Musk a déclaré début de cette année que son robot humanoïde « Optimus Gen 3 » devrait entrer en production de masse l'année prochaine. Dans la seconde moitié des grands modèles de langage, l'IA ne se contente plus d'évoluer dans l'espace numérique, mais doit également pouvoir entrer dans le monde réel pour accomplir des tâches à la place de l'homme, faisant de l'intelligence incarnée et de la robotique des percées clés. Le « moment iPhone » de l'intelligence incarnée est-il sur le point d'arriver ? Le 2 juillet 2026, lors du sommet urbain du Cloud de Tencent dans la vallée optique de Wuhan, nous avons organisé une table ronde pour mener une discussion approfondie et accessible avec des représentants experts du monde de l'entreprise, des universités et du gouvernement.
Invités :
Liu Chuanhou, Directeur des opérations (COO) du Centre d'innovation des robots humanoïdes du Hubei
Yang Songhua, Cofondateur et CTO de Lunpai Technology
Ma Junjie, Vice-président de Beijing Kunlunxing Robot Technology Co., Ltd.
Li Min, Professeur à la School of Mechanical Science and Engineering de l'Université des sciences et technologies de Huazhong (HUST)
Modérateur :
Wu Pengyang, Expert senior de Tencent Research Institute
【Points de vue clés】
01 Le « moment iPhone » est encore loin, nous sommes plutôt à « l'ère des téléphones portables ».
Les voies technologiques de l'intelligence incarnée ne sont pas encore convergentes, au-delà des VLA, de nombreuses explorations sont en cours, et seules quelques fonctions de base peuvent être satisfaites pour l'instant.
02 « Peut-il bouger ? » est résolu, « peut-il être utile ? » demande encore des efforts.
Le cervelet du robot (contrôle moteur) est déjà assez bon, mais le cerveau (prise de décision et généralisation) est loin d'avoir atteint un niveau commercialisable à grande échelle.
03 Les données sont le principal goulot d'étranglement, il existe un déficit important.
L'intelligence incarnée nécessite au moins des données de l'ordre de dizaines de millions d'entrées pour atteindre un moment similaire au « moment GPT 2.0 », mais actuellement, le total mondial n'est que d'environ 500 000 entrées, soit un facteur 200 de différence.
04 Le premier obstacle à la commercialisation est le calcul économique, actuellement défavorable.
Le coût d'un robot humanoïde, ajouté à celui des VLA, des modèles mondiaux, etc., est souvent beaucoup plus élevé que le coût de la main-d'œuvre humaine traditionnelle.
05 Les applications de l'intelligence incarnée visent trois types de marchés, avec un espace d'imagination potentiel de milliers de milliards.
Le marché de la valeur émotionnelle (dizaines de milliards), comme les spectacles/expositions, l'accompagnement/élevage ; le marché des services commerciaux (centaines de milliards), comme l'attraction de clients, le guidage dans les expositions, les services administratifs, le shopping ; le marché de la productivité par le travail manuel (centaines de billions), comme travailler en usine, faire le ménage à la maison, etc.
06 Les robots humanoïdes ont encore du chemin, mais l'intelligence incarnée peut avancer en premier.
Les applications d'intelligence incarnée peuvent déjà être utilisées aujourd'hui, pas nécessairement sous forme humanoïde, ni même forcément pour travailler. Une simple présence et un accompagnement, comme un animal de compagnie, suscitent aussi de l'attente.
07 Le but ultime de l'IA est dans le monde physique, pas derrière un écran.
Aussi mignon que soit l'IA sur un téléphone, il reste toujours une vitre entre elle et nous. L'intelligence artificielle finira par entrer dans le monde physique et dans tous les foyers.
08 L'utilisation de l'IA pour améliorer l'efficacité est un consensus, mais les décisions clés ne peuvent lui être confiées.
L'IA a déjà considérablement amélioré l'efficacité dans des domaines comme le codage, la recherche scientifique et l'enseignement, mais elle présente des risques de « tromperie » et de « substitution cognitive ». Les jugements et décisions centraux doivent rester entre les mains de l'homme.
Contenu complet de l'interview :
Q1 : Où en est l'intelligence incarnée ?
Wu Pengyang : C'est un grand honneur de discuter aujourd'hui avec les experts d'un sujet qui préoccupe beaucoup : l'intelligence incarnée. Ces deux dernières années, le marathon des robots humanoïdes, où les robots courent plus vite que les humains, a excité le public. Nous avons donc choisi un titre un peu provocateur pour notre thème : Le « moment iPhone » de l'intelligence incarnée est-il arrivé ?
Première question, où en est exactement l'intelligence incarnée aujourd'hui ? Les invités peuvent aborder la question sous l'angle technique, le développement des voies technologiques fondamentales, ou celui des capacités, comme courir, sauter ou exécuter des tâches complexes, selon leur expertise.
Liu Chuanhou : Pour commencer par la conclusion, je pense que le moment iPhone de l'intelligence incarnée est encore loin.
