Yang Fengyu, PDG d'après 2000 : un médecin de Yale est retourné en Chine pour démarrer une entreprise et a construit le premier robot humanoïde « produit en série » en cinq mois AI Pioneer |

L'humanité inaugure une mise à jour explosive dans le domaine de l'intelligence artificielle. Presque chaque étape de l'expansion de la technologie vers l'inconnu a attiré une attention étonnante.

Dans le processus de repoussement des frontières de l'intelligence artificielle, l'innovation et le désaccord cohabitent dans les parcours techniques des pistes importantes. Le jugement et les choix des pionniers de la technologie influencent les traces de nombreux adeptes.

Au cours de la dernière année, ce site Web a pris l'initiative en exclusivité de présenter à tout le monde d'excellentes entreprises telles que Dark Side of the Moon, Shengshu Technology, Aishi Technology et Wuwen Core Dome, leur laissant avec le premier "script d'interview de 10 000 mots". " dans le monde Internet. ". À une époque où les voies technologiques n’ont pas encore convergé, nous voyons le leadership d’entrepreneurs en IA qui ont véritablement foi, courage et cognition systématique.

C'est pourquoi nous avons lancé la rubrique "AI Pioneers", dans l'espoir de continuer à trouver et à enregistrer des entrepreneurs dotés de qualités de leadership dans diverses subdivisions de l'intelligence artificielle à l'ère de l'IA, et de présenter les startups les plus remarquables et à fort potentiel dans le domaine de l'IA. ​suivez et partagez leurs réalisations dans Les connaissances les plus avancées et les plus distinctives dans le domaine de l'IA.

Auteur : Jiang Jingling

Rapporté par ce site

Même si les jeunes génies universitaires sont devenus l'un des milieux dominants des fondateurs actuels d'AGI, Yang Fengyu, né en 2000, est toujours étonnamment jeune.

Yang Fengyu, étudiant de premier cycle en informatique à l'Université du Michigan et doctorant en informatique à l'Université de Yale, n'a que 23 ans et a lancé sa propre entreprise de robots intelligents incarnés l'année dernière.

En 2024, la société d'intelligence incarnée UniX AI qu'il a fondée a achevé le développement et la fabrication d'un robot humanoïde à roues en cinq mois. Ce robot doté de fonctions telles que le « nettoyage après les repas » et la « lessive ». La production de masse et les ventes externes vont commencer. en septembre.

Bien que de nombreux robots intelligents incarnés soient encore au stade du laboratoire, il s'agit d'une vitesse de commercialisation très rapide. À Suzhou, l’usine de production de masse de robots d’UniX AI a dépassé les 2 500 mètres carrés.

Cette entreprise, dont presque personne n'avait entendu parler l'année dernière, a recruté de nombreux talents techniques seniors dans l'industrie de la robotique en six mois. "Le directeur R&D du robot de service principal nous aide à fabriquer le châssis, et certains des meilleurs talents de la société de robots humanoïdes sont également responsables de notre matériel." En juillet 2024, le professeur Wang Hesheng, un expert bien connu en robotique de l'Université Jiao Tong de Shanghai, a annoncé qu'il rejoindrait officiellement UniX AI en tant que scientifique en chef.

Dans la première vidéo de démonstration technologique publiée par UniX AI, un robot humanoïde à roues nommé Wanda peut effectuer des tâches telles que saisir du tofu, aider au tri des vêtements et amener les vêtements à une machine à laver pour les nettoyer. UniX AI semble avoir trouvé une solution au problème des « tâches flexibles » qui est actuellement difficile à résoudre pour les sociétés de renseignement incarné.

"Je ne pense pas qu'il y ait quelque chose de mal à être jeune. D'un point de vue technique, de nombreuses nouvelles technologies et produits sont créés par des jeunes ayant une solide formation universitaire." , Yang Fengyu lui-même fait preuve d'une maturité au-delà de son âge dans sa conversation et a une compréhension très claire de la gestion d'entreprise et du stade technique de l'intelligence incarnée.

Notre curiosité pour UniX AI se concentre sur la façon dont une société d'intelligence incarnée avec presque aucune nouvelle dans le cercle du capital-risque peut atteindre une vitesse de développement aussi rapide que l'une des rares entreprises fondées par une société d'intelligence incarnée de la génération post-00, comment UniX AI réalise-t-il le développement de 0 à 1 ? À quoi ressemble la feuille de route finale d’UniX AI pour l’intelligence incorporée ?

