Chinas World-Model-Start-ups setzen auf Roboter, Daten und Tempo statt nur auf Rechenleistung

World Models werden zu einem Kernthema der physischen KI: Gemeint sind Systeme, die nicht nur überzeugend wirkende Videos erzeugen, sondern auch abbilden sollen, wie sich Umgebungen verändern und welche Folgen Handlungen haben. Auf der WAIC 2026 – der World Artificial Intelligence Conference in Shanghai – vertraten Panelisten von Muka Robotics, Shengshu Technology, EvoPhys.ai und Chengwei Capital die Auffassung, chinesische Start-ups könnten in diesem Feld nach anderen Regeln konkurrieren als im klassischen Wettlauf um immer größere US-Sprachmodelle.

Ihre These lautet nicht, dass China über dieselben Rechenkapazitäten wie führende US-Labore verfüge. Entscheidend könnten bei World Models vielmehr Lerneffizienz, Daten aus realen Interaktionen und schnelle Tests an Robotern werden. Die WAIC bot dafür ein sichtbares Umfeld: Laut einer Konferenzberichterstattung nahmen mehr als 200 Unternehmen aus verkörperter KI und Robotik teil. 8

Der mögliche Strategiewechsel: Iteration statt reiner Skalierung

Für die Diskutierenden ist der übliche Vergleich mit US-KI-Laboren in einem noch jungen Feld nur begrenzt hilfreich. Ein Team mit weniger Rechenleistung könne dennoch konkurrenzfähig sein, wenn es relevante Daten aus der physischen Welt kostengünstig erhebt, unterschiedliche Datentypen effizient nutzt und Fehler rasch an realen Maschinen überprüft.

Als Beispiel wurde Muka Robotics' Ergebnis bei WorldArena angeführt: Berichten zufolge erreichte das Unternehmen mit 32 GPUs eine hohe Platzierung. Das ist allerdings ein unternehmensnah dargestelltes Benchmark-Ergebnis – keine unabhängig geprüfte Bestätigung einer allgemeinen technologischen Führungsrolle. 3

Der praktische Unterschied ist wichtig: Ein Videomodell lässt sich danach beurteilen, ob seine Bilder plausibel aussehen. Ein verkörpertes World Model muss sich daran messen lassen, ob ein Roboter mit seiner Hilfe unter realen physikalischen Bedingungen erfolgreich handelt. Liegt das Modell bei Kontakt, Bewegung oder Objektzustand falsch, zeigt sich das beim Einsatz der Maschine.

Roboter als Quelle für Daten – und für den Realitätstest

Die Argumentation des Panels beruht auf einem Rückkopplungskreislauf zwischen World Models und verkörperter Intelligenz:

1. World Models können Robotern helfen, Veränderungen in ihrer Umgebung und die Folgen möglicher Aktionen vorherzusagen.
2. Roboter können World Models helfen, indem sie Daten aus handlungsabhängigen Interaktionen erzeugen und direktes Feedback liefern: Traf die Vorhersage in der physischen Welt zu?
3. Wiederholter Einsatz und erneutes Training können die Iteration bei Datensammlung, Modellarchitektur und Bewertung beschleunigen.

Warum das in China relevant sein könnte, illustriert die WAIC-Ausstellung: Der offizielle Veranstaltungsführer sprach von mehr als 300 Robotern in dynamischen Anwendungsszenarien; andere Berichte nannten über 200 beteiligte Unternehmen aus Robotik und verkörperter KI. 108

Das beweist nicht, dass ein Land dadurch bereits einen entscheidenden Datenvorsprung besitzt. Es erklärt aber die strategische Logik der Panelisten: Eine große und vielfältige Robotikbasis schafft mehr Gelegenheiten, Interaktionsdaten zu sammeln – und mehr Umgebungen, in denen sich der praktische Nutzen physischer Modellvorhersagen prüfen lässt.

Dichte Lieferketten als Geschwindigkeitsvorteil

Ein weiterer Punkt war die Shenzhen-typische Abstimmung von Hardware-Akteuren. Zulieferer, Systemintegratoren, Roboterhersteller und Softwareteams können geografisch und wirtschaftlich eng vernetzt sein. Das könnte den Weg von einem Modellfehler zum nächsten Experiment verkürzen.

Der Vorteil wäre dann nicht nur günstigere Hardware. Teams könnten etwa Sensorik, Greifer, Datenerfassungsabläufe oder Roboterkonfigurationen verändern und die neuen Daten rasch wieder ins Training zurückführen. Bei physischer KI hängt die Modellqualität eng mit Maschinen, Sensoren und Umgebungen zusammen, in denen Daten erhoben und Ergebnisse validiert werden.

Das bleibt jedoch eine strategische Annahme, keine Garantie für technologische Spitzenpositionen. Eine reaktionsfähige Lieferkette kann Experimente beschleunigen, löst aber nicht automatisch Fragen der Generalisierung, Sicherheit, Zuverlässigkeit oder wirtschaftlichen Tragfähigkeit.

