Chine/AsiePandaily 22 juillet 2026

Le boucle fermée de l'IA physique enfin réalité : Rimnot et Yuantu déploient 10 000 robots industriels pour la fabrication de serveurs

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Rimnot, jeune pousse chinoise de l'IA physique fondée il y a seulement quatre mois par des diplômés de doctorat de Tsinghua passés chez NIO, Huawei et AgiBot, a annoncé un partenariat stratégique avec Yuantu Future Technology pour déployer 10 000 robots industriels dédiés à la fabrication de serveurs. L'annonce, faite juste avant la conférence WAIC 2026, constitue l'un des engagements commerciaux les plus concrets jamais formulés dans le secteur de l'IA incarnée. Lors du salon, Rimnot a fait la démonstration de sa technologie sur une tâche d'assemblage de serveurs en conditions réelles : le robot a manipulé des composants de carte mère densément agencés, puces, connecteurs et pièces de précision, nécessitant la reconnaissance de plusieurs variantes de modèles ainsi qu'un contrôle précis de la force de préhension et du placement. Confrontée à un temps de mise en route limité sur le stand, avec un éclairage, une température et une disposition spatiale différents de son environnement habituel, l'équipe affirme que le robot a réalisé une adaptation complète à ce nouvel environnement en seulement 30 minutes d'entraînement. La technologie repose sur un modèle de fondation du monde physique censé assurer une boucle complète allant de la compréhension des processus et de la planification des tâches jusqu'à l'exécution et l'optimisation continue par retour d'expérience.

Cette annonce doit être lue avec prudence : les 30 minutes d'adaptation et la démonstration sur stand restent des chiffres communiqués par l'entreprise elle-même, sans validation indépendante, et le déploiement de 10 000 unités demeure à ce stade un plan annoncé, non un produit livré. Elle n'en illustre pas moins un déplacement d'enjeu pour le secteur de la robotique humanoïde et de l'IA incarnée, longtemps critiqué pour multiplier des démonstrations spectaculaires sans traction commerciale réelle. Contrairement à l'IA numérique, où un modèle unique peut servir des centaines de millions d'utilisateurs, l'IA physique impose à chaque robot de s'adapter à un environnement, des objets et des gestes spécifiques, en tolérant des erreurs visuelles et des aléas que la simulation ne peut jamais entièrement anticiper. Si l'accord tient ses promesses à l'échelle de 10 000 unités, il pourrait fournir un modèle reproductible pour l'automatisation robotisée de l'électronique de précision, un marché que Rimnot évalue lui-même à plusieurs centaines de milliards de yuans. Le décalage entre les quatre mois qui séparent la création de l'entreprise et cet engagement de déploiement massif suggère, selon ses promoteurs, que le principal obstacle pour l'IA physique se déplace désormais de la technologie vers l'exécution des partenariats industriels, une lecture qui reste à confirmer sur le terrain.

Yuantu Future Technology, partenaire industriel de l'opération, est un acteur mondial de la fabrication de serveurs et des infrastructures IA complètes, produisant serveurs IA, serveurs généralistes, commutateurs, super-nœuds et armoires à refroidissement liquide, avec une maîtrise intégrale de la chaîne allant de la R&D à la fabrication et au service. La fabrication de serveurs constitue un terrain d'essai particulièrement pertinent pour la robotique incarnée, car elle combine assemblage complexe, câblage, tests fonctionnels et contrôle qualité, avec une valeur industrielle suffisante pour justifier un déploiement à grande échelle. L'ambition affichée par les deux partenaires dépasse le simple remplacement d'une étape de production isolée : il s'agit de construire une opération robotisée en boucle fermée de bout en bout, Rimnot apportant les modèles du monde physique et les solutions de qualité industrielle, Yuantu les scénarios de production réels et l'expérience opérationnelle. Aucun acteur français ou européen n'apparaît dans cette collaboration, qui s'inscrit dans une compétition mondiale de plus en plus vive entre start-up chinoises de l'IA incarnée, à mesure que des sociétés comme AgiBot, dont sont issus certains fondateurs de Rimnot, tentent de traduire leurs avancées technologiques en contrats industriels concrets.