Avec ces questions à l'esprit, ce site Web a lancé le premier dialogue médiatique public avec Yang Fengyu depuis qu'il a démarré son entreprise.

Yale après les années 2000 Rejoindre l'entrepreneuriat intelligent incarné

Ce site : Avez-vous obtenu votre diplôme maintenant ?

Yang Fengyu : Je suis allé directement à Yale en tant qu'étudiant de premier cycle, et j'ai pratiquement satisfait à toutes les exigences de thèse pour mon doctorat. Prenez cette année par exemple, j'ai gagné 4 articles CVPR, et d'autres, il y en a plus de. dix articles au total. Meilleurs articles de conférence sur l’intelligence artificielle et la robotique.

Ce site : Votre énergie est très forte.

Yang Fengyu : (en riant), je reste souvent éveillé jusqu'à 3h30 du matin, et je suis même allé me ​​faire une injection pour diabétique il y a quelque temps. Principalement parce que l’équipe est ensemble et qu’on ne regarde souvent pas nos montres. Quand on lève les yeux, il est déjà très tard.

Ce site : Quand avez-vous pensé pour la première fois à créer une entreprise ?

Yang Fengyu : J'ai toujours cru que l'entrepreneuriat dépend « du bon moment, du bon endroit, des bonnes personnes ».

L'année dernière, nous avons constaté de grands progrès technologiques au niveau perceptuel. Certains grands modèles ou modèles de base comprenant des modèles multimodaux tels que la vision, les modèles de langage et le toucher ont fait de grands progrès. Cela nous permet d'entrevoir la possibilité. d'atteindre vos objectifs. En outre, le pays a également lancé une série de politiques de soutien pour offrir un environnement propice à l’entrepreneuriat. C'est "le bon moment".

« Mauvais emplacement » : Il ne fait aucun doute que les robots humanoïdes universels sont la prochaine direction de développement après les véhicules à énergie nouvelle. La Chine possède des avantages inégalés dans la chaîne d'approvisionnement et la haute technologie dans le delta du fleuve Yangtze. il y a aussi beaucoup de talents.

Au début, nous avons fait quelques recherches pour savoir à quel stade le niveau d'ingénierie de l'industrie robotique a progressé, où est la demande du marché, quels problèmes la génération précédente de robots a-t-elle résolus et où est son avenir. opportunités?

La clé du succès est de trouver la bonne personne. Cette année, nous avons formellement formé une équipe et rassemblé rapidement des experts de nombreux domaines, y compris le directeur R&D du robot de balayage monté sur la tête, ainsi que certains des meilleurs talents de la société de robots humanoïdes en tête, qui sont responsables de notre matériel. Au niveau de l'algorithme, j'ai recruté un groupe de talents aux États-Unis et en Europe, dont certains de mes camarades de classe et seniors C'est « l'humanité ».

En tant que fondateur et PDG, le plus important est de rassembler des ressources. UniX AI est une entreprise mondiale qui combine les avantages des logiciels, du matériel et de la chaîne d'approvisionnement des robots de différents pays du monde. En même temps, nous avons un plan international, grâce à des efforts continus sur un an ou trois ans ; et des plans quinquennaux, concrétisant la vision de l'entreprise de Robots pour tous.

Ce site : présentez brièvement votre expérience académique

Yang Fengyu : Je suis passé de l'école primaire au lycée en Chine et je suis allé à l'Université du Michigan pour me spécialiser en informatique pour mon diplôme de premier cycle. . Je suis d'abord entré en contact avec la vision et l'apprentissage automatique. Plus tard, sous l'influence de « l'apprentissage multimodal » de mon mentor, j'ai commencé à mener des recherches visuelles et tactiles.

J'ai publié 5 articles sur les sensations visuelles et tactiles des robots pendant mes études de premier cycle, Parmi eux, "Touch and Go: Learning from Human-Collected Vision and Touch" est le plus grand ensemble de données de détection visuelle et tactile au monde, a été utilisé par l'intelligence artificielle et accepté par NuerIPS, la plus grande conférence dans le domaine de l'apprentissage automatique.

Dans un autre travail, nous avons introduit pour la première fois le modèle de diffusion pour compléter la transformation mutuelle entre la vision et le toucher, et les résultats ont été acceptés par l'ICCV.

