Kinas startupmiljø for verdensmodeller vil sætte sin egen kurs

Verdensmodeller er blevet et nøgleord i fysisk AI: Systemer, der ikke blot skal skabe overbevisende video, men også repræsentere, hvordan omgivelser ændrer sig, og hvad der sker, når en aktør handler i dem. På WAIC 2026 – World Artificial Intelligence Conference i Shanghai – argumenterede et panel med blandt andre Muka Robotics, Shengshu Technology, EvoPhys.ai og Chengwei Capital for, at kinesiske startups derfor kan konkurrere på andet end den velkendte kapløbsdisciplin: at matche de største amerikanske AI-modellers skala.

Pointen var ikke, at Kina har samme adgang til den mest avancerede regnekraft. Paneldeltagerne pegede i stedet på læringseffektivitet, data fra interaktioner i den virkelige verden og hurtig afprøvning på robotter. Her kan et tæt økosystem af robot- og hardwarevirksomheder få stor betydning. WAIC havde tydeligt fokus på det kropsligt forankrede AI-område; én omtale talte over 200 deltagende virksomheder inden for embodied AI og robotteknologi. 8

Fra flest GPU'er til hurtigst læring

Panelets hovedtese var, at den sædvanlige sammenligning med amerikanske AI-laboratorier er mindre brugbar på et felt, hvor både teknologien og markedet stadig er under opbygning. En virksomhed med mindre regnekraft kan ifølge denne logik stadig være konkurrencedygtig, hvis den kan indsamle brugbare data fra den fysiske verden billigt, udnytte blandede datatyper effektivt og hurtigt teste fejl på rigtige maskiner.

Muka Robotics' resultat på WorldArena – omtalt som en høj placering opnået med 32 GPU'er – blev fremhævet som et eksempel på en effektivitetstilgang. Det er dog et virksomhedsrapporteret benchmarkresultat og ikke en uafhængigt kontrolleret dokumentation for samlet teknologisk førerskab. 3

Forskellen er helt praktisk: En videomodel kan vurderes på, om dens output ser troværdigt ud. En kropsligt anvendt verdensmodel kan derimod testes på, om en robots forudsagte handling faktisk lykkes under fysiske begrænsninger. Forudsiger modellen kontakt, bevægelse eller et objekts tilstand forkert, bliver fejlen synlig, når robotten skal handle i verden.

Robotter som både datakilde og eksamen

Argumentet bygger på en gensidig forstærkning mellem verdensmodeller og embodied AI – altså AI, der er forbundet med en fysisk robot eller anden maskine:

1. Verdensmodeller kan hjælpe robotter med at forudsige ændringer i omgivelserne og mulige følger af en handling.
2. Robotter kan hjælpe verdensmodeller ved at skabe data, hvor handling og resultat hænger sammen, og ved at levere direkte feedback på, om modellens forudsigelser holder i den fysiske verden.
3. Løbende udrulning og genoptræning kan forkorte vejen fra observation til bedre dataindsamling, modeldesign og evaluering.

WAIC's udstillingsområde illustrerer, hvorfor panelet anser dette som relevant. Shanghais officielle guide beskrev mere end 300 robotter i dynamiske anvendelsesscenarier, mens anden dækning pegede på over 200 virksomheder inden for embodied AI og robotteknologi. 108

Det beviser ikke, at et bestemt land har en afgørende datafordel. Men det forklarer den strategiske tanke: En stor og varieret robotbase kan både skabe flere muligheder for at indsamle interaktionsdata og flere miljøer, hvor man kan kontrollere, om en models fysiske forudsigelser er brugbare.

Tæt forsyningskæde kan gøre forsøg hurtigere

Panelet fremhævede også den type hardwarekoordinering, der forbindes med Shenzhen: Komponentleverandører, integratorer, robotproducenter og softwarehold kan være tæt på hinanden – både geografisk og kommercielt. Det kan forkorte sløjfen fra en model fejler, til et nyt eksperiment sættes i gang.

Fordelen handler i den optik ikke kun om billigere hardware. Den handler om hurtigt at kunne ændre en sensoropsætning, et griberedskab, en dataindsamlingsrutine eller en robotkonfiguration og derefter føre de nye data tilbage i træningen. Det kan være vigtigt i fysisk AI, hvor modellens kvalitet hænger uløseligt sammen med de maskiner, sensorer og miljøer, der leverer og validerer data.

Det er fortsat en strategisk hypotese, ikke en dokumenteret garanti for teknologisk førerskab. En smidig forsyningskæde kan accelerere eksperimenter, men løser ikke i sig selv de grundlæggende spørgsmål om generalisering, sikkerhed, driftssikkerhed og kommerciel bæredygtighed.

