สตาร์ทอัพสแตนฟอร์ด RoboScience ระดมทุนหลายร้อยล้านหยวน ท่ามกลางภาคปัญญาเชิงกายภาพที่ชะลอตัว

ผู้เขียน: อู๋ ฉง, Investment Community

ณ จุดเปลี่ยนของปัญญาเชิงกายภาพ มีการระดมทุนเกิดขึ้นท่ามกลางกระแส—วันนี้ (2 พฤศจิกายน) RoboScience ประกาศเสร็จสิ้นการระดมทุนรอบ A2 หลายร้อยล้านหยวน นำร่วมโดย Amber Capital, Hongruida Investment และ Shanghai Semiconductor Industry Investment Fund โดยมี Shuang Capital, 360 Strategic Investment, Guolian Tongbao Capital, Jinding Capital และแพลตฟอร์มบริษัทจดทะเบียนหลายแห่งเข้าร่วม

เมื่อมองเข้าไปใน RoboScience เบื้องหลังคือเพื่อนร่วมชั้นจากห้องปฏิบัติการ AI มหาวิทยาลัยสแตนฟอร์ดสองคน—เถียน เย่ และ เชา หลิน ในช่วงเรียนมหาวิทยาลัย พวกเขามักพูดคุยกันว่าหุ่นยนต์จะเข้ามาในชีวิตมนุษย์ได้อย่างไร หลายปีต่อมา เมื่อเห็นการเติบโตอย่างรวดเร็วของปัญญาเชิงกายภาพในจีน พวกเขาเลือกกลับจีนเพื่อเริ่มต้นธุรกิจ และ RoboScience ก็ถือกำเนิดขึ้น

สแตนฟอร์ดแทบจะเป็นหนึ่งในแหล่งกำเนิดการวิจัยปัญญาเชิงกายภาพระดับโลก: หลี่ เฟยเฟย ผู้ริเริ่ม ImageNet และผู้บุกเบิกแนวคิดที่ขับเคลื่อนด้วยวิชันและข้อมูล; ห้องปฏิบัติการ REAL ของเชลซี ฟินน์; นักวิชาการด้านการคำนวณเชิงเรขาคณิต เลโอนิดาส กุยบาส; และทีมผู้ก่อตั้งบริษัทปัญญาเชิงกายภาพชั้นนำในต่างประเทศ Physical Intelligence (Pi) ล้วนมาจากสแตนฟอร์ด ประมาณปี 2016 ศาสตราจารย์เลโอนิดาส กุยบาส (สมาชิกของสามสถาบันแห่งชาติของสหรัฐฯ) นำกลุ่มการคำนวณเชิงเรขาคณิตที่สแตนฟอร์ด ซึ่งรวบรวมนักศึกษาจีนกลุ่มหนึ่ง รวมถึง หวัง เหอ, เชา หลิน และรุ่นน้อง ซู ห่าว

จากเรขาคณิต 3 มิติและการเรียนรู้ของหุ่นยนต์ไปจนถึงปฏิสัมพันธ์ทางกายภาพ การสะสมงานวิจัยของสแตนฟอร์ดได้ให้แรงบันดาลใจสำคัญแก่ผู้ประกอบการเหล่านี้ในการสำรวจปัญญาเชิงกายภาพทั่วไป ซึ่งสะท้อนให้เห็นใน DNA ทางเทคโนโลยีของ RoboScience เช่นกัน: โมเดลใหญ่เชิงกายภาพทั่วไป Visics ที่พัฒนาขึ้นเองของบริษัททำลายความท้าทายของการสรุปทั่วไปของ embodiment; เอนจินจำลองฟิสิกส์ RoboMirage ที่พัฒนาขึ้นเองทำลายอุปสรรคด้านข้อมูลเพิ่มเติม บนเส้นทางสู่การเป็นกายภาพทั่วไป RoboScience เลือกที่จะมุ่งเป้าไปที่อุปสรรคที่ยากที่สุดโดยตรง

ณ ขณะนี้ การเลือกของนักลงทุนมักมีความหมายเป็นตัวชี้วัดมากกว่า โดยใช้โอกาสจากการเสร็จสิ้นการระดมทุน PEdaily ได้สนทนาเชิงลึกกับเถียน เย่ ผู้ก่อตั้งและซีอีโอของ RoboScience และเรื่องราวการเป็นผู้ประกอบการด้านกายภาพที่แตกต่างจากส่วนใหญ่ก็ค่อยๆ คลี่คลาย

เพื่อนร่วมชั้นสแตนฟอร์ดสองคนร่วมมือกันจัดการกับความท้าทายด้านการสรุปทั่วไปของ embodiment