Pour les robots, le toucher est très important. Il est difficile de savoir à l'œil nu si un vêtement est en polyester, en coton ou en soie. Ce n'est qu'en le touchant que l'on peut distinguer les différentes textures. De plus, certaines activités délicates, comme l'insertion du câble de chargement dans le port de chargement, nécessitent également un réglage continu par le toucher, qui ne peut être réalisé par la seule vision.

Ce site : Puis vous êtes venu à Yale.

Yang Fengyu : Grâce à certains travaux sur les aspects visuels et tactiles des robots, notamment la transformation des sensations visuelles et tactiles et leur généralisation dans de grands modèles de langage, j'ai remporté le titre de scientifique de premier cycle exceptionnel de l'Amérique du Nord. Computer Society, la première dans l'histoire de l'école. Finalement, il a choisi l'Université de Yale pour des études doctorales.

Pendant cette période, j'ai publié quelques articles les uns après les autres, dont "Le toucher contraignant à tout : Apprendre des représentations tactiles multimodales unifiées" (CVPR, 2024, pp.26340-26353). Dans cet article, j'ai proposé UniTouch, le premier grand modèle tactile au monde adapté à plusieurs capteurs tactiles différents, convient aux capteurs tactiles basés sur la vision connectés à plusieurs modalités telles que la vision, la parole et le son.

Un autre article"Tactile-Augmented Radiance Fields" (CVPR, 2024, pp.26529-26539) a établi le premier modèle visuel et tactile 3D TARF au monde pouvant être généralisé au niveau de la scène. La capacité de généralisation d'UniX. Le robot humanoïde IA est également basé sur ce modèle.

Ce site : Pensez-vous qu'être né après 2000 est plus avantageux ou désavantageux pour vous ?

Yang Fengyu : Dans une startup, le fondateur est l'âme. Beaucoup de gens pensent que je suis très jeune, mais je pense qu'être né dans les années 2000 n'est pas un problème.

D'un point de vue technique, les jeunes ont un rôle moteur très fort pour accueillir cette vague de changement technologique et suivre l'innovation. De nombreuses nouvelles technologies et produits sont créés par les jeunes d’aujourd’hui, en particulier dans les secteurs de haute technologie, où le seuil d’entrée est relativement élevé. L'un des membres de l'équipe principale de Sora est également mon camarade de classe. Il a fait preuve de solides capacités techniques lorsqu'il était à l'Université du Michigan.

D'un point de vue cognitif et expérimenté, je pense qu'apprendre rapidement et corriger rapidement ses erreurs est aussi un chemin. L'autre est la personnalité. Vous devez être prêt à persévérer et à faire preuve de résilience, à ne rien négliger et à avoir l'esprit « d'ouvrir des routes lorsque vous rencontrez des montagnes et de construire des ponts lorsque vous rencontrez des eaux ». .

Bien sûr, l'équipe UniX AI compte également de nombreux experts expérimentés. Ils ont une riche expérience dans les domaines des structures, de l'électronique, etc. Ce n'est que grâce à une coopération efficace entre nous que nous pourrons lancer nos produits dans un court laps de temps.

Visuel et tactile + fonctionnement Améliorer la capacité de généralisation des robots

Ce site : Pourquoi l'amélioration du sens tactile est-elle importante pour les robots ?

Yang Fengyu : Les êtres humains sont des animaux multisensoriels. Vos décisions d'action sont généralement l'influence combinée d'informations transmises par plusieurs sens. Il en va de même en théorie pour les robots intelligents.

Le tapotement est l'une des informations sensorielles les plus importantes Par rapport au retour visuel, il est généré après que le robot interagit avec l'environnement, tandis que le retour visuel vient avant. Lorsque le robot saisit un objet, celui-ci se déforme. Essentiellement, après que cette interaction se produit, les informations incrémentielles que le robot obtient proviennent du toucher : ce qu'il ressent.

Disposer d'informations tactiles permet au robot de mieux performer sur certaines tâches plus complexes et délicates, améliorant considérablement le taux de réussite des tâches de préhension. Surtout dans la préhension d'objets flexibles, le rôle du toucher est plus évident, il peut. On peut dire qu'il s'agit d'une amélioration qualitative de fondamentalement impossible à accomplir la tâche à la capacité de l'accomplir.

