Chine/Asie36Krà l'instant

Yisheng Technology, fondée par un professeur de HKU, lève des centaines de millions pour un système mémoriel robotique

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

La startup chinoise TranscEngram (忆生科技), fondée en septembre 2023 par le professeur Yi Ma, doyen fondateur de la faculté d'informatique et de science des données de l'Université de Hong Kong, avec ses cofondateurs Gao Shenghua et Yang Yanchao, vient de boucler un tour d'amorçage de plusieurs centaines de millions de yuans. Parmi les investisseurs figurent Sino Biopharmaceutical (filiale du groupe CP), Pudong Chuangtou, Zhangjiang Kechuang, Zhangjiang Hi-Tech, Hongxin Electronics, Yunhui Capital, Volcan Capital et Jinduo Capital. Les fonds financeront un modèle de contrôle incarné explicable, un modèle du monde physique, un pipeline de données de mouvement humanoïde multimodal, ainsi que des centres de R&D et de production à Qianhai (Shenzhen) et Zhangjiang (Shanghai). L'architecture maison, baptisée "cerveau plus cervelet", combine une mémoire visuelle pour la perception spatiale et une mémoire musculaire pour le contrôle moteur haute fréquence, déclinée en quatre produits : EngramTeleOp pour la téléopération (latence inférieure à 10 ms, prise en main en cinq minutes, essais longue distance entre Shanghai et Shenzhen), EngramEgo pour la capture de mouvement à la première personne via des capteurs portables légers, EngramControl pour la mémoire de mouvement réutilisable, et EngramNav pour la navigation et la mémoire d'environnement. Selon l'entreprise, cette approche générative dépasserait de plus de trois fois les modèles VLA classiques sur des tâches multiples (préparation de café, pliage de linge, préparation de thé), avec plus de 95% de réussite pour un modèle unique. TranscEngram a déjà testé ses briques avec les groupes AgiBot, Fourier, Galbot et Robotera, et cible désormais l'hôtellerie haut de gamme ainsi que l'assemblage flexible dans l'aérospatial, notamment avec un fabricant de pièces d'avion d'origine Airbus.

Cette levée illustre une bataille de fond dans la robotique humanoïde : dépasser les modèles vision-langage-action (VLA) actuels, jugés trop rigides face à un changement de tâche ou d'outil, au profit de systèmes capables de transférer une compétence d'un corps à un autre (pince, main habile, bras de longueurs différentes) sans réentraînement lourd. Yi Ma justifie ce pari par une critique frontale des grands modèles de langage en vogue, qu'il compare à des encyclopédies statiques incapables de s'auto-corriger au contact du monde physique, d'où leurs hallucinations selon lui. Les chiffres de performance avancés, un gain de trois fois et un taux de réussite de 95%, restent toutefois des mesures internes non vérifiées de façon indépendante, portant sur un nombre de tâches limité probablement choisi par l'entreprise ; ils relèvent davantage de la promesse que du produit éprouvé en environnement industriel réel. Le pari, s'il tient, viserait un vrai point de friction du secteur : le coût du redéploiement à chaque nouvelle tâche ou changement de gamme, un problème particulièrement sensible dans l'assemblage aérospatial où les lignes changent fréquemment de configuration.

TranscEngram s'inscrit dans la vague de financements de l'IA incarnée en Chine, aux côtés d'acteurs comme AgiBot, Fourier, Galbot ou UBTech, et fait écho aux ambitions affichées par les Américains Physical Intelligence avec Pi-0, NVIDIA avec GR00T ou Figure avec Helix sur les modèles de fondation pour la robotique. Yi Ma, lauréat du prix Marr et fellow IEEE, ACM et SIAM, revendique des collaborations avec Emmanuel Candès et Yann LeCun pour asseoir la crédibilité scientifique du projet. La suite proche passe par deux pilotes commerciaux, l'hôtellerie haut de gamme (blanchisserie, fabrication de cartes, service en chambre) et l'assemblage flexible dans l'aérospatial avec ce fabricant lié à Airbus, tandis qu'un centre de données dédié dans le Sichuan doit accélérer la collecte de données tactiles pour les mains habiles. Aucun calendrier de déploiement commercial précis n'a pour l'instant été communiqué.

