En las principales empresas de embodied intelligence de China se libra una batalla titánica:
Según ha conocido Investment Community, hoy (6 de julio), Xingdong Jiyuan ha completado una nueva ronda de financiación de 10.000 millones de yuanes. Esta ronda fue liderada por el Fondo ChengTong, una empresa de operaciones de capital estatal del Consejo de Estado, con la participación conjunta de varios grandes capitales estatales como Jiangxi State-owned Capital Operation Holding Group, Guoyuan Equity, Yufu Zhongxin Fund, Hangzhou Capital Group, etc. Además, CICC Renault, Jiukun Venture Capital, Hony Capital, JunTai Capital y ShengHe Capital participaron como co-inversores; los antiguos accionistas Houxue Capital, Tsinghua Holdings Tiancheng y Qianshan Capital continuaron con inversiones adicionales.
Con esto, Xingdong Jiyuan ha recaudado intensamente 25.000 millones de yuanes en dos meses, construyendo una triple matriz de capital: «liderazgo del capital nacional + empoderamiento financiero de primer nivel + sinergia del ecosistema industrial», que reúne la mayor cantidad de inversiones de capital industrial del sector, sumando más de 20 en total.
En intercambios previos con inversores, Xingdong Jiyuan nos dejó una profunda impresión: es la única empresa de embodied intelligence en la que Tsinghua University posee participaciones, una de las primeras en proponer el modelo del mundo (World Model) en el campo, y con solo tres años desde su fundación ya ha logrado entregas a escala en el escenario logístico. En el competitivo panorama de la embodied intelligence en China, con múltiples escuelas, Xingdong Jiyuan ha logrado abrirse paso discretamente.
Robot de la línea directa de Tsinghua
Recauda 25.000 millones en dos meses
Puede que el mundo exterior no lo sepa, pero Xingdong Jiyuan es quien propuso el World Model para la embodied intelligence.
Retrocedamos a 2024, cuando los VLA (Vision-Language-Action) seguían siendo la corriente principal en la industria, Xingdong Jiyuan ya había iniciado tempranamente la investigación relacionada con el World Model. No solo fue la primera en proponer la ruta del "World Model", sino que también publicó globalmente sus resultados sobre el World Model en una fecha muy temprana: el modelo PAD, lanzado en septiembre de 2024, fue el primer World Action Model (WAM) del mundo, que fusionaba predicción de video con predicción de acción, publicado casi un año antes que soluciones similares de NVIDIA (como DreamZero).
En aquel entonces, esta era una voz pionera y minoritaria, algo demasiado avanzada para ser comprendida por todos.
No fue hasta la segunda mitad de 2025 que las discusiones sobre el World Model comenzaron a aparecer frecuentemente en el campo de la embodied intelligence. En octubre de ese año, Xingdong Jiyuan, en colaboración con el equipo de Chelsea Finn de la Universidad de Stanford, lanzó Ctrl-World, utilizando el World Model como un simulador de datos para generar datos de entrenamiento que se aproximan a las leyes físicas reales, mejorando el rendimiento en un 45% respecto a Pi0.5. Posteriormente, hemos sido testigos de una gran explosión del World Model a nivel mundial, con toda la industria acercándose a este enfoque.
Poder avanzar un poco más rápido que la industria no puede separarse del singular bagaje académico de su fundador, Chen Jianyu.
Nacido en 1992, fue admitido en 2011 mediante una exención de examen en el Departamento de Instrumentación de Precisión de la Universidad de Tsinghua, una de las primeras unidades de China en investigar robots humanoides bípedos. Durante su licenciatura, Chen Jianyu comenzó a investigar la planificación de la marcha de robots bípedos. Más tarde, fue directamente al doctorado en la Universidad de California, Berkeley, donde estudió bajo la tutela del profesor Masayoshi Tomizuka, miembro de la Academia Nacional de Ingeniería de EE. UU. y pionero en el campo del control mecatrónico, profundizando en el aprendizaje por refuerzo para robots y algoritmos de control de movimiento.