พื้นหลังสแตนฟอร์ด—นี่คือความประทับใจแรกที่ RoboScience ทิ้งไว้ให้กับคนส่วนใหญ่

จุดเริ่มต้นของทีมเริ่มต้นที่สแตนฟอร์ด—เถียนสำเร็จการศึกษาระดับปริญญาตรีจากมหาวิทยาลัยวิทยาศาสตร์และเทคโนโลยีแห่งประเทศจีน และไปศึกษาต่อที่สแตนฟอร์ดในปี 2014 ภายใต้การดูแลของศาสตราจารย์แอนดรูว์ อึง จึงเข้าสู่โลกของ AI

ช่วงเวลาการศึกษานี้กลายเป็นหนึ่งในประสบการณ์ที่มีค่าที่สุดในชีวิตของเถียน ในเวลานั้น การเรียนรู้เชิงลึกทั่วโลกเพิ่งเริ่มต้น และแอนดรูว์ อึงเป็นหนึ่งในผู้สนับสนุนรุ่นแรกสุด ภายใต้การแนะนำของอาจารย์ที่ปรึกษา เถียนไม่เพียงแต่เข้าถึงเทคโนโลยีล้ำสมัยที่สุดในโลก แต่ยังได้พยายามนำเทคโนโลยีไปประยุกต์ใช้ในสถานการณ์จริงหลายครั้ง

เรื่องราวการเป็นผู้ประกอบการที่ยิ่งใหญ่หลายเรื่องในโลกธุรกิจมักเริ่มต้นจากมิตรภาพที่บริสุทธิ์ที่สุดในมหาวิทยาลัย—และในมหาวิทยาลัยที่เต็มไปด้วยคนคลั่งเทคโนโลยีและนวัตกรรมนี้เองที่เถียนได้สร้างความผูกพันกับเพื่อนร่วมชั้น เชา ซึ่งแตกต่างจากเถียน เชาศึกษาภายใต้ผู้เชี่ยวชาญด้านการจัดการ embodiment เจนเน็ต โบก และผู้เชี่ยวชาญด้านการคำนวณเชิงเรขาคณิต เลโอนิดาส กุยบาส โดยมุ่งเน้นการเรียนรู้ของหุ่นยนต์

แม้ว่าทิศทางการวิจัยจะแตกต่างกัน แต่ความอยากรู้อยากเห็นของพวกเขากลับสอดคล้องกันอย่างไม่คาดคิด: จะนำความสามารถของ AI เข้าสู่โลกกายภาพ โดยใช้ภาษาธรรมชาติทั่วไปในการโต้ตอบและควบคุมหุ่นยนต์ได้อย่างไร? "ตั้งแต่สมัยสแตนฟอร์ด เราก็คุยกันว่าหุ่นยนต์จะเข้าสู่การผลิตและชีวิตประจำวันของมนุษย์ในวงกว้างได้เมื่อใด" เถียนเล่าให้ PEdaily ฟัง

แต่ในเวลานั้น แนวคิดเรื่องปัญญาเชิงกายภาพยังไม่ระเบิด และจังหวะเวลาในการเริ่มต้นธุรกิจยังไม่สุกงอม ดังนั้นเถียนจึงเลือกเข้าร่วม Apple ก่อน โดยมีบทบาทสำคัญในการสร้างระบบนิเวศผลิตภัณฑ์ AI และระบบนิเวศแอปพลิเคชัน AI ของ Apple เติบโตจากวิศวกรเป็นหัวหน้าฝ่ายเทคนิค นำระบบอนุมานโมเดลใหญ่แบบ end-cloud collaborative ระบบแรกของโลก Apple Intelligence และแพลตฟอร์มหลัก CoreML และ CreateML ซึ่งได้รับการยกย่องว่าเป็น "PyTorch และ CUDA ของ Apple"; เชาเข้าร่วมภาควิชาวิทยาการคอมพิวเตอร์ที่มหาวิทยาลัยแห่งชาติสิงคโปร์ในตำแหน่งผู้ช่วยศาสตราจารย์ ทำงานวิจัยต่อด้านการเรียนรู้ของหุ่นยนต์และการจัดการที่คล่องแคล่ว

ประสบการณ์ที่แตกต่างกันอย่างมากสองอย่างนี้เติมเต็มชิ้นส่วนสุดท้ายของปริศนาการเป็นผู้ประกอบการ: เริ่มต้นจากสแตนฟอร์ดด้วยกัน เถียนสะสมประสบการณ์ด้านวิศวกรรมที่ Apple ในการนำเทคโนโลยีไปใช้กับอุปกรณ์และผู้ใช้ขนาดใหญ่; เชานำทีมซึ่งมีงานวิจัยชุดหนึ่งกลายเป็นรากฐานทางเทคนิคสำหรับธุรกิจในอนาคตของพวกเขา ดังนั้น ทีมผู้ประกอบการที่เสริมกันระหว่าง "วิชาการและวิศวกรรม" จึงเกิดขึ้น

*ภาพถ่ายของผู้ก่อตั้งสองคนของ RoboScience (เชา หลิน ทางซ้าย, เถียน เย่ ทางขวา)