Dans nos dossiers

AgiBot UBTech IA physique & VLA NVIDIA GR00T

À lire aussi

1Pandaily

Sous-traitée de la robotique en peau électronique fondée par un professeur de l'université de Soochow lève des fonds en amorçage

Perception Era Technology, startup chinoise fondée par un professeur de l'Université de Soochow, a bouclé un tour de financement d'amorçage de plusieurs dizaines de millions de yuans, mené par Songhe Capital. La société, créée en décembre 2025, se positionne comme fournisseur d'infrastructure tactile pour robots, combinant peau électronique multimodale propriétaire, capteurs matériels et algorithmes d'IA pour livrer des systèmes tactiles complets. Son produit phare est une peau électronique bionique multimodale et élastique qui, contrairement aux capteurs rigides classiques, épouse les surfaces courbes des bras, doigts et articulations robotiques, une seule feuille pouvant couvrir l'intégralité d'un corps de robot. Le matériau biomimétique revendique plus de 400 % d'élasticité et a passé plus d'un million de cycles de test de fiabilité, des chiffres qui visent à démontrer sa robustesse pour un usage industriel réel plutôt qu'une simple démonstration en laboratoire. Le montant exact de la levée reste flou, une imprécision fréquente dans les annonces d'amorçage chinoises. Ce pari illustre un déplacement d'attention dans la robotique humanoïde : après des années centrées sur la vision par ordinateur et les modèles vision-langage-action type Pi-0 ou GR00T N2, le secteur identifie désormais le toucher comme le prochain verrou technique pour atteindre une dextérité proche de l'humain. Sans perception tactile fine (pression, texture, température, glissement), les robots peinent à manipuler des objets non structurés en usine, en entrepôt ou en environnement médical, ce qui limite leur déploiement au-delà de tâches répétitives préprogrammées. La capacité de transfert d'apprentissage intégrée par la startup, permettant au robot de généraliser sa reconnaissance tactile à des objets inconnus mais physiquement proches d'objets déjà appris, s'inscrit dans cette logique : faire passer les systèmes tactiles d'une collecte de données passive à une prise de décision active. Pour les intégrateurs et décideurs industriels, ce type de brique technologique conditionne la viabilité économique des robots généralistes promis par les grands acteurs du secteur. Cette levée s'inscrit dans une vague plus large d'investissements chinois dans la détection tactile robotique, un segment longtemps resté en retrait par rapport à la vision par ordinateur mais désormais jugé stratégique face à la course mondiale aux robots humanoïdes, portée notamment par Figure (Figure 03), Tesla (Optimus Gen 3) ou Physical Intelligence. Perception Era ne détaille pour l'instant aucun partenariat industriel concret ni calendrier de déploiement commercial, la société n'ayant que sept mois d'existence. Reste à voir si l'entreprise parviendra à transformer ses performances de laboratoire, l'élasticité et le nombre de cycles de test annoncés, en déploiements réels chez des fabricants de robots ou des intégrateurs, une étape où beaucoup de startups de capteurs tactiles ont historiquement buté sur les coûts de production à l'échelle et l'intégration logicielle avec les piles de contrôle existantes.

Chine/AsieActu

1 source

236Kr

Le Fil IA fondée par des anciens de Tsinghua lève des centaines de millions de yuans : « on ne veut pas de l'étiquette modèle du monde »