Tras obtener su doctorado en 2020, invitado por el ganador del Premio Turing y académico de la Academia China de Ciencias, Yao Qizhi, Chen Jianyu regresó a China y se unió al Instituto de Ciencias de la Información Interdisciplinaria de la Universidad de Tsinghua como profesor asistente. A los 28 años, se convirtió en uno de los tutores de doctorado más jóvenes de Tsinghua en ese momento.
Estas experiencias académicas y de investigación hicieron de Chen Jianyu un talento escaso en la industria, con capacidades tanto en hardware como en "cerebro", lo que le otorga una gran perspicacia y sensibilidad en la elección de rutas tecnológicas y la iteración de modelos. En agosto de 2023, aprovechando la política de transferencia de resultados de Tsinghua, se fundó formalmente Beijing Xingdong Jiyuan Technology Co., Ltd., la única empresa de embodied intelligence en la que la Universidad de Tsinghua posee participaciones directas, con Chen Jianyu como fundador.
Su juicio central es: para lograr una inteligencia verdaderamente general, un robot debe poseer simultáneamente un "cerebro" inteligente y un "cuerpo" ágil —un robot sin cerebro fácilmente se convierte en chatarra, y un cerebro sin un cuerpo difícilmente puede llamarse robot.
Por lo tanto, desde el primer día de su fundación, Xingdong Jiyuan ha adoptado un enfoque impulsado por AI Native, construyendo la única barrera de "pila completa" auto-investigada del sector que abarca "datos-cerebro-control de movimiento-mano diestra-cuerpo". La lógica central es "prioridad a las necesidades del algoritmo, prioridad al valor de los datos", partiendo de las necesidades reales del entrenamiento y la implementación del modelo cerebral para definir inversamente el diseño del hardware. Hasta la fecha, cuenta con tres líneas de productos principales: el robot humanoide bípedo de tamaño completo Xingdong L7, el robot de servicio humanoide con ruedas Xingdong Q5 y la serie de manos diestras de cinco dedos de accionamiento directo Xingdong XHAND.
En menos de tres años, detrás de Chen Jianyu se ha formado una larga fila de inversores. Desde los primeros inversores como la Universidad de Tsinghua y Alibaba, hasta instituciones financieras de primer nivel como CDH VGC, Sequoia China, IDG Capital, Crystal Stream Capital, CICC Capital, y luego líderes industriales como SF Express, Samsung, Geely Capital, Haier, Lenovo, Singtel, BAIC Industry Investment, Dongfeng Industry Investment, CICC Porsche, CICC Renault, y fondos bajo China Unicom, así como capitales locales como el Fondo de Inversión en la Industria de Inteligencia Artificial de Beijing; la lista de accionistas de Xingdong Jiyuan prácticamente cubre el espectro de capital más completo en el campo de la embodied intelligence.
Al entrar en 2026, el ritmo de financiación se aceleró abruptamente: en marzo completó una ronda estratégica de 10.000 millones de yuanes, con una valoración que superó los 100.000 millones, apareciendo por primera vez capital industrial extranjero como Samsung de Corea y Singtel; apenas un mes después, llegó una financiación de 2000 millones de dólares, liderada por el Grupo SF, con la participación conjunta de instituciones líderes como Sequoia China e IDG Capital, ampliándose simultáneamente la lista de socios industriales; y hoy, plataformas estatales de nivel nacional como el Fondo ChengTong han entrado colectivamente, saliendo una nueva financiación de 10.000 millones de yuanes. Tres rondas de financiación grande y densa en tres meses, una de las velocidades de financiación más rápidas en el campo de la embodied intelligence este año.
Con esto, Xingdong Jiyuan ha construido una triple matriz de capital: «liderazgo del capital nacional + empoderamiento financiero de primer nivel + sinergia del ecosistema industrial», reuniendo tras de sí a más de 20 capitales industriales —una alineación no muy común en la industria.
