Zhi Yuan cette fois a devancé Elon Musk

Ce que Musk n’a pas réussi à faire, Peng Zhihui et son robot humanoïde l’ont accompli.

Récemment, Tesla a confirmé que son robot humanoïde Optimus Gen3 lancerait cette année, à la fin du printemps, une petite production en lots d’essai, et qu’une production de masse à grande échelle n’est espérée qu’en 2027. Même si ce calendrier a déjà connu plusieurs reports, la vision de Musk reste une référence pour l’ensemble de l’industrie mondiale.

Mais le tournant est arrivé très vite et sans prévenir : la progression de montée en cadence, initialement planifiée par “année”, a été comprimée en “mois”.

Le 30 mars, ZhiYuan Robotics a annoncé que le nombre de robots humanoïdes sortis de sa base de production en série avait dépassé les 10 000 unités. Cela fait moins de trois mois depuis leur dernière cérémonie de mise en service de 5 000 unités.

“Dépasser les 10 000” pour ZhiYuan signifie que l’intelligence à corps (incarnée) en Chine est passée des laboratoires au seuil de la commercialisation à grande échelle.

Pour ce joueur chinois, fondé depuis moins de trois ans, battre les géants de l’industrie sur la question de la production en série est, en soi, une déclaration.

Passer le mur de la production de masse

Si l’on trace la courbe du développement des robots humanoïdes en Chine sur les deux dernières années, 2023-2024 correspond à la “courbe Demo”, et à partir de 2025 on entre dans la “courbe de réalité industrielle”.

La différence entre ces deux courbes tient au fait que la première s’appuie sur des algorithmes, des bibliothèques de mouvements, l’orchestration de scénarios et le rendu pour produire un “effet” ; la seconde n’accepte qu’une seule norme : fonctionner en continu, sans panne.

“Aux yeux de beaucoup de gens, la production de masse d’un robot ressemble à une chaîne de montage, un moulage, de l’injection plastique, de l’assemblage et toute une série de processus standardisés. Mais, en réalité, pour la catégorie de produits des robots humanoïdes, la mise à l’échelle elle-même est l’un des problèmes techniques les plus difficiles.”

Le 30 mars, lors d’une interview après la réunion, le cofondateur, président et CTO de ZhiYuan, Peng Zhihui, a indiqué à Wall Street Insight que la production en masse à grande échelle dans l’industrie robotique est bien plus difficile que ce qu’on imagine.

Il a fait une comparaison : dans l’électronique grand public, lorsqu’un problème survient, on peut toujours redémarrer ; mais pour un robot, dès qu’il y a une erreur, “n’importe quel petit défaut de qualité est multiplié sans limite pendant le fonctionnement réel, et cela peut conduire à des blessures du personnel, ainsi qu’à des conséquences graves en cas de dommages à l’environnement”.

Cette difficulté s’est manifestée de manière très complète, au stade de la production en masse interne de ZhiYuan en 2024.

Le vice-président senior et directeur de l’activité généraliste, Wang Chuang, a rappelé qu’à cette époque, ZhiYuan se trouvait dans une phase allant de la montée extrêmement difficile de la 1ère unité jusqu’à la 200e, ce que l’entreprise appelle “l’instant le plus sombre”.

Après le lancement du nouveau produit en août de l’année, ZhiYuan a publié cinq modèles de robots d’un coup, dont le plus populaire, Yuanzheng A2, avec un prix unitaire dépassant 500 000 yuans. Après la conférence, les commandes ont afflué comme la neige, mais ZhiYuan n’a pas réussi à suivre : le produit ne pouvait pas être produit en masse, la technologie ne pouvait pas être déployée, et le modèle commercial ne fonctionnait tout simplement pas.

Wang Chuang a dit qu’à ce moment-là, la ligne de production n’était pratiquement pas standardisée. Plus il y avait de machines produites, moins l’équipe avait de temps à consacrer au travail, car une grande partie du temps était absorbée par la réparation. Et même, chaque robot qui sortait n’était pas identique : les ingénieurs devaient ajuster les paramètres un par un.