Par exemple, notre robot humanoïde à roues Wanda a accompli des tâches telles que pincer des œufs, saisir du tofu et laver des vêtements. Il s'appuie uniquement sur la vision, il est difficile pour le robot de l'accomplir.

Pourquoi les robots s'appuient désormais principalement sur la vision pour porter des jugements, c'est parce que par rapport à d'autres données, les données visuelles sont les plus directes, les plus faciles à obtenir et à entraîner, et qu'il existe une grande quantité de données disponibles. Mais lorsque le robot progresse vers l’incarnation, se fier uniquement à la vision ne suffit certainement pas.

En tant que type d'information sensorielle reposant sur l'interaction, l'importance de pouvoir utiliser raisonnablement les informations tactiles est que le robot peut progressivement apprendre de l'interaction réelle avec le monde et devenir plus utilisable et généralisé.

Ce site : Pourquoi le niveau de contrôle des objets flexibles du robot s'améliore-t-il après l'ajout du sens tactile ? Quel est le principe ?

Yang Fengyu : Le principe principal est qu'il y a une grande différence dans la saisie et l'utilisation d'objets flexibles et d'objets rigides. La forme physique d'un objet rigide ne change fondamentalement pas avant et après avoir été touché, il est donc relativement facile de juger lors de la saisie par observation visuelle. Cependant, il est difficile de déterminer ce qui arrivera à un objet flexible par l'observation avant qu'il ne soit saisi ou utilisé, car un grand nombre d'occlusions et de déformations se produiront au cours du processus de préhension, et ces déformations sont difficiles à prédire avec précision par la vision. .

Par exemple, lorsque vous tenez un mouchoir, une fois que le mouchoir est tenu dans la main, il bloquera complètement la ligne de mire. À ce stade, la vision peut difficilement fournir des informations efficaces pour juger de la manière de saisir ou d'opérer. Dans ce cas, on ne peut s’appuyer que sur des informations physiques comme le toucher pour compléter la perception.

Ce site : Pourquoi semble-t-il que la plupart du temps, je n'ai pas besoin d'essayer de saisir un objet, je sais juste comment le saisir.

Yang Fengyu : C'est parce qu'en tant qu'être humain, vous avez été si bien intégré que vous ne savez pas que vous y avez utilisé des informations tactiles. Vous avez accumulé plus de vingt ans de données tactiles, vous ne savez donc pas quel sens vous a aidé à accomplir cette tâche.

Ce site : Pour la plupart des tâches robotisées, quelle est la différence dans le rapport de contribution des différents sens ? Quelle est la priorité du toucher à ce stade ?

Yang Fengyu : Pour la plupart des tâches robotiques, les proportions de contribution des différents sens dans les trois étapes de perception, de raisonnement, de prise de décision et d'action sont différentes.

Au niveau perceptuel, au début, nous nous sommes principalement appuyés sur la vision et le nuage de points pour obtenir des informations globales, comme connaître l'agencement de toute la maison, où se trouve l'eau, etc. À l'heure actuelle, le problème de la perception d'informations globales à travers de grands modèles visuels et de grands modèles 3D a été essentiellement résolu.

Au niveau de la prise de décision, le langage est principalement utilisé pour introduire les connaissances humaines préalables. Par exemple, après avoir reçu l'instruction d'extraire de l'eau du réfrigérateur, le robot peut décomposer la tâche et connaître la première étape pour ouvrir le réfrigérateur, la deuxième étape pour obtenir de l'eau et la troisième étape pour fermer le réfrigérateur. les connaissances proviennent d’une grande quantité de données Internet.

Au niveau de l'action, la vision peut aider le robot à déterminer la position de préhension, Mais pour déterminer la force de préhension, les informations tactiles jouent un rôle important. Par exemple, en cas d'occlusion, comme lorsque l'on tient du tofu, il est difficile de juger avec précision la méthode de préhension par la vision, mais la sensation tactile peut fournir des informations clés pour aider le robot à effectuer une préhension précise.

De plus, le toucher joue un rôle important dans certaines scènes avec un contrôle fin de la force, comme pincer des œufs, saisir du tofu, etc., ainsi que dans certaines scènes qui nécessitent un jugement sur la déformation de l'objet et un retour de force.

