Una escena familiar se repite.
Según se conoció en el sector de las inversiones, VisionX anunció que ha completado una nueva ronda de financiación Serie B2 de 1.000 millones de yuanes, con la participación conjunta de fondos globales de nivel nacional, capital industrial, instituciones financieras y plataformas estatales como Lion City Capital (que ha continuado su inversión durante múltiples rondas), China-Belgium Fund, Cinda Investment, Wanxiang Qianchao, Fosun Rui Zheng, Huagai Chuangying, Jinchuang Tou, Deyi Capital, Huacang Capital y Yuanshi Fund, entre otros. Antiguos accionistas como Guozhong Capital, Dachang Fortune Capital y Turing Asset Management han continuado su apoyo con aportaciones adicionales.
Según informaron personas cercanas al asunto, el interés de inversión del mercado en esta ronda superó ampliamente el objetivo de financiación original. Vale la pena destacar que esta es ya la tercera ronda de financiación de VisionX en tres meses, acumulando un importe total de 3.500 millones de yuanes.
Con esto, VisionX y su timonel, el doctor Huang Guan, de la generación de los 90, han creado una de las escenas más candentes del sector de capital riesgo de este año. Detrás de esta apuesta colectiva de los inversores, quizás se espere la inminente llegada del "momento GPT-3" de la AGI física.
Los inversores hacen cola para llegar, Tres meses, tres rondas de financiación sumando 35 mil millones
Como se puede ver, casi todos los tipos principales de instituciones de inversión del mercado están detrás de VisionX.
Desde sus inicios, VisionX obtuvo una ronda de financiación semilla de varios millones de yuanes, invertida por Chentao Capital. A partir de entonces, los inversores empezaron a hacer cola: en septiembre de 2024 completó dos rondas consecutivas de financiación Ángel y Ángel+ por casi 50 millones de yuanes, con inversiones de instituciones como BAIC Capital, MiraclePlus, Huamin Tou, Longding Investment, Qingzhi Capital y PKSHA Algorithm Fund.
Un año después, en agosto de 2025, VisionX obtuvo dos rondas consecutivas de financiación Pre-A y Pre-A+ por cientos de millones de yuanes. La ronda Pre-A fue liderada por Guozhong Capital, con la participación de Zifeng Capital y el antiguo accionista PKSHA Algorithm Fund; la ronda Pre-A+ recibió inversiones de China International Capital Corporation (CICC), Guangzhou Industrial Investment, Yicun Songling y Huaqiang Capital.
Posteriormente, el ritmo de financiación de VisionX se intensificó. En noviembre del mismo año, VisionX completó una nueva ronda de financiación Serie A1 de 100 millones de yuanes, con inversión conjunta de Huawei Hubble y Huakong Fund. Un mes después, la compañía completó una ronda Serie A2 de 200 millones de yuanes, liderada por Dachang Fortune Capital, con coinversión del antiguo accionista Huakong Fund, y seguida por instituciones reconocidas como Shoufazhan Chuangtou, Puyao Xinye, Caixin Capital, Huajin Capital, Zhangke Yaokun, Fuzhuo Chuangtou, etc. El antiguo accionista Hedinggong Capital realizó una aportación adicional.
Al entrar en 2026, el ritmo de financiación de VisionX dejó una profunda impresión en el sector de capital riesgo.
Primero, a principios de marzo de este año, completó una ronda de financiación Pre-B de casi 1.000 millones de yuanes, con inversores que incluían capital industrial líder en chips y automoción como SMIC聚源 (probablemente un fondo relacionado con SMIC), Shanghai Semiconductor Industry Investment Fund, Linxin Capital, Xingyuan Capital y Wanlin International, además de importantes plataformas estatales e instituciones financieras reconocidas como CICC, Su Chuangtou, Huaqiang Capital, Changjiang Capital, Guanggu Chantou, Xishan Guotou, Jinyumaowu, Xinding Capital, Lingyang Investment, Caixin Capital, Zhangke Yaokun y Chengzhu Investment. Entre ellos, antiguos accionistas como CICC, Huaqiang Capital, Caixin Capital y Zhangke Yaokun continuaron brindando un fuerte apoyo adicional.