ก้าวกระโดดมาถึงปี 2024 ความทั่วไปของโมเดลภาษาขนาดใหญ่ระเบิดขึ้นพร้อมกับการเกิดขึ้นของ ChatGPT และทั้งวงการวิชาการและอุตสาหกรรมเริ่มพยายามจำลอง Scaling Law นี้กับหุ่นยนต์ในโลกกายภาพ ในที่สุดก็คว้าโอกาส เถียนตัดสินใจลาออกและกลับจีนเพื่อเริ่ม RoboScience ทั้งสองยังคงทำงานเคียงข้างกัน—เถียนเป็นซีอีโอและเชาเป็นหัวหน้านักวิทยาศาสตร์

ในช่วงเวลานี้ ภาคปัญญาเชิงกายภาพในประเทศระเบิดเต็มที่ โดยมีทุนและผู้ประกอบการชั้นนำต่างๆ เข้ามาในสนาม เมื่อมองย้อนกลับไปที่คลื่นนี้ กลุ่มสแตนฟอร์ดโดดเด่นเป็นพิเศษ—ผู้ก่อตั้ง Hillbot ซู ห่าว, ผู้ก่อตั้ง Galaxy General หวัง เหอ, ผู้ก่อตั้ง Qiongche Intelligence ลู่ เซ่ออู๋... พวกเขาล้วนมาจากสายวิชาการหุ่นยนต์และ AI ของสแตนฟอร์ด ตามที่เถียนรู้สึก "ในสาขา AI สแตนฟอร์ดเป็นแนวหน้าของโลกอย่างไม่ต้องสงสัย ที่ซึ่งนวัตกรรมทางวิชาการและวิศวกรรมนับไม่ถ้วนถือกำเนิดขึ้น" อย่างเงียบๆ "กลุ่มสแตนฟอร์ด" ได้ผงาดขึ้นในภาคปัญญาเชิงกายภาพของจีน

ยิ่งจุดเริ่มต้นสูง วิสัยทัศน์ก็ยิ่งใหญ่ RoboScience เลือกเส้นทางที่ยากกว่า: ผ่านแนวทางเทคโนโลยี full-stack ที่ผสานซอฟต์แวร์และฮาร์ดแวร์ พัฒนาทั้งโมเดลใหญ่เชิงกายภาพทั่วไปและฮาร์ดแวร์หุ่นยนต์ รวมถึงการจำลองฟิสิกส์

"สองสิ่งที่สำคัญที่สุดในปัญญาเชิงกายภาพคือโมเดลและข้อมูล" ตามที่เถียนกล่าว ซึ่งอธิบายเส้นทางการเติบโตของ RoboScience ได้เป็นอย่างดี—เพื่อทำลายความท้าทายด้านการสรุปทั่วไปที่ปัญญาเชิงกายภาพเผชิญ ทีมจึงพัฒนาโมเดลใหญ่เชิงกายภาพทั่วไป Visics ขึ้นเอง

โดยเฉพาะอย่างยิ่ง โมเดลใหญ่เชิงกายภาพทั่วไป Visics ใช้สถาปัตยกรรม VLOA (Vision-Language-Object-Action) โดยใช้ Object Trajectory (วิถีจุดคลาวด์ 3 มิติของวัตถุ) เป็นมาตรฐานการแทนค่ากลางที่เป็นหนึ่งเดียว การออกแบบนี้แยก "การรับรู้" ออกจาก "การดำเนินการ" อย่างสมบูรณ์—โมเดลโลกเชิงกายภาพระดับบนรับผิดชอบการทำนายและอนุมานวิถีการเคลื่อนที่ทางกายภาพของวัตถุ ในขณะที่โมเดลการจัดการทั่วไประดับล่างแปลงวิถีเป็นคำสั่งควบคุมที่ปรับใช้ได้กับหุ่นยนต์ทุกรูปแบบ

ในเวลาเดียวกัน บริษัทได้พัฒนาเอนจินจำลองความแม่นยำสูง RoboMirage ขึ้นเอง อดีตผู้อำนวยการ AI ของ Tesla และผู้ร่วมก่อตั้ง OpenAI อันเดรจ คาร์พาธี เสนอในบทความ "Verifiability" ว่าเมื่อภารกิจมีสภาพแวดล้อมการตรวจสอบที่มีประสิทธิภาพและครอบคลุมเพียงพอ ซึ่งช่วยให้ลองผิดลองถูกซ้ำๆ ได้ มีการลองผิดลองถูกที่มีประสิทธิภาพ และการให้รางวัลอัตโนมัติ ความเป็นไปได้ที่ AI จะแก้ปัญหาผ่านการฝึกฝนอย่างต่อเนื่องจะเพิ่มขึ้นอย่างมาก

