Chine/AsiePandaily 27 août 2026

Pékin remporte les Humanoid Games : son PDG évoque un « moment ChatGPT » imminent pour l'IA incarnée

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

Le Beijing Humanoid Robotics Innovation Center a dominé la deuxième édition des World Humanoid Robot Games, remportant 15 médailles d'or, 12 d'argent et 18 de bronze au soir du 26 août, quelques heures avant la clôture de la World Robot Conference à Pékin. Sa gamme de robots Tiangong a établi 34 records humains durant la compétition et décroché l'or dans les épreuves phares, tant sportives que scénarisées. La même semaine, le centre a dévoilé Pelican-Unify, un modèle unifié d'intelligence embarquée, ainsi que Tiangong Omni, un humanoïde léger de 1,35 mètre pour 39 kilogrammes conçu pour une production de masse à coût réduit. Il a également annoncé un partenariat stratégique avec Mercedes-Benz, dans lequel le robot Tiangong 3.0 a servi de "conseiller sur base silicium", accueillant les visiteurs, présentant les modèles et répondant aux questions dans un environnement de salon très fréquenté. Le PDG Xiong Youjun a affirmé que le secteur approche la "veille du moment ChatGPT" de l'IA incarnée, une formule qui relève davantage du discours de positionnement que d'un fait vérifiable et mérite d'être lue comme telle.

Au-delà de la vitrine compétitive, le discours de Xiong marque un déplacement notable du débat sectoriel : de la course aux spécifications brutes (couple moteur, degrés de liberté) vers des critères plus systémiques, chaîne d'approvisionnement, ingénierie, expérience client, et surtout la question du retour sur investissement, signe classique d'un marché qui cherche à sortir du stade de la démonstration. Xiong reconnaît lui-même que les humanoïdes restent en retrait des robots industriels et de la main-d'œuvre humaine sur ce critère de rentabilité, ce qui tranche avec la tonalité triomphaliste habituelle de ces événements. Pour les intégrateurs et décideurs industriels, l'élément le plus concret est ailleurs : la plateforme open source Huisi Kaiwu revendique plus de 16 millions de téléchargements, une dizaine de modèles ouverts et plus de 200 partenaires de développement, dont des institutions aux États-Unis et en Europe, ce qui en fait une tentative sérieuse de mutualisation d'infrastructure plutôt qu'une simple démonstration technologique isolée.

Cette stratégie s'inscrit dans une approche délibérément terre-à-terre : plutôt que de viser des usages spectaculaires, Beijing Humanoid cible ce que Xiong appelle les scénarios "3D" (sales, dangereux, répétitifs), comme les opérations sous tension électrique, les tests en laboratoire, l'inspection énergétique ou le tri logistique. Un cas cité, l'automatisation de la vérification de thermomètres infrarouges pour l'Institut de métrologie du Jiangsu avec un gain de vitesse revendiqué de six fois, reste toutefois un exemple isolé communiqué par l'entreprise, sans données indépendantes pour l'étayer. Xiong pousse également la standardisation du secteur, en présidant un groupe de travail sur les normes de sécurité et en faisant avancer 49 standards, estimant que l'industrialisation des humanoïdes nécessite d'abord une infrastructure commune avant toute adoption à grande échelle. Aucun acteur français ou européen de la robotique humanoïde n'apparaît directement dans cette annonce, en dehors du partenariat commercial avec le constructeur automobile allemand Mercedes-Benz.

Impact France/UE

Le partenariat commercial de Tiangong 3.0 avec Mercedes-Benz est le seul point de contact avec un acteur européen, sans participation d'entreprises ou d'institutions françaises ou européennes de la robotique humanoïde.

Dans nos dossiers

IA physique & VLA

À lire aussi

1Pandaily

À quelle distance sont les humanoïdes chinois d'un véritable « moment ChatGPT » ?

