Aller au contenu principal
Table ronde : la vraie stratégie du capital-risque IA, un pas devant le consensus | 2026WAVES
Chine/Asie36Kr1h

Table ronde : la vraie stratégie du capital-risque IA, un pas devant le consensus | 2026WAVES

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Lors de la conférence 2026 WAVES, un roundtable intitulé "Investir avant le consensus" a réuni Zhu Tianyu, managing partner de BlueRun Ventures, et Qin Shentao, fondateur et CEO d'OriginFlow, startup créée en 2025 alors qu'il était doctorant à l'université Tsinghua, à 24 ans. En moins de cinq mois, OriginFlow a levé plus de 500 millions de yuans (environ 63 millions d'euros), de la ronde angel jusqu'au Pre-A1. BlueRun a co-mené le tour angel et réinvesti à trois reprises ; Zhu Tianyu avait pris sa décision d'investir en trente minutes de discussion. La société développe une interface motrice non invasive pour l'embodied AI : des capteurs électromécaniques portables décodent les signaux moteurs descendants du cerveau humain afin de capturer, en temps réel, les données de mouvement physique dans des environnements industriels, sans implant chirurgical ni interruption des processus de production.

L'argument fondateur d'OriginFlow tient à ce que Qin Shentao identifie comme le troisième grand chantier de la donnée pour l'IA. Le texte, trente ans de tokenisation des savoirs humains sur Internet, a permis l'émergence des LLM d'OpenAI et Anthropic. La vidéo, accumulée par au moins 300 000 véhicules en circulation dans le cas de la conduite autonome, a alimenté les Robotaxi. L'interaction physique avec contact reste quasi-inexploitée : les 8 milliards d'humains génèrent, selon les estimations de la startup, près de 100 milliards d'heures de données d'interaction physique réelle chaque jour, contre quelques centaines de milliers d'heures seulement effectivement utilisées dans les modèles génératifs actuels, soit un écart de plusieurs ordres de grandeur. OriginFlow mise sur une collecte in the wild, pendant les processus de production normaux, sans perturber les cadences industrielles. BlueRun résume ce modèle économique par la formule "earn money while earning data" : les industriels paient pour le service et constituent simultanément un corpus de données propriétaires pour la startup.

BlueRun Ventures est l'un des rares fonds early-stage chinois à avoir co-investi dans un LLM de base (Moonshot AI, éditeur du chatbot Kimi), une application IA (Genspark), un constructeur automobile (Li Auto) et un roboticien (Agibot). Son cadre d'analyse dit "trois vagues cumulatives" (AGI, robotique physique, interaction 3D), formalisé vers 2021-2022 avant le lancement de ChatGPT, place OriginFlow à l'intersection des trois vecteurs. Zhu Tianyu souligne l'avantage comparatif chinois : densité de talents en IA couplée à une chaîne industrielle manufacturière profonde, propice aux approches combinant software et hardware pour la collecte de données physiques. Sur ce segment précis de l'interface neuromécanique non invasive pour l'embodied AI, aucun concurrent direct n'est cité dans les échanges ; des acteurs comme Physical Intelligence (Pi-0) ou les fournisseurs de modèles VLA opèrent sur des couches différentes de la pile robotique. Les prochaines étapes d'OriginFlow ne sont pas détaillées dans la discussion, mais la rapidité et le volume de la levée suggèrent des déploiements pilotes en environnement industriel à court terme.

À lire aussi

La Chine présente un robot soudeur capable de découper l'acier à 70 mm, avec une capacité de 30 tonnes et 20 ans de durée de vie
1Interesting Engineering 

La Chine présente un robot soudeur capable de découper l'acier à 70 mm, avec une capacité de 30 tonnes et 20 ans de durée de vie