Dans nos dossiers

AgiBot IA physique & VLA

À lire aussi

1TechNode

Les robots sont-ils prêts pour les lignes de production ? La voie de Galbot vers l'IA industrielle

Galbot, société chinoise de robotique fondée en mai 2023, développe des robots destinés aux lignes de production industrielles à travers deux produits phares : le Galbot G1, qui associe une plateforme mobile à un système de manipulation à deux bras, et le Galbot S1, conçu spécifiquement pour des tâches manufacturières comme le transport, la palettisation et le chargement de machines. L'entreprise a levé plus de 2,4 milliards de yuans (environ 360 millions de dollars) au total jusqu'en 2025, dont un tour de table de 1,1 milliard de yuans (160 millions de dollars) annoncé en juin 2025. En 2026, Galbot a annoncé un nouveau tour de financement de 2,5 milliards de yuans (370 millions de dollars), avec parmi ses investisseurs le Fonds national d'investissement dans l'industrie de l'intelligence artificielle, le groupe pétrolier Sinopec et CITIC Investment Holdings. Sa valorisation dépasserait désormais 22 milliards de yuans, soit environ 3,27 milliards de dollars. Ce positionnement illustre un basculement en cours dans l'industrie : les bras robotiques traditionnels, fixes à un poste de travail et programmés pour des séquences répétitives, peinent à couvrir les tâches de manutention, de tri ou de chargement encore largement confiées à des opérateurs humains dans les usines. Un robot mobile capable de se déplacer et de s'adapter à des objets variés répond à une demande réelle des industriels confrontés à la hausse des coûts de main-d'œuvre et à la recherche de lignes plus flexibles. L'usine, plus structurée qu'un environnement domestique, est aussi perçue comme le terrain le plus propice à l'accumulation de données et à la fiabilisation à long terme des robots à IA incarnée, ce qui explique pourquoi le secteur industriel est vu comme la voie la plus crédible vers la commercialisation de cette technologie. Il faut toutefois noter que la communication de Galbot met surtout en avant des montants de financement et une valorisation, mais reste silencieuse sur des indicateurs opérationnels concrets, cadence de cycle, charge utile, degrés de liberté ou volumes réellement déployés en usine, ce qui rend difficile de juger si G1 et S1 ont dépassé le stade de la démonstration pour une adoption industrielle à l'échelle. Cette trajectoire s'inscrit dans la vague d'investissement massif que connaît la robotique à IA incarnée en Chine depuis 2023, portée à la fois par des fonds privés et par des capitaux publics et industriels, comme en témoigne la présence du fonds national d'IA et de Sinopec au tour de table 2026 de Galbot. Face aux fabricants historiques de bras robotiques industriels, dont l'automatisation reste cantonnée à des tâches prédéfinies, Galbot cherche à se différencier par la mobilité et l'adaptabilité de ses plateformes, un pari partagé par plusieurs acteurs chinois de la robotique humanoïde et de la manipulation mobile. L'entreprise mise sur une intégration verticale du matériel, des modèles d'IA et des systèmes de données pour accélérer le passage du laboratoire à la ligne de production, mais les échéances de déploiement pilote, les sites industriels concernés et les clients confirmés ne sont pas précisés à ce stade, ce qui place encore Galbot du côté de l'annonce et du financement plutôt que du déploiement industriel vérifié.

Chine/AsieOpinion

1 source

2Pandaily

Xingyuanzhi Robot lève 1 milliard de yuans en 10 mois pour son IA physique intégrée

