de.wedoany.com-Bericht: Das chinesische Unternehmen Guangxiang Technology gab bekannt, dass es eine Angel-Runde in Höhe von insgesamt mehreren hundert Millionen Yuan abgeschlossen hat. An der jüngsten Finanzierungsrunde beteiligten sich mehrere Investoren, darunter die Zhuhai Technology Industry Group, Xingzheng Capital, Songhe Capital, Shunxi Fund, Muhua Kechuang, See Fund, Yichen Capital sowie das börsennotierte Unternehmen Xingyun Technology. Bestehende Aktionäre wie Zero One Ventures und der L2F Light Source Entrepreneur Fund stockten ebenfalls auf. Die Mittel aus dieser Runde werden schwerpunktmäßig in die Forschung und iterative Weiterentwicklung des physischen nativen Basismodells sowie in die Kommerzialisierung und Auslieferung von Embodied-Intelligence-Robotern fließen.
Der aktuelle Mainstream-Technologieansatz steht immer noch vor grundlegenden Einschränkungen, wenn es um die Universalität physischer Interaktionen geht. Der VLA-Ansatz (Vision-Language-Action) integriert Aktionsspezialisten auf der Grundlage von visuell-sprachlichen Modellen, um Aufgabenlogik und Aktionsgenerierung zu ermöglichen. Allerdings bedeutet semantische Universalität nicht gleich physische Interaktionsfähigkeit; das Modell fungiert im Wesentlichen als ein Mapper zwischen Wahrnehmung und Aktion. Obwohl es nach Feinabstimmung für bestimmte Aufgaben feste Aktionen ausführen kann, ist es schwierig, in physischen Interaktionen universelle operative Fähigkeiten zu entwickeln. Videoprädiktive Weltmodelle konzentrieren sich auf die pixelgenaue Vorhersage von Umweltbeobachtungssequenzen, aber die Vorhersage von Erscheinungen bedeutet nicht das Verständnis physikalischer Kausalitäten. Bilder reichen nicht aus, um physikalische Eigenschaften wie Masse, Trägheit, Reibung, Verformung und Kontakt zu erfassen, was die Generierung universell generalisierbarer Aktionen erschwert.
Zhang Tao, Gründer und CEO von Guangxiang Technology, erklärte, dass echte physische native Intelligenz eine Fähigkeit sei, die autonom aus der Wahrnehmung, Interaktion, Rückmeldung, Erkundung und den Einschränkungen der physischen Welt entsteht. Ein physisches natives Basismodell müsse die physische Interaktion als oberstes Prinzip betrachten und in der Lage sein, kontinuierlich aus der physischen Umgebung die Gesetze der Welt, die Konsequenzen von Handlungen und die Aufgabenbeschränkungen zu lernen, um eine universelle Intelligenz für den Abschluss komplexer Aufgaben zu besitzen. Das von Guangxiang Technology selbst entwickelte physische native Basismodell stützt sich auf selbst aufgebaute, hochgetreue, groß angelegte, interaktive physische Datenbestände und einen selbst entwickelten Matrix von Reinforcement-Learning-Algorithmen. Durch ausreichende Interaktion des Modells in der physischen Umgebung lernt es die Ableitung expliziter physikalischer Gesetze wie Dynamik, Kontakt, Einschränkungen und Erhaltungssätze sowie die Schlussfolgerung impliziter Umweltzustände wie Zufälligkeit, Unsicherheit und langfristige Konsequenzen sowie die Zuschreibung physischer Verhaltensweisen. Dies ermöglicht es dem Modell, in kontinuierlicher physischer Interaktion ein allgemeines Verständnis physikalischer Gesetze zu entwickeln und universell generalisierbare Verhaltensfähigkeiten zu erreichen.
Das Kernteam von Guangxiang Technology verfügt über eine vollständige Fähigkeitskette von der Grundlagenforschung bis zur groß angelegten Auslieferung im Bereich der Embodied Intelligence. Gründer und CEO Zhang Tao leitete zuvor die massenhafte Implementierung von räumlichen Wahrnehmungs- und Positionierungstechnologien in Millionen von Fahrzeugterminals. Das Industrialisierungsteam stammt von Technologie- und Roboterunternehmen wie Alibaba, Tencent, Huawei, KUKA und Geek+ und verfügt über Erfahrung in Systemtechnik und kommerzieller Umsetzung. Mitgründer Professor Li Shengbo ist ein international bekannter Experte auf den Gebieten Reinforcement Learning und autonomes Fahren. Er hat über 250 Arbeiten veröffentlicht, die mehr als 30.000 Mal zitiert wurden, und wurde fünf Jahre in Folge in die Liste der meistzitierten chinesischen Forscher von Elsevier aufgenommen. Das technische Kernteam besteht zu 100 % aus promovierten Absolventen von Spitzenuniversitäten wie der Tsinghua-Universität und der Zhejiang-Universität und deckt das gesamte Stack der Embodied Intelligence ab, einschließlich Robotikdesign, Reinforcement Learning und End-to-End-Modelle.