En général, le rapport de contribution des différents sens varie en fonction de la tâche. Dans la saisie de certains objets rigides, la vision peut représenter une proportion plus élevée tandis que dans la saisie de nombreux objets flexibles, le rôle du toucher est plus critique, et même on peut dire qu'il s'agit d'une amélioration qualitative du fait d'être fondamentalement incapable d'accomplir la tâche à la capacité d'accomplir la tâche.

Ce site : Y a-t-il des barrières suffisamment hautes pour être touchées ? Quelles sont les difficultés à le mettre en œuvre dans des produits robotiques ?

Yang Fengyu : Je pense que c'est relativement élevé. Avant 2023, le toucher a toujours été une modalité très spécialisée. Comparé à la vision et à l'audition, il y a très peu de personnes engagées dans un travail lié au toucher.

Au début des travaux liés à l'haptique, les capteurs constituaient le plus gros problème. À cette époque, peu de personnes dans le monde étaient engagées dans des travaux liés aux données et la fabrication de capteurs était une question clé.

Deuxièmement, il y a la question de savoir comment analyser les informations tactiles, qui implique à la fois des niveaux d'algorithme et de données. Au niveau des données, la plupart des données spécifiques à la détection tactile dans le monde n'ont pas été rendues publiques auparavant. Cela peut être dû à la particularité de la combinaison de nombreux robots ou à d'autres raisons, ce qui rend la divulgation des données sur le terrain. de la robotique inférieure à celle dans le champ de vision. Par conséquent, nous continuons à résoudre le problème des ensembles de données et nous nous engageons à promouvoir la divulgation continue des ensembles de données de détection tactile dans le monde entier.

Au niveau des algorithmes, il existe des différences entre le toucher et la vision, qui contiennent de nombreuses connaissances préalables en physique. Par exemple, la situation de force peut être jugée grâce à des marqueurs sur le capteur, mais ces informations ne sont pas aussi faciles à interpréter et à identifier que les informations visuelles.

Une expérience a également été menée à cette époque, et les résultats ont montré que les signaux tactiles générés étaient très difficiles à distinguer pour les gens. Parce qu’il est difficile pour les gens de distinguer les signaux de détection tactile de chaque objet sans une formation spécifique. Nous travaillons également activement pour abaisser cet obstacle et inciter davantage de personnes de la communauté universitaire à y participer afin de promouvoir le développement et le progrès de l'ensemble du domaine tactile.

Ce site : Si l'information tactile est non seulement confrontée au problème de la petite quantité de données existantes, mais aussi au coût élevé de la collecte à grande échelle, alors comment passer à l'échelle ?

Yang Fengyu : Le travail que nous avons fait auparavant visait en fait à essayer de résoudre ce problème, comment passer à l'échelle lorsqu'une collecte à grande échelle est difficile à réaliser :

La première étape est de combiner la vision et le toucher Passez à travers, prédisez les sensations tactiles grâce à la vision et utilisez même des informations visuelles et linguistiques pour déduire des signaux tactiles dans des scènes sans collecte tactile.

Par exemple, après avoir collecté les informations tactiles de tables du même type et du même matériau, dans une nouvelle scène de maison ou de bureau, même si vous n'avez pas réellement touché la nouvelle table, vous pouvez déduire ses signaux tactiles par le biais de visuels et informations verbales. De cette manière, nous pouvons élargir l’ensemble des données disponibles même sans réel contact physique. Cependant, cette méthode peut être quelque peu différente du signal réel car il est prédit.

Deuxièmement, nous continuons de promouvoir la divulgation des ensembles de données tactiles. En rendant l'ensemble de données public, davantage de personnes peuvent participer à la recherche et au développement du domaine haptique, favorisant ainsi le progrès de l'ensemble du domaine.

Troisièmement, au niveau de l'algorithme, nous nous efforçons d'abaisser le seuil de reconnaissance des informations tactiles. Par exemple, en ajoutant des marqueurs au capteur et en découvrant comment les marqueurs changent lorsqu'ils sont soumis à différentes forces, nous pouvons utiliser ces connaissances préalables en physique pour mieux analyser les informations tactiles.

Quatrièmement, nous nous engageons à combiner différentes informations, telles que les informations visuelles, tactiles, linguistiques et autres informations multimodales, pour accomplir diverses tâches. Grâce à la fusion d'informations multimodales, le manque d'une petite quantité de données tactiles peut être compensé dans une certaine mesure et la capacité de généralisation et l'adaptabilité du modèle peuvent être améliorées.

