RobóticaNegocios y Mercado 🇨🇳 15.08.2026 22:02

Lang Xianpeng sobre recrear la 'conducción inteligente producida en masa a escala de millones' mediante el emprendimiento en robótica

Lang Xianpeng, figura clave detrás de la conducción autónoma de Li Auto desde cero y la producción en masa de 1,5 millones de vehículos, ha cofundado Kunlun Xing junto con Ren Geng de Huawei. La startup de IA encarnada recaudó miles de millones en financiación en tres meses, alcanzando el estatus de unicornio. En una entrevista, Lang enfatiza que el núcleo de la inteligencia encarnada es la 'comprensión', no la imitación, y que la competencia final radica en la producción en masa y la autosuficiencia. Analiza su enfoque técnico, basado en un modelo de mundo causal físico y la 'compilación de datos', y describe su camino comercial de empresa a empresa a empresa a consumidor.
Lang Xianpeng, quien lideró la conducción autónoma de Li Auto desde sus inicios hasta la producción en masa en 1,5 millones de vehículos, dejó la empresa para cofundar Kunlun Xing junto con Ren Geng, proveniente de Huawei. La compañía, que se centra en robots de inteligencia encarnada, recaudó miles de millones en financiación en tres meses, convirtiéndose en un unicornio. En una entrevista, Lang enfatizó que la clave de la inteligencia encarnada es la comprensión, no la imitación, y que la prueba definitiva de la industria es la producción en masa y la autosuficiencia, comparando el estado actual con la conducción autónoma de 2015-2016. Detalló su camino técnico: un modelo de mundo físico-causal y la 'compilación de datos' para enriquecer los datos de entrenamiento con propiedades físicas. Eligieron un enfoque de pila completa, desarrollando internamente componentes clave como articulaciones y motores. Su estrategia comercial comienza con aplicaciones de empresa a empresa (B2B), con el objetivo final de uso doméstico de empresa a consumidor (B2C). Lang estableció paralelismos con su experiencia en Li Auto, enfatizando los enfoques basados en datos y los cambios de paradigma, desde mapas de alta definición hasta soluciones de extremo a extremo y VLA. También destacó la importancia de la ingeniería junto con los modelos, y describió su arquitectura de 'un cerebro, múltiples formas', que aprende leyes físicas que son inherentemente generalizables.
Fuente: QbitAI 量子位 — original
Nuestros artículos anteriores sobre este tema ↓
Noticias frescas