Inmediatamente después, en abril, salió a la luz la ronda de financiación Serie B1 de VisionX, con inversiones de un conocido gigante tecnológico, múltiples fondos estatales de primer nivel, el CVC de Yili Group (Jianling Capital), Puhua Capital, Huafu Investment, Yida Capital, New Industrialization Fund, Shengjing Jiacheng, Turing Asset Management, Kaiyang Capital, Wuhan Gaoke, Guiyang Jintou y Shandong Chantou, entre otras destacadas plataformas estatales, capitales industriales e instituciones financieras de doble moneda. Antiguos accionistas como Huakong Fund, Huamin Tou, Yicun Capital y Lingyang Investment continuaron realizando aportaciones adicionales.
Con esto, la valoración de VisionX superó los 10.000 millones de yuanes, convirtiéndose en el primer unicornio valorado en 100 mil millones de yuanes en modelos del mundo a nivel nacional.
Hasta esta vez, la ronda de financiación Serie B2 se reveló oficialmente, lo que significa que en solo tres meses, VisionX acumuló 3.500 millones de yuanes en financiación, mostrando los inversores su apoyo con dinero real.
Analizando detenidamente, el recorrido de financiación de VisionX desde su fundación es un reflejo del creciente optimismo del mercado primario hacia el campo de la AGI física, y más aún, de la firme confianza de los inversores en la "ruta tecnológica de AGI física impulsada por modelos del mundo + capacidad de implementación a nivel productivo" de VisionX.
Las señales que esto transmite son igualmente profundas. Además, esto no solo es un testimonio de la acumulación tecnológica previa de VisionX, sino también el respaldo más valioso para su liderazgo en el campo de la AGI física y la apertura de un nuevo panorama industrial. Se puede prever que en el futuro, más inversores se unirán detrás de VisionX.
El sistema de "doble pirámide", la base para avanzar hacia la AGI física
Como se preguntan externamente, ¿por qué VisionX?
Invertir es invertir en personas. Detrás de VisionX hay un timonel, un doctor de la generación de los 90 de la Universidad Tsinghua: Huang Guan. Se graduó de pregrado en la Universidad de Ciencia y Tecnología de Huazhong, luego cursó una maestría en el Instituto de Automatización de la Academia China de Ciencias, y posteriormente se doctoró en el Departamento de Automatización de la Universidad Tsinghua. Además, ha trabajado en Horizon Robotics y Jianzhi Robot, y tiene experiencia laboral en instituciones como Microsoft Research Asia y Samsung China R&D Center.
Lo más destacable es que, a lo largo de su carrera, Huang Guan ha liderado o participado en financiaciones que superan los 2.000 millones de yuanes. Por ello, Huang Guan es uno de los pocos talentos líderes en el sector que combina experiencia de investigación de primer nivel en IA física, experiencia en ingeniería de producción en masa, experiencia en implementación comercial y experiencia en emprendimiento continuo.
El equipo central liderado por Huang Guan también ha vivido completamente la última década de desarrollo de la IA física, y ha logrado continuamente excelentes resultados en innovación tecnológica e implementación industrial en cada etapa, como visión por computadora (CV), conducción autónoma, inteligencia encarnada y modelos del mundo. Este es uno de los pocos equipos en la industria que posee experiencia y capacidad de primer nivel en todos los aspectos de la AGI física: algoritmos, datos, cuerpo, producción en masa, negocios y organización, un verdadero equipo de "guerreros hexagonales", digno de ser llamado el "equipo de ensueño" de la AGI física.
Si el talento es el impulsor del ascenso de VisionX, la innovación tecnológica es la base fundamental para su posición en el campo global de la AGI física.