Ce site : Une collecte à grande échelle est-elle possible et quelles sont les conditions requises ?

Yang Fengyu : Je pense que c'est en fait le goulot d'étranglement de tout le développement de l'intelligence incarnée. Je pense personnellement qu'une collecte à grande échelle peut être réalisée, mais il y a ici un processus de commercialisation.

Lorsque les robots pénètrent dans des milliers de foyers, lorsqu'il y en a un certain nombre, vous pouvez collecter suffisamment de données pour prendre en charge davantage de scénarios et faire quelques généralisations. Bien sûr, vous ne pouvez pas capturer chaque point pour toujours, donc la proposition de « grande échelle » existera toujours. L’essence de l’apprentissage automatique est de réaliser l’ajustement de simulation et la prédiction d’une distribution dense grâce à un échantillonnage clairsemé.

En termes de données, nous n'excluons pas la simulation, mais je pense qu'une certaine quantité de données réelles des machines est une condition nécessaire pour réaliser l'intelligence incarnée.

Ce site : Quels sont les indicateurs techniques clés du grand modèle tactile ?

Yang Fengyu : Comme tout grand modèle, le grand modèle tactile comporte des indicateurs dans différentes tâches en aval. J'ai dirigé l'équipe pour créer le plus grand ensemble de données visuelles et tactiles au monde, Touch and Go, qui est l'une des références communes importantes pour les modèles de pré-entraînement visuels et tactiles de robots dans le monde.

Robot intelligent incarné Wanda Démarrez la production de masse en septembre

Ce site : Après avoir décidé de créer une entreprise, quel type d'entreprise d'intelligence incarnée envisagez-vous de créer ?

Yang Fengyu : L'essence de l'entrepreneuriat est de créer de la valeur pour la société. UniX AI est l'une des rares entreprises de robots intelligents incarnés au monde à faire du côté C sa première stratégie.

TO C Bien qu'il y ait un long chemin à parcourir, le potentiel qui se cache derrière est énorme. D'un point de vue industriel, les robots humanoïdes sont entrés dans une période d'intégration technologique matériel + IA, se développant rapidement et devenant de plus en plus pratiques. Et je suis optimiste que ce processus d’intégration sera beaucoup plus rapide que prévu initialement par les initiés de l’industrie.

Le vieillissement de la population, le faible taux de natalité, la pénurie de main-d'œuvre... tels sont les problèmes auxquels le monde est confronté. La responsabilité d'une entreprise est de résoudre les problèmes de la société. C'est l'opportunité et la valeur d'UniX AI, et c'est aussi mon intention initiale de démarrer une entreprise. Le chemin d'atterrissage approximatif actuel de cette piste est essentiellement l'industrie-commercial-maison. Nous couvrirons les entreprises et la maison, qui sont également le scénario principal pour servir les utilisateurs du TO C.

La vision d'UniX AI est Robots For All, pour créer des robots humanoïdes universels qui sont leaders en termes de capacité athlétique et d'intelligence, permettant un travail physique et une compagnie intelligente.

Ce site : Pourquoi avez-vous choisi de faire des scènes de famille en premier lieu ?

Yang Fengyu : En fait, nous ne nous limitons pas aux scènes familiales, nous faisons aussi des scènes pan-commerciales, comme des bureaux, etc.

Le scénario To B est techniquement relativement moins difficile, a un taux de répétition élevé et n'a pas d'exigences de généralisation aussi élevées. Cependant, les scénarios To B impliquent souvent une forte logique de substitution, qui impose des exigences très élevées en matière de vitesse et de précision de fonctionnement du robot.

Les scènes familiales sont complexes et en constante évolution. Chaque maison est un petit écosystème, qui nécessite de fortes capacités de généralisation. Cela impose bien sûr des exigences plus élevées à nos produits. Dans le même temps, nous disposerons également de nombreuses fonctions de niveau L2 dans les scénarios domestiques, ce qui améliorera encore l’adaptabilité et la jouabilité du produit dans des scénarios complexes.

En général, notre pile technologique peut couvrir à la fois le To B et le To C. Une fois la scène familiale bien réalisée, j’ai l’impression de pouvoir gérer les autres scènes avec aisance. Partir des os les plus durs reflète non seulement la force technique d'UniX AI, mais représente également notre voie stratégique pour entrer sur le marché.