C’étaient des jours amers où l’on comblait l’écart vers l’industrialisation par la force humaine. À la fin 2024, pour résoudre les énormes problèmes générés par la production de la première série, ZhiYuan a mobilisé successivement plus de 150 personnes-équivalents en R&D sur les lignes de l’usine.

Chaque saut de niveau résout des problèmes totalement différents dans des dimensions différentes. Ensuite, de 200 unités à 1 000 unités, le plus gros goulot d’étranglement s’est déplacé de la ligne de production vers la chaîne d’approvisionnement.

Peng Zhihui a révélé à Wall Street Insight que lorsqu’ils ont d’abord décidé de fabriquer des robots humanoïdes, ils ont fait une enquête dans l’industrie et ont découvert qu’“il n’existait pas de fournisseurs de composants essentiels capables de s’adapter à nos besoins, de livrer en grandes quantités, et de manière mature, fiable”.

Les employés de ZhiYuan disent que, dans les débuts, les fournisseurs pouvaient peut-être fournir à l’occasion une ou deux cents unités pour “s’en sortir”. Mais lorsque l’échelle des commandes atteint le millier, voire le multiple des milliers, le système et les standards de qualité existants s’effondrent instantanément ; le produit ne supporte tout simplement pas des retouches et reprises en grande quantité. Aucune entreprise, parmi les articulations traditionnelles, les réducteurs, les mains agiles (grippers) et les batteries, n’est capable de garantir une stabilité de livraison au niveau des milliers, et encore moins une cohérence.

Puisqu’il n’y avait pas de voie toute prête, ZhiYuan n’avait d’autre choix que de tracer sa propre route. Peng Zhihui a déclaré : “Nous avons grandi avec la chaîne d’approvisionnement, en les faisant entrer pour faire de la recherche et développement conjointe.” De la technologie des matériaux aux outillages et gabarits de fabrication, des bancs de test aux processus de vieillissement, tout a été redéfini.

Sur des composants clés tels que les articulations et les mains agiles, ZhiYuan a adopté de nouvelles méthodes de fabrication développées conjointement avec des fournisseurs, rendant les pièces plus légères, plus précises, avec une durée de vie plus longue et des coûts plus bas. Ils ont aussi construit un “cercle d’approvisionnement de demi-heure”, exigeant que les fournisseurs clés puissent répondre dans un délai de demi-heure.

Cette stratégie de chaîne d’approvisionnement fortement intégrée, qui semble lourde à court terme, constitue en réalité, sur le long terme, la douve (moat) de ZhiYuan.

Le début de la capitalisation “ingénierie”

Si la capacité de la chaîne d’approvisionnement détermine si ZhiYuan peut fabriquer 10 000 robots, alors l’effet de capitalisation (compounding) du “data flywheel” détermine, une fois ces 10 000 robots produits, la valeur qu’ils pourront générer.

“Avant, notre manière de penser les robots consistait à d’abord fabriquer une base (le corps), à d’abord construire le corps, puis à y développer et insérer des ‘cerveaux’, des modèles, des algorithmes. Mais aujourd’hui, avec la sortie de 10 000 robots, le corps et le cerveau évoluent en même temps.” a déclaré Peng Zhihui.

Désormais, chaque robot qui sort de la chaîne est déployé pour collecter en continu des données sur les lignes de production automobile, les ateliers d’électronique 3C et les espaces de services commerciaux.

Ces données réelles, en retour, entraînent le modèle de base de ZhiYuan avec une vitesse sans précédent, rendant le modèle plus généralisable et plus pratique, ce qui permet ensuite aux robots de déverrouiller davantage de scénarios complexes.

“Plus les robots sont utilisés, plus ils deviennent intelligents.” a déclaré Peng Zhihui, “les 10 000 unités sont le point clé pour faire tourner complètement notre volant d’inertie (flywheel).”

En fait, cette logique est hautement cohérente avec la trajectoire d’évolution de l’industrie de la conduite intelligente (smart driving). La raison pour laquelle le FSD 12 de Tesla a pu réaliser un saut qualitatif autour de 2025 tient essentiellement au fait que des millions de véhicules en circulation contribuent en continu des données de conduite réelles. À l’heure actuelle, ZhiYuan réplique un chemin similaire dans le domaine des robots humanoïdes.

