Qingyan membukukan pendanaan presisi senilai ratusan juta yuan, tim manufaktur peralatan milik negara berinvestasi

投资界AI mengetahui, hari ini (13 Juli), Qingyan Jingzhun mengumumkan bahwa dalam bulan Juni mereka telah menyelesaikan dua putaran pendanaan cepat senilai puluhan hingga ratusan juta yuan, sehingga rangkaian pendanaan Seri B secara resmi telah terkunci.

“Tim nasional + setengah komunitas lingkaran otomotif” muncul: putaran B2 senilai puluhan hingga ratusan juta yuan dipimpin oleh Xingyuan Capital, dengan FAW FuXing ikut serta; menyusul kemudian putaran B3 yang dipimpin oleh Beijing Automotive Industry Investment (BAIC) Industrial Investment, dengan grup Yulun (裕隆集团) ikut serta. Pada kesempatan ini, juga ditambahkan Dana Industri Sinji (国机产业基金).

Pada Juni 2026, Kementerian Perindustrian dan Teknologi Informasi bersama Komisi Pengawasan Aset Negara memulai kampanye khusus “pelatihan praktik skenario dunia nyata robot humanoid dan kecerdasan yang terwujud (具身智能)”, yang menuntut kecerdasan yang terwujud tidak hanya berlari di laboratorium, tetapi harus masuk ke posisi kerja pabrik yang nyata, untuk mengaktifkan mode “operasi/pekerjaan” (作业模式).

Sebelumnya, Qingyan Jingzhun sudah lebih dulu memantapkan posisi sebagai fondasi engineering untuk physical AI. Melalui 8 tahun akumulasi di lokasi industri, mereka membuat robot yang terwujud “belajar bekerja” di skenario industri nyata yang sebenarnya, kompleks, dan ketat, sehingga benar-benar siap diterapkan.

Investor dari BUMN jarang turun tangan

Dilihat dari seluruhnya, sumber daya industri yang dibawa oleh putaran pendanaan Qingyan Jingzhun kali ini sangat berlimpah.

Di antaranya terdapat dana dari BUMN—Dana Industri Sinji.

Lebih jarang lagi adalah terbentuknya matriks modal dari komunitas otomotif yang tidak umum—seluruh putaran B dihimpun oleh 6 perusahaan otomotif: BAIC Industrial Investment, Xingyuan Capital, FAW FuXing, Great Wall Capital, Shaanxi Automobile Capital, dan Grup Yulun. Investasi perusahaan otomotif yang padat menandakan fondasi engineering physical AI dan sistem pengujian-verifikasi Qingyan Jingzhun telah tertanam dalam rantai pasok inti perusahaan otomotif arus utama di dalam negeri. Ini merupakan pengakuan dari seluruh mata rantai industri otomotif, dari hulu hingga hilir.

Rangkaian investor yang sangat vertikal dan memiliki atribut industri yang kuat membuktikan bahwa logika investasi pasar modal pada paruh kedua kecerdasan yang terwujud sudah berubah—modal tidak lagi mengejar Demo video robot humanoid secara membabi buta, tetapi menginvestasikan dana besar pada perusahaan infrastruktur physical AI yang menguasai skenario industri nyata, memiliki penutupan data (data closed-loop) berkualitas tinggi, serta memiliki kemampuan rekayasa untuk implementasi.

Agar physical AI benar-benar bisa diterapkan, pasti harus melewati tahapan seperti pengembangan produk, rantai pasok, penyerahan di lokasi, layanan pelanggan, dan operasi pemeliharaan berkelanjutan. Artinya, harus ada uji coba nyata yang mampu membuat lini produksi benar-benar bisa dipakai (usable).

Ketika modal dan bisnis terikat secara mendalam, itu memastikan adanya pintu masuk skenario industri nyata yang berkelanjutan dan stabil, sehingga membentuk siklus yang baik.