La startup chinoise Liqing Zhineng (厘清智能, "Clarity Intelligence"), fondée en avril 2026 à Pékin, a bouclé un tour d'amorçage de plusieurs centaines de millions de yuans (soit plusieurs dizaines de millions d'euros), révélé début juillet par le média chinois Zhinen Yongxian. Le tour réunit Shunwei Capital, Sequoia Chine, Hillhouse Ventures, FreeS Fund, Xinglian Capital, le fonds d'amorçage des alumni de Tsinghua, SEE Fund, ainsi que des investisseurs industriels comme AgiBot (智元机器人), Linker Hand (灵心巧手) et Century Golden Resources. L'équipe, adossée au laboratoire de Li Yiming, professeur assistant à l'école d'intelligence artificielle de Tsinghua et ancien chercheur Vision & Robotics chez Nvidia (bourse Nvidia 2024, dix lauréats dans le monde), compte une cinquantaine de membres d'une moyenne d'âge de 23 ans. Le produit central est une infrastructure baptisée "Physical AI Infra", construite autour de deux briques maison : un pipeline de collecte de données visant à passer de la centaine de milliers d'heures habituelle du secteur à plusieurs millions, voire dizaines de millions d'heures, via notamment des gants tactiles propriétaires dont le coût unitaire est ramené du niveau du dollar à celui du yuan ; et un moteur physique différentiable permettant une boucle "réel vers simulation vers réel", capable de modéliser des matériaux complexes (fluides, corps mous, déformations élastoplastiques). L'ensemble cible des gestes fins comme couper, visser, brancher, mélanger, presser ou enfiler, avec un objectif de portabilité entre différentes mains articulées et bras robotiques, pour des usages en usine, retail, hôtellerie, restauration et assistance médicale. Le positionnement de Li Yiming tranche avec l'engouement actuel pour les "world models" (modèles du monde), qu'il juge être la notion la plus galvaudée de 2026, tant les acteurs vidéo, 3D ou VLA (vision-langage-action) s'en réclament dès qu'ils touchent à la simulation physique. Sa thèse : le modèle du monde n'est qu'un composant technique parmi d'autres, sans valeur isolé du reste de la chaîne (données, matériel, déploiement) ; ce qui compte, c'est un système capable de généraliser à travers robots et scénarios. Il affirme ainsi pouvoir entraîner des politiques avec environ 1% du volume de données réelles habituellement nécessaire, en calibrant les transitions d'état du modèle de monde sur un petit échantillon de données réelles puis en laissant le robot s'entraîner par renforcement en simulation, l'exemple cité étant l'apprentissage de la découpe d'une pomme sans détruire des centaines d'exemplaires. Ces chiffres, avancés par le fondateur lui-même sans validation indépendante, restent à confirmer sur des déploiements réels plutôt que sur des démonstrations internes. Le parcours de Li Yiming inclut un doctorat à NYU avec des travaux co-signés avec Saining Xie (cofondateur et chercheur en chef d'AMI Labs), ainsi que plusieurs publications distinguées à CVPR et NeurIPS en collaboration avec Nvidia. La feuille de route affichée prévoit la sortie d'un modèle du monde généralisable à plusieurs scénarios B2B d'ici fin 2026, puis un passage à l'échelle commerciale visé pour 2028, avec pour ambition de livrer aux clients une solution matériel-logiciel intégrée plutôt qu'un simple modèle. Ce pari sur une intégration verticale complète, de la collecte de données au moteur physique en passant par le matériel de capture, reste rare en Chine où la plupart des équipes de robotique physique se concentrent sur un seul maillon de la chaîne ; il positionne Liqing Zhineng en concurrence indirecte avec les autres poids lourds chinois de l'IA incarnée comme AgiBot, qui figure aussi parmi ses investisseurs.

Chine/AsieActu

1 source

3Pandaily

Xynova lève des centaines de millions en Série A pour sa main dextérique Flex2

Xynova, startup chinoise spécialisée dans la manipulation dextre, a bouclé un tour de série A de plusieurs centaines de millions de yuans, co-piloté par le fonds corporate de Li Auto, CITIC Securities Capital et CITIC Securities Investment, avec la participation du Yangtze River Delta Digital Culture Group, du Yuanjia Fund, et la continuité d'investisseurs historiques dont le fonds corporate de Xiaomi, Caifu Capital et Dianji Fund. Fondée fin 2024, la société accumule ainsi près d'un milliard de yuans de financement total (environ 125 millions d'euros), ce qui la positionne parmi les premiers acteurs du segment des mains dextres en Chine. Son produit phare, la main dextre Flex2, est conçue pour des tâches de manipulation à haut nombre de degrés de liberté, mais l'entreprise n'a publié aucune métrique technique précise (DOF, payload, temps de cycle) dans ce communiqué, ce qui limite l'évaluation indépendante des performances. La composition du tour est aussi significative que son montant. L'entrée de constructeurs automobiles comme Li Auto et Xiaomi indique que les mains dextres sont désormais perçues comme un composant critique pour le déploiement de robots embodied AI, tant dans la fabrication industrielle fine que dans les robots de service domestique. La présence de grandes banques d'investissement en position de lead signal une transition : le segment sort de la phase early-risk et entre dans la cible d'allocation des institutionnels mainstream. Enfin, la participation de capitaux publics régionaux de la zone du Delta du Yangtze traduit une volonté gouvernementale de faire de la main dextre un nœud stratégique de la supply chain robotique, en capitalisant sur les clusters manufacturiers locaux. Xynova se positionne comme fournisseur full-stack de capacités de manipulation dextre, intégrant hardware (la main), architecture d'exécution (coordination bras-main), et algorithmes de contrôle moteur de bas niveau (ce que l'entreprise nomme "contrôle cérébelleux"), formant une boucle fermée perception-contrôle-décision. Son CEO, Xia Yuxuan, double diplômé en physique et informatique, a une trajectoire atypique mêlant recherche académique et capital-risque en hardtech et robotique. Sur un marché des mains dextres de plus en plus encombré, Xynova est en compétition directe avec des acteurs comme Inspire Robots, DexHand ou les équipes en interne chez Figure et Agility Robotics côté occidental, et plusieurs startups chinoises non-divulguées. Les prochaines étapes annoncées par la société portent sur l'accélération du développement produit et de la capacité de fabrication, sans calendrier précis communiqué.