Diese Seite: Machen Sie auch To-B-Szenen wie Fabriken?

Yang Fengyu: Wir schließen uns nicht auf alle Szenarien aus. Die modulare Hardwarelösung von UniX AI kann an viele verschiedene Szenarien angepasst werden. Gleichzeitig verfügen wir über eine Reihe von Bewegungsprimitivalgorithmen, die Wahrnehmung und Betrieb entkoppeln, um die Datennutzung zu maximieren, und unsere Portabilität auf Szenen wird sehr stark sein. Obwohl jedes Produkt seine Grenzen hat, sind wir bereit, in verschiedenen Szenarien zu versuchen und zu expandieren. Wir spielen auch einige wichtige Geschäftsszenarien durch, um Verbrauchern zu helfen.

Diese Seite: Was ist der sogenannte Supply-Chain-Kostenvorteil?

Yang Fengyu: Wir haben eine Gruppe erfahrener Supply-Chain-Management-Experten in unserem Team, die Kostenkontrollmethoden auf Massenproduktionsebene beherrschen und diese auf die Roboter-Lieferkette anwenden können. Obwohl die Roboterindustrie die Preise noch nicht in großem Umfang eingeführt hat, haben wir die Kosten auf der Ebene der Massenproduktion von Anfang an kontrolliert, um sicherzustellen, dass die Produkte für die Verbraucher akzeptable Preise erreichen können. Wir sind zuversichtlich, dass unsere Produkte durch eine effektive Kostenkontrolle äußerst wettbewerbsfähig im Preis sein werden und die Entwicklung des Unternehmens stark unterstützen werden.

Diese Seite: In welcher Preisspanne liegen die kommenden Produkte?

Yang Fengyu: Es ist für mich nicht bequem, das jetzt offenzulegen, aber ich kann garantieren, dass es ein sehr überraschender Preis sein muss.

Diese Seite: Wie wollen Sie zum Ende kommen?

Yang Fengyu: Unsere Logik am Ende ist sehr einfach: Wir benötigen eine bestimmte Menge hochwertiger realer Daten. Der Schlüssel liegt darin, wie man diese Daten erhält. Nehmen wir als Beispiel das autonome Fahren, da es 6 bis 8 Jahre gedauert hat, bis Autos kontinuierlich auf der Straße waren und Daten sammelten.

Die Roboterindustrie ist anders. Jeder erwartet von Robotern, dass sie etwas automatisch tun. Wir haben zunächst mehrere Einzelpunkt-Szenenfunktionen entwickelt, um jedem das Gefühl zu geben, dass der Roboter nützlich ist oder Spaß macht, und er liegt im Bereich der Konsumfähigkeit, sodass jeder bereit ist, ihn zu kaufen.

Unsere Lieferkette hat Vorteile und kann den Preis senken, was ein sehr kritischer Punkt ist.

Durch kontinuierliches Feedback von Benutzern optimieren und iterieren wir weiterhin Produkte und schaffen schließlich einen universellen, intelligenten Roboter.

Diese Seite: Was ist die Schwierigkeit und Bedeutung der Massenproduktion von Robotern?

Yang Fengyu: Es ist eigentlich sehr einfach, eine DEMO zu erstellen, solange man eine im Labor erstellt, ist sie ein Erfolg. Die Schwierigkeit der Massenproduktion liegt darin, dass nicht eine, sondern hundert oder tausend Einheiten tatsächlich in das Haus des Benutzers gelangen und die Datensicherheit, Betriebsstabilität und zugrundeliegende Kontrollzuverlässigkeit auf die Probe gestellt werden. Dies erfordert ein starkes After-Sales-Team und kontinuierliche Kontrolle Iteration. Technisches Team. Darüber hinaus ist auch der Prozess sehr wichtig, was auch ein wichtiger Indikator für die Prüfung der Massenproduktionsfähigkeiten ist.

Natürlich besteht kein Zweifel an seiner Bedeutung. Einerseits spiegelt es die Wettbewerbsfähigkeit der Lieferkette wider, andererseits zeigt es die Reife der Technologie. Wer isst als erster Krabben? Wer isst schnell und gut? Darüber hinaus kann die Massenproduktion einen gewissen First-Mover-Vorteil erlangen.

Diese Seite: Was ist nach der Entscheidung, ein Unternehmen zu gründen, die ursprüngliche Teambuilding-Idee und die aktuelle Teambildungssituation?