Pour le dire simplement, l'intelligence incarnée en est actuellement à une époque similaire à celle des « téléphones portables », ne pouvant satisfaire que des fonctions de base. Actuellement, les robots humanoïdes sont divisés en cerveau et cervelet, le contrôle moteur corporel (cervelet) est déjà très bon, mais le cerveau (décision et généralisation) est loin d'être prêt pour une utilisation commerciale. Depuis 2024, on discute constamment du cerveau des robots humanoïdes, mais aucune percée évidente n'est encore visible dans les applications industrielles concrètes.
La voie technologique du cerveau de l'intelligence incarnée n'est pas encore convergente. Les modèles VLA sont très en vogue, mais ils posent aussi de nombreux problèmes, le chemin est encore long. La technologie ne se fait pas du jour au lendemain, elle nécessite une série d'efforts. Bien sûr, des changements ont eu lieu cette année, comme la combinaison des modèles mondiaux, de l'apprentissage par renforcement et des modèles VLA, pourrait-elle créer une nouvelle voie ? Dans ce processus, des données clés comme les données tactiles peuvent-elles être intégrées au modèle ? Tout cela est en exploration. Après tout, pour un robot, il ne s'agit pas seulement d'éviter les obstacles, mais aussi d'interagir physiquement. Pour l'instant, aucun modèle algorithmique surpassant les VLA n'est apparu.
Le chemin est long et ardu, mais il faut garder confiance. Comme pour les téléphones portables dans les années 90, il était difficile d'imaginer qu'ils résoudraient autant de problèmes aujourd'hui. Pour les robots, ce sera probablement la même chose.
Yang Songhua : Je suis d'accord avec M. Liu. L'intelligence incarnée se divise principalement en corps physique et modèle. Du point de vue du corps physique, comme lors du marathon de robots l'année dernière et des performances des robots de différentes entreprises lors du Gala du Nouvel An, on peut voir que les robots ont fondamentalement résolu le problème de « pouvoir bouger ». La prochaine étape sur laquelle toute l'industrie se concentre est de savoir si le robot « peut être utile », c'est-à-dire la question du cerveau.
Concernant le cerveau, ayant moi-même travaillé sur les grands modèles de langage, si l'on revient sur leur développement, nous (l'intelligence incarnée) n'en sommes probablement même pas au moment GPT 2.0, car nous n'avons même pas encore une voie convergente. Nous avons longtemps travaillé sur les modèles VLA, mais cette année nous nous sommes tournés vers d'autres modèles comme les modèles mondiaux.
La voie n'étant pas convergente, tout le monde collecte des données, et les problèmes d'hétérogénéité et de synchronisation des données collectées sont difficiles à résoudre. Un problème majeur actuel est le déficit en données. L'industrie s'accorde généralement à dire qu'il faut au moins atteindre des données de l'ordre de dizaines de millions d'entrées pour que l'intelligence incarnée ait un moment similaire à GPT 2.0 ou 2.5. Mais actuellement, le total mondial est d'environ 500 000 entrées, soit un déficit d'un facteur 200.
Ainsi, l'intelligence incarnée a encore un long chemin à parcourir, que ce soit en termes d'architecture de modèles, de méthodes de collecte de données ou d'échelle de données. Mais je pense qu'en persévérant sur cette voie, nous réaliserons finalement la vision que nous avons de l'industrie robotique.
Ma Junjie : En tant qu'acteur de l'industrie, je vais détailler les capacités de l'intelligence incarnée en quatre aspects.
Premièrement, la capacité de contrôle moteur, c'est-à-dire le cervelet. Comme mentionné précédemment, cette partie est relativement mature. Mais pour atteindre une maturité absolue, il y a encore du chemin. Le cœur du problème réside dans certains modules clés, comme la protection contre les interférences électromagnétiques, la gestion thermique et les algorithmes de contrôle, qui nécessitent tous un perfectionnement constant.
Deuxièmement, la capacité de mobilité et de navigation. L'intelligence incarnée évolue dans un monde physique en 3D. Elle doit d'abord savoir où elle est, puis où aller, planifier automatiquement un itinéraire et éviter les obstacles dynamiquement. La technologie globale n'est que relativement mature ; l'approche « end-to-end » de la conduite autonome et les VLA peuvent être directement étendus à l'industrie de l'intelligence incarnée. Mais la conduite autonome sur route est un scénario plus simple que celui de l'intelligence incarnée. Par exemple, cette salle de conférence est bien plus complexe qu'une route publique. Pour une application généralisée complète dans de tels scénarios, l'intelligence incarnée nécessite un perfectionnement continu.
Troisièmement, la capacité d'interaction multimodale. Actuellement, les grands modèles de langage offrent une bonne capacité d'interaction verbale. Mais dans des scénarios d'accompagnement émotionnel, on pourrait utiliser des interactions corporelles liées aux émotions, ainsi que des expressions faciales, etc. Ces aspects en sont encore à leurs débuts.
Quatrièmement, la capacité d'exécution de tâches manuelles. Comme évoqué précédemment, les grandes orientations technologiques associées, comme les modèles mondiaux, font à peu près consensus. Mais comment construire concrètement un modèle mondial, chaque entreprise cherche sa propre voie viable. Une large mise en œuvre concrète nécessitera probablement encore un certain temps.
