Lang Xianpeng sur la recréation de la « conduite intelligente produite en masse à l'échelle du million » grâce à l'entrepreneuriat en robotique
Lang Xianpeng, figure clé derrière la conduite autonome de Li Auto de 0 à 1 et la production en masse de 1,5 million de véhicules, a cofondé Kunlun Xing avec Ren Geng de Huawei. La startup d'IA incarnée a levé des milliards de financement en trois mois, atteignant le statut de licorne. Dans une interview, Lang souligne que le cœur de l'intelligence incarnée est la « compréhension » plutôt que l'imitation, et que la compétition ultime réside dans la production en masse et l'autosuffisance. Il discute de leur approche technique, basée sur un modèle du monde causal-physique et une « compilation de données », et décrit leur parcours commercial de B2B à B2C.
Lang Xianpeng, qui a mené la conduite autonome de Li Auto de sa création à la production en série dans 1,5 million de véhicules, a quitté l'entreprise pour cofonder Kunlun Xing avec Ren Geng, issu de Huawei. La société, qui se concentre sur les robots d'intelligence incarnée, a levé des milliards de financement en trois mois, devenant une licorne. Dans une interview, Lang a souligné que la clé de l'intelligence incarnée est la compréhension, et non l'imitation, et que le test ultime de l'industrie est la production en série et l'autosuffisance, comparant l'état actuel à la conduite autonome en 2015-2016. Il a détaillé leur voie technique : un modèle du monde causal-physique et la « compilation de données » pour enrichir les données d'entraînement avec des propriétés physiques. Ils ont choisi une approche de pile complète, développant eux-mêmes des composants clés comme les articulations et les moteurs. Leur stratégie commerciale commence par des applications B2B, visant éventuellement l'usage domestique B2C. Lang a établi des parallèles avec son expérience chez Li Auto, soulignant les approches axées sur les données et les changements de paradigme, des cartes HD aux systèmes de bout en bout et VLA. Il a également souligné l'importance de l'ingénierie aux côtés des modèles, et a décrit leur architecture « un cerveau, plusieurs formes », qui apprend des lois physiques intrinsèquement généralisables.
Source: QbitAI 量子位 —
original