Arkitekturen er den anden halvdel af tesen

Shengshu Technologys arbejde med verdens- og handlingsmodeller er et konkret eksempel på den arkitekturdrevne tilgang, der blev beskrevet på panelet. Forskningen bag MotuBrain samler video og handling i én fælles generativ formulering. Dermed bliver policy-modellering, verdensmodellering, videogenerering, invers dynamik og fælles video-handlingsforudsigelse forskellige måder at bruge samme model på. 32

Shengshu beskriver selv MotuBrain som en model, der samtidig behandler forståelse, forudsigelse og handling, med det erklærede formål at udnytte heterogene data bedre og forbedre overførsel mellem opgaver. 33 I praksis er det et forsøg på at mindske adskillelsen mellem et system, der observerer verden, forudsiger dens udvikling og vælger en handling.

Betydningen er ikke, at én offentliggjort arkitektur har afgjort feltet. Den illustrerer snarere, hvorfor panelet ser modeldesign som en mulig løftestang: Hvis én ramme kan genbruge information på tværs af video, handlinger og fysiske forudsigelser, behøver nyttig kapacitet ikke at vokse én-til-én med mængden af regnekraft.

En fysikførst-tilgang

EvoPhys.ai blev præsenteret som en tilgang til den samme flaskehals fra en anden vinkel: At lære fysiske regelmæssigheder gennem primitive interaktioner frem for primært at basere sig på enorme, kuraterede videosamlinger. Målet er en model, der er bedre forankret i kræfter, kontakt, bevægelse og konsekvenser af handlinger.

Relateret arbejde var synligt på WAIC. TrendForce rapporterede, at Moore Threads demonstrerede komplet træning af Peking Universitys EvoPhys-World – beskrevet som en 5D-verdensmodel – på indenlandsk computerinfrastruktur. 9 Det bekræfter aktivitet på området, men validerer ikke uafhængigt panelets bredere påstande om sammenlignelig ydeevne, dataeffektivitet eller nationalt førerskab.

En mulighed på "Mount Tai" – og en tung byrde

Metaforen om Mount Tai, et af Kinas mest kendte hellige bjergområder, indfanger to sider af det samme argument.

Muligheden

Hvis verdensmodeller bliver et centralt lag for robotter, autonome systemer og simulering, kan de første stærke aktører være med til at definere vigtige standarder: Hvilke data bør indsamles? Hvordan måles fysisk forståelse? Hvilke robottyper skal understøttes? Og hvilke anvendelser skaber faktisk værdi?

Fraværet af en fast global markedsleder eller en etableret produktopskrift kan give plads til dem, der kommer først.

Byrden

Men fraværet af en opskrift øger også risikoen. Startups skal træffe dyre valg om datapipelines, hardwareplatforme, modelarkitekturer, evalueringsmetoder, kunder og forretningsmodeller, før markedet har vist, hvilke valg der holder. Validering i den fysiske verden kan desuden være langsommere og dyrere end evaluering af en rent softwarebaseret model.

Panelets budskab bør derfor ikke læses som en erklæring om, at Kina allerede har vundet kapløbet om verdensmodeller. Det er en påstand om, at konkurrencen kan få en anden form: I et nyt felt, hvor modeller både skal lære af og handle i den fysiske verden, kan iterationshastighed, datakvalitet og arkitektur få strategisk betydning ved siden af regnekraft.

Det bør man holde øje med

Tesens holdbarhed vil blive afgjort af mere end konferenceretorik – især af dokumentation på fire områder:

• Uafhængige evalueringer: Målinger af fysisk forudsigelse og reel robotydelse på tværs af forskellige miljøer, ikke kun enkeltstående demonstrationer.
• Dataeffektivitet: Om modeller kan forbedres væsentligt med mængder af interaktionsdata, der er realistiske at indsamle og mærke.
• Overførsel mellem robotter: Om en model trænet på én robot, sensorpakke eller opgave kan fungere på andre uden omfattende genoptræning.
• Økonomien i udrulning: Om verdensmodeller gør robotter sikre nok, pålidelige nok eller billige nok til varig kommerciel drift.

De tilgængelige kilder underbygger høj aktivitet inden for robotteknologi på WAIC og Shengshus offentliggjorte verdens-handlingsformulering. De dokumenterer derimod ikke uafhængigt panelets konkrete sammenligninger af regnekraft, det angivne antal potentielle robotvirksomheder som datakilder eller et bredt kinesisk forspring i branchen. Påstandene bør derfor forstås som en ambitiøs strategisk tese, der skal bevises med gentagelige resultater i den virkelige verden. 8103233