Li Min : Ce que tout le monde peut voir, c'est que les capacités globales des robots sont déjà très bonnes. Mais pour qu'ils soient réellement déployables et utilisables, la question cruciale est leur stabilité. Peut-on garantir que le robot fonctionne de manière stable pendant de longues périodes, comme une voiture ou d'autres outils de production ? Il y a encore un long chemin à parcourir sur ce point.
Ensuite, concernant les modèles, les modèles d'IA ou les modèles mondiaux mentionnés actuellement, leur voie et leur trajectoire ne sont pas encore totalement définies. Nous sommes encore dans un état de foisonnement et de concurrence. Une raison importante est que, comparé à l'IA virtuelle comme GPT, le problème le plus crucial reste celui des données. La difficulté d'acquisition des données pour GPT est relativement moindre car elle peut les obtenir sur Internet. Mais pour l'intelligence incarnée, l'acquisition de données est très difficile, ce qui rend la collecte complexe. Que ce soit les données du monde réel, les données de simulation, les données d'interaction physique ou les données tactiles, le manque de données entrave en réalité le développement des modèles.
Dans l'ensemble, l'intelligence incarnée a encore un long chemin à parcourir. Mais cette industrie évolue rapidement, changeant quotidiennement ou hebdomadairement, l'avenir est prometteur.
Wu Pengyang : Merci aux quatre invités d'avoir apporté une réflexion lucide dans cette période d'effervescence. Pour résumer l'état de développement de l'intelligence incarnée : Si on compare au téléphone, nous sommes à l'époque des téléphones portables ; si on compare aux modèles, nous sommes peut-être à GPT 2.0. Globalement, le moment iPhone est encore un peu loin, il faut avancer pas à pas et observer.
Q2 : État actuel et espace d'imagination des applications d'intelligence incarnée ?
Wu Pengyang : Deuxième question, comment se développent les applications d'intelligence incarnée ? Quels scénarios sont relativement matures aujourd'hui, ou montrent une possibilité d'application à grande échelle ? Où se situent les applications ayant un plus grand espace d'imagination futur ?
Li Min : Du point de vue universitaire, les grandes orientations actuelles sont l'entrée en usine et l'usage domestique ou les services. Dans l'ensemble, une application à grande échelle est encore prématurée. Ce que l'on voit actuellement, ce sont probablement des applications démonstratives.
Wu Pengyang : Y a-t-il des domaines qui progressent relativement vite ?
Li Min : La surveillance et inspection est probablement plus avancée, car elle implique relativement moins d'opérations manuelles concrètes, les applications sont donc un peu plus nombreuses. Mais pour véritablement remplacer l'homme en usine, le chemin est long, comme je l'ai mentionné précédemment avec le problème de stabilité, car les usines exigent une efficacité et un taux de réussite très élevés.
Wu Pengyang : Sur quelles applications de recherche travaillez-vous principalement ?
Li Min : Nous travaillons principalement sur la surveillance/inspection industrielle, l'industrie automobile, etc., en collaboration avec des laboratoires conjoints d'entreprises leaders. En réalité, la demande des entreprises pour l'intelligence incarnée est très, très forte, elles sont toutes optimistes, mais ces entreprises ne savent pas exactement comment l'utiliser et la déployer concrètement, elles s'appuient donc sur les universités pour mener des recherches et des démonstrations.
Ma Junjie : Je vais analyser cela du point de vue du marché, en trois catégories.
Première catégorie : le marché de la valeur émotionnelle (dizaines de milliards) . Actuellement principalement axé sur les spectacles/expositions, reposant sur les capacités de contrôle moteur. Récemment, certains fabricants ont lancé des robots d'accompagnement/élevage, pouvant utiliser des capacités d'interaction multimodale et de navigation mobile. Le marché est en phase de validation initiale.
Deuxième catégorie : le marché de la productivité par les services commerciaux (centaines de milliards) . Par exemple, l'attraction de clients dans divers scénarios commerciaux, le guidage dans les expositions/salons, l'orientation dans les centres administratifs, le conseil en magasin physique, etc., nécessitant principalement des capacités combinées de mouvement + navigation + interaction multimodale. Si les capacités mûrissent, ce marché atteindra des centaines de milliards.
Troisième catégorie : le marché de la productivité par le travail manuel (centaines de billions) . Par exemple, travailler largement en usine, faire le ménage à la maison, etc., dépendant principalement de la capacité d'exécution de tâches manuelles du robot. L'échelle de ce marché est de centaines de billions. Pourquoi ? Un milliard de smartphones, multiplié par 100 000 yuans (prix moyen bas d'une voiture autonome à énergie nouvelle), estimation simple : centaines de billions. Ce marché est énorme et présente de nombreux défis. Dans des scénarios spécifiques relativement standardisés et peu exigeants en généralisation, des essais peuvent être faits. Travailler en usine est possible, à condition que le ROI soit calculable. Je crois qu'avec le développement technologique, nous trouverons progressivement plus de scénarios pour le rendre plus mature.
Wu Pengyang : Quel scénario préférez-vous actuellement ?
