Moushen Brain lève près de 100 millions de yuans en pré-A : un professeur de Fudan et un ex-scientifique en chef d'Intel créent le « cerveau » des robots

La startup chinoise Motion Brain (眸深智能) a levé près de 100 millions de yuans (environ 13,8 millions de dollars) lors d'un tour de financement Pre-A. Les investisseurs comprenaient la plateforme d'investissement sectorielle Jinyue Investment, créée conjointement par une grande société de gestion chinoise, un consortium de Hong Kong et plusieurs entreprises publiques, ainsi que le fonds Chuanghehui Capital et l'investisseur précédent Xuhui Capital. Il s'agit du deuxième tour en deux mois après le tour Pre-A de 300 millions de yuans en mai 2026. De plus, un tour Pre-A+ de 500 millions de yuans est en cours de finalisation. Depuis le début de l'année, la valorisation de l'entreprise a été multipliée par plus de dix. Motion Brain a été fondée en janvier 2025 par le professeur Chen Tao, directeur du laboratoire d'apprentissage profond de l'Université de Fudan, l'ancien scientifique en chef d'Intel en Chine Zhang Yimin et l'entrepreneur en série Mu Zelin. Les employés clés ont de l'expérience chez Huawei HiSilicon, Intel et Nvidia. L'entreprise développe sa technologie depuis 2022. Elle a développé un modèle de diffusion dans l'espace latent (MLD), qui a, pour la première fois au monde, cartographié les mouvements dans l'espace latent et appliqué un modèle de diffusion pour générer des mouvements naturels. En septembre 2023, elle a présenté MotionGPT, un modèle qui divise les poses humaines en environ 3 000 « jetons de mouvement » (analogues aux jetons dans les grands modèles de langage), permettant aux robots d'effectuer de nouvelles actions sans formation spécifique (apprentissage Zero-Shot). D'ici 2026, sept générations de modèles ont été publiées. Sur cette base, le modèle STI-WM (modèle unifié espace-temps pour les actions mondiales) a été créé, un cadre pour la planification à long terme, le contrôle en boucle fermée et l'interaction physique, qui utilise un ratio de 80 % de vidéos Internet, 10 % de données de capture de mouvement et 10 % de données réelles de robots, réduisant le besoin de données réelles de 90 % et augmentant la précision à 99 %. Le modèle T²MB (Task*Task Motion Brain), annoncé en mars, permet aux robots d'apprendre de manière autonome sur place sans envoyer de données dans le cloud, augmentant ainsi la précision d'exécution des tâches jusqu'à 25 %. Les travaux de l'entreprise sont déjà cités dans les derniers modèles de Nvidia (ARDY). Les avantages techniques incluent la compression du modèle de centaines de milliards à des dizaines de milliards de paramètres, la réduction de la latence sur l'appareil de 200 à 10 millisecondes, la diminution du coût de calcul de 200 000 à 10 000 yuans par modèle, ainsi que l'adaptation aux puces chinoises (HiSilicon Ascend, Horizon Robotics, Enflame). Le travail de compression a reçu le prix IJCAI 2025 du meilleur article, le seul pour une équipe de la Chine continentale au cours des cinq dernières années.