Como es bien sabido, el desarrollo de la AGI física enfrenta dos cuellos de botella principales: primero, la fragmentación de datos, careciendo de datos de alta calidad y multidimensionales adaptados a escenarios de interacción física; segundo, los modelos base dominados por el lenguaje no son una arquitectura efectiva para codificar información 3D, causalidad física y acciones, lo que dificulta que los modelos comprendan leyes físicas complejas.
¿Cómo resolver estos dos problemas? La respuesta de VisionX es: tomar el modelo del mundo como núcleo y construir simultáneamente un sistema de "doble pirámide" de algoritmos y datos.
Entre ellos, la pirámide de datos se divide en cinco capas, de abajo hacia arriba: datos de video de Internet, datos de personas reales, simulador del modelo del mundo, datos sintéticos de simulación y datos de máquinas reales. Esta arquitectura de datos de cinco capas puede resolver los puntos débiles en el desarrollo de la AGI física, como la insuficiencia de datos, la baja calidad y la escasez de escenarios, proporcionando "combustible" suficiente y de alta calidad para el entrenamiento de modelos algorítmicos.
La pirámide algorítmica se divide en tres capas, centradas principalmente en tres capacidades centrales: simulación del mundo, alineación de acciones y refuerzo por experiencia. De esta manera, se puede lograr un salto desde la cognición física hasta la ejecución física, y desde la ejecución pasiva hasta la evolución activa, dotando a la AGI física de una capacidad de aprendizaje y adaptación similar a la humana.
El valor central del sistema de "doble pirámide" radica en la construcción de un mecanismo de evolución en ciclo cerrado donde los datos impulsan los algoritmos y los algoritmos retroalimentan los datos. La pirámide de datos proporciona datos masivos y de alta calidad de interacción física para la pirámide algorítmica, sustentando el entrenamiento y optimización de los modelos; la iteración y mejora de la pirámide algorítmica puede, a su vez, aumentar la precisión de la recolección de datos y la autenticidad de los datos de simulación, enriqueciendo el contenido de la pirámide de datos.
Lo más importante es que, después de tres años de desarrollo, VisionX ha creado un sistema dual de "generación del mundo - acción". En este sistema, el modelo de acción del mundo transforma la comprensión y predicción del modelo del mundo en estrategias de acción para robots: GigaBrain-0: un modelo de lenguaje visual grande (VLA) encarnado autodesarrollado impulsado por modelos del mundo, que obtuvo el primer lugar mundial con una tasa de éxito del 51.67% en RoboChallenge, la evaluación a mayor escala del mundo con máquinas reales.
GigaBrain-0.5M*: el primer paradigma nativo de agente de inteligencia física del mundo centrado en el "aprendizaje por experiencia dirigido por modelos del mundo", logrando la autoevolución a través de "modelo del mundo + aprendizaje por refuerzo", con una tasa de éxito cercana al 100% en tareas de alta dificultad y larga duración.
GigaWorld-Policy: un modelo de acción del mundo que rompe el triángulo imposible de "velocidad-rendimiento-eficiencia", logrando un aumento de 10 veces en la velocidad de inferencia y 10 veces en la eficiencia de entrenamiento, y una mejora de aproximadamente 30 puntos porcentuales en la tasa de éxito de tareas. En la plataforma de evaluación global autorizada RoboCasa365 para tareas de operación móvil en el hogar, superó a Nvidia GR00T N1.5, PI0.5, etc., obteniendo el primer lugar mundial, y convirtiéndose en el primer modelo de acción del mundo en encabezar la lista.
El modelo de generación del mundo comprende, simula y genera el mundo físico, proporcionando datos, una base de simulación y parámetros de pre-entrenamiento para el modelo de acción: GigaWorld-0: el primer trabajo histórico a nivel mundial que verificó que "los datos generados por modelos del mundo pueden mejorar efectivamente el rendimiento de robots reales", publicado y de código abierto en diciembre de 2025, obteniendo más de 1.5k estrellas en GitHub.
GigaWorld-1: un modelo del mundo condicionado por acciones (AC-WM), que en la evaluación autorizada WorldArena obtuvo el primer lugar mundial con una puntuación total de 62.34, superando modelos de instituciones internacionales líderes como Google, NVIDIA y Alibaba, siendo el primer modelo en superar los 60 puntos en la lista.