Pour Wang Chuang, dans l’évolution de toute technologie disruptive, au début, tout le monde a l’impression que le progrès est lent, très difficile ; mais lorsqu’elle franchit réellement un certain “point singulier”, comme un tsunami, alors tout le monde s’exclame : “c’est allé beaucoup trop vite”.

Tout comme les voitures électriques et la conduite intelligente auparavant, les robots humanoïdes s’approchent eux aussi de ce point critique d’explosion.

Selon les données de l’IDC, en 2025, le volume mondial de livraisons de robots humanoïdes approche 18 000 unités, soit une croissance d’environ 508% sur un an. Parmi elles, les entreprises chinoises occupent une position dominante dans les livraisons mondiales, dépassant les homologues américains.

En 2026, l’industrie entre dans une phase d’attaque de la production de masse à grande échelle. Selon la prédiction de le cabinet de conseil JiMo Consulting, le volume mondial de livraisons dépassera 50 000 unités, soit une hausse de plus de 700% sur un an. ZhiYuan a terminé la sortie de 10 000 unités en moins de trois mois en début d’année ; selon ce rythme, lors de la conférence de lancement, Wang Chuang a donné la prévision : “100 000 unités pourraient être atteintes d’ici la fin 2027.”

Cette prévision repose sur deux hypothèses. La première : le déploiement en pleine autonomie, permettant aux robots de se détacher du contrôle humain, de comprendre l’environnement, de se recharger en toute autonomie et de s’adapter en continu à des tâches plus complexes ; la seconde : la mondialisation. Wang Chuang a dit : “La demande d’une catégorie de robots est globalement universelle. Le vieillissement, la baisse de natalité, le manque de main-d’œuvre et les postes ennuyeux et répétitifs sont des problèmes auxquels le monde entier est confronté : de moins en moins de gens peuvent être recrutés.”

De l’Yuanzheng A1, dévoilé en août 2023, à la première sortie de 10 000 Yuanzheng A3 en mars 2026, ZhiYuan a réalisé en moins de trois ans un saut presque impossible.

L’histoire de cette entreprise est, dans l’essence, une nouvelle libération concentrée des capacités du système de l’industrie manufacturière chinoise sur une toute nouvelle catégorie ; le même scénario a déjà été joué de nombreuses fois, mais à chaque fois, cela continue de faire vibrer.

10 000 unités ne sont pas une fin. Mais à partir de ce jour, les robots humanoïdes ne sont plus seulement un concept du futur imaginé : ce sont des produits d’aujourd’hui.

_ Voici la retranscription de l’entretien de Wall Street Insight · Technologie 24/7 conjointe avec les cofondateurs de ZhiYuan Robotics et CTO Peng Zhihui, ainsi que le vice-président senior et directeur de l’activité generaliste Wang Chuang : _

Technologie 24/7 : Derrière la production de 10 000 unités, quels déploiements clés ZhiYuan a-t-il réalisés sur la chaîne d’approvisionnement, le contrôle des coûts et la capacité de production ?

Peng Zhihui : Tout à l’heure, je l’ai aussi mentionné : à quel point la difficulté des 10 000 est grande. Le processus allant de 1 000 à 10 000 a pris plus d’un an, et cela a permis un saut de 10 fois en volume. Derrière, les défis se reflètent dans une capacité globale qui se manifeste sur cinq dimensions : efficacité de fabrication, mise en œuvre des scénarios, valeur pour le client, data flywheel et croissance conjointe de la chaîne d’approvisionnement. On peut dire que ZhiYuan est la première entreprise au monde qui ait véritablement fait fonctionner l’ensemble du flux complet, de l’échantillon de laboratoire jusqu’à la livraison industrielle à grande échelle. La difficulté la plus grande, ce sont les défis de cohérence par lots et de contrôle des coûts.

Les robots ne sont pas comme les téléphones. Si quelque chose tombe en panne, pour un problème logiciel on peut redémarrer ; mais pour un robot, une erreur peut faire s’effondrer la qualité et la production de lots, et causer des dommages irréversibles aux utilisateurs et à l’environnement. L’approvisionnement stable en composants clés, la réduction du coût du système complet, ainsi que la qualité, la qualité, la stabilité, la fiabilité : tout cela sont des “durs os”.