RoboMirage บรรลุความพร้อมกันสูง ประสิทธิภาพแบบเรียลไทม์ และการครอบคลุมเชิงพื้นที่ของวัตถุอย่างเต็มรูปแบบ สิ่งนี้ให้แรงผลักดันอย่างมากต่อการพัฒนาโมเดลเชิงกายภาพของ RoboScience เมื่อรวมกับไปป์ไลน์การใส่คำอธิบายประกอบและทำความสะอาดวิดีโออัตโนมัติเต็มรูปแบบ จึงสร้างฟลายวีลข้อมูลคู่ "การจำลอง + วิดีโอ" เถียนแบ่งปันชุดข้อมูล: ไปป์ไลน์ข้อมูลของ RoboScience ลดต้นทุนการรับจุดข้อมูลเดียวลงเหลือ 0.05 หยวน ลดลงเหลือ 1/20 ถึง 1/200 ของโซลูชันแบบดั้งเดิม ตั้งแต่ต้นปี 2026 ถึงเดือนตุลาคม ข้อมูลการฝึกวิดีโอของ RoboScience เติบโตจาก 1 ล้านเป็น 4 ล้านและยังคงขยายตัวอย่างต่อเนื่อง ทำลายคอขวดคู่ของขนาดข้อมูลและต้นทุนโดยพื้นฐาน สร้างเงื่อนไขสำหรับ Scaling Law ของการเป็นกายภาพ

ในขณะที่โมเดลภาษาขนาดใหญ่ทั่วไปยังคงแสดงความสามารถในการเข้าใจเชิงพื้นที่อย่างต่อเนื่อง คำถามของตลาดทุนต่อบริษัทปัญญาเชิงกายภาพก็ตรงไปตรงมามากขึ้น: เมื่อขอบเขตความสามารถของโมเดลทั่วไปขยายตัวอย่างต่อเนื่อง คุณค่าอิสระและคูเมืองระยะยาวของบริษัทเชิงกายภาพที่พัฒนา "สมอง" ของตนเองอยู่ที่ใดกันแน่?

การตัดสินของเถียนคือ โมเดลภาษาขนาดใหญ่ทั่วไปเก่งในการเรียกใช้เครื่องมือ การแยกย่อยภารกิจ และการจัดเรียงเจตนา แต่ยังมีธรณีประตูของโลกกายภาพจากการเข้าใจภารกิจไปจนถึงการขับเคลื่อนหุ่นยนต์ให้ดำเนินการได้อย่างน่าเชื่อถือ สำหรับบริษัทเชิงกายภาพ คุณค่าหลักอยู่ที่ว่าพวกเขาสามารถทำให้ฮาร์ดแวร์ที่แตกต่างกันดำเนินการในสภาพแวดล้อมที่ซับซ้อนด้วยความเร็วและอัตราความสำเร็จที่เพียงพอหรือไม่ และจำลองความสามารถนี้ในรูปแบบและภารกิจที่มากขึ้น เบื้องหลังนี้ โมเดลจำเป็นต้องเรียนรู้กฎทางกายภาพ เช่น การสัมผัส แรงเสียดทาน และความยืดหยุ่น และสะสมข้อมูลปฏิสัมพันธ์ทางกายภาพที่ยากต่อการได้รับโดยตรงจากข้อความและวิดีโออย่างต่อเนื่อง ทำให้ระบบสามารถทำงานจริงในโลกกายภาพได้อย่างมีประสิทธิภาพและแข็งแกร่ง

นี่คือตรรกะพื้นฐานของการวางกลยุทธ์โมเดลใหญ่ Visics และเอนจินจำลอง RoboMirage ของ RoboScience: ใช้เอนจินจำลองเพื่อสร้างข้อมูลปฏิสัมพันธ์ทางกายภาพในวงกว้าง ลดต้นทุนข้อมูลของการฝึกโมเดล; ใช้สถาปัตยกรรมแบบแยกชั้นเพื่อเชื่อมโยงความเข้าใจการเคลื่อนที่ของวัตถุและการจัดการหุ่นยนต์ ลดการพึ่งพาฮาร์ดแวร์เฉพาะของโมเดล ทั้งสองมุ่งสู่เป้าหมายที่มีคุณค่าเชิงพาณิชย์: ทำให้ความสามารถในการจัดการเดียวกันสามารถนำกลับมาใช้ซ้ำในรูปแบบและภารกิจต่างๆ ได้ ลดต้นทุนส่วนเพิ่มของการปรับฮาร์ดแวร์ใหม่และการปรับใช้สถานการณ์ใหม่ จากมุมมองของเงินร่วมลงทุน พื้นที่จินตนาการของเส้นทางนี้อยู่ที่การเปลี่ยนการสะสมข้อมูลและโมเดลอย่างต่อเนื่องให้เป็นความสามารถในการจัดการทั่วไปที่ปรับขนาดได้ และให้บริการผู้ผลิตหุ่นยนต์และนักพัฒนาแอปพลิเคชันมากขึ้นผ่านอินเทอร์เฟซโมเดล Visics ที่เป็นหนึ่งเดียว

