Au cours des six derniers mois, les modèles mondiaux et la collecte de données sont devenus des mots clés essentiels dans le domaine de l’intelligence incorporée.
Le modèle mondial est un nouveau paradigme du « cerveau » de l’intelligence incarnée et est considéré comme une voie importante vers l’AGI ; des données de haute qualité constituent le rare « carburant » des modèles de formation.
De nombreuses entreprises ont officiellement annoncé la construction d’usines d’exploration de données et l’exploration de diverses voies d’exploration de données.
La concurrence entre les sociétés nationales d’intelligence incorporée s’est étendue des produits d’ontologie aux scénarios d’atterrissage, à la construction écologique, etc.
Certaines entreprises ne se contentent plus d’itérer leurs propres produits, et ont étendu leur portée en amont et en aval de la chaîne industrielle grâce à des investissements en argent réel, en essayant de créer autant que possible des barrières concurrentielles.
Tournant technologique : deux voies commencent à fusionner
Que ce soit lors de la conférence de Zhiyuan, connue sous le nom de « Gala du festival du printemps de l’IA », ou de la première conférence mondiale des développeurs organisée à Xinghaïtu, une entreprise licorne d’intelligence incarnée, le « modèle mondial » est au centre de toutes les attentions.
Cette voie a également été mise par le capital. Un groupe d’entreprises axées sur les modèles mondiaux a reçu d’importants financements en peu de temps, comme Daxiao Robotics, Xingyuanzhi, etc.
Auparavant, les principales voies technologiques dans le domaine de l’intelligence incorporée étaient les modèles VLA et VLM. Leurs défauts étaient « la compréhension de la sémantique mais pas de la physique » et une généralisation insuffisante.
Par exemple, lorsqu’un robot reçoit la tâche d’instruction consistant à « tenir un gobelet d’eau », il peut reconnaître l’objet et comprendre l’instruction, mais il peut ne pas être conscient des différentes forces de préhension requises pour des gobelets d’eau de poids différents.
Modèle mondial, c’est-à-dire que l’IA construit un monde virtuel dans « l’esprit » pour comprendre les lois physiques, prédire les résultats futurs, puis décider comment agir.
Wang Zhongyuan, président de l’Institut de recherche Zhiyuan, estime que le modèle mondial est le modèle de base de l’intelligence artificielle de nouvelle génération qui peut résoudre le problème de « la non-compréhension du monde physique », mais il en est encore à ses débuts.
Récemment, il y a eu certaines différences au sein de l’industrie, et certains points de vue ont opposé les modèles VLA et mondiaux.
Cependant, certaines entreprises choisissent d’aller de pair avec les deux voies technologiques et explorent les moyens de les intégrer.
Lors de la conférence mondiale des développeurs du 16 juin, Xinghaitu a officiellement publié le modèle de base VLA de nouvelle génération G0.5 et l’a annoncé comme open source, annonçant le modèle mondial Fast-WAM et le modèle de base de contrôle du corps entier.
Xinghaïtu a déclaré qu’il adhère à la double voie technologique « VLA + WAM » et étudie systématiquement le goulot d’étranglement de la généralisation de l’intelligence incarnée dans un environnement ouvert.
Parmi eux, VLA garantit un fonctionnement en temps réel et WAM fournit une déduction prospective. Les deux travaillent ensemble pour réaliser un saut intelligent complet de « perception-décision-exécution » à « préjugé-optimisation-boucle fermée ».
« Nous n’avons jamais cru que le VLA et le modèle mondial étaient antagonistes. Au contraire, ils sont homologues et symbiotiques, et ils convergeront de plus en plus à l’avenir. » Le PDG de Xinghaïtu, Gao Jiyang, a expliqué dans une interview aux médias que les couches inférieures des deux modèles sont quelque peu similaires. Tout d’abord, les données multimodales sont transformées en jetons, puis un transformateur multicouche est utilisé pour l’encodage, puis est sorti d’une manière ou d’une autre, etc.
Guo Yandong, fondateur et PDG de Zhiping, a également déclaré lors de la conférence Zhiyuan de Pékin que le modèle mondial n’est pas une voie concurrentielle pour VLA, mais un composant essentiel du système VLA.
Il est entendu que la société a déjà encouragé la recherche sur l’intégration des modèles mondiaux et du VLA. En novembre de l’année dernière, elle a collaboré avec l’Université de Pékin pour lancer Video2Act, une architecture de nouvelle génération intégrant des modèles mondiaux.
Usine d’exploration de données : un plan « un million d’heures » émerge
Les modèles VLA et les modèles mondiaux sont indissociables de données d’entraînement, et il existe un écart important dans les données d’interaction dont ils ont besoin de la part des humains et du monde physique. C’est aussi l’une des raisons pour lesquelles de nombreuses sociétés de renseignement incarnées ont déployé des usines d’exploration de données.
Yishu Intelligence, construit conjointement par Xinghaïtu et Beijing Yizhuang, a été dévoilé et lancé un plan d’un million d’heures de données réelles de très haute qualité, prévoyant d’atteindre un million d’heures cette année et d’atteindre 10 millions d’heures au cours des trois prochaines années.
Plus précisément, Yishu Intelligence prévoit de mettre en œuvre les trois principaux systèmes de données réelles d’ontologie, de collecte de données UMI et de données POV humaines.
La société prévoit également d’ouvrir 5 à 10 % de sa production annuelle de données aux entreprises du district de Yizhuang, à Pékin, gratuitement ou à des prix préférentiels.