Pour régler ces problèmes, il y a deux choses particulièrement importantes :

Premièrement, se consacrer à fond à la chaîne d’approvisionnement. Grandir avec la chaîne d’approvisionnement et redéfinir les standards de la nouvelle industrie. Nous avons mis en place la première chaîne d’approvisionnement standardisée de l’intelligence incarnée au monde. Nous avons même fait entrer nos partenaires clés pour développer en co-recherche, par exemple en utilisant de nouvelles méthodes sur des composants clés comme les articulations et les mains agiles ; ces méthodes ont été développées conjointement avec les fournisseurs, ce qui rend les pièces plus légères, plus précises, avec une durée de vie plus longue et des coûts plus bas, et reflète ainsi une forte avance produit.

Deuxièmement, remodeler le mode de production. Y compris la validation des procédés de l’usine pilote de mi-industrialisation (semi-pilot) que nous avons sur le site actuel : l’usine de production de masse garantit la stabilité. L’usine pilote sert à valider en amont les processus de test et d’assemblage. De plus, grâce à des modes de production flexibles comme la production pilotée par les commandes, on parvient non seulement à rendre les composants clés autonomes et contrôlables, mais aussi à construire la chaîne du “cercle d’approvisionnement de demi-heure” : nous formulons certaines demandes aux fournisseurs, et le fournisseur doit pouvoir répondre dans un délai de demi-heure.

10 000 unités ne sont pas la fin : c’est une preuve que nous avons la capacité d’utiliser la déterminisme de l’ingénierie pour faire réellement passer l’intelligence incarnée de “jouet” à “future force productive”, ce qui est un nœud clé indispensable.

Technologie 24/7 : Le moment du “ChatGPT de l’intelligence incarnée” est-il arrivé ?

Wang Chuang : La plus grande différence, c’est que les clients donnent souvent des retours indiquant que la chaîne de production change fréquemment. Par exemple, une ligne de manipulation d’un élément de cellule (électrode/cellule) peut être transformée au bout d’un certain temps en ligne pour un autre modèle d’éléments de cellule, voire même pour des matières complètement différentes. Si on utilisait des méthodes d’automatisation traditionnelles, il faut souvent mettre au rebut des équipements déjà réussis, puis développer de nouveaux équipements. Cela veut dire, au minimum, qu’il faudrait faire séjourner de nouveau des ingénieurs sur site pendant un mois pour développer de nouveaux algorithmes.

La plus grande signification de l’intelligence incarnée, c’est la généralisabilité. C’est comme nous : en utilisant GPT pour lui poser n’importe quelle question, on obtient souvent des réponses très floues si la question est très floue, mais il peut quand même comprendre et se généraliser. Nous espérons aussi que, dans le monde physique de l’intelligence incarnée, il puisse comprendre de façon généralisée ce qu’il doit faire. Il pourrait y avoir une très grande quantité de pré-entraînement à ce niveau, puis un renforcement par l’entraînement sur des données collectées à partir de chaque poste. À la fin, on cherche un taux de réussite que la chaîne de production peut accepter ; la chaîne de production vise souvent des standards comme 99,9% ou 99,99%, et le cycle (cadence) doit être comparé à celui des humains.

Désormais, nous voyons que, dans certains scénarios de chargement/déchargement, cela commence progressivement à fonctionner. Nous espérons aussi que, dans davantage de scénarios dans l’usine pour les robots à roues, cela fonctionnera progressivement, et que, pour les robots bipèdes, dans les scénarios d’accueil, de visite guidée et de vente/recommandation, cela pourra aussi progressivement fonctionner.

Technologie 24/7 : Ces derniers temps, ZhiYuan a enchaîné des percées récentes en algorithmes, technologies de simulation, etc. Les robots sortis pour la première fois à 10 000 unités intègrent-ils ces résultats technologiques ? Et les données réelles et les retours d’ingénierie apportés par la mise en production à l’échelle de 10 000, comment réinjecteront-ils l’innovation pour l’itération des technologies et l’adaptation aux scénarios sur machine réelle ?

