Toujours selon les informations d'AI Investment, aujourd'hui (13 juillet), Qingyan Jingzhun a annoncé avoir achevé avec rapidité deux tours de financement de plusieurs centaines de millions de yuans en l'espace de 6 mois, marquant ainsi la finalisation officielle de sa série de financement de série B.
La "Team nationale + la moitié du secteur automobile" se dessine : le tour B2 de plusieurs centaines de millions de yuans est mené par Xingyuan Capital, avec la participation de FAW Fusheng ; le tour B3 qui a suivi, est mené par BAIC Industrial Investment, avec la participation de Yulon Group. Cette fois, le fonds industriel national Sinomach (China National Machinery Industry Corporation) fait également son entrée.
En juin 2026, le Ministère de l'Industrie et des Technologies de l'Information (MIIT) et la Commission de Supervision et de Gestion des Actifs d'État (SASAC) ont conjointement lancé l'"Action spéciale de formation pratique en conditions réelles pour les robots humanoïdes et l'intelligence incarnée", exigeant que l'intelligence incarnée ne se contente pas de fonctionner en laboratoire, mais pénètre dans des postes de travail réels en usine pour entrer en "mode opérationnel".
Bien avant cela, Qingyan Jingzhun s'était déjà positionné sur les fondations d'ingénierie de l'IA physique. Grâce à huit ans d'expérience sur le terrain industriel, elle permet aux robots incarnés d'"apprendre à travailler" dans des scénarios industriels réels, complexes et exigeants, permettant une véritable mise en œuvre.
L'intervention rare des capitaux des entreprises d'État centrales
En examinant la situation, les ressources industrielles de ce tour de financement de Qingyan Jingzhun sont extrêmement riches.
Parmi elles, on trouve le fonds industriel d'une entreprise d'État centrale – Sinomach Industry Fund.
Plus rare encore est la formation d'une matrice de capitaux automobile peu commune – l'ensemble du tour B rassemble 6 constructeurs automobiles : BAIC Industrial Investment, Xingyuan Capital, FAW Fusheng, Great Wall Capital, Shaanxi Automobile Capital, Yulon Group. L'investissement massif des constructeurs signifie que les fondations d'ingénierie de l'IA physique et le système de test et de validation de Qingyan Jingzhun sont déjà intégrés dans la chaîne d'approvisionnement centrale des principaux constructeurs automobiles chinois. C'est une reconnaissance provenant de l'amont et de l'aval de la chaîne industrielle automobile.
Cette structure d'investissement hautement verticale et dotée d'un très fort attribut industriel prouve que la logique d'investissement du marché des capitaux dans la seconde phase de l'intelligence incarnée a changé – les capitaux ne poursuivent plus aveuglément les démos vidéo de robots humanoïdes, mais investissent massivement dans les entreprises d'infrastructure d'IA physique qui maîtrisent les scénarios industriels réels, possèdent une boucle de données de haute qualité et disposent de capacités d'ingénierie pour la mise en œuvre.
Pour que l'IA physique soit véritablement déployée, elle doit nécessairement franchir les étapes de développement produit, de chaîne d'approvisionnement, de livraison sur site, de service client et de maintenance continue. Autrement dit, elle doit être mise à l'épreuve en conditions réelles et pouvoir être utilisable sur les lignes de production.
Un lien profond entre capital et activité est nécessaire pour garantir un accès continu et stable à des scénarios industriels réels, formant ainsi un cercle vertueux.
Comme mentionné dans l'"Action spéciale de formation pratique en conditions réelles", d'ici fin 2026, des produits clés comme les robots humanoïdes devront avoir achevé leur validation d'application et leur déploiement régulier dans un ensemble de scénarios représentatifs, entrant en mode opérationnel ; cristalliser et former plus de cent scénarios d'application à haute valeur ajoutée, enrichir davantage le spectre d'applications de l'intelligence incarnée, et favoriser la constitution d'une capacité de déploiement à l'échelle de dizaines de milliers d'unités.
Qingyan Jingzhun s'est positionné avec précision. Ces deux tours de financement coïncident avec un tournant stratégique : partant de la création d'une boucle fermée pour l'intelligence physique dans les énergies nouvelles, elle progresse progressivement vers des scénarios industriels plus vastes, s'engageant à construire les fondations d'ingénierie de l'IA physique industrielle et à se positionner profondément dans le domaine de l'intelligence incarnée.
Sous cet angle, sa percée ne réside pas seulement dans une technologie ponctuelle, mais dans une barrière composite formée par l'accès aux scénarios réels, la capacité de production de données, le système de test et d'évaluation, la capacité de livraison d'ingénierie et la capacité de modélisation du monde. Plus encore, elle a achevé la disposition de la chaîne complète avant même l'arrivée des politiques.
