Kinesiske verdensmodell-startuper vil konkurrere på iterasjon – ikke bare datakraft

Verdensmodeller er i ferd med å bli et nøkkeltema innen fysisk KI: systemer som ikke bare skal lage overbevisende video, men representere hvordan omgivelser endrer seg og hvordan handlinger påvirker dem. På WAIC 2026 – World Artificial Intelligence Conference i Shanghai – argumenterte et panel med blant andre Muka Robotics, Shengshu Technology, EvoPhys.ai og Chengwei Capital for at dette kan gi kinesiske oppstartsselskaper en annen konkurransevei enn det velkjente kappløpet om å matche de største amerikanske KI-modellene.

Poenget var ikke at Kina har samme tilgang til regnekraft i toppsjiktet. Panelets tese var snarere at framgang for verdensmodeller i økende grad kan avhenge av læringseffektivitet, data fra virkelige interaksjoner og raske tester på roboter. Da kan et tett økosystem for robotikk og maskinvare få stor betydning, ved siden av det rene antallet GPU-er. WAIC hadde tydelig tyngde innen kroppsliggjort KI og robotikk: Én rapport oppga at over 200 selskaper innen dette feltet deltok. 8

Fra størst mulig modell til raskest mulig læringssløyfe

Panelet framstilte den vanlige sammenligningen med amerikanske KI-laboratorier som mindre treffende i et fagfelt som fortsatt er i ferd med å definere både teknologi og marked. En gruppe med mindre regnekraft kan i teorien fortsatt konkurrere dersom den kan samle nyttige data fra den fysiske verden rimelig, utnytte ulike datatyper effektivt og raskt teste feil på faktiske maskiner.

Muka Robotics' rapporterte resultat i WorldArena – omtalt som en høy plassering oppnådd med 32 GPU-er – ble løftet fram som et eksempel på en slik effektivitetstilnærming. Dette er imidlertid et selskapsrapportert benchmark-resultat, ikke en uavhengig revidert bekreftelse på overordnet teknologisk lederskap. 3

Forskjellen er praktisk viktig: En videomodell kan vurderes etter hvor troverdig bildene ser ut. En verdensmodell for roboter kan derimot prøves mot fysiske begrensninger: Virker handlingen roboten forutså, faktisk i praksis? Feil anslag om kontakt, bevegelse eller et objekts tilstand kan avsløres når modellen styrer eller gir råd til en virkelig robot.

Robotikk som kilde til både data og testing

Argumentet bygger på en tilbakekoblingssløyfe mellom verdensmodeller og kroppsliggjort intelligens:

1. Verdensmodeller kan støtte roboter ved å anslå hvordan miljøet endrer seg, og hva en handling kan føre til.
2. Roboter kan støtte verdensmodeller ved å produsere data der handling og utfall henger sammen, samt direkte tilbakemelding om hvorvidt prediksjonene holder i den fysiske verden.
3. Gjentatt utplassering og ny trening kan gi raskere forbedringer av datainnsamling, modellutforming og evaluering.

Omfanget av robotikken på WAIC illustrerer hvorfor panelet mener dette er relevant. Shanghais offisielle WAIC-guide beskrev over 300 roboter i dynamiske bruksscenarioer, mens annen dekning oppga over 200 deltakende selskaper innen kroppsliggjort KI og robotikk. 108

Dette beviser ikke at noe land har en avgjørende datafordel. Men det forklarer den strategiske logikken: En stor og variert robotbase kan gi flere anledninger til å samle interaksjonsdata og flere situasjoner der man kan undersøke om modellens fysiske prediksjoner faktisk er nyttige.

Tett leverandørkjede kan forkorte veien fra feil til ny test

Panelet pekte også på Shenzhen-lignende samordning i maskinvaresektoren. Når komponentleverandører, systemintegratorer, robotprodusenter og programvareteam er kommersielt og geografisk tett på hverandre, kan tiden fra en modellfeil til et nytt eksperiment bli kortere.

Fordelen handler da ikke bare om billigere maskinvare. Den handler om å kunne endre sensoroppsett, gripeverktøy, rutiner for datainnsamling eller robotkonfigurasjon – og raskt føre de nye dataene tilbake i treningen. Det kan være viktig i fysisk KI, der modellkvalitet henger uløselig sammen med maskinene, sensorene og miljøene som brukes til å samle inn og validere data.

Dette er likevel en strategisk hypotese, ikke en dokumentert garanti for teknologisk forsprang. En responsiv leverandørkjede kan få eksperimenter til å gå fortere, men løser ikke alene grunnleggende spørsmål om generalisering, sikkerhet, pålitelighet eller lønnsomhet.