Peng Zhihui : Pour nous, la boucle de données / le data flywheel a une grande valeur et un grand sens. La première sortie de 10 000 unités correspond à Yuanzheng A3 : c’est le nouveau modèle le plus récemment lancé. Nous ne sommes pas encore au stade d’expédition par lots. De nombreuses fonctions logicielles n’ont pas encore atteint ce stade : elles continuent d’être optimisées.

De nombreuses nouvelles technologies seront certainement d’abord appliquées et validées sur les nouveaux produits. Par exemple, sur A3, il y a d’importantes améliorations en termes de légèreté du corps, d’autonomie, de rapport poussée-poids (thrust-to-weight) et de capacité d’interaction. L’ensemble ne pèse que 55 kilogrammes, soit plus léger que la plupart des humains à cette taille ; l’autonomie peut atteindre plus de 10 heures, et il embarque divers nouveaux capteurs (par exemple des capteurs tactiles).

Le plus important, ce sont les logiciels des “petits et grands cerveaux” (soft du grand cerveau et du petit cerveau) et les modèles d’algorithmes : ils intègrent les derniers modèles de contrôle en mouvement de l’ensemble du corps, y compris des algorithmes de contrôle en groupe, c’est-à-dire des résultats d’algorithmes permettant le contrôle de groupes.

À l’heure actuelle, en dehors des nouveaux modèles comme Yuanzheng, les produits déjà publiés auparavant sont aussi déployés dans des scénarios réels. Par exemple, la série “Jingling” a déjà été déployée dans des scénarios industriels de fabrication, de logistique et de sécurité. Nous avons, sur les lignes de production de l’ordinateur tablette de Longqi Technology, notre A2 qui travaille 24 heures sur 24, faisant la manipulation entrée/sortie des écrans.

G2 est également déployé dans des usines électroniques comme Jiansheng : il peut assembler des outillages complexes avec une précision triple positionnement en dépassant l’humain à une vitesse de plus de 12 secondes, avec un taux de réussite proche de 100%. Ces scénarios exigent en essence une précision et une stabilité extrêmement élevées de la part des robots, ce que l’automatisation traditionnelle ne peut pas résoudre. Ce sont précisément ces scénarios qui mettent très bien en valeur la valeur de l’intelligence incarnée : il ne s’agit pas de remplacer les humains, mais de permettre aux robots d’avoir des capacités de généralisation acquises par un entraînement unique, et déployées à plusieurs reprises, afin de compléter les postes de travail humains.

“Le data flywheel” est également le plus gros avantage en cours de route : en travaillant continuellement dans l’environnement réel, on collecte suffisamment de données, et ces données nous aident à dépasser les limites de capacité de l’intelligence incarnée à l’avenir. Les nouveaux robots sortis suivent une voie “évolution dès la sortie d’usine”, reposant sur des données de simulation et des données de machine réelle. À présent, avec un véritable data flywheel en boucle fermée, on a une excellente base pour que les robots puissent, à l’avenir, réellement entrer dans des scénarios de valeur à grande échelle comme force productive.

Technologie 24/7 : Dans quels domaines ces 10 000 robots sont-ils actuellement répartis, et quels scénarios précis en termes de ROI ont déjà été validés ?

Wang Chuang : À l’heure actuelle, nous avons 8 principaux scénarios commerciaux : des utilisateurs en recherche scientifique, la collecte de données, la performance divertissement ; et davantage encore, c’est côté phase de développement. En phase de déploiement, nous faisons de la présentation et de l’accueil, ainsi que des scénarios de manipulation sur site dans des usines. À l’avenir, nous explorerons davantage de scénarios : par exemple, un accueil véritable en hall d’entrée, avec interaction, avec des tâches ; par exemple, dans une usine, après qu’un poste ait été exécuté, il doit pouvoir s’ajuster rapidement à un autre poste, comme un “humain” qui travaille.

Technologie 24/7 : En ce moment, l’industrie est dans un état de floraison et de concurrence, avec des formes, des algorithmes et des applications de scénarios divers. Si ZhiYuan veut devenir le seul “mouton à cinq pattes” (outsized unicorn) final, quelle est la barrière la plus importante ? Et y a-t-il un consensus qui se dégage dans toute l’industrie de l’intelligence incarnée ?