หลังจากการก้าวกระโดดครั้งสำคัญทั้งด้านโมเดลและข้อมูล RoboScience ได้เปิดตัวหุ่นยนต์รุ่นแรก—หุ่นยนต์อเนกประสงค์แบบมีล้อ REX G1 ซึ่งสามารถประยุกต์ใช้ได้อย่างกว้างขวางในสถานการณ์ด้านโลจิสติกส์ ค้าปลีก โรงงาน บ้าน และอื่นๆ

เช่นเดียวกับ Apple คูเมืองที่แท้จริงไม่เคยเป็นเทคโนโลยีเดียว แต่เป็นความสามารถเชิงระบบในการผสานซอฟต์แวร์และฮาร์ดแวร์ RoboScience ก็เช่นเดียวกัน—ด้วยการสร้างความสามารถ full-stack บริษัทมุ่งสร้างหุ่นยนต์รุ่นต่อไปที่สามารถดำเนินการภารกิจที่ซับซ้อนได้อย่างอัตโนมัติด้วยความเร็วในการทำซ้ำที่เร็วขึ้น

การระดมทุนท่ามกลางกระแส: ปิดวงจร full-stack เชิงกายภาพในหนึ่งปี

นักลงทุนสังเกตเห็นเพื่อนร่วมชั้นสแตนฟอร์ดคู่นี้ตั้งแต่เนิ่นๆ

ในยุค AI นักลงทุนมักสร้างความสัมพันธ์ล่วงหน้ากับผู้บริหารที่มีศักยภาพสูงจากบริษัทใหญ่และอาจารย์มหาวิทยาลัย เพื่อที่พวกเขาจะได้ลงทุนในโอกาสแรกเมื่อตัดสินใจเริ่มธุรกิจ ฉากนี้ก็เกิดขึ้นกับเถียนเช่นกัน—เขาเล่าว่าก่อนที่เขาและเชาจะลาออกจากงาน นักลงทุนก็ติดต่อพวกเขาแล้ว โดยรักษาการสื่อสารอย่างสม่ำเสมอ

ทุกอย่างเข้าที่เข้าทางอย่างเป็นธรรมชาติ ทันทีที่ RoboScience ก่อตั้งขึ้น รอบ seed หลายสิบล้านหยวนที่ลงทุนโดย Zero One Ventures แต่เพียงผู้เดียวก็เสร็จสิ้นอย่างรวดเร็ว สองเดือนหลังจากเสร็จสิ้นการระดมทุน ทีมของเชาได้รับรางวัล Best Paper Award ด้านการจัดการและการเคลื่อนที่ของหุ่นยนต์ด้วยเฟรมเวิร์กการจับที่คล่องแคล่วทั่วไป D(R,O) Grasp กลายเป็นทีมแรกจากสถาบันในเอเชียในรอบเกือบห้าปีที่ได้รับเกียรตินี้ในฐานะหน่วยงานหลัก งานวิจัยนี้ยังเป็นต้นกำเนิดทางเทคนิคของความก้าวหน้าของ RoboScience ในการจัดการที่คล่องแคล่วข้ามรูปแบบ

หลังจากนั้น นักลงทุนยังคงเพิ่มสัดส่วนการถือหุ้น: ในเดือนกรกฎาคมของปีนั้น รอบ angel เกือบ 200 ล้านหยวนเสร็จสิ้น นำโดย JD.com โดยมี China Merchants Venture Capital และ SenseTime Guoxiang Capital เข้าร่วม และผู้ถือหุ้นเดิม Zero One Ventures เพิ่มการลงทุน; ในเดือนกุมภาพันธ์ 2026 รอบ Pre-A หลายร้อยล้านหยวนเสร็จสิ้น โดยมีนักลงทุนรวมถึงสถาบันที่มีชื่อเสียง เช่น Puhua Capital และ Dachen Caizhi และ China Merchants Venture Capital และ Zero One Ventures ยังคงเพิ่มการลงทุน; จนถึงตอนนี้ บริษัทได้เสร็จสิ้นรอบ A-series หลายรอบหลายร้อยล้านหยวน

RoboScience รักษาจังหวะการระดมทุนที่มั่นคงและเน้นปฏิบัติ ในความเป็นจริง หลังจากการระดมทุนเฟื่องฟูในช่วงครึ่งแรกของปี ภาคปัญญาเชิงกายภาพชะลอตัวลงอย่างมากในช่วงครึ่งหลัง โดยนักลงทุนระมัดระวังมากขึ้นและเกณฑ์การลงทุนเข้มงวดขึ้น ยิ่งอุตสาหกรรมอยู่ในจุดต่ำ การระดมทุนก็ยิ่งมีความหมายมากขึ้น