Arkitekturen er den andre halvdelen av tesen

Shengshu Technologys arbeid med «world action»-modeller gir et konkret eksempel på den arkitekturdrevne tilnærmingen. Forskningen rundt MotuBrain beskriver video og handling i et felles generativt rammeverk. Politikkmodellering, verdensmodellering, videogenerering, invers dynamikk og felles prediksjon av video og handling blir dermed ulike måter å gjøre slutninger med samme modell på. 32

Shengshu sier at MotuBrain modellerer forståelse, prediksjon og handling samlet, med mål om bedre bruk av heterogene data og sterkere overføring mellom oppgaver. 33 I praksis er dette et forsøk på å redusere skillet mellom et system som observerer verden, forutsier utviklingen og velger en handling.

Betydningen er ikke at én publisert arkitektur har avgjort feltet. Den viser heller hvorfor panelet mener modellutforming kan gi et løft: Dersom ett rammeverk kan gjenbruke informasjon på tvers av video-, handlings- og oppgaver for fysisk prediksjon, trenger ikke nyttig kapasitet å vokse én-til-én med regnekraften.

En fysikkførst-tilnærming

EvoPhys.ai ble presentert som en aktør som angriper den samme flaskehalsen fra en annen retning: å lære fysiske regelmessigheter fra grunnleggende interaksjoner, framfor først og fremst å basere seg på enorme, kuraterte videosamlinger. Målet er en modell som er mer forankret i krefter, kontakt, bevegelse og konsekvensene av handlinger.

Beslektet aktivitet var synlig på WAIC. TrendForce rapporterte at Moore Threads demonstrerte full trening av Peking Universitys EvoPhys-World – omtalt som en 5D-verdensmodell – på innenlandsk datainfrastruktur. 9 Det bekrefter aktivt arbeid på området, men validerer ikke uavhengig panelets bredere påstander om relativ ytelse, dataeffektivitet eller nasjonalt lederskap.

«Mount Tai»: både mulighet og tung byrde

Panelets metafor om Mount Tai – det berømte kinesiske fjellet – rommer to sider av samme argument.

Muligheten

Dersom verdensmodeller blir et sentralt lag for roboter, autonome systemer og simulering, kan tidlige aktører bidra til å sette viktige standarder: Hvilke data bør samles inn? Hvordan skal fysisk resonnering evalueres? Hvilke robottyper bør støttes? Og hvilke anvendelser skaper reell verdi? At det ennå ikke finnes en etablert global leder eller en utprøvd produktoppskrift, kan gi rom for de første som lykkes.

Byrden

Det samme fraværet av en oppskrift øker gjennomføringsrisikoen. Oppstartsselskaper må ta kostbare valg om datapipelines, maskinvareplattformer, modellarkitekturer, evalueringsmetoder, kunder og forretningsmodeller før markedet har vist hva som vil vare. Testing i den fysiske verden kan dessuten være langsommere og dyrere enn å evaluere en rent programvarebasert modell.

Panelets budskap bør derfor ikke leses som en erklæring om at Kina allerede har vunnet kappløpet om verdensmodeller. Det er en påstand om konkurransens form: I et nytt felt der modeller både må lære av og handle i den fysiske verden, kan iterasjonshastighet, datakvalitet og arkitektur bli strategiske faktorer på linje med regnekraft.

Dette bør man følge med på

Tesen vil først og fremst bli prøvd av konkrete resultater, ikke konferansefortellinger. Fire områder blir særlig viktige:

• Uavhengige evalueringer: Målinger av fysisk prediksjon og robotytelse i ulike miljøer, ikke bare enkeltstående demonstrasjoner.
• Dataeffektivitet: Om modellene kan forbedres vesentlig med mengder interaksjonsdata som faktisk er praktiske å samle inn og merke.
• Overføring mellom robottyper: Om en modell trent på én robot, sensorpakke eller oppgave kan fungere på andre uten omfattende ny trening.
• Økonomi ved utplassering: Om verdensmodeller gjør roboter sikre, pålitelige eller rimelige nok til varig kommersiell bruk.

Kildene underbygger foreløpig omfattende robotdeltakelse på WAIC og Shengshus publiserte world-action-formulering. De dokumenterer derimot ikke uavhengig panelets konkrete sammenligninger av regnekraft, det påståtte antallet mulige robotikkselskaper som datakilder eller et bransjeomfattende kinesisk forsprang. Påstandene bør derfor forstås som en ambisiøs strategisk tese, der troverdigheten vil avhenge av gjentakbare resultater i den virkelige verden. 8103233