Peng Zhihui : Nous avons toujours fait des présentations à l’extérieur : notre barrière centrale, c’est la stratégie full-stack de “un corps et trois intelligences” que nous appliquons. À chaque fois qu’on lance un produit, nous l’avons déjà souligné : pourquoi nous faisons un déploiement technique “grand et complet”, plutôt que de nous spécialiser dans un seul segment.

Parce que nous visons une application finale dès le départ : pour passer par des scénarios réels, on ne peut pas y parvenir avec un seul point technique. Il faut que le robot ait de très fortes capacités d’interaction, en tant qu’interface d’interaction homme-machine, mais il doit aussi pouvoir réellement travailler. Il faut en plus que ses capacités de mouvement soient suffisamment fortes, à la différence des robots industriels traditionnels fixes.

Donc il faut à la fois l’intelligence motrice et l’intelligence d’interaction, et une intelligence de tâches (work intelligence). En même temps, le corps doit être suffisamment mature, fiable, stable, et à faible coût. C’est de l’ingénierie de type système. Voilà pourquoi nous maintenons toujours la feuille de route technique du full-stack “un corps et trois intelligences”, en fusionnant profondément le corps du robot, l’intelligence motrice, l’intelligence d’interaction et l’intelligence de tâches.

Nous avons également accumulé beaucoup de Knowhow sur les grands modèles au niveau de l’IA et sur les applications dans les industries verticales. Ce Knowhow est aussi l’une de nos “douves”. Tout à l’heure, on a mentionné l’établissement de la première chaîne d’approvisionnement standardisée au monde : c’est aussi une forte douve.

Technologie 24/7 : À l’heure actuelle, les robots évoluent de “pseudo-humain” vers “semblable à l’humain”. Au cours de la dernière année, quelles évolutions le “cerveau” des robots a-t-il connues ? Et à quel point sont-ils encore loin de l’idéal “entité numérique vivante” en termes de l’équilibrage charge-déflexion des mains agiles et de l’équilibre en force controlée à l’échelle du corps entier ?

Peng Zhihui : C’est une projection vers le futur.

D’abord, l’évolution du cerveau du robot est le courant principal. Pourquoi les robots humanoïdes sont-ils devenus si populaires ces dernières années ? Ce n’est pas parce qu’il y a eu une percée black-tech dans le corps. C’est parce que l’évolution de l’IA et des grands modèles est la vraie tendance principale : depuis l’évolution représentée par ChatGPT en 2023, le cerveau a connu une accélération très rapide. Au cours de la dernière année, le changement est allé très vite. Au début, sur le cerveau, on utilisait plutôt des technologies comme ACT et Policy pour résoudre le problème de génération de séquences, mais en essence c’était encore une forme de prédiction d’action.

Aujourd’hui, le courant dominant dans la communauté académique et industrielle s’oriente entièrement vers VLA, la technologie VLA basée sur de grands modèles. Ce n’est pas seulement un changement de l’architecture du modèle : c’est le moment où l’on commence réellement à essayer d’étendre cette fameuse Scaling law des grands modèles de langage—empiler la taille, empiler les données, empiler la puissance de calcul—pour espérer faire émerger l’intelligence générale du robot. C’est un changement de grande paradigme.

En parallèle, la technologie continue d’évoluer et d’itérer. Par exemple, dans le futur, le modèle du monde (world model) jouera probablement un rôle très important, permettant au robot de faire des soi-disant analyses contrefactuelles (counterfactual reasoning) comme les humains. Quand les humains font quelque chose, ils pré-réfléchissent aux conséquences des prochaines actions dans leur esprit, puis ajustent dynamiquement leur stratégie. Ce n’est pas seulement “faire ce qu’on perçoit”. Voilà le passage fondamental de la perception à la réaction, de la cognition à la planification ; bien sûr, cela exige aussi une itération et une évolution continues de la technologie.