สิ่งที่ทำให้นักลงทุนมั่นใจคือเหตุการณ์สำคัญที่ RoboScience บรรลุในแต่ละจุดระดมทุน: ในเดือนกันยายน 2025 บริษัทเปิดตัวเอนจินจำลองความแม่นยำสูง RoboMirage สร้างฟลายวีลข้อมูลต้นทุนต่ำขนาดใหญ่; ในเดือนมิถุนายน 2026 เปิดตัวโมเดลใหญ่เชิงกายภาพทั่วไป Visics อย่างเป็นทางการ พิสูจน์ความสามารถในการสรุปทั่วไปข้ามรูปแบบ ข้ามวัตถุ และข้ามภารกิจด้วยสถาปัตยกรรม VLOA; เพียงสองเดือนต่อมา หุ่นยนต์มีล้อรุ่นแรก REX G1 ก็เปิดตัว กล่าวอีกนัยหนึ่ง ภายในหนึ่งปี บริษัทเชื่อมโยงองค์ประกอบสำคัญ เช่น ข้อมูล โมเดล และฮาร์ดแวร์หุ่นยนต์ ก่อให้เกิดวงจรปิด full-stack เชิงกายภาพทั่วไป

เป็นที่น่าสังเกตว่า ก่อนเสร็จสิ้นการระดมทุนรอบนี้ RoboScience ยังบรรลุความร่วมมือเชิงกลยุทธ์กับ Tencent Cloud เพื่อสร้างบริการปัญญาเชิงกายภาพ EaaS (Embodied-AI-as-a-Service) แบบ cloud-native แห่งแรกของโลก บนพื้นฐานของความร่วมมือนี้ Visics กลายเป็นโมเดลใหญ่เชิงกายภาพแบบ cloud-native แห่งแรกของโลก เปิดระบบนิเวศที่เรียกใช้ได้สู่สาธารณะ

เบื้องหลังนี้คือความคิดของ RoboScience เกี่ยวกับการค้า เถียนเปิดเผยว่าทีมมีเส้นทางอุตสาหกรรมสามเส้นทางในปัจจุบัน: การให้โซลูชันเชิงกายภาพโดยรวมสำหรับแอปพลิเคชันปลายทาง; การให้บริการโมเดล EaaS ที่เรียกใช้จากคลาวด์ รวมถึงคอนโทรลเลอร์ที่ติดตั้งบน edge เปิดความสามารถของโมเดลให้กับนักพัฒนา บริษัทฮาร์ดแวร์ และผู้รวมระบบสถานการณ์ที่กว้างขึ้น

ในคำพูดของเถียน สามเส้นทางนี้สร้างสมดุลระหว่าง "ความลึกและขอบเขต": เส้นทาง full-stack เจาะลึกสถานการณ์สำคัญ ในขณะที่คอนโทรลเลอร์และ EaaS ขยายความสามารถออกไป ครอบคลุมสถานการณ์แอปพลิเคชันมากมายที่บริษัทเดียวไม่สามารถเจาะได้ทั้งหมด

ทั้งหมดนี้คือสิ่งที่สร้างความประทับใจให้กับนักลงทุน ตามที่ Amber Capital กล่าว: "การทำซ้ำของเทคโนโลยีปัญญาเชิงกายภาพกำลังเร่งขึ้น และกำลังก้าวหน้าจากการตรวจสอบทางเทคนิคไปสู่การประยุกต์ใช้ขนาดใหญ่ในสาขาต่างๆ ความสามารถทั่วไปในสถานการณ์เปิดและต้นทุนการปรับใช้เป็นกุญแจสำคัญในการบุกเบิกอุตสาหกรรม RoboScience ซึ่งมุ่งเน้นข้อเสนอหลักนี้ ได้สร้างระบบเทคโนโลยี full-stack ที่ผสานข้อมูล โมเดล และฮาร์ดแวร์ เพิ่มความสามารถในการสรุปทั่วไปข้ามรูปแบบ ข้ามวัตถุ และข้ามภารกิจ และบรรลุการสะสมข้อมูลและการทำซ้ำความสามารถอย่างต่อเนื่องในสภาพการทำงานจริง เราตระหนักอย่างสูงถึงการตัดสินใจที่มองการณ์ไกลของทีมเกี่ยวกับเส้นทางเทคนิคและความสามารถในการดำเนินการอย่างเป็นระบบ และมองในแง่ดีว่าบริษัทจะเร่งการตรวจสอบในสถานการณ์จริง ส่งเสริมการนำความสามารถของโมเดลกลับมาใช้ซ้ำในวงกว้าง และค่อยๆ เติบโตเป็นแพลตฟอร์มโครงสร้างพื้นฐานที่สำคัญในยุคของปัญญาเชิงกายภาพทั่วไป"

เมื่อเผชิญกับการทดสอบการผลิตเชิงพาณิชย์จำนวนมากและการตรวจสอบขนาดใหญ่ การเคลื่อนไหวของทุนอุตสาหกรรมมักถูกมองว่าเป็นตัวบ่งชี้ สำหรับผู้เล่นทั้งหมด นักลงทุนเช่นนี้มีค่าอย่างยิ่ง—ไม่เพียงแต่การสนับสนุนทางการเงิน แต่ยังให้สถานการณ์การตรวจสอบจริงด้วย