La Chine confirme en 2026 sa domination du marché des humanoïdes en volume, mais un article de Chatham House traduit par IPP interroge la solidité de cette avance. Les expéditions mondiales de robots humanoïdes ont dépassé 22 000 unités au premier semestre 2026, en hausse d'environ 300% sur un an, les cinq premiers fournisseurs mondiaux étant tous chinois et le pays représentant plus de 90% des unités livrées. Mais la répartition des usages nuance ce chiffre: le divertissement et les démonstrations captent 33,6% des applications, la collecte de données et la recherche 27%, soit plus de 60% cumulés, tandis que la fabrication intelligente et la logistique restent sous les 20%. Côté matériel, AgiBot revendique jusqu'à 10 heures d'autonomie par charge, Linkerbot annonce une précision de localisation de main dextre inférieure à 0,2 millimètre pour une charge utile de 30 kilogrammes, et Hikvision développe de la vision 3D pour la profondeur et le positionnement. Des lacunes persistent néanmoins sur l'autonomie batterie, la navigation autonome, la prise de décision d'arrêt et la manipulation fine sous occlusion visuelle, des faiblesses visibles jusque dans les Jeux mondiaux des robots humanoïdes. Ce décalage entre volume d'expédition et maturité fonctionnelle est central pour les intégrateurs et décideurs industriels: la majorité des robots chinois déployés servent encore à générer des données d'entraînement ou à faire des démonstrations, pas à remplacer des postes en usine. Le secteur définit de plus en plus un véritable "moment ChatGPT" pour l'humanoïde comme la capacité d'un robot à entrer dans un environnement inconnu et, sur simple instruction vocale ou textuelle, accomplir environ 80% des tâches sans reprogrammation spécifique au préalable, un seuil que personne n'a encore franchi publiquement. Cela contredit l'idée que le sim-to-real ou les architectures VLA seraient déjà résolus à grande échelle: la domination chinoise en volume ne s'est pas encore traduite en autonomie généralisable. Pour les acheteurs B2B, le signal est clair: le leadership en unités livrées ne garantit pas la maturité fonctionnelle, et les métriques mises en avant par les fabricants doivent être lues avec prudence tant qu'elles ne sont pas testées en environnement non préparé. Les estimations de calendrier divergent fortement selon les acteurs: Wang Xingxing, fondateur d'Unitree, évoque deux à trois ans dans le meilleur des cas, cinq à dix ans sinon, tandis que Wang Xiaogang, président d'ACE Robotics, cite fin 2027. Les propres chiffres d'Unitree montrent que l'essentiel de son chiffre d'affaires provient encore d'universités et de laboratoires de recherche, avec seulement environ 9% issus de ventes industrielles, signe que la demande reste largement académique et soutenue par des pilotes subventionnés plutôt que par une adoption commerciale organique. Cette dynamique s'inscrit dans la stratégie industrielle chinoise 2026-2030, qui classe les humanoïdes parmi les industries émergentes stratégiques avec d'importants fonds d'innovation et une volonté d'imposer des standards internationaux, pendant que d'autres marchés débattent en parallèle des règles d'accès pour les humanoïdes fabriqués à l'étranger. Aucun acteur français ou européen n'apparaît dans cette analyse centrée sur l'écosystème chinois.

Chine/AsieOpinion

1 source

2Pandaily

BYD développe secrètement un robot humanoïde sous le nom de code "Yao-Shun-Yu" alors que les géants de l'automobile s'élancent vers l'IA incarnée

