L'intelligence incarnée entre dans une nouvelle phase, les entreprises automobiles deviennent incontournables

Auteur : Zen, PANews

Si l'on déploie aujourd'hui la carte de l'industrie mondiale de l'intelligence incarnée, on constate que les entreprises automobiles sont presque omniprésentes.

Celles qui se lancent dans la fabrication de robots incluent Optimus de Tesla, IRON de Xiaopeng, ainsi que Hyundai, qui détient Boston Dynamics ; celles qui fournissent les premiers emplois réels aux robots sont des fabricants automobiles tels que BMW et Mercedes-Benz ; même dans la liste des actionnaires des entreprises de robots, le capital de l'industrie automobile apparaît fréquemment : Mercedes-Benz a investi directement dans Apptronik, tandis que Zhiyuan est soutenu par des entreprises comme BYD et SAIC.

En d'autres termes, dans l'industrie de l'intelligence incarnée d'aujourd'hui, que ce soit pour fabriquer, entraîner ou acheter des robots, ou pour financer des entreprises de robots, l'industrie automobile est une force incontournable.

Cette semaine, deux événements ont encore propulsé cette relation à un nouveau stade.

Le 24 août, la division robotique de Xiaopeng a complété un premier tour de financement de plus de 900 millions de dollars, avec une valorisation post-financement dépassant 6,3 milliards de dollars, établissant ainsi un nouveau record de financement privé pour l'industrie de l'intelligence incarnée en Chine. Peu après, Hyundai a présenté, lors de la journée des investisseurs du 26 août, une feuille de route robotique plus complète que celle de nombreuses startups robotiques.

Les robots passent d'un produit technologique en laboratoire à un produit industriel nécessitant une production à grande échelle, un entraînement à long terme, la recherche de postes de travail, et finalement, l'achat et le financement par des entreprises. Une fois que la concurrence entre dans cette phase, le vaste système établi par l'industrie automobile au cours des dernières décennies commence à révéler sa valeur.

La production de masse des robots, la compétition entre dans le domaine de l'industrie automobile

Les automobiles et les robots humanoïdes sont tous deux des produits électromécaniques extrêmement complexes, et ils partagent un point commun important : l'importance croissante des logiciels, mais ils doivent finalement produire des résultats par le biais de machines physiques.

Les logiciels et systèmes de contrôle des voitures correspondent finalement aux freins, à la direction et aux mouvements du véhicule ; les actions produites par les modèles de robots se traduisent également par des mouvements articulaires, des saisies et des opérations réelles. Les écarts de précision ne resteront pas éternellement dans un test de référence apparemment beau, ils peuvent finalement se traduire par des pièces endommagées, des lignes de production arrêtées ou même des accidents de sécurité.

Ainsi, lorsque les robots passent réellement à la production de masse, les critères d'évaluation changeront également. Quelques réussites dans la course, la saisie et le transport ne prouvent que "cela peut être fait" ; ce qui préoccupe réellement la production industrielle, c'est de savoir si les mêmes actions peuvent être répétées des milliers de fois tout en maintenant une précision, une fiabilité et une cohérence suffisantes.

Les tests en usine de BMW avec Figure montrent déjà, dans une certaine mesure, les exigences et les attentes des robots participant à la production industrielle réelle. Le Figure 02 a fonctionné en continu pendant environ 10 mois à l'usine BMW de Spartanburg, aux États-Unis, effectuant des tâches de prise et de placement de pièces métalliques pour le soudage. Pendant ce temps, le robot a travaillé environ 1250 heures, transporté plus de 90 000 pièces et participé à la production de plus de 30 000 BMW X3. BMW souligne particulièrement que cette opération exige que le robot atteigne une précision de positionnement au millimètre. Figure 02 à l'usine BMW de Spartanburg, aux États-Unis

Être capable d'effectuer une opération au millimètre n'est qu'une capacité technique ; maintenir la stabilité dans des opérations continues de plusieurs dizaines de milliers de pièces commence à se rapprocher des exigences des produits industriels.

Et ce que l'industrie automobile peut transférer aux robots ne se limite pas à quelques fournisseurs de pièces prêts à l'emploi. L'industrie automobile a accumulé pendant des décennies un ensemble complet de méthodes pour passer des conceptions à la production de masse : conception pour la fabricabilité, gestion des fournisseurs, standardisation des pièces, contrôle de la qualité, tests de durabilité, ainsi que des systèmes de production établis autour du rythme de la ligne de production, de l'efficacité de la maintenance et de la traçabilité des produits.

La planification de la production des robots de Boston Dynamics par Hyundai est un exemple typique. Lors du CES de cette année, le groupe Hyundai a déjà exposé la répartition des rôles de ses entreprises dans la chaîne de valeur des robots : Hyundai et Kia fournissent l'infrastructure de fabrication, le contrôle des processus et les données de production à grande échelle ; Hyundai Mobis est responsable des actionneurs haute performance et utilise l'expérience de conception et de production de pièces automobiles pour promouvoir la standardisation des composants clés et l'optimisation de la fabricabilité ; Hyundai Glovis est responsable de la logistique et de la chaîne d'approvisionnement.

Les changements de conception de la dernière génération d'Atlas illustrent encore plus concrètement cette "pensée industrielle automobile". Pour se préparer à la production de masse, Boston Dynamics a considérablement standardisé les plus de 50 types d'actionneurs correspondant à différents moteurs, les réduisant finalement à trois types principaux, tout en ajoutant des membres remplaçables sur site et une capacité de changement de batterie automatique.

