inteligencia encarnada «cerebro» y se considera un camino importante hacia la AGI; Los datos de alta calidad son el «combustible» escaso para los modelos de entrenamiento.
Muchas empresas han anunciado oficialmente la construcción de fábricas de minería de datos y la exploración de varias rutas de minería de datos.
La competencia entre las empresas nacionales de inteligencia incorporada se ha expandido desde productos ontológicos hasta escenarios de aterrizaje, construcciones ecológicas, etc.
han extendido su alcance a las fases anterior y posterior de la cadena industrial a través de inversiones de dinero real, tratando de construir barreras competitivas tanto como sea posible.
Giro tecnológico: dos rutas comienzan a fusionarse
Ya sea en la Conferencia de Zhiyuan, conocida como la «Gala del Festival de Primavera de la IA», o en la primera conferencia global de desarrolladores celebrada en Xinghaitu, una empresa unicornio de inteligencia incorporada, el «modelo mundial» es el centro de atención. Esta vía también ha sido apostada por el capital.
Un grupo de empresas centradas en modelos mundiales ha recibido grandes cantidades de financiación en un corto período de tiempo, como Daxiao Robotics, Xingyuanzhi, etc.
Anteriormente, las principales rutas tecnológicas en el campo de la inteligencia incorporada eran los modelos VLA y VLM. Sus defectos fueron «comprender la semántica pero no la física» y una generalización insuficiente.
Por ejemplo, cuando un robot recibe la tarea de «sostener un vaso de agua», puede reconocer el objeto y comprender la instrucción, pero puede no ser consciente de las diferentes fuerzas de agarre necesarias para vasos de agua de diferentes pesos.
Modelo mundial, es decir, la IA construye un mundo virtual en la «mente» para comprender las leyes físicas, predecir resultados futuros y luego decidir cómo actuar.
Wang Zhongyuan, presidente del Instituto de Investigación Zhiyuan, cree que el modelo mundial es el modelo base de inteligencia artificial de próxima generación que puede resolver el problema de «no comprender el mundo físico», pero aún se encuentra en su etapa inicial.
Recientemente, ha habido ciertas diferencias dentro de la industria, y algunas opiniones han colocado a VLA y a los modelos mundiales en el lado opuesto.
Sin embargo, algunas empresas optan por ir de la mano de las dos rutas tecnológicas y explorar formas de integrarlas.
En la Conferencia Global de Desarrolladores el 16 de junio, Xinghaitu lanzó oficialmente el modelo básico VLA G0.5 de nueva generación y lo anunció como código abierto, anunciando el modelo mundial Fast-WAM y el modelo básico de control de cuerpo completo.
Xinghaitu afirmó que se adhiere a la ruta de tecnología dual «VLA + WAM» y estudia sistemáticamente el cuello de botella de generalización de la inteligencia incorporada en un entorno abierto.
Entre ellos, VLA garantiza el funcionamiento en tiempo real y WAM proporciona deducciones prospectivas. Los dos trabajan juntos para lograr un salto inteligente completo de «percepción-decisión-ejecución» a «prejuicio-optimización-bucle cerrado».
“Nunca hemos creído que VLA y el modelo mundial sean antagónicos. Al contrario, son homólogos y simbióticos, y convergerán cada vez más en el futuro”. El director general de Xinghaitu, Gao Jiyang, explicó en una entrevista con los medios que las capas inferiores de los dos modelos son algo similares. Primero, los datos multimodales se convierten en tokens, y luego se usa un transformador multicapa para codificar y luego generar de alguna manera, etc.
Guo Yandong, fundador y director ejecutivo de Zhiping, también afirmó en la Conferencia Zhiyuan de Beijing que el modelo mundial no es una ruta competitiva para VLA, sino un componente central del sistema VLA.
Se entiende que la empresa ha estado promoviendo anteriormente investigaciones sobre la integración de modelos mundiales y VLA. En noviembre del año pasado colaboró con la Universidad de Pekín para lanzar Video2Act, una arquitectura de nueva generación que integra modelos mundiales.
Fábrica de minería de datos: surge el plan «Millón de horas»
Los modelos VLA y los modelos mundiales son inseparables de los datos de entrenamiento, y existe una gran brecha en los datos de interacción que requieren de los humanos y el mundo físico. Esta es también una de las razones por las que muchas empresas de inteligencia encarnadas han implementado fábricas de minería de datos.
Yishu Intelligence, construida conjuntamente por Xinghaitu y Beijing Yizhuang, fue presentada y lanzó un plan de 1 millón de horas de datos reales de altísima calidad, planeando completar un millón de horas este año y avanzar hacia 10 millones de horas en los próximos tres años.
Específicamente, Yishu Intelligence planea implementar los tres sistemas principales de datos reales de Ontología, recopilación de datos UMI y datos POV humanos.
La compañía también planea abrir entre el 5% y el 10% de su producción anual de datos a empresas del distrito de Yizhuang, Beijing, de forma gratuita o a precios preferenciales.
Este modelo es similar a los planes anunciados previamente por muchas empresas de inteligencia personal, y la industria se está apresurando a diseñar la pista de datos.
