Les trois géants de la Silicon Valley lancent une révolution de la production en masse. La Chine, avec son intelligence incarnée, peut-elle se positionner en tête du podium mondial ?

Introduction : l’action prédéfinie est le billet d’entrée d’aujourd’hui, et la capacité de généralisation est le billet de finale de demain.

Rédaction｜Jingcheng

Auteur｜Jiang Jing

À la clôture du premier trimestre 2026, une action mondiale synchronisée dans le secteur technologique a officiellement annoncé un tournant historique pour l’industrie des robots humanoïdes.

Google, Amazon et Tesla, trois géants de la Silicon Valley, ont mis la main à la pâte la même semaine : de l’apport technologique à l’architecture des scénarios, puis à l’industrialisation et au passage à la production en série, ils propulsent les robots humanoïdes de la scène des démonstrations technologiques vers l’arène industrielle.

Dans le même temps, la Chine multiplie également les initiatives. Le 26 mars, l’Institut de recherche en télécommunications de Chine (China Academy of Information and Communications Technology) et plus de 40 autres organismes ont publié la première norme sectorielle du domaine de l’intelligence incarnée ; avec en plus un renforcement continu des politiques, un accélération de la mise en œuvre par les entreprises et une forte montée de l’enthousiasme des capitaux, la Chine est en train de passer de la poursuite à la marche de concert, voire de commencer à lancer des attaques pour le leadership dans plusieurs domaines.

Cette révolution, qui bouscule les règles du commerce futur et l’écosystème industriel, la Chine pourra-t-elle s’en emparer en occupant la place centrale © ?

Accélération mondiale : les géants de la Silicon Valley passent à la production en série et redessinent la productivité future

Personne ne considère plus les robots humanoïdes comme une simple notion de science-fiction.

Récemment, les actions synchronisées des trois géants de la Silicon Valley rendent les pas vers l’ère de la production en série parfaitement audibles : chaque étape de leur déploiement vise la refonte de la productivité future, et le suivi des capitaux mondiaux et des entreprises locales maintient l’ardeur de cette filière à un niveau élevé.

Google est le premier à doter les robots d’un « cerveau intelligent », en lançant deux nouveaux modèles d’IA, Gemini Robotics et Gemini Robotics-ER. Le premier permet aux robots de comprendre des contextes nouveaux sans entraînement spécialisé ; le second leur permet de « comprendre un monde complexe et dynamique », donnant ainsi aux robots, sur le plan technologique, un pouvoir d’activation pour des scénarios réels.

Amazon se concentre sur le déploiement des scénarios. En l’espace d’une semaine, l’entreprise a successivement acquis la start-up de robots humanoïdes Fauna Robotics et l’entreprise de robots logistiques Rivr. Son déploiement ne vise pas uniquement à optimiser la distribution de colis : il s’agit de construire des « vaisseaux capillaires » de service robotique, allant de la chaîne de production d’usine jusqu’au salon des foyers, afin de façonner le système de main-d’œuvre de la prochaine génération.

L’action de Tesla en production en série attire particulièrement l’attention. Le 25 mars, le robot Optimus a publié une annonce de recrutement de talents correspondante, précisant qu’il modifierait la structure de la main-d’œuvre et de l’économie du secteur manufacturier. L’objectif est d’atteindre au plus vite une production en masse, et cet été verra le lancement de la toute première ligne de production annuelle produisant un million de robots humanoïdes dans l’histoire de l’humanité, faisant entrer la mise en production en série dans une phase substantielle.

Le déploiement de la Silicon Valley ne s’arrête pas là. Le même jour, le robot humanoïde Figure03 développé par Figure AI est entré à la Maison-Blanche et est devenu le premier robot humanoïde de la Maison-Blanche fabriqué aux États-Unis, capable de communiquer en plusieurs langues, d’accomplir des tâches ménagères en autonomie, etc. Par ailleurs, son financement avait déjà dépassé 1 milliard de dollars il y a seulement six mois : des géants comme Nvidia, LG, etc., ont tous pris position, laissant voir l’enthousiasme des capitaux mondiaux pour la filière des robots humanoïdes.

Le vice-directeur du département investissement de l’Institut de recherche sur le développement des villes de Chine, Yuan Shuai, a déclaré que les actions de production en série des géants de la Silicon Valley, et la publication des normes d’intelligence incarnée en Chine, marquent ensemble le passage de la filière des robots humanoïdes de la zone de profondeur de la recherche et développement vers la période dorée d’industrialisation et de mise en application commerciale. Les percées des technologies clés soutiennent la fabrication à grande échelle, tandis que les normes sectorielles fixent des règles techniques et réduisent la concurrence désordonnée.