เมื่อมองรายชื่อผู้ถือหุ้นของ RoboScience ใบหน้าเช่นนี้ไม่ใช่เรื่องแปลก: JD.com มีสวนโลจิสติกส์อัจฉริยะ "Asia No.1" หลายสิบแห่งและคลังสินค้าหลายพันแห่งทั่วประเทศ; เบื้องหลัง Shuang Capital คือตระกูลลีคุมกี ตระกูลฮ่องกงที่มีทรัพย์สินหลายแสนล้าน มีฐานการผลิตและเครือข่ายซัพพลายเชนทั่วโลกที่กว้างใหญ่ ธุรกิจของพวกเขาเต็มไปด้วยกระบวนการที่ไม่ได้มาตรฐาน ยุ่งยาก และยากต่อการทำให้เป็นอัตโนมัติ ซึ่งเป็นสถานการณ์ทดแทนที่เหมาะสำหรับปัญญาเชิงกายภาพ

การระดมทุนรอบนี้ยังเห็นทุนอุตสาหกรรมหลายรายและแพลตฟอร์มบริษัทจดทะเบียนร่วมมือกันเพื่อแสดงความมั่นใจใน RoboScience เถียนเปิดเผยว่าบริษัทกำลังร่วมมือกับกลุ่มพันธมิตรอุตสาหกรรม และรายละเอียดจะประกาศในเร็วๆ นี้

นี่คือสนามพิสูจน์ที่ดีที่สุดสำหรับบริษัทเชิงกายภาพอย่างไม่ต้องสงสัย ต่อไป เส้นทางการเร่งความเร็วของ RoboScience ชัดเจนขึ้น: เงินทุนจากรอบนี้จะมุ่งสนับสนุนการอัปเกรดโมเดลใหญ่แบบวนซ้ำ ผลักดันการตรวจสอบ POC และการปรับใช้ขนาดใหญ่ในสถานการณ์หลัก เช่น โลจิสติกส์ ค้าปลีก และอุตสาหกรรม ในเวลาเดียวกัน จะเสริมสร้างการสำรองบุคลากรระดับสูงเพิ่มเติม

มุ่งสู่จุดจบของการเป็นกายภาพทั่วไป

การบรรลุปัญญาเชิงกายภาพทั่วไปเกือบจะเป็นความฝันสูงสุดของผู้ประกอบการด้านกายภาพทั้งหมด

นี่เป็นข้อเสนอที่ยิ่งใหญ่และมีวิสัยทัศน์อย่างยิ่ง แต่ความทั่วไปหมายความว่าหุ่นยนต์สามารถรับรู้สภาพแวดล้อม ตัดสินใจอย่างอัตโนมัติ และเรียนรู้จากข้อเสนอแนะหลังการกระทำ เรียนรู้จากการทำเหมือนมนุษย์ เบื้องหลังนี้ ยังมีความท้าทายทางวิศวกรรมอีกมากที่ต้องเอาชนะ และหนทางอีกยาวไกล เมื่อจินตนาการและความเป็นจริงแตกต่างกัน อุตสาหกรรมเริ่มเปลี่ยนจาก "จินตนาการสากล" ไปสู่ "เฉพาะทางก่อน" บางคนถึงกับโต้แย้งว่า "ความทั่วไปยังห่างไกลเกินไป การมุ่งเน้นสถานการณ์แนวตั้งคือกุญแจสู่การอยู่รอด"

แต่ในมุมมองของเถียน นี่ไม่ใช่ทางเลือกแบบสองขั้ว "แกนหลักของปัญญาเชิงกายภาพทั่วไปอยู่ที่การลดต้นทุนส่วนเพิ่ม ซึ่งเป็นความสามารถในการแข่งขันหลักในอนาคตของเราด้วย" เขาอธิบายเพิ่มเติมว่า RoboScience ยืนกรานที่จะทำผลิตภัณฑ์ full-stack ก็เพื่อเพิ่มประสิทธิภาพเชิงลึกในสาขาเฉพาะ เช่น โลจิสติกส์และค้าปลีก

"เราจำเป็นต้องลงหลักปักฐานในบางสถานการณ์ก่อน แต่สิ่งที่สนับสนุนคือเทคโนโลยีพื้นฐานที่พัฒนาอย่างต่อเนื่อง มีความเป็นทั่วไปมากขึ้น และต้นทุนต่ำลง" เถียนเน้นย้ำ โมเดลธุรกิจที่ยั่งยืนต้องการการผูกพันเชิงลึกกับสถานการณ์ ในขณะที่ความสามารถในการแข่งขันระยะยาวต้องการการขยายขนาดโดยการลดต้นทุนส่วนเพิ่มอย่างต่อเนื่อง

เข้าสู่อุตสาหกรรมจริงที่มีมูลค่าสูงและความต้องการสูงก่อน จากนั้นให้หุ่นยนต์เคลื่อนเข้าสู่สถานการณ์ที่กว้างขึ้น และบรรลุปัญญาเชิงกายภาพทั่วไปที่ทุกคนคาดหวังในที่สุด บนเส้นทางนี้ การสรุปทั่วไปเป็นปมที่ยากที่สุด

