В начале 2026 года 27-летний Ли Имин, ассистент-профессор Школы искусственного интеллекта Университета Цинхуа и бывший исследователь NVIDIA, основал компанию Liquing Intelligence, работающую в области Physical AI — технологии физически обоснованного искусственного интеллекта. За первые два месяца работы стартап смог привлечь сотни миллионов юаней в рамках посевного раунда финансирования. Среди инвесторов — такие фонды, как Shunwei Capital, Sequoia China, Hillhouse Ventures, а также индустриальные партнёры.
Концепция Physical AI и роль «мировой модели»
Ли Имин подчеркивает, что Physical AI — это не просто отдельная модель или аппаратное решение, а комплексная система, объединяющая сбор данных, исследовательскую работу, разработку моделей и аппаратные средства. Аналогия с историей «Личи из Чанъани» иллюстрирует важность полноценной системы для успешной работы Physical AI — модель или техника без инфраструктуры и взаимодействия не смогут решить задачи.
Мировая модель — только часть системы
Термин «мировая модель» часто трактуется расплывчато, а сама идея вызывает множество споров в сообществе ИИ. Ли Имин считает, что важно не столько определять точное значение мировой модели, сколько создавать систему, которая позволит роботам адаптироваться к различным сценариям. В инфраструктуру входят два ключевых компонента:
- Data pipeline — масштабируемый процесс сбора и обработки огромного объема данных, вплоть до миллионов часов записей;
- Physics engine — самстроящийся дифференцируемый физический движок, позволяющий моделировать реальные физические процессы с обратной связью, обеспечивая цикл Real-to-Sim-to-Real.
Мировая модель в этой системе служит одновременно целью предобучения и виртуальной средой для обучения роботов с подкреплением в условиях физической симуляции.
Уникальность технического подхода
Liquing Intelligence разрабатывает полный стек решений самостоятельно — от оборудования для сбора данных до сложной модели и физического движка. Например, фирменные тактильные перчатки позволяют значительно снизить стоимость сбора данных, что позволяет масштабировать эту работу до миллионов часов. Дифференцируемый движок способен точно моделировать гибкие материалы, жидкости и пластичные объекты, что крайне важно для эмуляции реального мира и обучения навыкам сложных операций.
Области применения
Решения компании могут использоваться в различных сферах, включая:
- Производство;
- Ритейл и сферу обслуживания;
- Гостиничный бизнес;
- Приготовление пищи;
- Медицинскую помощь.
Технология может применяться на различных роботизированных платформах — от Dexterous Hands (манипуляторов с высокой точностью) до различных типов роботов-манипуляторов.
Кадры и команда
В команде более 50 сотрудников, большинство из которых студенты и выпускники Университета Цинхуа с лучшими техническими компетенциями и средним возрастом около 23 лет. Ли Имин подчёркивает важность специалистов с комбинированными навыками аппаратного и программного обеспечения для развития Physical AI — такие кадры крайне редки в Китае, и часть компетенций компания сама развивает внутри. Обучение новых специалистов в сильной команде обеспечивает быстрый рост квалификации.
Вызовы в развитии Physical AI
Большой объем данных и физические законы
Для успешного развития технологий необходим огромный объем разнообразных данных. В отличие от сбора данных с роботов, сбор данных от реальных людей с помощью специального оборудования масштабируется гораздо эффективнее, благодаря огромному числу работников и домашних пользователей.
Однако одной только масштабной базой данных нельзя обеспечить универсализацию моделей во всех сценариях. Именно поэтому крайне важно задействовать физические законы (например, уравнения Ньютона и Навье-Стокса), которые выступают в роли универсального обобщения физических процессов и позволяют значительно сократить необходимый объем реальных данных для обучения.
Liquing Intelligence удалось создать модель, которая использует всего 1% реальных данных по сравнению с другими, сохраняя при этом высокую точность и успех выполнения задач роботами.
Отличия «родных» мировых моделей
Существующие подходы, такие как VLA (Vision-Language-Action), видео-модели и JEPA, не являются «родными» мировыми моделями, поскольку их представления либо дискретны, либо не обеспечивают полной интеграции восприятия, рассуждения и действий в реальном мире.
Истинная мировая модель характеризуется способностью эффективно токенизировать сенсорные данные (зрение, осязание, силу) и обеспечивать взаимодействие робота с миром на физическом уровне, следуя законам физики, что является ключом к реальному интеллектуальному поведению.
Инфраструктура и будущее Physical AI
Помимо моделей, критически важным элементом является развитая физическая инфраструктура, включающая в себя не только платформу для данных, но и продвинутые физические движки, способные моделировать сложные объекты и их переходные состояния. Такая инфраструктура позволяет не только эффективно предобучать модели, но и проводить обучение с подкреплением для сложных долгосрочных задач.
Аппаратные решения
Наиболее перспективной аппаратной формой для широкого спектра сценариев работы являются колесные роботы с манипуляторами. Гуманоидные роботы обладают большим потенциалом, но пока технически сложны и ограничены по грузоподъемности и сложности операций.
Заключение
Компания Liquing Intelligence под руководством Ли Имина демонстрирует системный подход к развитию Physical AI, объединяющий комплексную инфраструктуру сбора и обработки данных, физическое моделирование и интегрированные программно-аппаратные решения. Такой подход позволяет снизить барьеры в обучении роботов и значительно ускорить развитие автономных систем следующего поколения. Ожидается, что к 2028 году наступит эпоха широкого внедрения подобных решений в различные отрасли экономики и сферы услуг.
Прокомментировать в Телеграм: https://t.me/n8nhow
Подписаться на канал обучения n8n: https://t.me/n8ncoaching