Fortalecer el cerebro con la mano, abriendo un nuevo camino en embodied intelligence
Llegados a este punto, para que la embodied intelligence entregue valor industrial, la competencia ya no es en puntos fuertes aislados, sino en la capacidad de sistema integral de hardware y software —el cerebro (modelo y datos) determina el límite superior del valor, el cuerpo (el robot completo y sus actuadores finales) restringe el límite inferior de la capacidad.
Pero en este sistema, hay un núcleo central a menudo pasado por alto: la mano diestra.
La adherencia de Xingdong Jiyuan a la auto-investigación de la cadena completa "datos-cerebro-control de movimiento-mano diestra-cuerpo" impulsada por AI Native significa que el diseño del hardware no parte de la estructura mecánica, sino que se define inversamente desde "qué tipo de datos son más valiosos para el cerebro". Y la mano diestra de cinco dedos es precisamente la entrada de recolección de datos de interacción con el mundo físico más rica y detallada —si un agarre es exitoso, cómo cambia la retroalimentación de fuerza, si el objeto se desliza, estos datos de alta dimensión determinan directamente qué puede aprender el modelo.
En estos dos años, los modelos de Xingdong Jiyuan han ido iterando continuamente:
A principios de 2024, el equipo propuso por primera vez una arquitectura VLA de sistema rápido/lento para robots (VLA de frecuencias separadas), logrando la unificación de "hacer en tiempo real" y "pensar profundamente"; a finales de año, combinó el World Model con VLA, publicando el marco algorítmico VLA fusionado con World Model PAD y VPP, e integrándolos para lanzar el modelo nativo de cerebro de robot de extremo a extremo ERA-42.
ERA-42 es uno de los modelos centrales de Xingdong Jiyuan, que integra visión, comprensión, predicción y acción en uno, logrando que un mismo modelo VLA de extremo a extremo controle operaciones diestras de cuerpo completo.
En febrero de este año, Xingdong Jiyuan, basándose en Ctrl-World, lanzó VLAW, proponiendo a nivel mundial el primer marco de aprendizaje por refuerzo VLA basado en World Model, logrando una iteración colaborativa entre la estrategia y el simulador, haciendo que el World Model no solo "parezca correcto", sino que también sea "físicamente correcto". Hasta la fecha, Xingdong Jiyuan es una de las empresas de embodied intelligence con más logros en World Model.
El avance en la capacidad del cerebro no puede separarse de datos de alta calidad. En este punto, Xingdong Jiyuan, aprovechando sus manos diestras auto-investigadas y sus aplicaciones implementadas, posee el conjunto de datos de mano diestra en robot real más grande del mundo.
En resumen, Xingdong Jiyuan utiliza el hardware de la mano diestra para obtener datos de alta calidad sobre operaciones diestras, luego usa estos datos para entrenar modelos de "cerebro" más inteligentes, y finalmente devuelve el modelo evolucionado a la mano diestra, formando un ciclo positivo de "cuanto más se usa, más inteligente se vuelve, y cuanto más inteligente es, más trabajo puede hacer". Por lo tanto, el negocio de la "mano diestra" no es meramente un componente puntual en el cuerpo del robot, sino el núcleo central que conecta toda la capacidad de pila completa, y la entrada principal para recoger datos de interacción con el mundo físico.
Dado que predijo tempranamente que los actuadores finales serían un cuello de botella para la implementación de la embodied intelligence, la mano diestra de Xingdong Jiyuan adoptó, en su ruta tecnológica, el enfoque pionero de accionamiento directo total, más amigable para el cerebro: el módulo de articulación actúa directamente sobre la articulación, sin holguras de transmisión, pérdidas por elasticidad o fricción, produciendo datos nativos con alta precisión, baja latencia y capacidad de reproducción, que pueden usarse directamente para el entrenamiento de modelos, resolviendo desde la raíz el problema de la calidad de los datos de interacción física.