DriveDreamer: el primer modelo del mundo para conducción autónoma orientado al mundo físico real, invitado a presentación oral por NVIDIA, uno de los artículos más influyentes de ECCV 2024, logrando pioneramente la implementación industrial a gran escala de modelos del mundo.
Sin lugar a dudas, el modelo de acción del mundo y el modelo de generación del mundo son inseparables, se complementan y evolucionan en espiral, formando juntos el modelo base de la AGI física, acelerando así la llegada de la AGI física a su "momento GPT-3". En cierta medida, VisionX ha trazado un nuevo camino que gradualmente está siendo validado.
El mundo físico, la próxima parada de la AGI
Ha llegado un nuevo momento crucial en la era de la IA.
En los últimos años, la AGI digital se ha centrado en el procesamiento de información y la interacción virtual, apoyándose en modelos de lenguaje grande y modelos generativos multimodales para lograr funciones como creación de texto, diseño de imágenes y escritura de código, optimizando y mejorando esencialmente la "productividad de la información".
Sus limitaciones también son evidentes. Aunque la AGI digital ha mejorado enormemente la eficiencia en la difusión de información, creación de contenido y procesamiento de datos, no ha podido romper la frontera entre lo virtual y lo real. Como dijo la "madrina de la IA" Fei-Fei Li, los modelos de lenguaje grande siguen siendo "artesanos de palabras en la oscuridad", elocuentes pero carentes de experiencia, eruditos pero no arraigados.
Por lo tanto, en la visión del equipo de VisionX, la AGI no debería quedarse solo en la pantalla. El valor central de la AGI física radica en la ejecución física y la transformación del mundo material, comprendiendo las leyes físicas a través de modelos del mundo, percibiendo el entorno físico a través de modalidades múltiples y ejecutando acciones físicas a través de cuerpos mecánicos.
Sin duda, GPT-3 es considerado el punto de inflexión clave en el proceso de realización de la AGI digital, donde la Ley de Escalado (Scaling Law) mostró por primera vez capacidades emergentes. Hoy en día, después de tres años de continuos avances en sus sistemas de algoritmos y datos, VisionX ya ve la tendencia de convergencia en la ruta de la AGI física, lo que significa que el "momento GPT-3" de la AGI física podría llegar pronto.
Según se informa, VisionX lanzará GigaBrain-1 en el tercer trimestre de este año. Como el primer modelo base de AGI física del mundo basado en el sistema de "doble pirámide", GigaBrain-1 traerá tres avances clave: comprensión visual nativa (utilizando la visión como canal principal para la comprensión del estado), planificación de alto nivel mediante lenguaje (el lenguaje se encarga de la descomposición de tareas de alto nivel) y alineación con las leyes físicas (ampliación sistemática de datos de entrenamiento a gran escala de todo tipo).
Posteriormente, se lanzarán GigaBrain-2 y GigaBrain-3. Entre ellos, GigaBrain-3 se entrenará basándose en 10 millones de horas de datos de video + 1 millón de horas de datos mundo-acción, apuntando directamente al "momento GPT-3" de la AGI física.
Por supuesto, la tecnología finalmente debe concretarse en valor industrial.
VisionX ha tomado un camino singular: entrar en el hogar (C-end) y en la fábrica (B-end), corriendo ambas líneas simultáneamente. En la industria, actualmente son pocas las empresas de inteligencia encarnada que pueden obtener pedidos para el hogar, debido a que las necesidades de los escenarios domésticos reales son más complejas y diversas, mucho menos estandarizadas que los escenarios industriales.
Sin embargo, VisionX afronta el desafío, lanzando recientemente la sub-marca para escenarios domésticos "SeeLight" y presentando su primer robot humanoide universal para entrar en hogares reales "SeeLight S1", que ya ha obtenido cientos de pedidos para escenarios domésticos reales y se desplegará primero en la comunidad Guanggu Zhiyu en Wuhan, iniciando operaciones a escala en el tercer trimestre; la próxima generación de robot universal para el hogar "SeeLight S2" también se lanzará en el tercer trimestre.
