La empresa china de IA encarnada y modelo mundial Qianjue Technology ha completado una ronda de financiación Serie A por cientos de millones de RMB. La ronda fue liderada por Jingming Capital, con participación de Shandong New Momentum y Shandong Caijin Capital. Los inversores incluyen fondos nacionales y socios industriales. Maple Pledge sirvió como asesor financiero de capital privado.
Fundada en junio de 2023, el equipo central de Qianjue Technology se originó del Centro de Investigación Cerebral de la Universidad de Tsinghua. La empresa se enfoca en el desarrollo de modelos grandes de toma de decisiones y planificación de IA encarnada, permitiendo que los robots logren adaptación dinámica al entorno y operaciones completamente autónomas.
La empresa ha adoptado un enfoque de "modelo mundial predictivo", en contraste con los métodos generativos dominantes que se basan en reconstrucción a nivel de píxeles. El director ejecutivo Gao Haichuan explicó que los enfoques generativos enfrentan problemas de "contaminación de características" ya que las imágenes del mundo real contienen grandes cantidades de ruido irrelevante. Para lograr reconstrucción perfecta a nivel de píxeles, los modelos unen características efectivas con información inefectiva, haciendo que las representaciones internas sean menos "puras".
El enfoque de modelo predictivo de Qianjue se centra en predecir trayectorias de evolución de baja dimensión de estados físicos. Así como los humanos predicen la trayectoria de la pelota para golpear la raqueta sin imaginar marcos de video claros, los robots solo necesitan anticipar "hacia dónde debe ir el siguiente estado". El modelo genera características abstractas de baja dimensión que se decodifican directamente en trayectorias de movimiento o instrucciones de planificación.
La empresa también ha propuesto una arquitectura predictiva distribuida, similar a las conexiones de regiones cerebrales en humanos. Esta arquitectura primero distribuye información a través de diferentes regiones, luego comprime y predice por separado, logrando mayor eficiencia de muestra y velocidad de inferencia más rápida, mientras reduce los datos de demostración necesarios para que los robots se adapten a nuevos escenarios.
La nueva financiación se utilizará para construir la arquitectura del modelo mundial desarrollado internamente, iteración de algoritmos e implementación de escenarios. La empresa también expandirá sus equipos centrales de I+D y entrega de proyectos, mejorará las capacidades de comercialización, y utilizará los datos de interacción real generados por los terminales masivos para iterar aún más el modelo mundial.