Ma Junjie : Il faut viser la fin, mais le chemin, comme l'ont dit les experts précédents, est que nous sommes à l'ère des téléphones portables, il faut faire les bonnes choses au bon moment.
Wu Pengyang : Sur quel(s) scénario(s) travaillez-vous actuellement ?
Ma Junjie : Pour les robots humanoïdes, nous nous concentrerons principalement sur les deux premières catégories comme axes de production de masse, pour faire avancer notre modèle commercial, tout en investissant également dans certains scénarios concrets de travail manuel.
Wu Pengyang : Le deuxième scénario, le marché des services commerciaux, est plus vaste. Mais nous savons aussi que les robots dans les hôtels existent déjà, que peut encore faire l'intelligence incarnée, quelles sont les autres scénarios à valeur ajoutée ?
Ma Junjie : La valeur des services commerciaux se divise en deux types : la valeur émotionnelle et la valeur fonctionnelle. Les robots de service que l'on voit actuellement dans les hôtels sont principalement non humanoïdes, axés sur la valeur fonctionnelle, sans valeur émotionnelle. Si on leur ajoute une forme humaine, cela combine valeur émotionnelle et valeur fonctionnelle, le potentiel de marché est énorme.
Wu Pengyang : La valeur émotionnelle est justement le domaine d'expertise de M. Yang.
Yang Songhua : Je vais me concentrer sur un point qui intéresse aussi beaucoup les jeunes.
Comme mentionné précédemment, la tendance dominante cette année est l'entrée des robots en usine, le guidage, le remplacement de certains travaux répétitifs traditionnels. Mais cela pose une question : à partir de cette année, on commence progressivement à se commercialiser, et une fois la commercialisation entamée, il faut faire les calculs économiques. On se rend alors compte que le coût d'un robot humanoïde, ajouté à celui des modèles VLA et des modèles mondiaux, comparé au coût de la main-d'œuvre humaine traditionnelle, ne permet souvent pas d'équilibrer les comptes.
Wu Pengyang : À peu près combien de différence ?
Yang Songhua : Si vous voulez résoudre la valeur d'une application robotique, créer un robot pour le faire entrer en usine ou faire le ménage, il est souvent plus cher qu'un humain, et parfois beaucoup plus cher, et parfois instable. C'est un fait : pour qu'une chose démontre sa valeur pratique, même avec de l'argent, le calcul économique doit être fait.
Je pense que dans les trois prochaines années, les robots fourniront principalement de l'accompagnement et de la valeur émotionnelle. La valeur émotionnelle n'a pas de limite. Des entreprises comme Pop Mart en Chine ces dernières années, atteignant une capitalisation proche du billion, fournissent justement de la valeur émotionnelle aux jeunes, aux mères. Récemment, de nombreuses entreprises chinoises s'intéressent aux robots biomimétiques, suscitant des discussions de dizaines de milliards, voire de centaines de milliards sur Internet. Beaucoup de gens attendent avec impatience un robot, même s'il ne peut pas travailler, simplement assis là, vous regardant tranquillement, vous accompagnant chaque jour, discutant avec vous, nous en serions ravis.
Wu Pengyang : N'est-ce pas un peu effrayant ?
Yang Songhua : La valeur émotionnelle ne nécessite pas nécessairement un visage extrêmement biomimétique. Nous avons des chats, des chiens, ou Pop Mart a un Labubu, qui n'a aucune forme humaine mais peut fournir de la valeur émotionnelle.
Notre entreprise se concentre sur les robots d'accompagnement émotionnel. Par exemple, des parents très occupés souhaitent que leurs enfants puissent discuter chaque jour avec un robot ; ou des salariés fatigués, qui peuvent chaque jour recevoir de la valeur émotionnelle d'un robot, comme avec un chat ou un chien, mais sans les contraintes de nourriture et de promenade.
Quant à l'avenir, nous espérons tous que les robots finiront par entrer dans tous les foyers. Mais je pense que la première étape est aussi de cultiver la perception des utilisateurs, de leur faire d'abord ressentir la valeur d'accompagnement des robots, puis, lorsque notre technologie, nos modèles et nos volumes de données seront matures, les robots pourront progressivement accomplir des tâches comme le ménage.
Wu Pengyang : Les applications actuelles de grands modèles, y compris les Chatbots que nous utilisons habituellement, peuvent aussi accompagner et fournir une valeur émotionnelle. Pourquoi ajouter un robot pour l'accompagnement ? Quelle est la valeur fondamentale ?
Yang Songhua : Cela revient à une question fondamentale de l'industrie. Par exemple, l'IA sur téléphone peut être très mignonne, discuter de manière intéressante, beaucoup de gens flirtent avec l'IA. Mais nous pensons que l'industrie de l'intelligence artificielle doit finalement entrer dans le monde physique.
Au début, l'IA ne pouvait que reconnaître des images, traduire, puis les grands modèles ont permis de dialoguer, répondre aux questions. Maintenant, nous avons des agents intelligents si puissants qui peuvent nous aider à résoudre divers problèmes de flux de travail. Mais pour réaliser les scènes finales des films de science-fiction, les robots devront être comme les voitures aujourd'hui, à l'avenir, chacun achètera probablement un robot, qui nous accompagnera chaque jour, fera les courses, cuisinera, etc. C'est la tendance ultime de l'industrie de l'IA. Seule cette entité physique finale, que vous pouvez voir et toucher chaque jour, apportera un véritable sentiment de proximité.