Offshore Oil Engineering Co. a déployé sur son site de fabrication intelligente à Tianjin le premier système de soudage marin autonome développé entièrement en Chine. Conçu pour les plateformes pétrolières et gazières offshore, le robot traite des composants spécialisés comme les nœuds de modules, les anneaux de verrouillage et les renforts de jacket en eaux profondes. Ses caractéristiques techniques sont substantielles : capacité de charge maximale de 30 tonnes, soudage et découpe d'acier jusqu'à 70 millimètres d'épaisseur, durée de vie annoncée de 20 ans et efficacité opérationnelle globale supérieure à 40 %. Le système embarque une reconnaissance visuelle des cordons de soudure, un alignement par vision laser 3D, et une planification dynamique de trajectoires multi-passes. D'une seule commande, il gère l'intégralité du cycle de soudage, passe de racine, correction automatique de trajectoire, remplissage multi-fils double face, avec un taux de qualification au premier passage supérieur à 98 %. Un robot de meulage autonome, développé en parallèle, l'accompagne sur la ligne de production : il a déjà traité plus de 500 sections d'acier avec un gain d'efficacité de 15 % par rapport aux opérations manuelles. La mise en service n'a pas été instantanée : dix mois de débogage sur site et environ 1 000 expériences de soudage ont été nécessaires avant le passage en production. Ce déploiement signale un changement de périmètre pour la robotique de soudage industriel. Longtemps cantonnée à l'automobile, où la répétabilité des pièces facilite l'automatisation, la soudure lourde marine représentait jusqu'ici une frontière difficile à franchir : géométries irrégulières, masses considérables, tolérances serrées dans des environnements hostiles. Un taux de qualification au premier passage de 98 % sur de l'acier de 70 mm en conditions réelles, et non en environnement contrôlé de laboratoire, serait, s'il est confirmé par des audits indépendants, une donnée significative pour les intégrateurs et les donneurs d'ordre du secteur naval et offshore. Pour les décideurs B2B, l'argument le plus fort n'est pas la performance brute mais la suppression du retravail structurel, coûteux en temps et en matière sur des pièces à faible volume et haute valeur. Ce développement s'inscrit dans l'initiative nationale chinoise "AI Plus", qui cible depuis 2023 l'automatisation avancée des industries lourdes considérées comme stratégiques, énergie offshore en tête. Offshore Oil Engineering Co. est un opérateur historique des infrastructures pétrolières maritimes chinoises, ce qui lui donne un terrain de validation industriel direct. Sur le plan concurrentiel, les acteurs établis du soudage robotisé lourd sont Fronius, Lincoln Electric et Yaskawa, tandis que des startups comme Path Robotics (États-Unis) ou Novarc Technologies (Canada) développent des approches similaires de soudage adaptatif par vision. Aucun acteur européen de référence n'est mentionné dans ce segment précis. Les prochaines étapes déclarées n'ont pas été communiquées publiquement, mais la logique du programme suggère une extension à d'autres chantiers navals dans le cadre de la politique industrielle nationale.

UEPression concurrentielle indirecte sur les acteurs européens du soudage lourd industriel, notamment Fronius (Autriche), sans déploiement ni contrat européen annoncé.

Chine/AsieOpinion
1 source
De la perception de l'environnement à la transformation du monde : opportunités, voies et pratiques de l'IA physique
236Kr 

De la perception de l'environnement à la transformation du monde : opportunités, voies et pratiques de l'IA physique

À la conférence AI+ de Beijing Yizhuang en mai 2026, Chen Long, directeur technique "foundation models" de Jiangxing Intelligence (江行智能), a présenté l'architecture d'IA physique industrielle JX-Phi, déjà déployée dans des centrales photovoltaïques et des réseaux électriques au Guizhou et en Mongolie intérieure. Le système couvre plus de 1 000 stations d'inspection avec une précision algorithmique annoncée à 99 %. L'architecture se décompose en trois couches : une infrastructure de données (JX-Phi World), un modèle central en cours d'évolution vers un World Action Model (JX-Phi Brain, intégrant des modèles Vision-Language-Action longue durée, dits LT-VLA), et une couche applicative (JX-Phi Agent) qui orchestre drones, chiens robotiques, robots à roues et bras mécaniques via un contrôleur global de 100 milliards de paramètres. Indicateur structurant : une simple tâche d'inspection d'équipement se décompose en 100 à 200 sous-tâches dans un contexte industriel, contre quelques dizaines en usage grand public. Ce chiffre illustre une bascule dans la compétition autour de l'IA : l'enjeu n'est plus le nombre de paramètres des modèles de base, mais la capacité à déployer des systèmes stables et contrôlés dans des environnements physiques contraignants. La densité des scénarios industriels chinois constitue un avantage structurel difficile à répliquer : le parc de robots industriels installés en Chine représente 8,6 fois celui des États-Unis et a crû d'un facteur 12 en dix ans, alimentant un volant de données continu sans équivalent mondial. L'approche sim-to-real de Jiangxing repose sur un moteur de simulation 3D génératif (AutoWorld) qui produit des scénarios rares, pannes atypiques ou conditions météo extrêmes, avant tout déploiement terrain, réduisant significativement les risques dans des secteurs où l'erreur en conditions réelles n'est pas tolérable, comme l'énergie ou la pétrochimie. Jiangxing capitalise sur cinq couches d'infrastructure que la Chine a constituées : densité de scénarios industriels, modèles open source compétitifs (DeepSeek, Qwen, Kimi) en rattrapage rapide sur les niveaux de performance mondiaux, 4,48 millions de stations 5G représentant plus de 60 % du parc mondial, capacité électrique environ deux fois supérieure à celle des États-Unis, et une co-optimisation logiciel-matériel stimulée en partie par les restrictions d'accès aux puces d'entraînement haut de gamme. Sur le plan concurrentiel, la société se positionne comme fournisseur de système complet face à des acteurs comme Unitree ou Boston Dynamics côté plateformes robotiques, et Physical Intelligence (Pi-0) côté modèles généralistes. Les prochaines étapes visent une extension aux secteurs minier et chimique, où la criticité des tâches et la rareté des données d'incidents justifient précisément l'approche simulation-to-real développée par la société.