Chine/AsieOpinion

1 source

436Kr

La première entreprise chinoise de puces cérébrales pour robots lève des centaines de millions de yuans

Beijing Weifan Intelligent Technology a levé plusieurs centaines de millions de yuans lors d'un tour de table seed, co-dirigé par Zhongguancun Capital et sa filiale Qihang Investment, avec la participation du Shanghai Future Industry Fund, Shixi Capital, Biwin Storage, Yanhuang Group et deux autres fonds. Fondée en mai 2025 et issue du laboratoire PAICORE Lab de l'Université de Pékin, spécialisé dans les puces neuromorphiques, la société développe une architecture de puce unifiée "grand cerveau / petit cerveau" pour robots humanoïdes et systèmes à intelligence incarnée. Son co-fondateur Yin Jilei regroupe plus de vingt ans d'expérience semiconducteur, avec des passages chez IBM, GlobalFoundries, MediaTek et VIA, puis comme COO de Zhicun Technology ; l'équipe compte également d'anciens ingénieurs de Huawei et Tencent. La puce centrale repose sur une architecture propriétaire baptisée BiGPU (Brain-Inspired GPU), qui fusionne dans un seul bloc matériel calcul neuromorphique par réseau de neurones impulsionnels (SNN, Spiking Neural Network) et GPU généraliste (ANN), sur un jeu d'instructions et une chaîne d'outils logiciels partagés. La mise en production est prévue pour le deuxième trimestre 2027, à l'issue d'un cycle de R&D de deux ans actuellement à mi-parcours. L'enjeu principal est la réduction de la dépendance de la robotique chinoise envers la gamme Jetson de Nvidia, aujourd'hui quasi-incontournable pour l'inférence embarquée dans les robots humanoïdes, mais jugée trop coûteuse, peu localisée et exposée aux restrictions américaines à l'exportation. Aucune puce domestique ne propose encore d'alternative mature. La valeur ajoutée de BiGPU réside dans sa résolution du trilemme puissance de calcul / efficacité énergétique / coût : en convertissant les opérations de multiplication-accumulation matricielle (GEMM), qui représentent plus de 80 % du calcul dans les réseaux de neurones, en additions SNN à faible consommation, Weifan vise une réduction significative de la puissance dissipée sans sacrifier la compatibilité avec les frameworks existants. L'intégration isomorphe, c'est-à-dire un seul ISA partagé pour ANN et SNN plutôt que deux systèmes hétérogènes maintenus en parallèle, simplifie l'intégration côté équipementier. La prise en charge native des architectures Transformer, VLA (Vision-Language-Action) et des modèles du monde ancre BiGPU comme cible industrielle plutôt que démonstrateur académique. Weifan est une spin-off directe du laboratoire PAICORE de l'Université de Pékin, ce qui lui confère une crédibilité technique solide mais aussi la trajectoire classique d'un acteur académique en phase de validation industrielle. La puce ne sera pas disponible avant le deuxième trimestre 2027, laissant une fenêtre ouverte à des concurrents déjà en production : Nvidia Jetson Thor pour les humanoïdes, Qualcomm RB-series côté international, et Cambricon côté chinois. La société annonce des discussions en cours avec plusieurs fabricants de robots humanoïdes de premier plan, certaines ayant dépassé la phase exploratoire, sans divulguer de noms. Les fonds levés sont destinés à finaliser l'architecture du jeu d'instructions, étoffer l'équipe R&D et structurer la définition produit. À ce stade, il s'agit d'un pari sur une architecture prometteuse et une équipe expérimentée, pas encore sur un produit livré.

UEÀ surveiller comme signal d'intelligence compétitive sur la stratégie d'indépendance semiconducteur de la Chine dans la robotique humanoïde, sans impact opérationnel direct pour les acteurs européens avant 2027 au plus tôt.

Chine/AsieOpinion

1 source