Seperti yang disebutkan dalam kampanye “pelatihan praktik skenario dunia nyata”, pada akhir 2026 produk-produk utama seperti robot humanoid akan lebih dulu menyelesaikan verifikasi penerapan dan penempatan yang bersifat rutin di sejumlah skenario perwakilan, untuk mengaktifkan mode “operasi/pekerjaan”; kemudian diringkas menjadi lebih dari 100 skenario aplikasi bernilai tinggi, sehingga memperkaya spektrum aplikasi kecerdasan yang terwujud dan mendorong terbentuknya kemampuan implementasi skala puluhan ribu unit.

Qingyan Jingzhun bisa dibilang sangat tepat dalam melakukan positioning. Dua putaran pendanaan ini disertai pergeseran kunci: berawal dari mengunci closed-loop untuk menjalankan physical intelligence energi baru, lalu secara bertahap melangkah ke skenario industri yang lebih luas, dengan tujuan membangun fondasi engineering physical AI untuk industri serta melakukan penataan mendalam di bidang kecerdasan yang terwujud.

Dari sudut pandang ini, terobosan mereka bukan sekadar terobosan teknologi pada satu titik, melainkan tembok gabungan yang dibentuk oleh pintu masuk skenario dunia nyata, kemampuan produksi data, sistem uji dan penilaian, kemampuan pengiriman rekayasa, serta kemampuan world model. Dan ini juga telah menyelesaikan penataan end-to-end secara lebih awal sebelum kebijakan datang.

Qinghua, Stanford, dan para veteran industri robot—kolaborasi yang saling menguatkan

Pendiri sekaligus CEO Qingyan Jingzhun, Dong Han (董汉), menempuh studi doktoral di Universitas Tsinghua, di bawah bimbingan profesor Li Keqiang dari Akademi Teknik Tiongkok (中国工程院院士李克强). Ia mendirikan Qingyan Jingzhun secara resmi pada Juni 2018 di bawah inkubasi Universitas Tsinghua.

Selama 8 tahun berdiri, Qingyan Jingzhun telah memasukkan produk AI untuk inspeksi, simulasi, serta pengujian-verifikasi ke dalam hampir semua rantai pasok pemasok inti di pabrik perakitan kendaraan lengkap dan perusahaan baterai tenaga dalam negeri; pengiriman sudah melebihi 10.000 unit, penerapan di lebih dari 30 negara, dengan pelanggan industri mencakup kendaraan utuh energi baru, baterai tenaga, penyimpanan energi, komponen inti, pertambangan, tenaga listrik, dan jalur-jalur inti lainnya.

(dari kiri ke kanan

Bagian kecerdasan yang terwujud Qingyan Jingzhun—CEO Jingzhun Shijie (精准视界) Cao Qitong (曹绮桐), memiliki latar belakang akademik engineering dari Stanford University. Ia pernah melakukan riset topik interdisipliner ilmu hayat dan AI di Stanford Computer Research Institute. Hasil terkait pernah dipublikasikan sebagai penulis utama di sub-jurnal Nature. Di Qingyan Jingzhun, Cao Qitong terutama mengoordinasikan rute transfer dan iterasi teknologi perusahaan serta penerapan skenario bisnis, yang menonjolkan keunggulan inti perusahaan dalam menaklukkan titik akhir “satu kilometer terakhir” untuk penerapan kecerdasan industri yang terwujud.

Bidang riset intinya mencakup sistem evolusi keadaan untuk penginderaan berdimensi tinggi, multimodal, dan penalaran data dinamis. Ketika ditransfer ke skenario industri, masalah dasarnya mirip: robot tidak melihat satu benda kerja saja, melainkan sebuah sistem fisik dinamis yang dibentuk bersama oleh visual, persepsi gaya, sentuhan, parameter proses, dan variabel lingkungan. Ini sangat selaras dengan industrial physical world model yang dibangun oleh Qingyan Jingzhun.