De esta manera, VisionX ha logrado un avance pionero en el área más escasa de la industria: datos de máquinas reales en el hogar. Siguiendo el ritmo del producto SeeLight S2/S3, se corresponde con el momento ChatGPT de la AGI física: que habilidades ordinarias se utilicen ampliamente en escenarios domésticos reales.
En el extremo B, por un lado, frente a los escenarios de fabricación industrial, VisionX está pasando de la validación puntual a la producción en masa a escala. En abril de este año, VisionX lanzó el robot universal nativo de AGI física de pila completa autodesarrollado Maker H01, y junto con FAW Mould, Alibaba Cloud, completó la implementación de una solución integral para robots de inteligencia encarnada en escenarios reales de fabricación industrial, comprimiendo el ciclo de adaptación de escenarios de meses con esquemas de automatización tradicionales a semanas.
Al mismo tiempo, VisionX anunció este mes que, en un plan de tres años, desplegará conjuntamente con Longsheng Technology 1000 robots universales equipados con el cerebro encarnado del modelo del mundo de VisionX y la serie Maker en Wuxi: esta es la primera vez a nivel mundial que robots universales impulsados por un modelo base de inteligencia física inician una implementación a escala de miles de unidades en escenarios industriales, marcando que la inteligencia encarnada en China abandona completamente la fase de pilotos a pequeña escala y entra de lleno en el ciclo de producción en masa para escenarios industriales.
Por otro lado, VisionX ya ha convertido su serie de modelos del mundo para conducción autónoma DriveDreamer en un referente de la industria: el simulador de conducción de nueva generación centrado en modelos del mundo ya ha logrado acuerdos firmados y de producción en masa con múltiples fabricantes de equipos originales (OEM) líderes nacionales, OEM extranjeros y conjuntos, así como gigantes de chips de IA y Tier 1, sirviendo a más de 30 OEM líderes y empresas de conducción autónoma nacionales e internacionales.
En resumen, el despliegue en el extremo B, representado por los productos de la serie industrial, se corresponde con el momento Claude Code de la AGI física: el avance de habilidades avanzadas en escenarios de productividad.
Lo más importante es que la implementación de escenarios en dos líneas paralelas por parte de VisionX permite que los datos reales y el flujo de caja acumulados continuamente retroalimenten la base de datos de la "doble pirámide", impulsando la rueda volante de "escenario — datos — modelo — producto — ecosistema".
En la visión de Huang Guan, el momento GPT-3 logró la emergencia de capacidades inteligentes en los modelos; el momento ChatGPT hizo que la productividad beneficiara a cada persona común; el momento Claude Code logró que la capacidad de los modelos de inteligencia digital alcanzara el nivel de expertos en campos profesionales.
"Como empresa líder en AGI física que fue de las primeras en China en adoptar modelos del mundo, VisionX cree que la AGI física también pasará por etapas similares en el futuro, con la diferencia de que la AGI física actuará directamente sobre el mundo físico real. Lo que traerá no será solo una mejora en la eficiencia de la información, sino una reconfiguración de los modos de producción y vida, por lo que su impacto en la economía y la sociedad será aún más profundo."
Repasando la historia del desarrollo de la civilización humana, cada gran salto en la productividad ha estado ligado a avances tecnológicos centrales disruptivos. Por lo tanto, cuando la IA realmente rompa las limitaciones del ámbito digital y entre en el vasto mundo físico, sin duda desencadenará una nueva revolución en la productividad, liberando una productividad física infinita.
Esta es precisamente la visión última que pinta VisionX: la era en que la AGI física sirva a cada persona, ocurrirá gradualmente, hogar por hogar real.
Tal vez, esa escena esté por llegar.
Este artículo proviene del WeChat público "投资界" (ID: pedaily2012), autor: Liu Bo