Fondée en septembre 2025 à Pékin et incubée par la Beijing Academy of Artificial Intelligence (BAAI), Xingyuanzhi Robot a levé 1 milliard de yuans (environ 140 millions de dollars) en moins de dix mois, dont la dernière tranche bouclée début juin 2026. L'entreprise compte une cinquantaine d'employés dont plus de 90 % en R&D, et a déjà généré plus de 10 millions de yuans de chiffre d'affaires en 2025 en livrant plusieurs centaines d'unités de sa plateforme T5, un contrôleur de domaine haute performance couplé à des modèles d'IA embarquée capables d'inférence en temps réel sur edge, sans dépendance au cloud. Son CEO, Liu Dong, ancien directeur général de la conduite autonome chez JD.com, est épaulé par le co-fondateur Mu Yadong, professeur à l'Université de Pékin et chercheur au BAAI spécialisé en IA incarnée. Parmi les clients déjà acquis figurent AgiBot, l'un des principaux développeurs chinois de robots humanoïdes, ainsi que Beijing Yizhuang Robot, avec qui un partenariat stratégique représente un carnet de commandes annoncé à plus de 500 millions de yuans sur trois ans. Sur le segment des équipements industriels, Xingyuanzhi développe avec EP Equipment, fabricant de chariots élévateurs électriques, des solutions de chargement et déchargement autonomes basées sur son système RoboBrain Pro. Le modèle économique de Xingyuanzhi est délibérément "brain-only" : l'entreprise ne fabrique aucun châssis ni actionneur, et se positionne exclusivement comme fournisseur de la couche intelligence pour des intégrateurs et fabricants tiers. Ce positionnement est directement calqué sur la stratégie de Huawei dans le véhicule électrique, où le groupe fournit la plateforme logicielle et les systèmes ADAS sans produire de voitures. Pour les industriels et intégrateurs robotiques, ce modèle signifie une possible convergence vers un middleware standardisé de l'IA incarnée en Chine, réduisant le coût et la complexité d'intégration de la perception et du contrôle dans des robots hétérogènes. La capacité à déployer de l'inférence sur edge sans infrastructure cloud est un argument opérationnel concret dans des environnements d'entrepôts ou de lignes de production à connectivité contrainte. Reste à noter que les métriques commerciales annoncées, notamment le carnet de commandes Yizhuang Robot et les volumes T5 livrés, proviennent de communications de la startup elle-même et n'ont pas été vérifiées indépendamment. Dans le contexte de la course chinoise aux robots humanoïdes et à l'IA physique, Xingyuanzhi arrive dans un écosystème déjà dense : Unitree, AgiBot, LimX Dynamics et Agilex côté hardware, tandis que des plateformes logicielles comme Zhiyuan Robotics et des laboratoires universitaires cherchent également à occuper la couche middleware. L'angle BAAI donne à Xingyuanzhi une crédibilité académique forte et un accès aux réseaux de financement publics pékinois. La levée d'un milliard de yuans en dix mois traduit l'appétit des investisseurs chinois pour la thèse de l'IA incarnée comme secteur stratégique, dans un contexte de politiques industrielles nationales orientées vers l'autonomisation robotique des usines et entrepôts. Les prochaines étapes probables incluent le passage à l'échelle de la plateforme T5, l'extension aux marchés de la logistique et de la fabrication, et potentiellement une consolidation via des partenariats avec des équipementiers plus larges.

Chine/AsieOpinion

1 source

336Kr

Luo Jianlán : le vrai Scaling Law de la robotique naît dans la boucle fermée du déploiement réel

Luo Jianlan, ancien doctorant à l'université de Berkeley sous la direction de Sergey Levine - figure fondatrice de l'intelligence incarnée - et ex-chercheur chez Google X puis DeepMind, a rejoint il y a quatorze mois l'Institut de Shanghai pour l'apprentissage et l'intelligence (创智学院) et Zhiyuan Robotics (AgiBot) en qualité de directeur scientifique. Il détaille dans une interview publiée par 36Kr Hardware trois jalons techniques développés depuis son retour : SOP (Scalable Online Post-training), une infrastructure de retour de données en temps réel depuis les robots terrain vers le cloud d'entraînement ; LWD (Learning While Deploying), qui supprime la frontière rigide entraînement/déploiement pour permettre une évolution continue des robots dans des épiceries ou entrepôts réels ; et τ0-WM, un world model codéveloppé avec l'Institut de Shanghai, qui utilise la prédiction vidéo non pas comme fin en soi mais comme simulateur physique conditionné par l'action - comparant plusieurs trajectoires candidates avant exécution pour éviter, par exemple, de faire tomber un objet fragile positionné en bordure de table. La contribution principale de Luo est son refus d'appliquer mécaniquement la Scaling Law des grands modèles de langage aux robots incarnés. Selon lui, la majorité des "modèles fondamentaux incarnés" actuellement annoncés par des équipes chinoises relèvent en réalité du mid-training ou du fine-tuning appliqué à des bases open-source existantes, faute de données d'interaction hétérogènes en volume suffisant. Or la diminution de la loss curve sur données statiques ne prédit pas le taux de succès en déploiement physique : un robot qui mémorise des données ne maîtrise pas pour autant les perturbations et les cas rares du monde réel. Le vrai marqueur de maturité du secteur, selon Luo, est le moment où l'augmentation du parc de robots déployés entraîne une réduction mesurable du coût d'adaptation à de nouveaux scénarios - ce qu'il appelle le déclenchement du flywheel de données. Ce seuil n'est pas encore atteint, et aucune équipe ne sait le quantifier précisément. Pour les intégrateurs et les décideurs industriels, cela signifie que les performances en démo laboratoire restent peu prédictives des performances terrain. Zhiyuan Robotics s'impose comme l'un des acteurs phares de l'humanoïde en Chine, dans un secteur qui a progressivement déplacé son attention de la course aux degrés de liberté hardware vers la question de l'intelligence embarquée. Luo cite Physical Intelligence (PI) - la startup américaine issue de chercheurs de Google et DeepMind, connue pour son modèle π0 - avec une formule devenue un adage dans le milieu : "sur le papier, PI n'a jamais gagné ; dans la réalité, PI n'a jamais perdu", illustrant le découplage persistant entre métriques académiques et performances terrain. Zhiyuan vise à valider son flywheel de données dans des environnements semi-structurés réels - épiceries, supermarchés, entrepôts - sur une fenêtre de 12 à 18 mois. Le pari de τ0-WM est que la planification par simulation interne est la clé du passage de la démo au déploiement fiable à grande échelle, là où les modèles VLA (Vision-Language-Action) standards émettent une commande directe sans anticipation des conséquences physiques.