Chief Engineer kecerdasan yang terwujud Qingyan Jingzhun serta CTO Jingzhun Shijie Zhao Ran (赵然). Ia sebelumnya menjadi penanggung jawab “具身 Infra” di dua perusahaan terkemuka kecerdasan yang terwujud dengan skala 200 miliar yuan—Qianxun Intelligent dan Zhi Pingfang Technology. Bergabungnya doktor Zhao Ran memberi jaminan yang kuat untuk membangun infrastruktur dasar kecerdasan yang terwujud dan rekayasa pada Qingyan Jingzhun. Sebagai anggota tim ahli terkemuka bidang robotik, Academician Ding Han (丁汉院士), Zhao Ran telah mendalami bidang robotik lebih dari 10 tahun, sekaligus memiliki fondasi akademik yang kuat dan pengalaman penerapan industri.

Ia pernah memimpin tim membangun dari 0 ke 1 teleoperasi, pengumpulan data, closed-loop data level dasar, serta platform simulasi. Akumulasi teknologi robot lebih dari satu dekade memungkinkannya menyambungkan secara lebih sistematis elemen kunci seperti robot itu sendiri, data, simulasi, dan model, sehingga membentuk kemampuan inti yang dibutuhkan untuk pembangunan infrastruktur kecerdasan yang terwujud. Pengalaman platformisasi dan rekayasa tim, serta akumulasi riset dan pengembangan yang mendalam, membentuk sinergi, sehingga semakin mendorong integrasi mendalam antara gen akademik “tinggi” dan kemampuan rekayasa industri “mendarat”.

Sejak itu, tim menggabungkan visi ke depan kelas dunia, fondasi engineering industri, serta validasi komersial skala ratusan miliar—dan telah berdiri di garis terdepan industrialisasi kecerdasan yang terwujud di Tiongkok, menjadi “penentu standar teknologi” yang diakui industri dan “pemimpin penempatan di lapangan”.

Fondasi engineering physical AI

Di atas fondasi-fondasi ini, Qingyan Jingzhun berhasil menyelesaikan upgrade strategi dan “kemampuan meluber keluar”—dari perusahaan inspeksi kendaraan energi baru menjadi fondasi engineering physical AI, yang harus menjadi fondasi physical AI agar kecerdasan yang terwujud dapat diterapkan di bidang industri.

Sejalan dengan “kampanye khusus pelatihan praktik skenario dunia nyata”, Qingyan Jingzhun yang telah bertahun-tahun mengumpulkan posisi di lokasi industri sudah siap. Di berbagai bidang industri, mereka telah menempatkan lebih dari 2.000 node industri sensorik yang terakumulasi pada posisi kerja tugas nyata. Dari inspeksi PACK baterai tenaga energi baru hingga perakitan akhir kendaraan utuh, dari pabrik di permukaan hingga tambang di bawah tanah, mengubah titik-titik kerja kunci menjadi data field dan training field untuk kecerdasan yang terwujud. Skenario-skenario ini memiliki data, memiliki stasiun kerja, serta memiliki pekerjaan nyata—paling mampu memverifikasi nilai.

Model yang terwujud adalah “otak”, dan Qingyan Jingzhun menyediakan basis pelatihan dan “bahan ajar” agar otak bisa belajar “koordinasi tubuh” serta memverifikasi kemampuannya; ia tidak membuat robot (badan utama), tetapi ia membentuk kemampuan agar robot bisa bekerja di lokasi industri.

Selain itu, kampanye “pelatihan praktik skenario dunia nyata” menyebutkan bahwa, dengan komitmen pada “aplikasi sebagai pendorong”, melalui pelatihan di skenario nyata, mereka terus mengoptimasi algoritma model kecerdasan yang terwujud, dan mengumpulkan data high-quality dari uji mesin sungguhan.

Kini, Qingyan Jingzhun jelas menjadi pedagang (penyedia) fondasi data physical AI.