Actualmente, Xingdong Jiyuan adopta una estrategia de producto de "doble ataque con las manos", es decir, dos manos diestras con posicionamiento diferenciado:
1. Xingdong XHAND 1 PRO (Mano Cerebro), enfocada en alto rendimiento, posicionada principalmente como plataforma de recolección de datos y verificación de algoritmos, anclando el límite superior de la capacidad del modelo; 2. Xingdong XHAND 1 (Mano Trabajadora), que gracias a su arquitectura tecnológica de accionamiento directo total logra un control de fuerza preciso y operaciones flexibles, puede adaptarse a múltiples plataformas de robots humanoides, consolidando el límite inferior para la implementación a escala.
Según se informa, la Xingdong XHAND 1 ya cubre ampliamente diversas necesidades de escenarios como la selección industrial y operaciones rutinarias, convirtiéndose en la elección común de fabricantes de robots a nivel mundial: el unicornio estadounidense de embodied intelligence Skild AI, la coreana Rainbow Robotics, la británica Extend Robotics, Discover Robotics, así como el nuevo robot humanoide HMND 01 de la británica Humanoid AI, entre otros, utilizan la Xingdong XHAND1 como uno de sus actuadores finales centrales.
Cuando dentro de la industria la valoración de una sola mano diestra puede incluso superar la del robot completo, la narrativa de Xingdong Jiyuan de "fortalecer el cerebro con la mano" adquiere más valor. Pero, en última instancia, "fortalecer el cerebro con la mano" no es un fin, sino un medio: obtener datos de alta calidad a través de la mano, entrenar un cerebro más fuerte con esos datos, impulsar un robot más inteligente con ese cerebro, y finalmente hacer funcionar la capacidad de sistema de pila completa "datos-cerebro-control de movimiento-mano diestra-cuerpo", convirtiéndose en una verdadera fuerza productiva en escenarios industriales; esta es la verdadera barrera de Xingdong Jiyuan.
Y, basándose en su mano diestra auto-investigada y aplicaciones implementadas, Xingdong Jiyuan ya ha acumulado un conjunto de datos de mano diestra en robot real líder en escala dentro de la industria. Sobre esta base, la empresa ha establecido un sistema de tres niveles de fuentes de datos:
Nivel de valor central: datos de interacción de larga duración en robot real provenientes de escenarios reales como logística e industria, con una autenticidad física del 100%, constituyen la base central para que el modelo se ajuste a las necesidades industriales;
Nivel de entrenamiento preciso: datos de teleoperación de alta precisión, que proporcionan paradigmas de acción de referencia estandarizados; actualmente hay más de 12 millones de clips de datos de teleoperación en robot real, de los cuales los datos de teleoperación para mano diestra en robot real superan los 1.5 millones, uno de los conjuntos de datos de mano diestra en robot real más grandes de la industria;
Nivel de expansión de amplitud: datos de comportamiento humano en primera persona y datos de video a gran escala de internet, iniciando un escalado (Scaling) de millones de horas, cubriendo de manera económica una enorme cantidad de comportamientos y escenarios cotidianos.
Entre ellos, los datos de interacción de larga duración en robot real de escenarios reales y los datos de video humano a gran escala, que satisfacen simultáneamente autenticidad y diversidad, constituyen el doble motor central del sistema de datos.
Actualmente, el conjunto de datos general de Xingdong Jiyuan cubre más de 100 escenarios reales y más de 1000 tareas de operación diestra, garantizando plenamente la riqueza de escenarios y la diversidad de comportamientos de los datos, sentando una base de datos de alta calidad para la iteración continua del cerebro general de embodied intelligence.
Sobre esta base, Xingdong Jiyuan comienza a responder a la siguiente pregunta: ¿pueden estos datos, en escenarios industriales reales, sostener que el cerebro complete un ciclo cerrado comercial?
Los robots comienzan a trabajar de forma estable
Punto de inflexión
La respuesta está en los escenarios industriales donde los robots pueden trabajar de forma estable y continua.
Xingdong Jiyuan se adhiere a la ruta comercialización de "primero mercado empresarial (B2B), luego consumidor (B2C)", implementándose gradualmente en los campos de logística, fabricación de alta gama y escenarios de servicios comerciales.
