Cainiao CTO Li Qiang lanceert Physical AI-platform, haalt meer dan 100 miljoen yuan aan seed-financiering op van Yunqi en SenseTime

Quantum Dynamics, een bedrijf dat gespecialiseerd is in Physical AI-platformen, heeft een seed-ronde afgerond van meer dan 100 miljoen yuan, mede geleid door Yunqi Capital en SenseTime, met betrokkenheid van MultiDimension Capital bij de incubatie van het project en de vorming van het team. Het bedrijf is in de eerste helft van 2026 opgericht door Li Qiang, voormalig CTO van Cainiao Group en Alibaba International Digital Commerce, en richt zich op de diepgaande integratie van AI met de fysieke wereld, met de ontwikkeling van een generiek intelligent systeem dat in meerdere scenario's kan worden hergebruikt. Li Qiang, die 17 jaar bij Alibaba Group werkte, brengt uitgebreide ervaring mee op het gebied van logistieke commercialisering, AI-technologie en wereldwijde bedrijfsvoering. De strategie van het bedrijf is om eerst robots in logistieke magazijnen in te zetten om exclusieve real-world data te verzamelen, en deze data vervolgens te gebruiken om het onderliggende wereld-actiemodel te verfijnen, dat gezamenlijk visie, actie, lichaamstoestand en tactiele signalen modelleert. Quantum Dynamics heeft een gesloten datacyclus opgebouwd die automatisch hoogwaardige datasegmenten identificeert en verzamelt, waaronder scenario's met menselijke interventie en bijna-faaltoestanden, om de modellen te trainen. Het bedrijf is van plan om in 2026 eerst B2C- en kleine tot middelgrote B-e-commercemagazijnen aan te pakken, met focus op aanvullen, picken en verpakken, en om tegen 2027 uit te breiden naar complexe koeriersnetwerken, met een langetermijnpad richting industriële, retail-, medische, commerciële en thuisgerelateerde diensten. De investering werd ondersteund door Yunqi Capital en SenseTime, die de pragmatische aanpak opmerkten van het starten met logistiek als validatiegebied. Quantum Dynamics streeft ernaar een continu evoluerend cluster van belichaamde intelligente systemen te bouwen, met behulp van offline reinforcement learning, preferentieoptimalisatie en simulatietraining om de prestaties van de hele vloot te verbeteren.