Les composants clés présentent aussi encore des goulots d’étranglement. Par exemple, le matériel de la main agile est encore un gros goulot d’étranglement actuellement, surtout si nous avons besoin d’un haut degré de liberté et d’une charge élevée, avec de fortes capacités de perception. Par exemple, le toucher est développé très bien. Mais en même temps, il faut un coût très bas. Ces points sont très contradictoires d’un point de vue ingénierie. À l’heure actuelle, l’ensemble de la solution matérielle ne s’est pas encore stabilisé : nous essayons différentes voies techniques, de nouveaux schémas de structure, et des choix de capteurs différents, afin de trouver un équilibre relativement parfait entre performances et coûts.

On a tout à l’heure parlé de “un corps et trois intelligences” : les modèles de base d’algorithmes dans chaque domaine doivent encore subir une certaine itération.

Enfin, à quelle distance est-on de l’entité numérique vivante idéale imaginée ? À mon avis, cela viendra plus vite que ce qu’imaginent certaines personnes, mais il faudra tout de même un certain temps—que ce soit “le corps” ou “l’âme”. “Le corps”, j’ai déjà mentionné, a encore un espace à dépasser au niveau matériel : dans le processus d’équilibre dynamique entre industrialisation et coûts. “L’âme”, c’est le cerveau et le petit cerveau : plus important encore, l’intelligence générale, la compréhension du monde, la décision à long terme, et la liaison multi-modale de travers plusieurs sémantiques en continu—tout cela reste à un stade relativement précoce.

Mais c’est précisément parce que cette voie n’est pas simple, qu’il y a autant de “durs os” à mâcher au milieu, que cela vaut vraiment la peine d’y investir toute notre énergie, de nous acharner et de réussir à faire des percées.

Technologie 24/7 : L’industrie chinoise des robots humanoïdes a-t-elle une bulle ?

Wang Chuang : Dans le développement de n’importe quelle technologie, au début, tout le monde la voit comme plutôt lente. Lorsqu’elle arrive vraiment comme un “tsunami”, alors on a l’impression que c’est trop rapide. Imaginez les voitures électriques : depuis plus de dix ans, la électrification automobile a reçu des subventions et a été poussée par les politiques nationales. Mais la part des achats par les ménages ordinaires est restée très faible.

Les choses se sont produites au cours des deux-trois dernières années : comme si tout s’était soudain accéléré. Les bornes de recharge pourraient être plus nombreuses que les pistolets à essence dans certaines villes, et la pénétration dépasse les 50%. Pour l’intelligence des automobiles, c’est pareil : la recherche sur la conduite intelligente a pris des décennies. Au début, tout le monde pensait que l’expérience de cette technologie était trop mauvaise et n’avait pas envie de l’utiliser. Le plus grand changement est survenu dans la dernière année : après avoir testé de nombreuses solutions de conduite intelligente de la première “catégorie”, j’ai désormais beaucoup plus confiance en leur utilisation. C’est vraiment un moment révolutionnaire.

Les robots humanoïdes, c’est pareil : leur complexité ne fera qu’augmenter. Par exemple, Yuanzheng A3 utilise actuellement beaucoup de nouveaux matériaux et de nouveaux capteurs, et la puissance de calcul du contrôleur a aussi été fortement améliorée. Un produit aussi complexe ne vient tout juste de sortir la première série : il reste encore beaucoup, beaucoup de problèmes à résoudre. Pour nous, l’objectif est de faire chaque étape solidement, de façon pragmatique, de vraiment bien faire les choses et les produits ; et on espère aussi que, pendant ce processus, de nombreux partenaires, l’amont et l’aval de la chaîne d’approvisionnement, et les clients travailleront avec nous pour faire le produit.

Une fois prêts, on commencera par l’utiliser dans des scénarios à la portée. Au début, la généralisabilité du robot est relativement limitée : on ne peut pas dire qu’il peut faire toutes les tâches, mais certains types de tâches peuvent déjà être très bien accomplis. Parce que sa capacité à exécuter de manière répétée et à ne pas dormir 24 heures sur 24 est naturellement un avantage par rapport aux humains, et peut nous aider à faire des tâches ennuyeuses et répétitives.