Cependant, un jugement prudent a été formulé par l’expert Gao Heng de la China Society for Science Journalism and Communication (中国科技新闻学会) : il estime que l’industrie se trouve actuellement à l’aube de la commercialisation et dans une phase de réalisation partielle, et non dans une période dorée d’explosion complète de la commercialisation. Le changement central de l’industrie est que toutes les parties commencent à valider ensemble si le robot « peut continuer à travailler dans des scénarios réels », et si les coûts sont maîtrisables, plutôt que de s’en tenir à une percée purement en recherche et développement.

Percée chinoise : des avantages multiples pour s’imposer, et des lacunes clés à combler d’urgence

Quand la Silicon Valley lance une vague de production en série, la Chine ne suit pas passivement ; elle a déjà déployé en avance. Grâce à des avantages multiples — normes, scénarios, marché, capitaux — elle s’est solidement positionnée dans la filière mondiale de l’intelligence incarnée. Mais par rapport aux géants de la Silicon Valley, il existe encore un écart sur les technologies et capacités clés, ce qui entrave le développement ultérieur de l’industrie.

Sur le plan des avantages, le déploiement de la Chine révèle des caractéristiques locales distinctes et un effet d’avance. D’abord, elle maîtrise le pouvoir de parole sur les normes. Le 26 mars, l’Institut chinois de recherche en télécommunications a publié, avec plus de 40 unités, la première norme sectorielle dans le domaine de l’intelligence incarnée, construisant un cadre unifié de tests de référence. À l’étape initiale du développement industriel, la Chine s’est ainsi emparée en avance de l’initiative de l’élaboration des normes.

Ensuite, le déploiement par les scénarios est en avance. Le développement de l’intelligence incarnée en Chine ne s’est jamais arrêté à l’étape de la démonstration : il s’est réellement concrétisé dans des applications pratiques. Par exemple, le robot quadrupède Unitree est déjà déployé dans plusieurs projets de surveillance industrielle, notamment une sous-station électrique à Zhejiang, des galeries souterraines de canalisations à Hangzhou, et une base de pétrochimie du Guangdong.

En même temps, la Chine dispose d’une grande taille de marché et d’un environnement de capitaux dynamique. En 2025, il y a plus de 140 entreprises domestiques d’intelligence incarnée d’ensembles/terminaux (intégrées) ; plus de 330 modèles de produits de robots humanoïdes ont été publiés ; le volume d’expédition est d’environ 17 000 unités. La taille des marchés de l’intelligence incarnée et des robots humanoïdes atteint respectivement 5,295 milliards de yuans et 8,239 milliards de yuans.

Côté capitaux : l’IPO d’Unitree Technology a été acceptée, devenant la première société cotée de robots humanoïdes du marché A. Depuis le début de l’année, les financements importants dans la filière d’intelligence incarnée se multiplient, accélérant le processus de capitalisation. De plus, d’après les données d’Unitree Technology, entre janvier et septembre 2025, les revenus de vente de robots quadrupèdes et de robots humanoïdes ont respectivement augmenté de 182,22 % et de 6,42 fois en glissement annuel, ce qui atteste de façon intuitive du potentiel du marché.

Malgré l’élan de développement rapide, les faiblesses de la Chine dans la compétition mondiale sont tout aussi visibles.

Plusieurs experts indiquent que l’écart central entre les robots humanoïdes chinois et étrangers ne réside pas dans la fabrication matérielle, mais dans l’accumulation de données, la capacité de généralisation des modèles et la capitalisation de la technologie de base. En surface, cela se traduit par un manque de flexibilité dans les mouvements des robots et une capacité de généralisation insuffisante.

Yuan Shuai estime que l’écart entre robots humanoïdes chinois et étrangers, vu de l’extérieur, est une différence de flexibilité des mouvements et de capacité de généralisation ; la racine se situe dans les technologies de base, l’accumulation de données et les idées de recherche et développement. Par exemple, RoboCat de Google peut réaliser un mouvement flexible et généralise : cela repose sur une accumulation technologique de longue durée, avec notamment des investissements continus dans des domaines tels que les algorithmes de grands modèles, la fusion de capteurs et le contrôle de la dynamique des robots. En s’appuyant sur une énorme quantité de données d’entraînement multi-scénarios, on dote les robots de la capacité d’apprentissage autonome et d’adaptation à l’environnement.

