Proč čínské startupy se světovými modely možná nepotřebují americký vzor

Světové modely se stávají jedním z klíčových témat takzvané fyzické AI. Nejde jen o systémy, které vytvoří přesvědčivé video, ale o modely schopné reprezentovat, jak se prostředí mění a jaké následky mají jednotlivé akce.

Panel s účastí Muka Robotics, Shengshu Technology, EvoPhys.ai a Chengwei Capital na konferenci WAIC 2026 tvrdil, že právě tato změna může čínským startupům otevřít jinou soutěžní cestu než známý závod o co největší modely po vzoru amerických laboratoří.

Jejich argument nezní tak, že by Čína měla stejný přístup ke špičkové výpočetní kapacitě. Podle panelistů mohou pro pokrok světových modelů stále více rozhodovat efektivita učení, data z interakcí v reálném světě a rychlé testování na robotech. V takovém prostředí může být hustý ekosystém robotiky a hardwaru stejně důležitý jako celkový počet GPU. WAIC tomu odpovídala i rozsahem robotické účasti: podle jednoho z reportů se akce zúčastnilo více než 200 firem z oblasti vtělené AI a robotiky. 8

Od velikosti výpočtu k rychlosti iterace

Panel předložil tezi, že obvyklé porovnávání s americkými AI laboratořemi je pro obor, který si teprve vytváří technické i obchodní standardy, méně užitečné. I tým s menším výpočetním výkonem může být konkurenceschopný, pokud dokáže levně sbírat relevantní fyzická data, účelně zpracovat různorodé datové zdroje a rychle ověřovat chyby na skutečných strojích.

Jako ilustrace zazněl výsledek Muka Robotics v žebříčku WorldArena. Podle dostupného reportingu měl model dosáhnout vysokého umístění s 32 GPU. Jde však o firmou uváděný benchmarkový výsledek, nikoli o nezávisle auditované měřítko celkového technologického náskoku. 3

Rozdíl je praktický: video model lze posuzovat podle vizuální věrohodnosti. U vtěleného světového modelu lze ověřit, zda robotem předpovězená či zvolená akce skutečně uspěje navzdory fyzickým omezením. Pokud model chybně odhadne kontakt, pohyb nebo stav objektu, provoz skutečného robota tuto chybu odhalí.

Robotika jako zdroj dat i zkouška reality

Argument panelu stojí na zpětnovazební smyčce mezi světovými modely a vtělenou inteligencí:

1. Světové modely mohou robotům pomáhat předvídat změny prostředí a možné následky jejich akcí.
2. Roboty mohou pomáhat světovým modelům tím, že vytvářejí data o interakcích podmíněných akcí a poskytují přímou zpětnou vazbu, zda se předpověď ve fyzickém světě potvrdila.
3. Opakované nasazování a dotrénování mohou tuto zpětnou vazbu proměnit v rychlejší zlepšování sběru dat, návrhu modelu i vyhodnocování.

Proč to panelisté považují v čínském kontextu za důležité, ilustrovala samotná výstava WAIC. Oficiální průvodce Šanghaje uváděl více než 300 robotů v dynamických aplikačních scénářích; další report hovořil o více než 200 firmách z vtělené AI a robotiky. 108

To samo o sobě nedokazuje, že některá země má rozhodující datovou výhodu. Vysvětluje to ale strategickou logiku panelu: rozsáhlá a pestrá robotická základna může nabízet více příležitostí jak pro sběr interakčních dat, tak pro ověřování, zda jsou fyzické předpovědi modelu v praxi užitečné.

Hustý dodavatelský řetězec jako výhoda v rychlosti

Panel také poukazoval na typ koordinace známý ze Shenzhenu: dodavatelé komponent, systémoví integrátoři, výrobci robotů a softwarové týmy mohou být geograficky i obchodně natolik blízko, že se zkrátí cesta od selhání modelu k dalšímu experimentu.

Výhodou v tomto pojetí není jen levnější hardware. Jde o možnost rychle upravit sestavu senzorů, koncový efektor robota, způsob sběru dat či konfiguraci stroje a nově získaná data brzy vrátit do tréninku. U fyzické AI to může být podstatné, protože kvalitu modelu nelze oddělit od strojů, senzorů a prostředí, na nichž se data sbírají a výsledky ověřují.

Zůstává však u strategické hypotézy, nikoli prokázané záruky technologického vedení. Rychlá reakce dodavatelského řetězce může urychlit experimenty, ale sama neřeší otázky zobecnitelnosti, bezpečnosti, spolehlivosti ani komerční životaschopnosti.

