L'ère des valorisations élevées pour les démos est révolue : l'intelligence incarnée est désormais évaluée par la productivité

Après la conférence WAIC, le secteur de l'intelligence incarnée est entré dans une période de refroidissement subtile. Alors que les vidéos de démonstration inondent toujours les écrans et que les nouvelles de financement battent des records—avec plus de 200 événements de financement nationaux et 13 entreprises dans le club des 100 milliards de valorisation—les questions des investisseurs ont changé. Ils demandent désormais combien d'heures par jour les robots travaillent, si les clients renouvellent leurs contrats, et quand les investissements rapporteront. Le professeur Yang Xue de l'Université Jiao Tong de Shanghai, récemment nommé scientifique en chef chez Kewei Technology, note que le prochain tournant pour l'intelligence incarnée ne réside pas dans de plus grands modèles de langage, mais dans la compréhension du monde physique par le modèle, validée uniquement par des déploiements réels. Les valorisations élevées de l'ère de la démonstration découlaient du fait que le capital payait pour la limite supérieure du possible, et non pour la performance moyenne requise dans l'industrie. À mesure que les démonstrations deviennent banales, les valorisations passent de la possibilité à la productivité. Le secteur suivra le chemin des grands modèles de langage : batailles initiales, émergence de groupes de tête, puis différenciation et spécialisation. Les entreprises de la couche intermédiaire sans avantage technique central ni scénarios de déploiement réels perdent leur base de fixation des prix. Les survivants seront ceux qui possèdent de vrais scénarios, des boucles de données et une économie unitaire mesurable, ainsi qu'une capacité d'ingénierie et de livraison. Quatre critères deviennent des standards dans les audits préalables : le volume de déploiement réel (et non les expéditions), le taux de réachat et de renouvellement, l'ingénierie de fiabilité (fonctionnement 24h/24 et 7j/7, récupération rapide des pannes), et la qualité des boucles de données, où les cas limites affinés sont bien plus précieux que les données ordinaires. Kewei Technology est présenté comme un exemple : cela fait 11 ans qu'elle opère dans les robots de service urbain, avec plus de 10 000 robots en opération quotidienne dans plus de 50 villes, un modèle de renouvellement en tant que service, et une boucle de données alimentant son modèle général incarné COOWAM. Le secteur est susceptible de se différencier plus rapidement que les grands modèles de langage, récompensant ceux qui s'ancrent fermement dans des scénarios réels.