พูดง่ายๆ โมเดลเชิงกายภาพส่วนใหญ่ในปัจจุบันสามารถบรรลุอัตราความสำเร็จของภารกิจเกือบ 100% ในสถานการณ์คงที่หลังจากการเก็บข้อมูลและการฝึกเฉพาะทางที่เพียงพอ แต่ทันทีที่วัตถุที่ถูกจัดการเปลี่ยนไปหรือสภาพแวดล้อมเปลี่ยนแปลงเล็กน้อย อัตราความสำเร็จของภารกิจของหุ่นยนต์ก็ลดลงอย่างมาก

เมื่อเผชิญกับความท้าทายนี้ RoboScience มีวิธีแก้ปัญหาของตนเอง: ด้วยโครงสร้าง VLOA ที่พัฒนาขึ้นเอง บริษัทรองรับการสรุปทั่วไปในสามมิติ: ข้ามรูปแบบ ข้ามวัตถุ และข้ามภารกิจ ฉากที่น่าประทับใจคือที่งาน World Artificial Intelligence Conference ปี 2026 ซึ่ง RoboScience จัดแสดง "การเปลี่ยนมืออย่างรวดเร็วใน 30 วินาที"—เจ้าหน้าที่เปลี่ยนฮาร์ดแวร์มือที่คล่องแคล่วจากแบรนด์ต่างๆ โดยตรง โดยไม่ต้องปรับใหม่หรือปรับละเอียด มือที่คล่องแคล่วถูกจดจำทันทีภายใน 30 วินาทีและดำเนินการจับต่างๆ ได้อย่างราบรื่น บรรลุ "เปลี่ยนแล้วใช้ได้" อย่างแท้จริง พิสูจน์ความสามารถในการสรุปทั่วไปข้ามรูปแบบ

นอกจากนี้ มือที่คล่องแคล่วที่ติดตั้งโมเดลใหญ่เชิงกายภาพทั่วไป Visics สามารถจับวัตถุใดๆ ที่ผู้ชมในสถานที่จัดหาให้ได้สำเร็จ; ที่ล้ำสมัยยิ่งขึ้น ที่งาน WRC ซึ่งจัดขึ้นในเดือนสิงหาคมปีนี้ RoboScience เปิดกระบวนการให้เหตุผลของโมเดลโลกพร้อมกันที่บูธของตน กลายเป็นบริษัทแรกในอุตสาหกรรมที่สาธิตการให้เหตุผลแบบเห็นภาพเรียลไทม์ของโมเดลโลกต่อสาธารณะ

"ปัญญาเชิงกายภาพผูกพันอย่างใกล้ชิดกับโลกกายภาพ และจำเป็นต้องพัฒนาควบคู่ไปกับสถานการณ์จริง ภารกิจจริง และอัลกอริทึม" เถียนไม่ได้มองโลกในแง่ดีอย่าง盲目 "มันจะเป็นทีละขั้นตอน จากเล็กไปใหญ่ จากอุตสาหกรรมเฉพาะไปสู่อุตสาหกรรมที่กว้างขึ้น" แต่เขาก็มั่นใจว่าสิ่งนี้จะเกิดขึ้นในอีกไม่กี่ปีข้างหน้า

ท่ามกลางคลื่นการเป็นผู้ประกอบการด้านปัญญาเชิงกายภาพ ข้อโต้แย้งและฟองสบู่ตามมา เมื่อพูดถึงเรื่องนี้ เถียนดูสงบ "ฟองสบู่อาจมาจากการที่ทุกคนพยายามแตกต่างกัน เช่นเดียวกับวิวัฒนาการทางชีววิทยา—บางอย่างหายไประหว่างกระบวนการ บางอย่างอยู่รอด นี่เป็นปรากฏการณ์ธรรมชาติของวิวัฒนาการทางเทคโนโลยี"

ในช่วงครึ่งหลังของปัญญาเชิงกายภาพ บริษัทที่พึ่งพาเดโมเจ๋งๆ เพียงอย่างเดียวในการเล่าเรื่องจะเผชิญแรงกดดันในการอยู่รอดมากขึ้น เถียนชอบมุ่งเน้นที่ "การลงมือทำ" "ความผันผวนระยะสั้นเป็นเพียง 'เสียงรบกวน' สำหรับเรา กลับสู่แก่นแท้ของธุรกิจ สิ่งที่ทุกคนจะมุ่งเน้นต่อไปคือวิธีที่เทคโนโลยีลงสู่ผลิตภัณฑ์อย่างแท้จริง"

หนทางสู่ AGI ในโลกกายภาพยังอีกยาวไกล เมื่อมองย้อนกลับไปในอีกหลายปีข้างหน้า ช่วงเวลานี้อาจเป็นจุดเปลี่ยน