Chine/AsieOpinion

1 source

4Pandaily

Robot Digua Sunri S600 : l'expansion de l'écosystème de production de masse et la logique d'infrastructure derrière l'industrialisation de l'IA incarnée à l'ère des 100 000 robots déployés

Voici l'article traduit et résumé. Digua Robot, filiale de Horizon Robotics, a présenté au salon WAIC 2026 l'expansion de l'écosystème de sa plateforme Sunri S600, alors que le secteur qualifie 2026 d'année de la production de masse pour l'intelligence incarnée, avec environ 100 000 robots attendus en déploiement. Selon Wang Cong, PDG de Digua Robot, l'industrie doit franchir trois obstacles majeurs pour passer du prototype à la production en série. D'abord, le déploiement des modèles embarqués : les modèles VLA performants sur serveurs cloud rencontrent des problèmes de fiabilité et de latence une fois embarqués sur puce, avec des risques de sécurité liés aux jitters réseau et aux délais de transmission. Ensuite, la coordination du calcul : un robot doit piloter simultanément une perception et une décision haut niveau (le "cerveau") et un contrôle moteur de plusieurs dizaines d'articulations à la milliseconde près (le "cervelet"), en fusionnant des flux multi-caméras et capteurs, ce qui exige un système temps réel hétérogène plutôt qu'une simple tâche d'inférence. Enfin, l'industrialisation : passer de dix prototypes fonctionnels à dix mille unités identiques suppose une constance de fabrication des PCB, une qualification des composants sous contraintes thermiques et mécaniques, et une intégration aux systèmes MES et ERP des usines, un défi qu'aucune entreprise ne peut résoudre seule. Techniquement, le Sunri S600 repose sur une architecture mono-puce combinant un BPU quad-cœur de 560 TOPS, un CPU 18 cœurs, un MCU temps réel 6 cœurs et une bande passante de 204,8 Go/s, le module RDK S600, de la taille d'une paume, ayant décroché onze certifications et fonctionnant de -40°C à 105°C, adapté aux cavités thoraciques de robots qui dépassent 80°C. Cette annonce illustre un déplacement du centre de gravité concurrentiel dans la robotique humanoïde : la bataille ne se joue plus sur la démonstration ponctuelle d'un modèle, mais sur l'infrastructure capable de le faire tourner de manière fiable, à grande échelle, en usine. Pour les intégrateurs et décideurs industriels, le message de Digua Robot est que le goulot d'étranglement s'est déplacé des percées ponctuelles vers l'intégration systémique du calcul embarqué, des chaînes d'outils logicielles et de la coopération industrielle. Cela recoupe une inquiétude répandue dans le secteur, à savoir l'écart entre les démonstrations vidéo soignées et la réalité opérationnelle en usine, un point sur lequel la prudence reste de mise tant que les chiffres de déploiement à 100 000 unités ne sont pas indépendamment vérifiés. Pour accélérer l'adoption, Digua Robot a optimisé pour l'embarqué près de dix modèles VLA majeurs ainsi que plusieurs modèles VLM, LLM et vocaux, avec des algorithmes propriétaires comme VO-DP+, un algorithme de manipulation purement visuel dépassant 20 images par seconde en inférence mono-cœur, et HoloBrain, développé par Horizon Labs, qui revendique des performances proches d'un modèle à 7 milliards de paramètres avec seulement 0,2 milliard de paramètres. L'entreprise a également lancé ce qu'elle présente comme le premier framework open source d'agent IA "chat-to-build", permettant à des développeurs de décrire en langage naturel des comportements robotiques générés automatiquement en code dans l'environnement Sunri. Des partenaires comme Tashi Zhihang et Qianxun ont déjà intégré le Sunri S600 avec des modèles grand public atteignant 10 images par seconde en temps réel. Cette stratégie de bibliothèque d'algorithmes pré-adaptés vise à réduire drastiquement le délai de mise en production pour les clients, sans qu'ils aient à repartir de zéro, positionnant Digua Robot comme fournisseur d'infrastructure plutôt que comme simple constructeur de robots.

Chine/AsieOpinion

1 source