Il souligne que, dans l’offre domestique, les produits se limitent pour l’instant le plus souvent à des actions prédéfinies et à une reproduction de scénarios fixes. La principale lacune est, premièrement, l’absence de données d’entraînement réelles de haute qualité et à grande échelle dans des scénarios, ce qui rend la généralisation des algorithmes insuffisante ; deuxièmement, des composants clés à haute précision tels que les moteurs servo et les capteurs de force dépendent des importations, ce qui limite la précision des mouvements et le niveau de perception.

Gao Heng ajoute que l’écart réel réside dans la capacité à faire interagir des éléments tels que les données, les modèles, l’ingénierie système et les boucles de clôture des scénarios. L’objectif des entreprises de premier plan à l’étranger est de construire des robots intelligents capables de comprendre l’environnement et d’accomplir des tâches en autonomie ; le cœur du problème est de traiter le robot comme un produit de données itérable et durable à développer. La capacité de généralisation est en elle-même une capacité composite : la Chine n’est pas en retard sur une technologie unique, mais les données et les scénarios ne parviennent pas à former une boucle d’itération qui s’autoalimente. Ainsi, les robots ne peuvent régler des paramètres sur une tâche unique et il est difficile d’obtenir une intelligence qui s’améliore à chaque usage.

Un écrivain financier renommé, Yuan Shuailong (眺远影响力研究院) de l’Institut de recherche de l’influence, Gao Chengyuan, a déclaré que l’écart central se concentre sur l’accumulation de données et la capacité de généralisation des modèles. À l’étranger, des avantages nets existent sur l’apprentissage par transfert de la simulation vers la réalité, ainsi que sur des stratégies universelles multi-tâches. Ces avantages reposent sur des investissements de longue durée permettant de bâtir des boucles de données multi-scénarios et des capacités de recherche et développement de modèles de base. En Chine, la prépondérance reste aux mouvements prédéfinis : en nature, cela reflète une pénurie de données incarnées de haute qualité, et il existe un écart générationnel en termes de puissance de calcul et de capacités d’ingénierisation d’algorithmes nécessaires pour des grands modèles de bout en bout.

Unitree Technology reconnaît aussi que, pour les applications de commercialisation à grande échelle destinées aux scénarios industriels et domestiques, les percées des technologies clés à réaliser incluent principalement deux volets : les capacités des grands modèles incarnés au niveau du « cerveau » et le niveau de finesse, de durabilité et de robustesse des « mains agiles ». Le principal défi technique réside toutefois dans le fait que, à l’échelle mondiale, les grands modèles incarnés se trouvent encore à un stade de développement précoce, et la capacité de généralisation reste insuffisante.

Voie de rupture : améliorer les capacités par des chemins multidimensionnels, et équilibrer le présent et le long terme

Dans le contexte de l’insuffisance d’accumulation de données et de scénarios, comment améliorer la flexibilité des mouvements des robots et la capacité de généralisation devient la question centrale pour que les entreprises domestiques puissent rattraper leur retard.

Plusieurs experts, en lien avec la situation réelle de l’industrie, ont proposé des trajectoires de développement à la fois opérationnelles et tournées vers l’avenir. Ils soulignent en parallèle que les entreprises doivent équilibrer la mise en œuvre à court terme et la recherche-développement à long terme : utiliser des actions prédéfinies comme billet d’entrée, et la capacité de généralisation comme verrou principal.

Wang Peng, chercheur à l’Académie des sciences sociales de Pékin, propose que les entreprises domestiques puissent rattraper leur retard via deux voies : « ancrage par les scénarios + réutilisation technologique ». D’une part, se concentrer sur des boucles de fermeture de données de scénarios verticaux : d’abord cibler des scénarios standardisés tels que le soudage industriel, la manutention de matières, etc. En déployant à petite échelle, on obtient des ensembles de données dédiés, puis on entraîne des modèles incarnés pour le domaine vertical. D’autre part, s’appuyer sur la coopération d’un écosystème open source : grâce aux normes sectorielles publiées par l’Institut de recherche en télécommunications, promouvoir le partage de données interentreprises ; réaliser un entraînement conjoint de modèles universels sur la base de données d’opération dans un format unifié.

Yuan Shuai recommande une stratégie de mise en parallèle par plusieurs voies. Il faut à la fois collaborer avec des institutions de recherche universitaires : utiliser la simulation et les jumeaux numériques pour générer des données virtuelles afin de s’entraîner et transférer ensuite vers le monde réel. Et il faut aussi ouvrir des interfaces et établir des relations avec les parties qui détiennent les scénarios pour lancer des projets pilotes, collecter des données réelles et itérer les algorithmes. En plus, encourager le partage de données d’entraînement anonymisées entre entreprises, briser les îlots de données, et augmenter les investissements dans la conception domestique des composants clés, afin que des percées matérielles soutiennent le mouvement flexible des robots.