Architektur als zweiter Hebel

Die World-Action-Forschung von Shengshu Technology zeigt konkret, was mit einem architekturgetriebenen Ansatz gemeint ist. MotuBrain modelliert Video und Aktion in einem gemeinsamen generativen Rahmen. Policy-Modellierung, World Modeling, Videogenerierung, inverse Dynamik und die gemeinsame Vorhersage von Video und Aktion werden so zu unterschiedlichen Inferenzmodi desselben Modells. 32

Shengshu beschreibt MotuBrain als Modell, das Verstehen, Vorhersage und Handlung gemeinsam abbildet. Das soll heterogene Daten besser nutzbar machen und den Transfer zwischen Aufgaben stärken. 33 Praktisch geht es darum, die Trennung zwischen Beobachtung, Prognose und Aktionswahl zu verringern.

Damit ist nicht bewiesen, dass eine einzelne veröffentlichte Architektur das Feld entschieden hätte. Sie verdeutlicht aber die Kernthese: Kann ein Modell Informationen über Video, Aktionen und physische Vorhersagen hinweg wiederverwenden, muss nützliche Fähigkeit nicht eins zu eins mit dem Rechenaufwand wachsen.

Der physiknahe Ansatz

EvoPhys.ai wurde als Ansatz vorgestellt, der denselben Engpass von einer anderen Seite angeht: Physikalische Regelmäßigkeiten sollen aus elementaren Interaktionen gelernt werden, statt sich vor allem auf riesige kuratierte Videodatensätze zu stützen. Das Ziel ist ein Modell, das stärker in Kräften, Kontakt, Bewegung und Handlungsfolgen verankert ist.

Auch auf der WAIC war verwandte Forschung zu sehen. TrendForce berichtete, Moore Threads habe das vollständige Training von Peking Universitys EvoPhys-World – beschrieben als 5D-World-Model – auf heimischer Recheninfrastruktur demonstriert. 9 Das belegt aktive Arbeit in diesem technischen Bereich, validiert aber nicht unabhängig die weitergehenden Aussagen des Panels über Leistung, Dateneffizienz oder nationale Führungspositionen.

Die „Mount-Tai“-Chance – und ihre Last

Die Metapher vom Mount Tai, einem bedeutenden Berg in China, beschreibt zwei Seiten derselben Wette.

Die Chance

Sollten World Models zu einer zentralen Schicht für Robotik, autonome Systeme und Simulation werden, könnten frühe Anbieter wichtige Standards mitprägen: Welche Daten werden gesammelt? Wie lässt sich physisches Schlussfolgern bewerten? Welche Robotertypen werden unterstützt? Und welche Anwendungen stiften tatsächlich Nutzen?

Da es weder einen feststehenden globalen Marktführer noch ein etabliertes Produktrezept gibt, könnte das Raum für Vorreiter schaffen.

Die Belastung

Gerade das Fehlen einer Vorlage erhöht das Umsetzungsrisiko. Start-ups müssen kostspielige Entscheidungen über Datenpipelines, Hardwareplattformen, Modellarchitekturen, Bewertungsmethoden, Kunden und Geschäftsmodelle treffen, bevor klar ist, welche davon sich dauerhaft durchsetzen. Die Validierung in der physischen Welt kann zudem langsamer und teurer sein als die Bewertung eines reinen Softwaremodells.

Die Panelthese sollte daher nicht als Erklärung verstanden werden, China habe den Wettbewerb um World Models bereits gewonnen. Sie beschreibt vielmehr eine mögliche Verschiebung der Wettbewerbsfaktoren: In einem Feld, in dem Modelle aus der physischen Welt lernen und in ihr handeln müssen, könnten Iterationstempo, Datenqualität und Architektur neben Rechenleistung zu strategischen Größen werden.

Worauf es jetzt ankommt

Ob diese These trägt, entscheidet sich weniger in Konferenzdebatten als anhand von Belegen in vier Bereichen:

• Unabhängige Evaluierungen: Messungen physischer Vorhersagen und realer Roboterleistung in unterschiedlichen Umgebungen statt isolierter Vorführungen.
• Dateneffizienz: Ob Modelle mit Interaktionsdatenmengen sinnvoll besser werden, die sich in der Praxis erheben und annotieren lassen.
• Transfer zwischen Robotern: Ob ein auf einem Robotertyp, Sensorsystem oder einer Aufgabe trainiertes Modell ohne umfangreiches Nachtraining auf andere Systeme übertragbar ist.
• Wirtschaftlichkeit im Einsatz: Ob World Models Roboter sicherer, zuverlässiger oder kostengünstiger machen – und damit dauerhafte kommerzielle Nutzung ermöglichen.

Die verfügbaren Quellen belegen eine starke Robotikpräsenz auf der WAIC und Shengshus veröffentlichte World-Action-Formulierung. Sie belegen jedoch nicht unabhängig die konkreten Vergleiche bei Rechenleistung, die behauptete Zahl potenzieller Datenlieferanten oder eine branchenweite chinesische Führungsrolle. Diese Aussagen sind daher vor allem als ambitionierte strategische These zu verstehen – ihre Glaubwürdigkeit wird von wiederholbaren Ergebnissen unter realen Bedingungen abhängen. 8103233