UELes avantages structurels de la Chine en IA physique industrielle (parc robotique 8,6x supérieur aux États-Unis, 60 % des stations 5G mondiales, capacité électrique double) représentent un écart compétitif croissant que les industriels européens devront intégrer dans leur stratégie d'automatisation à horizon 5 ans.

Chine/AsieOpinion
1 source
Ex-cadre IA incarnée de Huawei : un modèle du monde neuromorphique concurrent de JEPA lève 100 millions de yuans
336Kr 

Ex-cadre IA incarnée de Huawei : un modèle du monde neuromorphique concurrent de JEPA lève 100 millions de yuans

JuNao Panshi (具脑磐石), startup chinoise spécialisée dans les architectures cognitives pour la robotique incarnée, a annoncé en mai 2026 la clôture d'un tour de financement dépassant 100 millions de yuans (environ 13,5 millions d'euros), conduit par un fonds industriel positionné sur l'intersection neuromorphique et robotique, avec réinvestissement des actionnaires existants et participation de plusieurs fonds de premier rang. Un second tour serait en cours de finalisation simultanément, selon la publication chinoise 36Kr. La société, fondée en 2025, est dirigée par Zhu Senhua, ancien responsable du programme "cerveau incarné" chez Huawei, où il a piloté la plateforme cloud IA-neurosciences, le modèle Pangu pour l'intelligence incarnée et le Global Embodied Intelligence Innovation Center. Titulaire d'un doctorat en neurosciences cognitives de l'Université de Pennsylvanie et d'un post-doctorat au Laboratoire national clé Cerveau et Cognition de l'Académie des sciences de Chine, Zhu Senhua est l'un des rares profils combinant recherche académique en neuro-IA, validation expérimentale et industrialisation à grande échelle. JuNao Panshi développe un Cognitive World Model (modèle de monde cognitif) fondé sur l'intelligence neuromorphique, avec quatre objectifs techniques structurants : apprentissage avec peu de données, forte généralisation intersituationnelle, apprentissage à vie et faible consommation énergétique. Plusieurs proof-of-concepts sont en cours de déploiement auprès de clients industriels en Chine et à l'international. L'intérêt de cette levée dépasse la valorisation d'une startup : elle signale un basculement dans les priorités de R&D du secteur de la robotique incarnée, où le terme VLA (Vision-Language-Action) cède progressivement la place au concept de world model comme axe central de compétition. JuNao Panshi argumente que la grande majorité des approches actuelles restent bloquées sur un paradigme data-intensif et énergivore, incapable de généraliser sans réentraînement à chaque nouvel environnement. En s'appuyant sur les mécanismes fonctionnels du cerveau humain, notamment les neurones multi-compartiments, l'attention non linéaire, la mémoire multi-stades et l'inférence active, la société cherche à construire un système capable d'apprentissage abstrait à partir de peu d'exemples, de mémoire persistante et de planification autonome en conditions réelles. Pour les intégrateurs industriels et les décideurs B2B, la promesse est concrète : un robot qui n'a pas besoin d'être réentraîné à chaque changement de ligne ou d'environnement est un robot économiquement viable à déployer à grande échelle. Sur le plan concurrentiel, la trajectoire technique de JuNao Panshi s'aligne explicitement avec l'architecture JEPA (Joint Embedding Predictive Architecture) de Yann LeCun, dont AMI Labs explore la branche causale et de raisonnement. En parallèle, Fei-Fei Li parie sur l'intelligence spatiale 3D, NVIDIA et Google DeepMind accélèrent la simulation physique et l'apprentissage par interaction réelle. JuNao Panshi se positionne un cran au-dessus dans la hiérarchie qu'elle définit elle-même en cinq niveaux, revendiquant la couche la plus haute : l'inférence active issue des neurosciences cognitives. La stratégie commerciale repose sur un modèle "un cerveau, plusieurs robots, plusieurs morphologies" (一脑多机一脑多形), avec des partenariats matériels déjà établis avec les fabricants de robots Lejiu, Xingchen Intelligence et Zhidongli. La feuille de route prévoit d'ouvrir le modèle de cerveau cognitif universel à l'écosystème d'intégrateurs, une fois les capacités de généralisation jugées suffisantes pour piloter des configurations de robots hétérogènes depuis un seul modèle central.