Wu Pengyang : En effet, toucher simplement un téléphone reste un peu gênant.
Liu Chuanhou : L'intelligence incarnée et les robots humanoïdes sont liés, mais ce sont aussi deux choses différentes. Les robots humanoïdes sont par essence plus proches de l'humain et peuvent véritablement s'intégrer à la société humaine. L'intelligence incarnée a un champ plus large, pas seulement les robots humanoïdes, mais aussi les robots à quatre pattes, sur roues, qui appartiennent tous au domaine des robots d'intelligence incarnée.
Les applications des robots humanoïdes sont encore lointaines, mais les applications d'intelligence incarnée peuvent avancer en premier. Les robots de livraison de repas dans les hôtels, les robots aspirateurs automatiques, sont en réalité des applications potentielles de l'intelligence incarnée. Ensuite, les applications d'intelligence incarnée peuvent d'abord s'attaquer à d'autres scénarios applicables, pas nécessairement viser directement la forme humaine.
Notre centre d'innovation explore activement les applications de l'intelligence incarnée sur des robots non humanoïdes. Parce que la Chine et l'étranger sont très différents. À l'étranger, par exemple Tesla, recherche davantage le premier principe, veut créer un humain. Mais en Chine, la plupart des entreprises cherchent actuellement des scénarios, font des applications directes. Les produits de nombreuses sociétés robotiques ne sont pas non plus des humanoïdes bipèdes complets, beaucoup sont sur roues. Les applications d'intelligence incarnée peuvent en fait être utilisées maintenant, sans attendre dix ou vingt ans.
Le mois dernier, le ministère de l'Industrie et des Technologies de l'Information et la SASAC ont publié conjointement une action spéciale pour la formation pratique en situation réelle des robots humanoïdes et de l'intelligence incarnée. Notre centre d'innovation a également activement proposé la construction de 5 ou 6 produits partenaires. Cette année, d'un point de vue stratégique, promouvoir activement l'application des robots humanoïdes et de l'intelligence incarnée dans des scénarios réels est aussi une grande priorité nationale. Pour nous, suivre ou explorer des voies viables est très important.
Wu Pengyang : Quel scénario espérez-vous le plus voir percer ?
Liu Chuanhou : À long terme, résoudre les problèmes humains. À la maison, ce que je ne veux pas faire, ou ce que les gens ne veulent pas faire, c'est certainement ce que nous voulons résoudre. Mais le problème actuel est le suivant : les robots font ce que nous faisons bien, pas ce que nous ne voulons pas faire. Nous voulons que les robots cuisinent, fassent le ménage, mais en réalité, c'est nous qui faisons le ménage, les robots font des choses intellectuelles. Cela sera difficile à résoudre rapidement.
Q3 : Situation de l'écosystème industriel de l'intelligence incarnée et besoins de développement ?
Wu Pengyang : Pour que l'intelligence incarnée perce, elle nécessite certainement un écosystème, une coordination en amont et en aval de la chaîne industrielle. En partant de votre entreprise, de votre produit, comment percevez-vous le développement actuel de l'écosystème industriel ? Y a-t-il des points manquants, ou des attentes en termes d'environnement, de réglementation, pour des percées ?
Yang Songhua : Notre principal avantage dans le Hubei est que nous sommes une grande province manufacturière traditionnelle. Dans des endroits comme la vallée optique, il y a de nombreuses entreprises de fabrication optoélectronique et 3C, qui peuvent effectivement fournir un bon environnement de production de composants pour le développement de nos robots. De plus, le plus grand avantage du Hubei, en particulier de Wuhan, est la grande concentration d'universités, la densité de talents est très élevée. De nombreuses entreprises choisissent d'implanter leur R&D à Wuhan car il y a de nombreux ingénieurs expérimentés. Comme la collecte de données du Centre d'innovation des robots humanoïdes du Hubei dirigé par M. Liu, elle a effectivement aidé à résoudre le problème de l'emploi de nombreux étudiants. Les principaux avantages de Wuhan résident dans les données et les ingénieurs.
Concernant les besoins futurs de développement, comparé aux entreprises de Pékin, Shanghai, Shenzhen, il s'agit principalement du cerveau, des modèles. Parce que le cerveau d'IA nécessite les personnes les plus brillantes, Wuhan pourrait également avoir besoin d'attirer davantage d'entreprises de pointe pour jouer un rôle de démonstration pilote.
Wu Pengyang : Plus concrètement, par exemple lorsque vous développez un produit maintenant, y a-t-il un lien spécifique pour lequel vous pensez que les entreprises de grands modèles doivent vous fournir quelque chose ?
Yang Songhua : Actuellement, la plupart des entreprises faisant du multimodale utilisent probablement encore des modèles open source traditionnels. Nous espérons vivement que certains modèles VLA, modèles mondiaux puissent également être fournis sous forme de services, mais pour l'instant, c'est encore un peu difficile. Nous espérons que les entreprises de grands modèles peuvent d'abord fournir une bonne base, comme la base mixte de Tencent, que nous pouvons directement ajuster et utiliser. Ainsi, l'open source reste très important.