Qingyan Jingzhun mengembangkan sendiri pipeline rekayasa data multimodal TsingLoop—pipeline ini mengambil sinyal asli yang tersebar di banyak sistem, lalu melalui penyelarasan waktu-ruang-makna yang seragam, mengubahnya menjadi paket aset data terstandar yang bisa digunakan ulang. Data yang dikumpulkan sekali, setelah diproses oleh pipeline, menaikkan nilai data mentah menjadi aset data untuk industri. Data historis dapat secara otomatis bergabung dengan data baru serta terus melakukan iterasi, membentuk data flywheel yang tumbuh berkelanjutan.

Selain itu, berdasarkan pipeline rekayasa data multimodal TsingLoop, Qingyan Jingzhun sedang membangun sistem pengujian Robot-in-the-Loop untuk skenario industri, yakni robot dalam loop.

Sistem ini bisa dipahami sebagai closed-loop “akuisisi-simulasi-verifikasi-penilaian-iterasi” versi kecerdasan yang terwujud industri: robot atau pekerja menjalankan tugas di stasiun kerja nyata, sementara TsingLoop secara sinkron mengumpulkan data multimodal seperti visual, persepsi gaya, sentuhan, lintasan, parameter proses, status perangkat, dan hasil eksekusi. Lalu, sistem merekonstruksi skenario digital twin berdasarkan data nyata, memutar ulang kondisi kerja historis di lingkungan simulasi, mereplikasi sampel anomali, dan melakukan penalaran hipotesis dengan biaya rendah dan frekuensi tinggi terhadap strategi gerakan yang berbeda.

Namun simulasi bukanlah titik akhir. Robot industri pada akhirnya harus masuk ke bengkel nyata, sehingga harus melewati jarak antara dunia virtual dan nyata. Karena itu, Qingyan Jingzhun akan lebih lanjut memperkenalkan pengujian robot dalam loop: membuat robot real (badan utama), pengendali, end effector, sensor, serta skenario simulasi membentuk closed-loop saling-terhubung, sambil tetap tidak langsung memakai lini produksi pelanggan, sehingga strategi gerakan, batas kontrol gaya, amplop keselamatan, serta mekanisme pengalihan saat anomali bisa diverifikasi lebih awal.

Setelah dikerahkan ke lokasi, modul penilaian akan terus mengeluarkan laporan penilaian terstandar, termasuk metrik seperti tingkat keberhasilan tugas, waktu siklus (tempo), tingkat anomali, risiko tabrakan, konsumsi energi, lama operasi stabil, dan lain-lain. Hasil penilaian ini bukan hanya menjadi dasar penerimaan, tetapi juga masuk kembali ke pipeline data TsingLoop untuk mendorong optimasi model lebih lanjut dan pembaruan strategi secara berkelanjutan.

Secara sistematis, mereka menjawab tiga pertanyaan yang lebih krusial: apakah bisa menyelesaikan tugas secara stabil pada kondisi kerja nyata; apakah bisa lolos verifikasi oleh pelanggan; apakah bisa dipakai ulang di lini produksi berikutnya. Dengan demikian, sebuah fondasi data pun terbentuk.

Sampai sekarang, Qingyan Jingzhun telah menggambarkan visi akhir: “satu fondasi, satu otak, seratus aplikasi untuk berbagai kategori skenario”, dengan sistem engineering data sebagai fondasinya, dan industrial cognition world model sebagai otaknya. Di lebih dari seratus tugas industri dengan batas yang jelas—seperti tenaga listrik, mesin teknik, manufaktur energi baru, pertambangan, dan lainnya—mereka mengendapkan physical intelligence yang bisa dipakai ulang.

Pada titik kunci ketika physical AI bergerak dari konsep menuju penerapan industri, modal industri terus-menerus menaruh taruhan pada Qingyan Jingzhun. Yang dilihat mereka justru kemampuan penerapan skenario yang tak tergantikan.

Ketika industri masih memperdebatkan jalur algoritma, Qingyan Jingzhun yang berakar di lokasi industri dan diam-diam mengasah fondasi engineering physical AI, diam-diam sudah menjadi “orang yang paling menentukan” (pemain kunci) di era kecerdasan yang terwujud.

Di paruh kedua, pentingnya hal ini tidak perlu lagi diperdebatkan.