Alliance puissante : Tsinghua, Stanford, vétérans de la robotique
Le fondateur et PDG de Qingyan Jingzhun, Dong Han, a obtenu son doctorat à l'Université Tsinghua, sous la direction du professeur Li Keqiang, académicien de l'Académie d'Ingénierie de Chine. Il a officiellement fondé Qingyan Jingzhun en juin 2018, incubée par l'Université Tsinghua.
Au cours de ses 8 années d'existence, Qingyan Jingzhun a fait entrer ses produits de détection IA, de simulation et de validation par les tests dans la chaîne d'approvisionnement centrale de presque tous les constructeurs automobiles et fabricants de batteries de traction en Chine, avec des livraisons dépassant les dix mille unités, un déploiement dans plus de 30 pays, et une clientèle industrielle couvrant les secteurs clés des véhicules neufs énergie, des batteries de traction, du stockage d'énergie, des composants clés, des mines, de l'électricité, etc.
(De gauche à droite
La directrice générale de la filiale d'intelligence incarnée de Qingyan Jingzhun – Jingzhun Shijie (Précision Vision), Cao Qitong, possède un parcours académique en ingénierie à l'Université de Stanford. Elle a mené des recherches interdisciplinaires entre sciences de la vie et IA au Stanford Computer Research Institute, et les résultats associés ont été publiés en tant que première auteure dans une revue du groupe *Nature*. Chez Qingyan Jingzhun, Cao Qitong supervise principalement la migration et l'itération technologique de l'entreprise ainsi que la mise en œuvre commerciale des scénarios, mettant en avant l'avantage central de l'entreprise pour surmonter le dernier kilomètre de l'implémentation de l'intelligence incarnée industrielle.
Son domaine de recherche principal concerne la déduction des lois d'évolution de l'état d'un système à partir de données multidimensionnelles, multimodales et dynamiques. Transposé au contexte industriel, le problème fondamental est similaire : le robot ne voit pas seulement une pièce, mais un système physique dynamique constitué de la vision, de la force, du toucher, des paramètres de processus et des variables environnementales. Cela correspond parfaitement au modèle du monde physique industriel construit par Qingyan Jingzhun.
L'ingénieur en chef de l'intelligence incarnée de Qingyan Jingzhun et directeur technique (CTO) de Jingzhun Shijie, Zhao Ran, a précédemment occupé le poste de responsable de l'infrastructure incarnée chez Qianxun Intelligence et Zhipingfang Technology, deux entreprises leaders dans le domaine de l'incarnation valant chacune environ 20 milliards de yuans. L'arrivée du Dr Zhao Ran fournit une garantie solide à Qingyan Jingzhun pour la construction de l'infrastructure et de l'ingénierie de l'incarnation. En tant que membre de l'équipe du vétéran de la robotique, l'académicien Ding Han, le Dr Zhao Ran a approfondi le domaine de la robotique pendant plus de dix ans, alliant une solide expérience académique et industrielle.
Il a dirigé son équipe pour construire de zéro des plateformes de téléopération, de collecte de données, de boucle de données de base et de simulation. Plus de dix ans d'accumulation de technologies robotiques lui permettent de connecter de manière plus systémique les liens clés comme le corps (robot), les données, la simulation et les modèles, formant les capacités essentielles nécessaires à la construction d'une infrastructure d'intelligence incarnée. Son expérience de plateformisation et d'ingénierie, combinée à l'accumulation profonde de R&D de l'équipe, crée une synergie, favorisant davantage l'intégration profonde entre le gène académique de "pointe" et la capacité d'ingénierie industrielle "ancrée dans le terrain".
Dès lors, l'équipe, rassemblant une vision prospective de niveau mondial, un héritage d'ingénierie industrielle et une validation commerciale à l'échelle de dizaines de milliards de yuans, se positionne déjà à l'avant-garde de l'industrialisation de l'intelligence incarnée en Chine, devenant la "boussole technologique" et le "leader de la mise en œuvre" reconnus par l'industrie.
Fondations d'ingénierie de l'IA physique
Sur ces bases, Qingyan Jingzhun a réussi à effectuer une mise à niveau stratégique et un débordement de ses capacités – passant d'une entreprise de détection pour véhicules à énergie nouvelle à des fondations d'ingénierie de l'IA physique, visant à servir de fondations d'IA physique pour la mise en œuvre de l'intelligence incarnée dans le domaine industriel.
En correspondance avec l'"Action spéciale de formation pratique en conditions réelles", les sites industriels accumulés par Qingyan Jingzhun depuis des années sont déjà prêts. Dans différents secteurs industriels, les plus de 2000 nœuds de perception industrielle qu'ils ont déployés sont installés sur des postes de travail réels, allant du contrôle des batteries PACK pour l'énergie nouvelle à l'assemblage final des véhicules, des usines au sol aux mines souterraines, transformant les postes de travail clés en champs de données et de formation pour l'intelligence incarnée. Ces scénarios possèdent des données, des postes de travail, des opérations réelles, et sont les plus aptes à valider la valeur.
