Chine/Asie36Kr2h

L'ex-directeur du laboratoire robotique et véhicules autonomes de Baidu lève des dizaines de millions pour créer un modèle du monde universel pour la robotique

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Nüwa Robotics (纽娲机器人), startup chinoise fondée en février 2026 par le Dr Yang Ruigang, vient de boucler un tour angel de 50 millions de yuans (environ 6,9 millions d'euros), mené par Bluerun Ventures, avec la participation de Butong Capital et de Gongqingcheng Puyi Investment. C'est le deuxième financement en moins de deux mois : un seed round avait été conduit par Plug and Play Chine peu avant. Yang Ruigang est une figure connue de l'écosystème autonomie chinois : il a dirigé le laboratoire de conduite autonome et de robotique de Baidu, puis exercé comme CTO d'Inceptio Technology (嬴彻科技), où il a piloté la mise en production de camions autonomes de niveau L3. Aujourd'hui professeur associé à l'Université Jiao Tong de Shanghai, il oriente Nüwa vers un objectif précis : la construction d'un "World Traversal Model" (WTM), un modèle de navigation destiné à des robots de toute morphologie, humanoïdes, quadrupèdes, AGV ou véhicules de livraison.

Le pari de Nüwa repose sur un constat que le secteur commence à intérioriser : la mobilité dans les environnements humains reste un verrou sous-estimé de la robotique incarnée. Là où la majorité des acteurs se concentrent sur la manipulation ou les architectures VLA (Vision-Language-Action), Nüwa cible la couche locomotion-navigation avec une ambition de déploiement sans carte ou à partir de plans génériques (Gaode, Baidu Maps). Leur moteur de simulation maison, SimWeaver, affiche selon la société des performances 3x supérieures à NVIDIA ISAAC Sim en vitesse de génération de données, une réduction de 20 % de l'erreur sim-to-real, et un taux de succès en zero-shot de 91 % sur des tâches de manipulation d'objets flexibles. Ces chiffres sont auto-déclarés et non vérifiés par des tiers. En locomotion, le système parvient à franchir des escaliers creux inclinés à 55 degrés en combinant vision et proprioception, là où d'autres solutions procèdent en aveugle. Nüwa intègre également un module de "conformité sociale" : le modèle est entraîné à respecter des règles comportementales implicites comme laisser sortir avant d'entrer dans un ascenseur ou céder le passage en espace public.

Nüwa s'inscrit dans un paysage compétitif où les grandes architectures sont déjà définies : chez Figure, le modèle Helix (System 0/1/2) sépare planification lente et contrôle rapide ; NVIDIA GR00T N1 suit une logique similaire ; en Chine, Zhiyuan (智元) découpe locomotion, manipulation et interaction, tandis que Tencent RoboticsX structure son architecture SLAP en quatre couches. Nüwa choisit une entrée différente : transférer les acquis de l'autonomie véhiculaire vers des environnements beaucoup plus denses (ascenseurs, couloirs, centres commerciaux), en capitalisant sur la maîtrise de la simulation physique 3D de l'équipe. Le fondateur reconnaît que la brique manipulation reste à construire from scratch, sans analogue dans la conduite autonome. La feuille de route prévoit un premier déploiement du WTM dans un à deux scénarios réels en 2026, logistique et tourisme en priorité, avant une montée en puissance vers la production de robots propres à Nüwa et l'ouverture de la plateforme à des intégrateurs tiers. Aucun client ni partenaire industriel nommé n'a été annoncé à ce stade.

Impact France/UE

L'émergence de Nüwa illustre la compétition croissante de l'écosystème robotique chinois sur la couche navigation-locomotion, un segment encore peu occupé par les acteurs européens, sans impact opérationnel immédiat pour la France/UE.

Dans nos dossiers

NVIDIA GR00T NVIDIA Isaac & Cosmos

À lire aussi

136Kr

L'ex-directeur tech de Meituan crée un modèle du monde pour la restauration à l'ère de l'IA incarnée