Yang Fengyu: Von 0-1 ist das Start-up-Team sehr wichtig. Ich bin es gewohnt, Dinge zuerst von oben zu planen und sie dann langsam, wie ein Wasserfall, von oben nach unten auf jeder Ebene einzusetzen. Finden Sie zuerst die wichtigsten Schlüsselpersonen, beginnen Sie dann mit der Arbeit an ihnen und erweitern Sie sie dann nach unten, um das Team kontinuierlich zu verbessern und das ganze Rad drehen zu lassen.

Von Ende letzten Jahres bis heute ist unser Team sehr schnell gewachsen und hat drei Produktgenerationen iteriert. Derzeit nimmt die Größe des Teams Gestalt an, doch auch in Zukunft werden wir uns je nach Bedarf weiter anpassen und verbessern, um das Unternehmen wettbewerbsfähiger zu machen.

Talente zu gewinnen ist eines der wichtigsten Dinge für ein Startup-Unternehmen. Ich habe die meisten Talente in unserem Unternehmen persönlich kennengelernt. Oft ist der CEO nicht nur der CEO, sondern auch der „Chief Meaning Officer“. Er muss seinen Kollegen erklären, welchen Wert und welche Bedeutung unsere Arbeit hat. Es ist sehr wichtig, dass sie sich einig sind und gemeinsam auf die Straße gehen.

Gleichzeitig ist mein Managementradius in dieser Phase sehr groß und die Managementgranularität ist auch sehr fein. Es ist sehr schwierig, aber notwendig. Nur wenn Sie ein umfassendes Verständnis haben und bestätigen, dass die Ausrichtung des Unternehmens richtig und stabil ist, können Sie mehr Zeit für andere Aspekte aufwenden.

Diese Seite: Wie zieht man diese Talente an?

Yang Fengyu: Was im Wesentlichen jeden anzieht, ist der Weg zum Ende der verkörperten Intelligenz. Darüber hinaus ist es die Frage, wie man ihn bewerkstelligen kann.

Wir haben mehrere Highlights: Erstens haben wir einen sehr starken Kostenvorteil in der Lieferkette. Zweitens verfügt unser Team über eine starke Umsetzung und eine sehr schnelle Iterationsgeschwindigkeit. Viele Kandidaten denken möglicherweise, dass wir nicht gut genug sind Es war in Ordnung, aber als ich ein paar Wochen später zurückkam, stellte ich fest, dass die Szene fertig war und der Fortschritt sehr schnell war. Wir haben auch Talente von einigen der führenden inländischen Robotikunternehmen, die aktiv darum gebeten haben, sich uns anzuschließen.

Diese Seite: Was ist die aktuelle Finanzierungsquelle?

Yang Fengyu: Wir werden es zu gegebener Zeit offenlegen.

Diese Seite: Gibt es einen externen Finanzierungsplan?

Yang Fengyu: Das aktuelle Feedback von Investoren ist sehr positiv. Wir begrüßen Investoren, die unsere Vision einer universellen verkörperten Intelligenz teilen, um langfristig bei uns zu bleiben.

Diese Seite: Könnten Sie uns bitte eine detaillierte Einführung in Ihre kommenden Produkte und zukünftigen Marktpläne geben?

Yang Fengyu: Der Roboter, den wir in Serie produzieren werden, heißt Wanda und ist ein humanoider Doppelarmroboter auf Rädern. Im ersten technischen Video, das wir veröffentlicht haben, können Sie einige seiner Funktionen sehen, aber das ist noch nicht alles. Wenn wir es im September den Verbrauchern vorstellen, wird es noch weitere überraschende Details geben.

Letztendlich ist das Produkt, das UniX AI den Verbrauchern liefern möchte, ein universell verkörperter intelligenter Roboter, der nicht nur der Familie dient, sondern auch Menschen an immer weitere Orte begleiten und mehr Funktionen bereitstellen kann, was unsere kontinuierliche Weiterentwicklung erfordert Technologie und erfordert auch eine kollaborative Zusammenarbeit zwischen dem Unternehmen und den Benutzern. Ohne kleine Schritte kann man keine tausend Meilen zurücklegen, also fangen wir mit dem ersten Schritt an.

Mehr Tao

｜Wang Changhu ｜xia lixue

|

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!