Ce modèle est similaire aux plans annoncés précédemment par de nombreuses sociétés de renseignement personnel, et l’industrie se précipite pour tracer la piste des données.
Auparavant, Daimeng Robots et China Mobile avaient formellement conclu une coopération pour lancer conjointement la construction du réseau de « collecte de données à domicile ». Les deux parties se sont appuyées sur les centaines de milliers de points de vente hors ligne de China Mobile pour construire conjointement un réseau de collecte de données sortantes couvrant l’ensemble du pays.
Au cours de la première phase du projet, 1 000 ensembles d’équipements seront mis en service et, à pleine production, ils pourront générer 1 million d’heures de données chaque année.
Luming Robot prévoit de lancer cette année 10 000 versions sac à dos de FastUMI Pro dans plusieurs villes pour collecter des données dans six scénarios réels, notamment l’industrie, les maisons, les hôtels, les restaurants, les centres commerciaux et les bureaux. L’objectif est également d’atteindre une capacité de production de données d’un million d’heures.
En avril de cette année, Meifeng Technology, une filiale de Zhiyuan, a lancé une plate-forme unique de services de données d’IA physique et la série MEgo de matériel de collecte sans ontologie.
Elle a également annoncé qu’elle atteindrait des dizaines de millions d’heures de capacité de production de données en 2026. De grandes sociétés Internet entrent également dans le jeu. JD.com a officiellement annoncé qu’il s’appuierait sur les principaux avantages de la super chaîne d’approvisionnement pour construire le centre de collecte de données intelligentes incarnées le plus grand et le plus complet au monde, accumulant plus de 10 millions d’heures de données de haute qualité en deux ans.
JD.com a également annoncé la première infrastructure de données intelligentes incarnées au monde couvrant tous les liens, y compris son terminal de collecte ultra haute définition auto-développé JoyEgoCam, le grand modèle JoyAI-RA incarné, la plateforme d’échange de données intelligentes incarnées, etc.
Gao Jiyang estime que la concurrence pour les hauteurs imposantes des modèles d’intelligence incarnée dépend en grande partie de la qualité des données, ce qui affectera les capacités du modèle et les effets au niveau des applications.
Wang Zhongyuan a mentionné dans une précédente interview avec les médias que les données de simulation peuvent compenser le manque de collecte de données réelles, mais que la précision des données de simulation n’est pas nécessairement suffisante. Il est peu probable que le fait de s’appuyer entièrement sur ce type de données puisse construire un modèle qui comprend véritablement le monde physique.
Verrouiller les « actions potentielles » : construire un écosystème industriel
En plus de créer des avantages en matière de barrière de données, certaines sociétés d’intelligence incarnée ont également investi dans des start-ups en amont et en aval du secteur.
Au cours de l’année écoulée, Xinghaïtu a investi successivement dans 18 entreprises. « Moins d’un an après le début de l’investissement, le rendement global des livres a été multiplié par cinq. Il s’agit d’un test du marché pour nos projets de sélection et d’autonomisation.
Le directeur financier de Xinghaitu, Luo Tianqi, a révélé dans son partage que la société investit principalement dans trois directions : l’intelligence basée sur les données, les avancées dans les scénarios d’application et les technologies de base de nouvelle génération.
Ils ne visent pas seulement des rendements financiers, mais, plus important encore, votent pour l’avenir.
Lors de la conférence, Xinghaïtu et Cathay Capital ont lancé conjointement le programme de partenariat entrepreneurial « Star Path Plan » pour fournir du capital, de la technologie et des ressources industrielles aux équipes entrepreneuriales en démarrage dotées d’intelligence incarnée, et ont prévu d’investir 1 milliard de yuans sur cinq ans.
Chiyuan, qui adhère à la voie du full-stack, a également sa propre structure d’investissement. Parallèlement, elle a officiellement annoncé il y a quelques jours son plan de développement écologique.
En avril de cette année, Deng Taihua, fondateur, président et PDG de Zhiyuan, a révélé qu’au cours de la dernière année et demie, Zhiyuan a investi dans plus de 20 sociétés, qui en sont toutes aux premiers stades de développement, et que leurs valorisations annualisées ont été multipliées par 17.
Le 10 juin, Zhiyuan a publié le « Plan de développement écologique de Yuansheng », annonçant qu’il lancerait pour la première fois 100 millions de yuans de fonds de soutien écologique en 2026 et qu’il prévoyait d’investir 2 milliards de yuans dans des fonds spéciaux au cours des cinq prochaines années.
En se concentrant sur les quatre dimensions majeures que sont la recherche scientifique et l’innovation académique, la formation des talents pédagogiques, le développement de partenaires écologiques et les opérations de la communauté de développement, il permettra systématiquement à l’industrie, au monde universitaire, aux groupes de recherche et de développement de construire conjointement un écosystème d’intelligence incarnée ouvert, collaboratif et symbiotique.
Zhiyuan a déclaré que, en s’appuyant sur ce plan de développement, il vise à couvrir des milliers d’institutions de recherche scientifique, à établir des liens avec des partenaires écologiques de niveau 10 000, à former des développeurs de niveau 100 000 et à atteindre des millions d’utilisateurs finaux.
Ce type de lien écologique approfondi fournira non seulement un soutien financier et des ressources aux entreprises en démarrage, mais aidera également les principaux acteurs à prendre les devants et à prendre l’initiative du développement de l’industrie.
Il convient de mentionner que Zhiyuan et Xinghaïtu ont tous deux proposé le concept de triple courbe. L’une est la courbe de développement industriel et l’autre le niveau d’intelligence. Leurs points communs : favoriser la productivité.