BYD, premier constructeur automobile électrique chinois, confirme le développement discret d'un robot humanoïde sous le nom de code "Yao-Shun-Yu". C'est Li Ke, vice-président exécutif du groupe, qui a levé le voile dans une interview récente. Le projet a été lancé en 2022 et est piloté par la 15e unité opérationnelle de BYD, dédiée à l'intégration électronique et à l'intelligence embarquée. L'entreprise dispose d'une équipe de plus de 4 000 ingénieurs spécialisés en conduite autonome et a annoncé un investissement de 100 milliards de yuans dans l'IA et l'intelligence automobile. Tesla, de son côté, a déjà déployé 50 unités de son Optimus Gen 3 dans son usine de Shanghai en production de série. XPeng prévoit de lancer la production de masse de son humanoïde IRON d'ici fin 2026, et Li Auto pilote un projet interne baptisé Nexus. Ce développement illustre un changement structurel dans la course aux humanoïdes : les grands constructeurs automobiles ne se positionnent plus comme observateurs mais comme acteurs à part entière de la robotique généraliste. BYD s'appuie sur des atouts industriels concrets, motorisation, batteries, électronique de puissance, fabrication de précision et semiconducteurs, que peu de pure players robotiques peuvent revendiquer. L'entreprise prévoit d'être son propre premier client, avec des déploiements envisagés dans ses showrooms comme agents d'accueil et sur ses lignes de production comme opérateurs d'atelier. Ce débouché captif résout un problème que la majorité des startups humanoïdes n'ont pas encore résolu : la validation à l'échelle dans un environnement contrôlé et à faible coût de sortie. La stratégie dite du "technology fish pond", qui consiste à préparer en amont un portefeuille technologique large et à l'activer au moment opportun, laisse également envisager une approche plateforme ouverte, avec intégration de composants tiers plutôt qu'une verticalité totale. BYD n'est pas venu à la robotique par hasard. La maîtrise des actionneurs électriques, des systèmes de gestion d'énergie et des architectures de calcul embarqué, accumulée sur des millions de véhicules électriques, constitue une base technologique directement transférable. Li Ke a formulé le diagnostic sectoriel en ces termes : "les robots chinois manquent de cerveau, les robots américains manquent de muscles", BYD visant explicitement l'excellence sur les deux axes. Face à Boston Dynamics (propriété de Hyundai), Agility Robotics (Amazon), Figure AI ou Physical Intelligence côté occidental, et à Unitree, Fourier Intelligence ou UBTECH côté chinois, BYD arrive avec une surface financière et une base industrielle hors norme. Aucune date de présentation publique ni de feuille de route commerciale n'a été communiquée : le projet reste pour l'instant au stade de l'annonce interne, sans prototype démontré publiquement ni métrique de performance vérifiable.

Chine/AsieOpinion

1 source

3Pandaily

DeepMotor : une startup de Pékin mise sur les données en première personne pour une IA incarnée générale

DeepMotor, une startup pékinoise fondée par Chen Kai au début 2025, développe une approche d'intelligence artificielle incarnée (embodied AGI) basée sur l'entraînement à partir de vidéos en première personne capturées par des humains. Au lancement, la thèse de l'entreprise n'a convaincu ni les investisseurs domestiques ni la majorité du secteur : pourquoi parier sur une méthode que même les géants américains n'avaient pas encore validée ? La startup a levé plusieurs centaines de millions de RMB et poursuit aujourd'hui un déploiement accéléré. La chronologie des validations industrielles donne la mesure de son avance : en mai 2025, Tesla a annoncé réorienter l'entraînement d'Optimus vers des données vidéo humaines. En juin 2025, GeneralistAI a présenté une démo d'apprentissage imitatif robotique, puis a confirmé les lois de mise à l'échelle avec 270 000 heures de données humaines réelles collectées sur le terrain. FigureAI a de son côté annoncé des partenariats avec des opérateurs immobiliers commerciaux pour collecter des flux en première personne. En février 2026, NVIDIA a publié EgoScale, un modèle pré-entraîné sur 20 000 heures de vidéo première personne destiné à la manipulation dextre. L'importance de cette séquence dépasse le simple calendrier. Elle valide l'hypothèse centrale de DeepMotor : la vidéo en vue égocentrique est le signal d'apprentissage le plus dense pour combler le sim-to-real gap en robotique généraliste. Chaque acteur majeur converge vers cette approche non par choix idéologique, mais parce que les benchmarks internes le forcent. Pour les intégrateurs industriels et les décideurs B2B, cela signifie que la prochaine génération de robots manipulateurs ne sera pas entraînée dans des simulateurs mais sur des flux de travail humains réels, ce qui redéfinit les exigences en matière de collecte de données et de gouvernance des contenus vidéo. DeepMotor s'inscrit dans un écosystème robotique chinois en forte accélération, concurrent direct d'Unitree, d'Agibot et des branches robotique de Baidu et Tencent, mais avec une orientation plus fondamentale sur la couche de données brutes plutôt que sur le hardware. La startup a devancé d'environ un an le consensus industriel mondial sur l'approche egocentric data, ce qui lui confère une position de référence potentielle si elle parvient à publier ses propres scaling laws ou à ouvrir un dataset. Les prochaines étapes probables incluent la publication de résultats comparatifs et des partenariats avec des fabricants de robots humanoides pour valider le transfert de politique sur des plateformes tiers. La source originale (Waves/暗涌) reste un media chinois spécialisé, et les chiffres de levée ne sont pas précisément détaillés.