La suite, c’est d’attendre tranquillement le processus d’accélération. Je ne peux pas dire maintenant si ce sera 5 ans, 10 ans ou plus. Mais j’y crois : à un moment donné, quand tout le monde verra beaucoup de robots pouvoir vraiment aider à faire des choses autour de nous, tout le monde sentira que ce processus se produit de façon très calme et naturelle, et qu’il pourra changer profondément la société. Je suis vraiment, vraiment impatient de ce moment. Je consacrerai toute ma vie professionnelle future à ce processus, en travaillant dur avec mes collègues.

Quant à la comparaison entre la Chine et l’international : il est évident que dans le monde, beaucoup d’innovations de type 0-1 sont très très bonnes. La Chine a fait très très bien le passage de 0 à 100. Notamment, sur les capacités d’ingénierie, la mise en application, et la construction du “flywheel” d’itération des robots, la Chine a fait de très très bonnes choses.

Au cours des dernières une ou deux années, j’ai eu une prise de conscience très forte : la Chine a commencé progressivement à faire des percées sur des technologies clés de type 0-1. Par exemple, le toucher des robots, les algorithmes. Dans des domaines comme la perception et le contrôle combinés, la Chine a beaucoup de choses très bonnes issues de percées 0-1.

Je pense qu’à l’avenir, la Chine apprendra le 0-1 très rapidement, et cela va de plus en plus s’accélérer, parce qu’il y a suffisamment de personnes intelligentes. Mais pour les autres pays, apprendre la transition de 1 à 100 à la manière de la Chine n’est pas aussi facile : il faut construire tout le système, et cela exige d’immenses efforts et un taux de réussite relativement bas. Je pense que, dans l’industrie de l’intelligence incarnée, la Chine continuera de mener le monde.

Technologie 24/7 : Comment voyez-vous la course actuelle “tu cours après moi, je cours après toi” dans les robots humanoïdes, et quels sont les objectifs suivants de ZhiYuan ?

Wang Chuang : Nous ne faisons pas une “course de production de masse”. Les usines où se trouvent actuellement tout le monde sont des usines pilotes. Par exemple, Yuanzheng A3 est produit dans cette usine, et elle sert davantage à valider l’ensemble de la ligne. En réalité, dans cette usine, la plupart du temps, on n’utilise pas des équipements automatisés : c’est pour la validation, la conception, et la R&D vient aussi souvent itérer la conception du produit. La véritable usine de production de masse se trouve à l’usine de Fengxian et dans d’autres endroits (usines). Si nous voulions faire une course de production de masse maintenant, la capacité de production dépasserait de loin ce qui est en place actuellement.

Pourquoi ne l’avons-nous pas fait ? Parce que nous accordons plus d’importance à la façon dont le robot est utilisé dans des scénarios réels, et comment répondre de façon durable aux besoins des clients. Par exemple, lorsqu’un client achète un robot pour le tester sur sa ligne, il faut d’abord faire un POC pour faire passer les fonctions : le cycle doit atteindre 12 secondes ou un certain chiffre, et seulement quand le client est vraiment satisfait, on commence à déployer progressivement dans d’autres postes similaires. Ce sont des besoins réels motivés par la demande.

Pour ce qui est du bipède : par exemple, Lingxi et Yuanzheng Robots sont utilisés dans des halls d’exposition pour l’explication. Il y a déjà cumulativement deux à trois cents unités dans différents halls qui travaillent. Si le client estime que l’autonomie sans entretien, les capacités d’interaction, les capacités d’accueil et les capacités multilingues peuvent vraiment l’aider, alors c’est seulement quand il est prêt à dupliquer et à étendre en lots que c’est ce que nous attendons le plus. À ce moment-là, nous ajusterons la capacité de production selon la demande du client. Nous ne penserons pas à courir contre qui que ce soit, car si ce qu’on produit devient un stock, cela n’a pas de sens pour nous.

Avertissement sur les risques et clause de non-responsabilité

        Le marché comporte des risques : investissez avec prudence. Le présent article ne constitue pas un conseil d’investissement personnel, et ne tient pas compte des objectifs d’investissement spécifiques, de la situation financière ou des besoins particuliers de certains utilisateurs. Les utilisateurs doivent évaluer si les opinions, points de vue ou conclusions contenues dans cet article sont conformes à leur situation spécifique. Investir sur cette base se fait sous votre propre responsabilité.