Le modèle incarné est le "cerveau", et Qingyan Jingzhun fournit le centre de formation pratique et le manuel qui permettent à ce cerveau d'"apprendre à coordonner le corps" et de valider ses capacités ; elle ne fabrique pas de robots (corps), mais elle forge la capacité des robots à travailler sur les sites industriels.
De plus, l'"Action spéciale de formation pratique en conditions réelles" mentionne qu'il faut s'appuyer sur les applications, optimiser continuellement les algorithmes de modèles d'intelligence incarnée grâce à un entraînement en scénarios réels, et accumuler des données de haute qualité provenant de machines réelles.
Et aujourd'hui, Qingyan Jingzhun est devenue un fournisseur de fondations de données pour l'IA physique.
Qingyan Jingzhun a développé de manière autonome le pipeline de données multimodales TsingLoop – il transforme les signaux originaux dispersés dans de multiples systèmes, grâce à un alignement unifié temps-espace-sémantique, en paquets d'actifs de données standardisés et réutilisables. Les données collectées une fois sont transformées par le pipeline, faisant passer les données brutes au statut d'"actifs de données" industriels ; les données historiques peuvent fusionner automatiquement avec les nouvelles données, s'itérer continuellement, formant une roue de données en croissance constante.
De plus, basé sur le pipeline de données multimodales TsingLoop, Qingyan Jingzhun construit actuellement un système de test Robot-in-the-Loop (robot dans la boucle) adapté aux scénarios industriels.
Ce système peut être compris comme une boucle fermée "collecte-simulation-validation-évaluation-itération" pour l'intelligence incarnée industrielle : le robot ou l'ouvrier exécute une tâche sur un poste de travail réel, TsingLoop collecte simultanément des données multimodales (visuelles, de force, de toucher, de trajectoire, de paramètres de processus, d'état des équipements et de résultats d'exécution) ; ensuite, le système reconstruit une scène de jumeau numérique basée sur les données réelles, rejoue les conditions opérationnelles historiques, reproduit les échantillons anormaux dans l'environnement de simulation, et effectue des déductions hypothétiques à faible coût et à haute fréquence sur différentes stratégies d'action.
Mais la simulation n'est pas une fin en soi. Les robots industriels devant finalement entrer en atelier réel, ils doivent surmonter l'écart entre le virtuel et le réel. Par conséquent, Qingyan Jingzhun introduit davantage le test en boucle avec robot : elle fait interagir en boucle fermée le corps de robot réel, le contrôleur, l'effecteur terminal, les capteurs et la scène de simulation, permettant de valider à l'avance les stratégies d'action, les limites de contrôle de force, les enveloppes de sécurité et les mécanismes de prise en charge des anomalies, sans occuper directement la ligne de production du client.
Après déploiement sur site, le module d'évaluation produit continuellement des rapports d'évaluation standardisés, incluant des indicateurs tels que le taux de réussite des tâches, le temps de cycle, le taux d'anomalies, le risque de collision, la consommation d'énergie, la durée de fonctionnement stable, etc. Ces résultats d'évaluation ne servent pas seulement de base à la réception, ils sont également réinjectés dans le pipeline de données TsingLoop, pilotant l'optimisation continue du modèle et la mise à jour des stratégies.
Le système répond ainsi de manière systématique à trois questions plus cruciales : peut-il accomplir la tâche de manière stable dans des conditions opérationnelles réelles ? peut-il passer l'acceptation du client ? peut-il être réutilisé sur la ligne de production suivante ? C'est ainsi qu'une fondation de données est réalisée.
Jusqu'à présent, Qingyan Jingzhun a dessiné une vision finale : "un socle, un cerveau, des centaines d'applications pour des scénarios verticaux", avec un système d'ingénierie des données comme socle, un modèle de cognition du monde industriel comme cerveau, déposant une intelligence physique réutilisable dans des centaines de tâches industrielles aux limites claires, comme l'électricité, les machines de génie civil, la fabrication des énergies nouvelles, les mines, etc.
À un point crucial où l'IA physique passe du concept à la mise en œuvre industrielle, les capitaux industriels misent sur Qingyan Jingzhun, attirés par sa capacité irremplaçable de déploiement sur le terrain.
Alors que le secteur débat encore des approches algorithmiques, Qingyan Jingzhun, enracinée sur les sites industriels et forgeant silencieusement les fondations d'ingénierie de l'IA physique, est déjà devenue discrètement le vendeur de pelles le plus essentiel de l'ère de l'intelligence incarnée.
Dans la seconde phase, son importance ne fait plus de doute.