Ma Junjie : L'écosystème industriel se divise en amont et aval. En amont, il y a l'IA et le matériel, actuellement l'écosystème industriel chinois est assez riche. Mais chaque domaine nécessite une avancée continue, par exemple les pièces clés comme les réducteurs harmoniques, le traitement thermique, les équipements de test, etc., la technologie de la chaîne d'approvisionnement nationale doit encore être renforcée ; dans l'IA, les données, l'écosystème industriel, etc., nécessitent une intégration plus poussée.
Je voudrais également évoquer l'aval. L'historique de développement de l'intelligence incarnée est probablement similaire à celui des voitures autonomes à énergie nouvelle, car l'aval implique les canaux de vente, les solutions financières (comme la location-financement) , l'assurance, le marché de l'entretien après-vente, etc. Avec l'apparition croissante de l'intelligence incarnée dans notre vie, le marché aval se développera progressivement, ce qui est à la fois un défi et une opportunité.
Wu Pengyang : Selon vous, quel est l'aspect le plus difficile actuellement dans ces maillons ?
Ma Junjie : Chaque maillon est important. Pour vraiment bien faire les choses, il faut faire mûrir le marché, réaliser une spirale ascendante positive entre le marché et la chaîne industrielle.
Wu Pengyang : Vous avez mentionné l'assurance tout à l'heure, c'est très nouveau. Comment assurer un robot ?
Ma Junjie : Par exemple, si un robot fait un spectacle, il est préférable d'avoir un contrat d'assurance. En cas d'incident ou d'accident, l'assurance fournit une garantie. En réalité, l'assurance pour l'intelligence incarnée est similaire à celle des voitures à énergie nouvelle, vous pouvez le comprendre ainsi. Tout le monde explore, certaines branches industrielles ont déjà commencé à le faire.
Liu Chuanhou : Pour l'industrie de l'intelligence incarnée, en partant de la chaîne industrielle amont, l'année dernière nous avons recensé environ trente entreprises dans la province du Hubei. Mais cette année, en recensant celles pouvant entrer dans l'écosystème industriel, il y en a environ cent quarante. Bien sûr, leur intégration effective est une autre question, car elle implique le problème des volumes de production. La quantité de produits finaux liés aux robots ou robots humanoïdes que la province du Hubei peut produire détermine l'échelle de la chaîne industrielle amont stimulée par ces produits finaux.
Pour l'ensemble de l'écosystème industriel, où se situe le point de blocage ? Je pense que c'est probablement encore au niveau des données et des modèles. Je ne m'inquiète jamais des capacités de fabrication, de production de la Chine, mais pour les données et les modèles, c'est peut-être un problème plus important.
Précédemment, il a été dit combien de données étaient nécessaires pour atteindre un niveau similaire à la conduite autonome L3 ou L4 actuelle. Des experts de l'industrie ont prédit que l'autonomie a nécessité des centaines de milliards d'heures de données. Mais pour les robots ou robots humanoïdes, le volume de données pourrait atteindre des milliers de milliards d'heures. Nous n'avons actuellement que quelques millions d'heures de données, il reste un énorme fossé. Les modèles dépendent énormément des données, sans données, les modèles auront de gros problèmes lors du déploiement en scénario.
Je pense donc que la faiblesse actuelle est encore au niveau des données. Nous avons besoin de grandes quantités de données, et ces données doivent pouvoir être échangées, permettant à toutes les organisations ayant besoin d'entraîner des modèles d'y accéder facilement et à moindre coût, pour que des modèles plus performants émergent et fassent avancer toute l'industrie.
Wu Pengyang : Si l'on se concentre sur les robots humanoïdes, parce qu'il faut entraîner des actions et comportements humains, un peu comme lorsque les grands modèles demandaient aux gens de labelliser, est-ce que des personnes ordinaires pourraient aussi effectuer ces actions, permettant ainsi une participation du public à la fourniture de données ?
Liu Chuanhou : Les données se divisent principalement en plusieurs catégories. Les données de téléopération sont les plus chères, mais leur avantage est qu'elles peuvent être directement transférées sur le robot correspondant avec un simple ajustement. Les données humaines, depuis février de cette année, NVIDIA a lancé une nouvelle orientation technologique, la collecte de données sans corps est devenue une nouvelle piste. De grandes quantités de données sans corps, en particulier les données d'actions et de comportements humains, peuvent être collectées pour l'entraînement des modèles, ce qui peut résoudre une grande partie du problème.
Actuellement, le Centre d'innovation des robots humanoïdes du Hubei explore activement les collaborations, coconstruisant une plateforme d'application de circulation des données. Nous espérons également établir un mécanisme de type crowdsourcing, permettant aux gens ordinaires de collecter des données dans leurs scénarios de vie et de production. Si cela peut mobiliser les forces sociales, des millions, voire des dizaines de millions de personnes pour collecter ensemble des données, je pense que cela pourrait accélérer le développement de l'intelligence incarnée. Car ce n'est qu'ainsi que nous pourrons obtenir suffisamment de données pour faire avancer l'itération des modèles.