Guangxiang Technology hat ein physisches natives Intelligenz-Generierungssystem aufgebaut, das aus der Matrix von Reinforcement-Learning-Algorithmen Phi-RL Matrix, dem physischen Datenbestand Phi-Space und der universellen physischen Intelligenz-Entwicklungsplattform Phi-Arch besteht. Auf der Algorithmusebene wird Reinforcement Learning als Wachstumsmotor für physische Intelligenz positioniert. Die selbst entwickelte Matrix von Embodied-Reinforcement-Learning-Algorithmen Phi-RL Matrix hat Fortschritte in Bereichen wie der Kernleistung von Aufgaben, der Generierung multimodaler Aktionsstrategien, der Entscheidungsfindung in komplexen Szenarien und der Sicherheit erzielt. Sie unterstützt Roboter dabei, durch Versuch-und-Irrtum-Iterationen aus physischen Interaktionen physische native Intelligenz zu entwickeln. Auf der Datenebene wird der hochgetreue physische Datenbestand Phi-Space aufgebaut. Basierend auf Kern-3D-Modellierungsalgorithmen und physikalischer Modellierungstechnologie wird eine hochgetreue Nachbildung realer Industrieszenarien von der geometrischen Struktur bis zu den physikalischen Eigenschaften erreicht. Generative Modelle werden verwendet, um den Szenariomaßstab exponentiell zu erweitern. Auf der Plattformebene wird die physische Intelligenz-Entwicklungsplattform Phi-Arch geschaffen, die jede Modellerstellung und Endgerätbereitstellung in wiederverwendbare und übertragbare systemische Ansammlungen verwandelt.
Guangxiang Technology hat kürzlich den industrietauglichen, selbst-evolvierenden Embodied-Intelligence-Roboter Phi-Bot X1 vorgestellt und in einer realen Arbeitsstation für Schweißmaterialzuführung in einer Automobilproduktionslinie validiert. Der X1 verwendet ein omnidirektionales Fahrgestell mit vier Lenkrollen, das sich an enge Gänge und Fließbandarbeitsplätze in der Produktionslinie anpassen kann, um dynamische Arbeiten mit gleichzeitiger Bewegung und Bedienung zu ermöglichen. Er verfügt über Standstabilität und die Fähigkeit zur autonomen Verriegelung. Das Design mit einer hebenden Taille verleiht dem X1 Kippschutz und die Fähigkeit zur Ganzkörperkoordination. Der vertikale Arbeitsbereich deckt 0 bis 2,5 Meter ab, mit einer Reichweite von 1,2 Metern. Der X1 verwendet vollständig gelenkkraftgesteuerte Doppelarme, die von den Gelenken bis zu den Endeffektoren ein Echtzeit-Kraftwahrnehmungs- und Kraftrückkopplungssystem aufbauen. Dank des auf physischer nativer Intelligenz basierenden generalisierten Fähigkeitsmodells kann der X1 allein mit seiner Eigenwahrnehmungsfähigkeit in dynamischen und komplexen industriellen Umgebungen eine hochpräzise kontinuierliche Arbeitspositionierung durchführen. Die starke Generalisierungsfähigkeit verkürzt den Bereitstellungszyklus auf Wochen- oder sogar Tageebene. Auf der ATC-Messe 2026 lief der X1 drei Tage lang 21,5 Stunden lang und absolvierte den gesamten Schweißbe- und -entladeprozess ohne Fehler und Unterbrechungen, während er in Echtzeit mit den Automatisierungsgeräten der Produktionslinie zusammenarbeitete. Bei der gleichzeitigen Ausrichtung von zwei Löchern während des Beladens steuerte der X1 allein mit seiner Eigenwahrnehmung die dynamische Betriebsgenauigkeit auf Millimeterebene und den Winkel auf unter 0,3°. Die Erfolgsrate für kontinuierliche Arbeiten in einer dynamischen Umgebung betrug 100 %.
Guangxiang Technology ist ein Embodied-Intelligence-Unternehmen, das gemeinsam von der Fakultät für Fahrzeug- und Transportwesen und der Fakultät für Künstliche Intelligenz der Tsinghua-Universität ausgegründet wurde. Es verfügt über eine Matrix von Embodied-Intelligence-Algorithmusfähigkeiten, ein Datensystem und eine physische Intelligenz-Entwicklungsplattform. Derzeit hat Guangxiang Technology die Validierung in realen Szenarien für typische hochwertige Arbeitsstationen in der Automobilherstellung, wie Be- und Entladen sowie Qualitätskontrolle, abgeschlossen und kommerzielle Kooperationen mit mehreren führenden in- und ausländischen Automobilunternehmen geschlossen. In Zukunft wird das Unternehmen, ausgehend von der Automobilherstellung, schrittweise auf die Bereiche 3C, Elektronik und breitere industrielle Szenarien expandieren.