Gao Heng a proposé quatre voies opérationnelles. D’abord : obtenir des données à partir de vrais scénarios, en liant profondément les robots aux environnements comme les usines et les entrepôts, de sorte que les robots s’intègrent aux flux de travail réels et accumulent des données. Deuxièmement : la simulation d’abord et une boucle de clôture sur machine réelle ; entraîner des stratégies dans l’environnement de simulation, puis faire un ajustement fin sur le terrain réel, afin de réduire les coûts d’entraînement. Troisièmement : faire d’abord la généralisation des tâches, en se concentrant sur des tâches de type unique comme le tri et la manutention, afin de réaliser la généralisation et d’abord concrétiser la valeur commerciale. Quatrièmement : établir un système de données et de standards partagés à l’échelle de l’industrie, résoudre le problème d’unification insuffisante des interfaces et du système d’évaluation, et former une itération au niveau de l’industrie.

Les experts sont d’accord sur le fait que les actions prédéfinies et la capacité de généralisation sont toutes deux aussi importantes pour le développement des entreprises.

Wang Peng estime que, à court terme, les robots à actions prédéfinies peuvent couvrir la plupart des besoins des scénarios industriels, et que leurs coûts sont seulement ceux des robots à capacité de généralisation. Mais à long terme, la capacité de généralisation est le verrou principal qui déterminera si une entreprise pourra traverser les cycles de l’industrie : avec l’expansion de scénarios non standardisés comme les services domestiques et la recherche et sauvetage d’urgence, les robots capables de s’adapter de façon autonome à l’environnement deviendront progressivement la norme.

Gao Heng est également d’accord : l’action prédéfinie est le billet d’entrée d’aujourd’hui, et la capacité de généralisation est le billet de finale de demain. Pour les entreprises, il ne faut pas, parce qu’on peut gagner de l’argent grâce aux actions prédéfinies aujourd’hui, abandonner l’investissement à long terme dans la capacité de généralisation ; mais il ne faut pas non plus, parce qu’on poursuit la généralisation, ignorer les scénarios actuels pouvant être déployés. Obtenir d’abord des commandes, puis entraîner l’intelligence : c’est une voie plus réaliste.

Aujourd’hui, la taille du marché de l’intelligence incarnée en Chine représente déjà environ la moitié du total mondial, et des applications de déploiement sont réalisées dans des scénarios industriels, d’urgence, etc. À l’avenir, quel type de scénario deviendra le premier point de percée en Chine pour la commercialisation à grande échelle des robots d’intelligence incarnée ?

Gao Chengyuan estime que la fabrication industrielle sera le point de percée que la Chine atteindra en premier pour la commercialisation à grande échelle, en particulier des scénarios comme la fabrication automobile, l’assemblage électronique 3C, et la logistique d’entreposage. Pour exploiter les besoins des scénarios, il faut s’immerger au cœur de l’industrie, construire des laboratoires conjoints avec les entreprises manufacturières de premier plan, démarrer par le remplacement d’étapes de processus uniques, puis étendre progressivement à l’automatisation sur lignes entières. La clé pour faire converger la technologie et les scénarios réside dans la mise en place d’un mécanisme de rétroaction inverse : « la technologie de définition des scénarios » doit être tirée par des besoins réels de production, afin d’entraîner l’itération du matériel et l’optimisation des algorithmes, plutôt que de chercher des scénarios après coup quand la technologie est déjà prête.

Du « rattrapage de concert » au « leadership mondial », la Chine doit encore surmonter les goulots d’étranglement clés au niveau des politiques, des technologies et de l’écosystème industriel.

Yuan Shuai recommande que, au niveau des politiques, il faut renforcer les aides et l’investissement financier, et améliorer la protection des droits de propriété intellectuelle ; au niveau technique, se concentrer sur des percées dans les algorithmes de grands modèles et les composants clés, afin d’améliorer l’apprentissage autonome et la capacité de généralisation des robots ; au niveau de l’écosystème industriel, renforcer la coordination en amont et en aval, accélérer la localisation des composants, approfondir l’intégration production-universités-recherche-apprentissage et favoriser la conversion des résultats. En parallèle, il faut aussi mener activement des collaborations internationales, participer à la formulation de normes mondiales pour renforcer le pouvoir de parole de l’industrie, et, à terme, construire un écosystème complet de l’intelligence incarnée, afin d’atteindre l’objectif de leadership.