Wu Pengyang : Professeur Li, du point de vue universitaire, comment voyez-vous la situation de l'écosystème en amont et aval ?
Li Min : À Wuhan, par exemple à HUST, de nombreux diplômés travaillent relativement plus dans l'internet, c'est un avantage. De plus, l'industrie manufacturière traditionnelle de Wuhan est également très forte, y compris les nouvelles industries manufacturières comme le photovoltaïque et les puces optiques.
En réalité, un moteur important du développement de l'intelligence incarnée est le scénario et l'application. Cela est lié à un point crucial : produire des données, ce qui a un effet très stimulant sur l'intelligence incarnée, car les données sont elles-mêmes une infrastructure.
Du point de vue universitaire, l'État et le gouvernement accordent une grande importance au soutien de ce domaine. Par exemple, hier, la Fondation nationale des sciences naturelles et la province du Hubei ont créé un fonds conjoint, soutenant un milliard par an pendant cinq ans consécutifs, pour soutenir la recherche technique dans les domaines des robots humanoïdes et de l'intelligence incarnée. Notre Université des sciences et technologies de Huazhong dirige également un plan de percée pour les robots humanoïdes, collaborant avec l'Université Tsinghua, l'Université du Zhejiang, l'Université de technologie de Beijing, l'Université de technologie de Dalian et d'autres pour mener une série de recherches, comprenant dix projets.
Pour en revenir à l'écosystème, de nombreuses entreprises de la chaîne industrielle des robots humanoïdes faisaient auparavant de l'automatisation manufacturière, y compris les moteurs, la perception. Pour certains composants clés, comme les transmissions électriques dont on parle beaucoup, la perception des informations d'interaction physique, etc., la province du Hubei a également ses avantages. Par exemple, l'entreprise incubée par notre équipe, spécialisée dans la perception tactile, fournit actuellement la perception tactile de nombreuses mains habiles dans l'industrie. La province du Hubei a de bonnes bases dans ces domaines, avec un fort potentiel.
Q4 : État actuel et possibilités futures de « l'IA fabriquant l'IA » ?
Wu Pengyang : Comment se combine l'intelligence artificielle générative et l'intelligence incarnée ? Comment utilisez-vous les grands modèles de langage pour aider à améliorer l'efficacité des produits et des organisations dans votre travail ?
Liu Chuanhou : Nous utilisons essentiellement les grands modèles de langage depuis 2023 jusqu'à aujourd'hui. Lorsque ChatGPT est apparu, nous explorions déjà comment l'appliquer. Mais l'IA générative a en fait un gros problème – une grande tromperie, les réponses qu'elle donne ne sont pas forcément correctes. Utiliser l'IA pour créer de l'IA pose donc un grand problème cognitif. Mais cela n'empêche pas d'utiliser les capacités technologiques de l'IA, notre équipe de R&D l'utilise également, par exemple pour le codage, la gestion, notre R&D d'entreprise en est un utilisateur avancé, avec une attitude assez ouverte.
Yang Songhua : Je suis un entrepreneur né dans les années 2000, encore doctorant, je fais aussi beaucoup de recherche, écris des articles, ce domaine fait justement partie de mes sujets de recherche.
La méthode générale d'entraînement des grands modèles de langage traditionnels épuise toutes les données d'Internet. Pour les modèles après GPT-4, ils utilisent essentiellement des données générées par l'IA pour l'entraînement, ou bien un modèle enseignant très performant entraîne un modèle plus faible.
L'entraînement des modèles dans le domaine de l'intelligence incarnée se fait principalement de trois manières.
Premièrement, une approche similaire aux grands modèles de langage, utilisant un modèle avancé comme modèle enseignant pour affiner un petit modèle local auto-entraîné.
Deuxièmement, on peut utiliser des modèles actuels avancés comme les VLA pour nettoyer, filtrer, segmenter les données.
Troisièmement, les modèles mondiaux. Les premières données générées par les modèles mondiaux étaient en fait utilisées pour l'entraînement. Ensuite, on s'est rendu compte que puisque l'on pouvait générer des données de trajectoire de mouvement mécanique, pourquoi ne pas directement utiliser les résultats prédits comme sortie ? Comme pour la conduite autonome, on utilisait d'abord les modèles mondiaux pour générer des vidéos de scénarios extrêmes comme données d'entraînement supplémentaires. Je pense que la possibilité d'utiliser des modèles mondiaux pour entraîner l'intelligence incarnée est encore grande.
Wu Pengyang : Situation de l'application des données synthétiques en intelligence incarnée ?
Yang Songhua : En fait, beaucoup de données sont des données synthétiques similaires à la simulation. Mais la simulation n'est pas vraiment de l'IA fabriquant de l'IA, car la simulation nécessite une forte participation humaine pour écrire les règles physiques. Cependant, la simulation est principalement utilisée pour le pré-entraînement VLA ; pour les opérations fines, on utilise surtout des données de téléopération.