Anteriormente, Daimeng Robots y China Mobile alcanzaron formalmente una cooperación para lanzar conjuntamente la construcción de la red de «recopilación de datos en el hogar». Las dos partes confiaron en los cientos de miles de puntos de venta fuera de línea de China Mobile para construir conjuntamente una red de recopilación de datos salientes que cubra todo el país.
En la primera fase del proyecto, se pondrán en funcionamiento 1.000 equipos y, en plena producción, se podrán generar 1 millón de horas de datos al año.
Luming Robot planea lanzar 10.000 versiones de mochila de FastUMI Pro en varias ciudades este año para recopilar datos en seis escenarios de la vida real que incluyen industrias, hogares, hoteles, restaurantes, centros comerciales y oficinas. El objetivo también es alcanzar una capacidad de producción de datos de millones de horas.
En abril de este año, Meifeng Technology, una subsidiaria de Zhiyuan, lanzó una plataforma integral de servicios físicos de datos de IA y la serie MEgo de hardware de recopilación sin ontologías.
También anunció que alcanzará decenas de millones de horas de capacidad de producción de datos en 2026. Las principales empresas de Internet también están entrando en juego. JD.com anunció oficialmente que confiará en las ventajas principales de la súper cadena de suministro para construir el centro de recopilación de datos inteligentes incorporados más grande y completo del mundo, acumulando más de 10 millones de horas de datos de alta calidad en dos años.
JD.com también anunció la primera infraestructura de datos inteligente incorporada del mundo que cubre todos los enlaces, incluido su terminal de recolección de ultra alta definición de desarrollo propio JoyEgoCam, el modelo grande incorporado JoyAI-RA, la plataforma de comercio de datos inteligente incorporada, etc.
Gao Jiyang cree que la competencia por las alturas dominantes de los modelos de inteligencia incorporada depende en gran medida de la calidad de los datos, lo que afectará las capacidades del modelo y los efectos a nivel de aplicación.
Wang Zhongyuan mencionó en una entrevista anterior con los medios que los datos de simulación pueden compensar la falta de recopilación de datos reales, pero la precisión de los datos de simulación no es necesariamente suficiente. Es dudoso que basarse exclusivamente en este tipo de datos pueda construir un modelo que realmente comprenda el mundo físico.
Aprovechar “acciones potenciales”: construir un ecosistema industrial
Además de crear ventajas de barrera de datos, algunas empresas de inteligencia incorporada también han invertido en empresas emergentes y posteriores de la industria.
El año pasado, Xinghaitu invirtió sucesivamente en 18 empresas. «En menos de un año después de iniciar la inversión, el rendimiento total del libro superó 5 veces. Esta es una prueba del mercado para nuestros proyectos de selección y empoderamiento».
El director financiero de Xinghaitu, Luo Tianqi, reveló en su intercambio que la compañía invierte principalmente en tres direcciones: inteligencia basada en datos, avances en escenarios de aplicaciones y tecnologías centrales de próxima generación.
No sólo aspiran a obtener beneficios financieros, sino, lo que es más importante, a votar por el futuro.
En la conferencia, Xinghaitu y Cathay Capital lanzaron conjuntamente el programa de asociación empresarial «Star Path Plan» para proporcionar capital, tecnología y recursos industriales a equipos empresariales de inteligencia incorporada en etapas iniciales, y planearon invertir mil millones de yuanes en cinco años.
Chiyuan, que sigue la ruta full-stack, también tiene su propio diseño de inversión. Al mismo tiempo, anunció oficialmente hace unos días su plan de desarrollo ecológico.
En abril de este año, Deng Taihua, fundador, presidente y director ejecutivo de Zhiyuan, reveló que en el último año y medio, Zhiyuan ha invertido en más de 20 empresas, todas ellas en las primeras etapas de desarrollo, y sus valoraciones anualizadas se han multiplicado por 17.
El 10 de junio, Zhiyuan publicó el «Plan de Desarrollo Ecológico de Yuansheng», anunciando que primero lanzará 100 millones de yuanes en fondos de apoyo ecológico en 2026 y planea invertir 2 mil millones de yuanes en fondos especiales en los próximos cinco años.
Centrándose en las cuatro dimensiones principales de la investigación científica y la innovación académica, la formación de talentos educativos, el desarrollo de socios ecológicos y las operaciones de la comunidad de desarrollo, empoderará sistemáticamente a la industria, la academia, los grupos de investigación y desarrolladores para construir conjuntamente un ecosistema de inteligencia incorporada abierto, colaborativo y simbiótico.
Zhiyuan dijo que, basándose en el diseño de este plan de desarrollo, su objetivo es cubrir miles de instituciones de investigación científica, conectarse con socios ecológicos de 10.000 niveles, cultivar desarrolladores de 100.000 niveles y llegar a millones de usuarios finales.
Este tipo de vinculación ecológica en profundidad no solo proporcionará apoyo financiero y de recursos a las empresas de nueva creación, sino que también ayudará a los principales actores a tomar la iniciativa y el liderazgo en el desarrollo de la industria.
Cabe mencionar que tanto Zhiyuan como Xinghaitu han propuesto el concepto de curvas triples. Una es la curva de desarrollo industrial y la otra es el nivel de inteligencia. Sus puntos en común implican impulsar la productividad.