UELe basculement de l'industrie vers les données vidéo égocentristes comme signal d'entraînement de référence redéfinira les exigences de collecte de données et de gouvernance vidéo pour les intégrateurs et fabricants de robots européens, sans acteur français ou européen directement impliqué à ce stade.

Chine/AsieOpinion

1 source

4Pandaily

DeepCybo : une startup pékinoise mise sur les données humaines en première personne pour développer une AGI incarnée

DeepCybo, startup pékinoise fondée début 2025 par Chen Kai, parie sur la vidéo humaine à la première personne comme substrat d'entraînement pour l'intelligence incarnée (embodied AGI). L'approche consiste à collecter des flux vidéo authentiques captés du point de vue d'opérateurs humains, plutôt que de s'appuyer sur la simulation ou les démonstrations téléopérées. La société a levé plusieurs centaines de millions de RMB et accélère actuellement sa collecte de données pour valider l'approche à l'échelle. Pendant ce temps, le marché mondial a convergé vers une thèse similaire : en mai 2025, Tesla a annoncé réorienter l'entraînement d'Optimus vers des données vidéo humaines ; en juin 2025, GeneralistAI a présenté un système d'apprentissage imitatif validé par 270 000 heures de données collectées en conditions réelles. FigureAI a annoncé des partenariats avec des groupes immobiliers commerciaux pour instrumenter des opérateurs humains. En février 2026, NVIDIA a publié EgoScale, un modèle pré-entraîné sur 20 000 heures de vidéo egocentriques pour la manipulation dextère. La convergence de ces annonces en moins d'un an pointe vers une même conclusion : le sim-to-real gap reste difficile à combler via la simulation seule, et les données synthétiques ne généralisent pas suffisamment aux environnements non structurés. Pour les intégrateurs industriels et les équipes R&D, cela redéfinit l'actif stratégique central : la volumétrie et la qualité des données egocentriques comptent autant que l'architecture du modèle. La course à l'embodied AI ne se joue plus uniquement sur les paramètres du réseau, mais sur la capacité à instrumenter des humains à grande échelle, ce qui soulève des questions pratiques de coût de collecte, d'annotation et de diversité des scénarios. DeepCybo évolue dans un écosystème chinois de la robotique humanoïde très compétitif, face à des acteurs comme Unitree, Agibot ou Zhiyuan Robotics, mais avec un positionnement centré sur l'IA plutôt que sur le hardware. À noter que l'article source utilise indifféremment les noms "DeepCybo" et "DeepMotor" sans distinction claire, ce qui suggère soit un changement de nom récent, soit une imprécision éditoriale. La principale inconnue reste le transfert effectif entre données humaines et performance robotique réelle en production : ni GeneralistAI ni NVIDIA n'ont encore démontré ce gap comblé à l'échelle commerciale, et DeepCybo, malgré une levée conséquente, n'a pas publié de résultats quantitatifs indépendants à ce stade.

Chine/AsieOpinion

1 source