Source: huxiu.com
Produit par | Groupe technologique Huxiu
Auteur ｜ Chen Yifan
Éditeur ｜ miao zhengqing
Image de tête ｜ Génération AI
"L'intelligence brodée est toujours en période troublée."
C'est la première chose qu'il m'a dit quand il a rencontré Yin Peng, le fondateur de la cyberorigine (ci-après dénommé Saiyuan). Saiyuan est l'un des partenaires de Tesla, Nvidia et d'autres sociétés dans le domaine des robots humanoïdes. Le delta de la rivière Pearl où il se trouve est le cœur de la chaîne d'approvisionnement mondiale des robots, qui est le véritable "champ de bataille" de Yin Peng - toute entreprise liée aux robots dans le monde doit aller au Delta de Pearl River pour trouver une chaîne d'approvisionnement matérielle, et maintenant, il comprend également des données. Dans le cercle de robotique, ces entreprises qui fournissent des données de formation clés pour les robots humanoïdes de Tesla et Nvidia sont souvent considérées comme les "vendeurs d'eau" derrière les Giants.
Contrairement aux "vendeurs d'eau" qui étaient principalement liés aux liens de production et de fabrication en plus de dix ans, dans le cadre de l'ère de l'IA, les "vendeurs d'eau" de données émergent. Un groupe de Saiyuan a commencé à se concentrer sur la fourniture de données qui fournit aux robots des interactions de physique réelles. Prenant l'exemple de la société de Yin Peng, sa liste de clients comprend des robots humanoïdes de Nvidia, Tesla et Openai; Il comprend également le Robot Model Training Laboratory de Google et Stanford Li Feifei, qui est également l'endroit où Saiyuan peut ouvrir l'écart avec d'autres sociétés de données de robots.
Mais pour ces "vendeurs d'eau", les alarmes ont retenti de temps en temps depuis 2025.
Récemment, selon les médias, Tesla a été exposée à la suspension de la recherche et du développement de robots humanoïdes et de l'ajustement de sa conception. Yin Peng avait déjà connu cette nouvelle en avril, et la principale raison de la suspension était toujours le problème de données - Tesla a besoin de plus de données de robot pour former le modèle. C'est une bonne nouvelle pour les fournisseurs de données comme Saiyuan. Les données interactives physiques réelles, et non l'ontologie, deviennent les munitions de base dans cette course aux armements intelligents incarnés - "Les robots sont des moteurs et les données sont de l'huile. Sans huile, le moteur ne peut pas être transporté." Yin Peng a déclaré: "Nous devons devenir le plus grand fournisseur de données de Tesla."
Lorsque Huxiu a rencontré Yin Peng à Shanghai en juin, il a porté une tenue sportive, un polo et des baskets en désant noir et une frange tenace, il l'a jeté sur son front de temps en temps en parlant, et il le rangea soigneusement. Lorsque nous nous sommes rencontrés, il vivait un voyage d'affaires à court terme, avec un soupçon de poussière. Il avait besoin de retourner à Shenzhen la nuit, qui est également la base d'un grand nombre de "vendeurs d'eau".
En tant que PDG de Saiyuan, l'autre identité de Yin Peng est professeur adjoint à l'Université de la ville de Hong Kong. Il a étudié sous Slam et la figure légendaire de l'industrie de l'urbanisme, le professeur Jizhang, qui a créé un précédent pour le slam lidar 3D en temps réel et l'a commercialisé. Cette technologie est le «cerveau de navigation» des robots et des véhicules autonomes. Sans cela, des robots et des véhicules autonomes n'existeront pas. Yin Peng a depuis participé aux projets de la NASA (NASA), de la DARPA (Advanced Research Projects Agency of the U.S. Department of Defense) et NVIDIA. Son premier article de Journal international est devenu l'un des plans de référence pour Mars Landing de la NASA. Yin Peng est également consultant principal du projet de landing Mars de la NASA. Au défi du robot Underground de DARPA, Yin Peng et son équipe ont développé le premier système de modélisation de positionnement collaboratif multi-machine à échelle ultra-large, et ce résultat a également publié le deuxième article de Journal international.
Dans sa communication avec Huxiu, Yin Peng a continué à mentionner Musk, le fondateur de Tesla. Il a souligné la méthodologie du "premier principe". Il a lu l'autobiographie de Musk et a démontré la logique entrepreneuriale et l'histoire commerciale du "Iron Man of Steel" dans la Silicon Valley. Il a appelé Musk "Old Horse". "Le premier principe est très terrible. Il peut transformer quelque chose qui semble impossible pour les autres en possibilité." A déclaré Yin Peng.
En 2024, Yin Peng a choisi d'établir Saiyuan. Au début de son entreprise, Yin Peng a consulté de nombreuses personnes âgées, dont le professeur Li Zexiang et Gao Bingqiang de l'Université des sciences et technologies de Hong Kong. Le premier a suggéré d'utiliser pleinement les ressources de la grande région de la baie. Ce dernier suggère de faire des marchés à l'étranger et de réfléchir aux affaires C-end. Gao Bingqiang n'est pas seulement un mentor, mais aussi le premier investisseur providentiel de Yin Peng. Ce senior qui a investi dans de nombreuses entreprises cotées dans le domaine de la technologie dure lui a dit qu'à ce stade, trouver une réduction pour démarrer une entreprise et itérer la couche par couche.
Face à Huxiu, Yin Peng a partagé son point de vue sur l'intelligence incarnée et ses idées d'entrepreneuriat. D'un chercheur à un PDG de l'entreprise, Yin Peng était très déterminé car les universitaires sont déjà difficiles à répondre aux ressources dont il a besoin. Il doit aller à l'industrie et en première ligne pour obtenir des commentaires de données plus rapides et plus réalistes. C'est aussi la raison pour laquelle il n'a pas choisi d'être un CTO, mais a directement choisi d'être PDG.
"Si vous reconnaissez votre position, vous serez déterminé." A déclaré Yin Peng.
Chatgpt Moments de robots
Huxiu: La tendance évidente de l'industrie est qu'après l'émergence de Chatgpt, le concept d'IA EMBOED est apparu, puis les grandes entreprises telles que Tesla, Nvidia et Amazon ont commencé à publier leurs plans de robot humanoïde universel respectifs. Ce saut est extrêmement rare dans l'histoire des robots dans le passé. Qu'a fait exactement l'architecture du transformateur pour faire ce saut qualitatif de l'industrie?
Yin Peng: La plus grande amélioration de l'architecture du transformateur réside dans l'invention d'un modèle qui peut mettre à l'échelle la loi. Dans le passé, nous avons souligné à quel point l'effet de l'apprentissage du renforcement peut être réalisé. L'ensemble de données de formation et l'ensemble de données de test ne sont pas très différents, car il existe de nombreux scénarios et il est certainement impossible de couvrir tous les scénarios, de sorte que le modèle doit être recyclé en continu. Cependant, cette méthode d'apprentissage supervisée se développe très lentement dans des domaines inconnus. L'architecture du transformateur peut saisir suffisamment de données, puis affiner et les améliorer sous suffisamment de données.
Cette architecture de stratégie a été proposée pour la première fois par Google, mais celles qui l'ont vraiment utilisé étaient les personnes de Tesla qui ont utilisé l'architecture du transf...
[Courte citation de 8% de l'article original]