Ma Junjie : Je serai bref. Nous sommes une nouvelle entreprise d'intelligence incarnée, également une entreprise native de l'IA. L'IA est déjà intégrée dans notre travail quotidien et tout notre processus de R&D, du produit au design en passant par les interfaces, l'IA y participe. Globalement, utiliser l'IA est efficace, y compris une amélioration significative de l'efficacité, nous sommes donc une entreprise résolument native de l'IA.
Wu Pengyang : Selon vous, quelle est la différence fondamentale entre les entreprises traditionnelles et les entreprises natives de l'IA ?
Ma Junjie : Pour notre start-up, l'IA apporte d'abord de l'efficacité, ensuite un rapport coût/bénéfice. Par exemple, pour le codage de base, on peut atteindre un effet triple avec un tiers du coût humain. Mais j'ajoute que l'IA améliore actuellement notre efficacité, mais dans certains domaines comme les études de marché, l'IA peut parfois répéter du contenu. Donc, nos données et décisions clés ne doivent pas dépendre excessivement de l'IA, l'IA peut servir de référence.
Wu Pengyang : Quelles tâches confier à l'IA, lesquelles garder pour l'homme ? Y a-t-il un mécanisme de distinction ?
Ma Junjie : Sur le plan mécanique, l'IA participe à chacune de nos tâches, mais les points de décision centraux doivent rester entre les mains de l'homme. La sortie de l'IA est basée sur le sens commun, alors que les décisions correctes nécessitent souvent de s'opposer au sens commun. Je pense que souvent, il faut encore compter sur l'homme, surtout dans les échanges en face à face.
Wu Pengyang : Quel est le degré d'autonomie d'exécution de vos agents intelligents en entreprise ?
Ma Junjie : C'est difficile à quantifier. On peut simplement dire que, que ce soit pour le travail quotidien ou l'organisation d'événements, de design, il y a toujours un assistant qui peut grandement améliorer l'efficacité de chacun. C'est un peu comme un mode de groupe de travail avec agents intelligents.
Li Min : Les jeunes acceptent facilement les nouvelles technologies, ils cherchent toutes sortes d'outils pour gagner du temps et de l'énergie. En matière d'utilisation de l'IA, de la simple rédaction de rapports hebdomadaires, présentations, PPT, au code, aux idées et réflexions de recherche, à la rédaction d'articles, aux graphiques, nos étudiants utilisent tout. Ils utilisent aussi divers agents intelligents, nous les encourageons et les soutenons, y compris en achetant des abonnements.
Nous l'utilisons aussi dans l'enseignement. Parce qu'il y a beaucoup d'étudiants et que les enseignants ont un temps limité, nous créons parfois nos propres agents intelligents, laissant d'abord les étudiants interagir et discuter avec l'agent intelligent, qui résume les points clés, puis nous discutons plus en profondeur avec les étudiants. Cela permet de gagner du temps. Pour la rédaction d'articles aussi, si les étudiants ne sont pas familiers avec la structure et le cadre, l'IA peut les aider. Bien sûr, je leur demande de ne pas se contenter des graphiques générés par l'IA pour leurs devoirs, ils doivent apprendre à les créer eux-mêmes.
Mais il y a un problème important : l'avancée des outils entraîne la paresse. Parfois, les étudiants ne comprennent pas le raisonnement, pensent que le résultat de l'IA est correct, le processus de réflexion est complètement remplacé, ils rendent directement le résultat. Utiliser des outils est possible, mais il faut maîtriser certaines idées, formules, comme le principe, ce que les étudiants ont parfois du mal à comprendre.
L'utilisation de l'IA doit avoir une mesure, il faut contrôler chaque étape clé, ainsi l'IA peut nous servir. C'est avant tout un outil, un outil pour améliorer l'efficacité, mais nous devons reconnaître les effets négatifs de l'outil, les éviter autant que possible, pour utiliser l'outil au maximum.
Wu Pengyang : Dans votre enseignement et encadrement d'étudiants, avez-vous des méthodes pour que l'IA soit utilisée au bon endroit ?
Li Min : Parfois, nous créons nous-mêmes des outils pédagogiques, limitant les applications que les étudiants peuvent utiliser, au lieu de les laisser interagir directement avec une IA non limitée.
Résumé et perspectives
Li Min : D'un point de vue physique, l'interaction physique combinée à l'intelligence cloud finira par conduire à l'arrivée de l'AGI physique.
Ma Junjie : L'AGI physique finira par arriver, nous y travaillerons tous. Bien qu'il y ait plusieurs chemins, tous mènent probablement à Rome, voyons qui y arrivera le premier.
Yang Songhua : L'intelligence incarnée n'aura probablement pas de moment de singularité qui enflammera complètement le grand public comme l'iPhone ou ChatGPT, mais plutôt un processus progressif, s'accumulant et perçant progressivement dans certains scénarios, comme le moment GPT des scénarios industriels, le moment GPT de l'interaction homme-machine.
Liu Chuanhou : L'intelligence incarnée, le chemin est long et ardu.
Cet article provient du compte officiel WeChat « Tencent Research Institute » (ID : cyberlawrc), auteur : Tencent Research Institute