AtomBite.AI (元节智能), startup chinoise d'intelligence incarnée, vient de boucler un tour d'amorçage de plusieurs dizaines de millions de yuans mené par le fonds Yinno Innovation, avec la participation du Shuimu Tsinghua Alumni Seed Fund. La société cible un terrain peu médiatisé mais à forte récurrence : la cuisine professionnelle de restauration et la chaîne d'exécution des commandes de livraison de repas. Son équipe fondatrice porte l'ADN de Meituan : Wang Dong (CEO, docteur en informatique) y dirigeait l'ingénierie de Meituan Waimai, supervisant mille ingénieurs et des algorithmes traitant des dizaines de millions de commandes quotidiennes ; Li Tao pilotait les systèmes algorithmiques et data de la même division ; Li Haozhe, troisième co-fondateur, est un entrepreneur en série à dimension internationale. La technologie centrale est un "World Action Model" (WAM) dédié à la restauration, décliné en architecture VT-WAM combinant vision et retour tactile, en rupture explicite avec l'approche VLA (Vision-Language-Action) dominante dans le secteur. Un premier déploiement pilote en cuisine professionnelle est attendu d'ici fin 2026, avec plusieurs lettres d'intention déjà signées avec des opérateurs nationaux et internationaux. Le choix de la restauration résulte d'un audit de plusieurs mois conduit en Amérique du Nord et à Singapour. Wang Dong y a identifié un triptyque rare : besoin universel (même problématique en Chine, aux États-Unis et en Asie du Sud-Est), ROI mesurable pour le restaurateur (réduction des erreurs de commande, gains à l'emballage, allègement de la masse salariale) et cycle de décision court chez les PME, contrairement aux scénarios domestiques ou médico-sociaux. L'industrie est structurellement sous pression : hausse soutenue des salaires horaires en Amérique du Nord, turnover chronique et difficultés de recrutement persistantes en Chine. Sur le plan technique, AtomBite.AI conteste le paradigme VLA en affirmant que le contrôle moteur réel ne passe pas par le langage mais par la compréhension visuelle et physique. L'approche VT-WAM fusionne ces deux modalités dans un espace latent pour prédire les conséquences de contact avant exécution : inférer si un gobelet est plein ou chaud modifie les forces de friction et le centre de gravité lors de la saisie, ce que la vision seule ne permet pas de capturer. AtomBite.AI prend le contre-pied de la stratégie "modèle universel d'abord" adoptée par la plupart de ses concurrents. Les opérations répétitives de la cuisine, emballage, tri et transfert de commandes, génèrent un flux naturel de données d'interaction physique difficile à reproduire en simulation, alimentant un cycle d'amélioration continue du modèle depuis le terrain réel. L'architecture se décompose en trois couches : modèle monde incarné pour la perception et la planification d'actions, moteur d'orchestration des tâches, et couche matérielle combinant composants propriétaires et hardware standard. Les gestes récurrents s'exécutent en local sur des modèles légers pour limiter la latence ; le cloud gère les exceptions comme un ingrédient manquant ou un objet détecté hors place. Sur ce segment, Miso Robotics aux États-Unis et Keenon Robotics en Chine sont déjà présents, sur des périmètres différents (friture automatisée, service en salle). La feuille de route prévoit une extension progressive vers le tri, la logistique interne de restaurant, et à terme la cuisine domestique.

Chine/AsieActu

1 source

236Kr

Jing Yue Dongli lève des dizaines de millions de yuans auprès de Xinghaitu pour développer un Robo Labor clé en main

Jingyue Dynamics (鲸跃动力), fondée début 2026 en Chine, vient de boucler un tour de table seed de plusieurs dizaines de millions de yuans, mené exclusivement par le fonds spécialisé Xinghaitu (星海图), avec Shendu Capital comme conseiller financier exclusif. La startup développe ce qu'elle désigne sous le terme "Robo Labor" : une force de travail robotique conçue sur le modèle de l'infrastructure cloud - abonnable, élastiquement scalable, opérationnelle dès la livraison. L'ambition est de mécaniser les tâches dites "4D" (Deadly, Difficult, Dirty, Duplicate) en commençant par la manutention de matériaux (material handling) dans les secteurs de la logistique et de l'industrie manufacturière. La startup indique avoir noué des partenariats avec plusieurs grands comptes dans ces secteurs, sans les nommer. Les fonds seront alloués au recrutement, à la livraison en production, au développement de compétences spécialisées et aux opérations de collecte de données terrain. La proposition technique de Jingyue repose sur une boucle fermée "données + modèle + effecteur terminal", délibérément en rupture avec la course aux très grands modèles. Son fondateur Li Guangyu défend qu'un modèle scénarisé, alimenté par des données réelles de qualité, suffit à une mise en production rapide. La startup a conçu un système de collecte propriétaire Ego-centric + UMI (Universal Manipulation Interface) offrant une localisation de pose sub-millimétrique et une synchronisation multi-source sub-milliseconde sur les signaux visuels, de force et de position. Un pipeline interne traite jusqu'à un million d'heures de données, couplé à une approche Human-in-the-Loop permettant des corrections en temps réel et une opérabilité garantie dès le "Day 1". Leur modèle 3D du monde intègre la compréhension physique - gravité, friction, déformation - pour franchir le saut de la simple "perception-exécution" vers un régime "cognition-prédiction-adaptation". Pour les intégrateurs B2B, le modèle d'accès est présenté comme direct : connexion hardware, interfaçage des capteurs, puis appel de "skills" prépackagés - une architecture plus proche d'une API robotique que d'un projet d'intégration sur mesure, ce qui reste à vérifier en conditions industrielles réelles. Li Guangyu est docteur en génie électrique de l'USC (University of Southern California) ; il a dirigé les équipes de manipulation dextre et de collecte de données au Beijing Humanoid Robot Innovation Center, pilotant notamment le dataset multimodal RoboMIND et l'agent embodied "慧思开物". Auparavant chez DiDi et Qingzhou Zhihang (autonomie routière), il a construit des pipelines de données à l'échelle du million de séquences. L'équipe fondatrice intègre des vétérans de Geek+ (robots AMR), Neolix, Li Auto, Xiaomi et DiDi, formés à l'USC, Tsinghua, Zhejiang et l'USTC. Sur le plan concurrentiel, le paradigme "data-first" pour l'intelligence embodied a été validé à l'international par Sunday, Generalist AI et Genesis AI, qui ont tous convergé vers l'approche Ego-centric + UMI que Jingyue a adoptée. La startup se positionne explicitement comme une plateforme de skills ouverts, transversale aux intégrateurs hardware, plutôt que comme un constructeur de plateforme humanoide - un pari sur l'hypothèse que la qualité et l'efficacité des données seront le vrai différenciateur dans la prochaine phase de scaling de la robotique embodied.