Como hemos visto, Xingdong Jiyuan logró primero el primer PMF (Product-Market Fit) de la industria en el escenario logístico, colaborando profundamente con clientes líderes como SF Express y China Post, entrando por lotes en más de 10 centros logísticos en 5 provincias/municipios de las regiones norte, este y sur de China, algunos operando de manera normalizada las 24 horas del día, los 7 días de la semana.
Aquí, los robots de embodied intelligence pueden enfrentar flexiblemente diversas necesidades de selección, como agarrar paquetes de formas, materiales y tamaños variados, voltear etiquetas de envío hacia arriba y colocarlos, entre otras. Según se informa, en algunos escenarios la eficiencia incluso supera el nivel humano, con una velocidad de procesamiento de más de 1200 artículos por hora.
Hay una pequeña historia interesante al respecto: cuando la empresa líder de embodied intelligence en el extranjero, Figure, realizó una transmisión en vivo desde su sala de pruebas, los medios extranjeros les gritaron: "Los robots de Xingdong Jiyuan de China ya están trabajando en SF Express y China Post, ¿cuándo saldrá Figure de la sala de pruebas para implementarse realmente?"
Según se revela, en el futuro Xingdong Jiyuan continuará expandiendo el escenario logístico, construyendo un sistema de servicio de logística de embodied intelligence de proceso completo que cubra los eslabones de logística de entrada, logística interna, logística de ventas, logística posventa y extensión de la logística de paquetería.
Mientras tanto, los escenarios de fabricación de alta gama y servicios comerciales también se están desplegando simultáneamente. En el campo de la fabricación de alta gama de electrónica 3C y automóviles, Xingdong Jiyuan ya ha iniciado colaboraciones con líderes industriales como Samsung, Lenovo, Haier, Geely, etc. Los datos de robot real que fluyen de estos entornos industriales están nutriendo continuamente la iteración del cerebro de embodied intelligence. Además, el robot de servicio hiper-realista Xingdong Q5 ya se ha implementado en escenarios como Haier, Lenovo, Century Golden Resources, proporcionando servicios como atracción de clientes a tiendas, guía turística, entrega de productos, explorando una entrada al mercado de consumo.
La capacidad subyacente del cuerpo que sustenta la implementación en estos escenarios también está siendo validada por instituciones globales de primer nivel. Las manos diestras, la base del cuerpo genérico y los kits de desarrollo de Xingdong Jiyuan no solo son de uso propio, sino que también se han vendido a nivel mundial, sirviendo a 9 de las 10 principales empresas tecnológicas por valor de mercado del mundo, convirtiéndose en la elección común de empresas tecnológicas e instituciones de investigación de élite como OpenAI, Boston Dynamics, NVIDIA, Apple, Google, Amazon, ByteDance, así como el MIT, UC Berkeley, la Universidad de Stanford, la Universidad de Tsinghua, el Instituto Shanghai Qi Zhi, etc. La retroalimentación de los clientes de investigación de élite impulsa aún más la mejora continua de la base de hardware de Xingdong Jiyuan.
Cuando los robots comienzan a trabajar de forma estable, se levanta el telón de la era de liderazgo en embodied intelligence. A medida que más y más robots entren en el mundo real a ejecutar tareas, quien primero logre establecer una barrera de datos difícil de replicar y una barrera de evolución para la próxima generación de cerebros de robot, ocupará una posición clave en la nueva ronda de competencia.
Como se cree comúnmente, 2026 es un punto de inflexión para los modelos de embodied intelligence: en la primera mitad del año, la capacidad de los modelos marca la diferencia; en la segunda mitad, la diferencia la marca el cierre del ciclo comercial. El mercado de capitales ya no paga por historias, solo reconoce una cosa: si la tecnología puede implementarse, si la implementación puede escalarse y si la escala puede retroalimentar la tecnología.
El punto de inflexión ya es visible —no está bajo los focos del laboratorio, sino en las líneas de clasificación logística a las tres de la madrugada.
Este artículo proviene del WeChat Official Account "Investment Community" (ID: pedaily2012), autor: Yang Jiyun