Chine/AsieActu
1 source
La Chine déploie des robots humanoïdes capables de trier 1 200 colis par heure dans un grand centre postal
4Interesting Engineering 

La Chine déploie des robots humanoïdes capables de trier 1 200 colis par heure dans un grand centre postal

La Chine a déployé des robots humanoïdes dans le centre logistique de Jianggao, rattaché au hub postal de Guangzhou (province du Guangdong), pour trier les colis à une cadence annoncée de 1 200 unités par heure. Des images diffusées cette semaine par l'agence Xinhua montrent ces systèmes humanoïdes travaillant en parallèle avec des bras robotiques et des chariots élévateurs autonomes dans un entrepôt fortement automatisé opéré par China Post Group. Le site traite en moyenne 6,5 millions de pièces de courrier par jour, avec des pics dépassant 10 millions. Les robots filmés saisissent des colis depuis des conteneurs et les déposent sur des lignes de tri, tandis que des véhicules autonomes assurent les flux au sol. À noter : les chiffres de cadence (1 200 colis/heure) émanent des médias d'État et n'ont pas été vérifiés de manière indépendante, et les vidéos publiées ne montrent que des séquences sélectionnées dans des conditions optimales. Ce déploiement marque une inflexion notable dans la stratégie d'automatisation logistique. Les robots humanoïdes présentent un avantage structurel par rapport à l'automatisation industrielle fixe : ils peuvent théoriquement opérer dans des infrastructures conçues pour les humains, sans nécessiter de refonte complète de l'entrepôt. Pour les intégrateurs et les décideurs B2B, cela réduit la barrière à l'entrée par rapport aux systèmes dédiés qui exigent une architecture entrepôt repensée de zéro. La logistique devient ainsi le premier secteur à tester à grande échelle la promesse de la robotique humanoïde en conditions réelles, au-delà des démos en laboratoire, dans un environnement à forte pression opérationnelle (24h/24, volumes croissants portés par l'e-commerce, pénuries de main-d'oeuvre régionales). C'est précisément ce contexte de charge élevée et continue qui permet d'évaluer si le gap sim-to-real est réellement comblé. China Post Group s'inscrit dans une dynamique nationale soutenue par des investissements publics massifs dans la robotique humanoïde, avec des acteurs comme Unitree, Fourier Intelligence et UBTECH qui cherchent à commercialiser leurs systèmes dans l'industrie, les services à la personne et la logistique. À l'international, les concurrents directs incluent Figure (avec son robot 02 déployé chez BMW), Agility Robotics (Digit chez Amazon) et 1X Technologies. La différence est que la Chine déploie à une échelle de volumes postaux nationaux, là où les déploiements occidentaux restent pour l'instant des pilotes industriels circonscrits. Des interrogations légitimes subsistent sur la fiabilité à long terme, les coûts de maintenance et la pertinence économique face à des alternatives plus simples comme les AMR (robots mobiles autonomes). Mais la décision de China Post de franchir le seuil du déploiement opérationnel à grande échelle, plutôt que de rester en mode pilote, constitue en soi un signal industriel significatif.

UELe déploiement à grande échelle de robots humanoïdes par China Post accentue le retard compétitif des intégrateurs et constructeurs européens, qui restent cantonnés à des pilotes industriels circonscrits face à une automatisation logistique humanoïde déjà opérationnelle à l'échelle nationale en Chine.

Chine/AsieOpinion
1 source