UESignal concurrentiel indirect : l'émergence en Chine de plateformes de 'skills' robotiques open-hardware (modèle API) pourrait accélérer la pression sur les intégrateurs européens dans la logistique et le manufacturing, mais aucun déploiement en Europe n'est annoncé.

Chine/AsieActu

1 source

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

4Pandaily

Linkhou lève des dizaines de millions de dollars pour développer sa production de composants robotiques

Linkhou, fabricant chinois de composants pour la robotique avancée, a annoncé fin avril 2026 la clôture d'un tour de financement Series B+, d'un montant de plusieurs centaines de millions de yuans (soit plusieurs dizaines de millions de dollars), mené par le China Internet Investment Fund avec la participation de plusieurs investisseurs historiques. Fondée en 2015 à Suzhou par Dong Hao, ancien de Bozhon Precision, la société produit des briques matérielles critiques pour la robotique incarnée : modules de vision, châssis mobiles et bras robotiques humanoïdes. Linkhou revendique avoir soutenu des déploiements de robots incarnés à l'échelle de 10 000 unités, un seuil rarement atteint dans le secteur. Son outil industriel comprend deux bases de production à Suzhou et Jiaxing, dont un site principal ayant mobilisé 1 milliard de yuans (environ 140 millions de dollars) d'investissement total, dimensionné pour produire annuellement 850 000 modules de vision, 450 000 unités de contrôle du mouvement et 80 000 robots complets. Les fonds levés seront alloués à la R&D, à l'extension des capacités de production et au développement international. Ce financement illustre un pivot stratégique dans la course humanoïde chinoise : plutôt que de financer un nouveau constructeur de robots complets, le marché capitalise sur les équipementiers de niveau 2, ceux qui fournissent les sous-systèmes sensoriels et mécaniques à l'ensemble de l'écosystème. Pour un intégrateur ou un COO industriel, c'est un signal que la chaîne d'approvisionnement en composants robotiques à haute cadence commence à se structurer en Chine, réduisant la dépendance aux importations japonaises ou européennes pour les actionneurs et capteurs. L'affirmation d'un déploiement à 10 000 unités mérite toutefois d'être nuancée : le communiqué ne précise ni les clients, ni les environnements de déploiement, ni si ce chiffre correspond à des unités en opération réelle ou livrées sur stock. Linkhou s'inscrit dans une vague de spécialistes de composants embarqués qui émergent en Chine aux côtés des constructeurs humanoïdes comme Unitree, Agibot ou UBTECH. Son positionnement en fournisseur multi-client de modules de vision et de contrôle du mouvement le place en concurrence indirecte avec des acteurs comme Hikrobot pour la vision industrielle et Leaderdrive pour les actionneurs. Le soutien du China Internet Investment Fund, fonds d'État rattaché à la Cyberspace Administration of China, donne à ce tour une dimension stratégique au-delà du pur rendement financier, dans un contexte où Pékin pousse activement à l'industrialisation de la robotique incarnée comme axe de compétitivité nationale. Les prochaines étapes annoncées incluent une expansion sur les marchés internationaux, sans précision de calendrier ni de géographies cibles.

UELa structuration rapide de la chaîne d'approvisionnement chinoise en composants robotiques haute cadence (modules de vision, actionneurs) accroît la pression concurrentielle sur les équipementiers européens et japonais, potentiellement au détriment de leurs parts de marché dans l'écosystème robotique mondial.

Chine/AsieOpinion

1 source