Architektura je druhou polovinou této sázky

Konkrétní příklad architektonicky vedeného přístupu představuje práce Shengshu Technology na světovém modelu propojeném s akcí. Výzkum MotuBrain popisuje společnou generativní formulaci videa a akce: modelování politiky řízení, světové modelování, generování videa, inverzní dynamika i společná predikce videa a akce jsou zde různými režimy odvozování jednoho modelu. 32

Shengshu uvádí, že MotuBrain společně modeluje porozumění, predikci a akci; cílem má být lepší využití heterogenních dat a silnější přenos mezi úlohami. 33 Prakticky jde o pokus zmenšit propast mezi systémem, který svět pozoruje, systémem, který předpovídá jeho vývoj, a systémem, který volí další akci.

Význam nespočívá v tom, že by jediná publikovaná architektura obor vyřešila. Ukazuje ale, proč panelisté přisuzují návrhu modelu takovou váhu: pokud jeden rámec dokáže znovu využívat informace napříč úlohami s videem, akcemi a fyzickou predikcí, užitečná schopnost nemusí růst v jednoduchém poměru k výpočetní kapacitě.

Alternativa: učit se fyziku od základních interakcí

EvoPhys.ai byl představen jako projekt, který se ke stejnému úzkému hrdlu staví z jiné strany. Namísto převážného spoléhání na obrovské kurátorované videoarchivy chce odvozovat fyzikální zákonitosti ze základních interakcí. Zamýšleným výsledkem má být model více ukotvený ve silách, kontaktu, pohybu a důsledcích akcí.

Příbuzná aktivita byla na WAIC viditelná. TrendForce uvedl, že Moore Threads předvedla kompletní trénink modelu EvoPhys-World Pekingské univerzity, označovaného jako 5D světový model, na domácí výpočetní infrastruktuře. 9 To potvrzuje aktivní práci v této technické oblasti, ale nezávisle neověřuje širší tvrzení panelu o relativním výkonu, datové efektivitě nebo národním vedení.

Příležitost i zátěž „velké hory“

Metafora hory Tchaj-šan vystihuje dvě stránky téhož argumentu.

Příležitost

Jestliže se světové modely stanou klíčovou vrstvou robotů, autonomních systémů a simulací, mohou první úspěšné týmy ovlivnit důležité standardy: jaká data sbírat, jak hodnotit fyzické uvažování, jaké typy robotů podporovat a které aplikace vytvářejí skutečnou hodnotu. Neexistence ustáleného globálního lídra nebo hotového produktového návodu může dát prostor průkopníkům.

Zátěž

Právě absence šablony ale zvyšuje riziko. Startupy musí dělat drahá rozhodnutí o datových pipelinech, hardwarových platformách, architekturách, metodách hodnocení, zákaznících a obchodních modelech dříve, než trh ukáže, které volby obstojí. Ověřování ve fyzickém světě navíc může být pomalejší a nákladnější než testování čistě softwarového modelu.

Tezi panelu proto nelze číst jako prohlášení, že Čína závod světových modelů už vyhrála. Jde spíše o tvrzení o podobě vznikající soutěže: v oboru, kde se modely musí učit z fyzického světa a v něm také jednat, mohou být vedle výpočetního výkonu strategickými proměnnými rychlost iterace, kvalita dat a architektura.

Co bude rozhodující sledovat

Tato teze se neprověří konferenčními prohlášeními, ale důkazy ve čtyřech oblastech:

• Nezávislé hodnocení: výsledky měřící fyzickou predikci a výkon skutečných robotů v rozmanitých prostředích, nikoli jen izolované ukázky.
• Datová efektivita: zda se modely dokážou výrazně zlepšovat s objemy interakčních dat, které je prakticky možné nasbírat a označit.
• Přenos mezi robotickými platformami: zda model natrénovaný na jednom robotu, sadě senzorů či úloze funguje i na jiných bez rozsáhlého dotrénování.
• Ekonomika nasazení: zda systémy se světovými modely dokážou roboty učinit dostatečně bezpečnějšími, spolehlivějšími nebo levnějšími pro dlouhodobé komerční využití.

Dostupné zdroje zatím dokládají silnou účast robotiky na WAIC a zveřejněnou formulaci propojující světový model s akcí od Shengshu. Neprokazují však nezávisle konkrétní srovnání výpočetních kapacit z panelu, uváděný počet potenciálních robotických dodavatelů dat ani celoodvětvové čínské vedení. Tato tvrzení je proto vhodné chápat jako ambiciózní strategickou tezi, jejíž věrohodnost potvrdí až opakovatelné výsledky v reálném světě. 8103233