Ces modifications n'ont pas beaucoup de couleur de science-fiction, mais elles sont directement liées à la capacité des robots à devenir de véritables produits. Une fois que le produit entre dans une échelle de plusieurs milliers d'unités, chaque ajout d'une pièce spécialisée signifie de nouveaux risques d'approvisionnement, de stockage, de contrôle de la qualité, de maintenance et de chaîne d'approvisionnement ; chaque réduction du temps de maintenance signifie une utilisation plus élevée des équipements et des coûts d'exploitation client plus bas. Lorsque l'échelle passe de quelques dizaines à plusieurs milliers d'unités, la valeur apportée par la standardisation des pièces, le rendement et l'efficacité de la maintenance sera multipliée.

Ainsi, si la première compétition de l'intelligence incarnée consiste à savoir qui peut fabriquer des robots, la prochaine compétition consistera probablement à savoir qui peut produire des robots de manière stable en série, et c'est précisément le jeu dans lequel l'industrie automobile excelle.

La conduite autonome ne laisse pas seulement des algorithmes, mais tout un ensemble d'infrastructures Physical AI

Après avoir résolu le "corps" des robots grâce à la capacité de fabrication, la question suivante, plus importante et plus coûteuse, est de savoir comment faire évoluer en continu leur "cerveau".

À cet égard, les investissements de l'industrie automobile intelligente au cours des dix dernières années ont laissé un héritage considérable à certaines entreprises automobiles.

Le développement de la conduite autonome a en réalité contraint des entreprises comme Tesla, Xiaopeng et Hyundai à construire à l'avance un ensemble complet d'infrastructures AI dans le monde réel : les véhicules sont responsables de la collecte de données sur l'environnement réel, le cloud filtre les données précieuses et les cas d'échec, l'ensemble d'entraînement entre dans un cluster de calcul, et le modèle, après entraînement et validation, est redéployé dans les véhicules, qui continuent à générer de nouvelles données.

Le monde réel, les données, les modèles, le déploiement, puis le retour au monde réel, ce cycle est également le mécanisme central sur lequel repose l'itération de l'AI physique, et c'est le plus grand avantage technique des entreprises automobiles entrant dans l'intelligence incarnée.

La feuille de route récemment publiée par Hyundai présente cet investissement de manière assez complète. Atria AI commencera cette année à collecter des données sur les routes réelles en Corée, et Hyundai prévoit de déployer un système L2+ sur son premier SDV de production en série en collaboration avec NVIDIA d'ici 2028, et d'utiliser un centre de données AI de 100 MW à partir de 2029, prévu pour accueillir plus de 50 000 GPU. Le groupe Hyundai a également annoncé qu'il investirait plus de 500 millions de dollars dans des infrastructures AI et des talents, et établirait des collaborations liées à l'AI physique avec Google DeepMind, NVIDIA, etc.

Bien que ces actifs aient initialement servi principalement l'industrie automobile, ils ne sont pas enfermés dans un "mur" qui ne peut entraîner que des voitures. Les clusters de calcul haute performance, les plateformes d'ingénierie des données, les outils de simulation, les systèmes de déploiement de modèles, les capacités de calcul en périphérie et les systèmes OTA sont essentiellement des infrastructures générales nécessaires à l'entraînement et à l'exploitation de l'AI physique. L'ajout de l'activité robotique équivaut à ajouter une nouvelle ligne de produits dans une usine AI déjà construite.

Xiaopeng adopte une approche plus directe, ayant intégré VLA 2.0, Robotaxi et IRON dans un cadre AI physique. Dans ce financement robotique, le développement de modèles est l'un des usages des fonds. La description de Xiaopeng de ses propres avantages inclut également des puces AI côté terminal, des modèles de base AI physiques, des capacités de calcul d'entraînement et un cycle de données de haute qualité.

Cela explique également pourquoi, ces dernières années, un certain nombre d'entreprises automobiles intelligentes sont entrées dans le secteur des robots, ce qui ne peut pas être simplement compris comme une recherche de "deuxième courbe de croissance".

Pour celles qui ont déjà investi des années dans la conduite autonome et construit de grandes équipes AI et des infrastructures de calcul, les robots offrent une possibilité très séduisante : étendre la capacité AI physique, qui ne pouvait auparavant contrôler que quatre roues, à des machines dotées de bras et de jambes.

Bien sûr, cela ne signifie pas que les entreprises automobiles peuvent entrer dans le secteur des robots sans heurts ; par rapport aux startups qui commencent de zéro, les coûteuses infrastructures de données et d'entraînement n'ont pas besoin d'être construites à partir de rien.

Les entreprises automobiles ressemblent davantage à celles qui ont déjà payé une partie de leurs frais d'entrée à l'avance, mais elles doivent tout de même lever des centaines de millions de dollars pour établir des données, des capacités de calcul, des outils d'entraînement et des équipes de modèles.

Les usines automobiles deviennent le "terrain d'entraînement" des robots

Avec un corps et une infrastructure pour entraîner le "cerveau", la question suivante se pose : d'où viennent les données ? À cet égard, les usines des entreprises automobiles commencent à devenir un autre atout.

Strictement parlant, toutes les entreprises manufacturières ont des usines, et Foxconn, Amazon et les grandes entreprises de logistique seront également des participants extrêmement importants dans l'intelligence incarnée. La particularité des usines automobiles réside dans le fait qu'elles sont directement liées au système de fabrication et aux capacités AI physiques précédemment mentionnées.

Pour les robots humanoïdes qui n'ont pas encore réalisé de capacités générales, la position des usines automobiles est tout à fait appropriée : elles sont beaucoup plus complexes que les laboratoires, mais pas aussi incontrôlables que les foyers et les rues commerciales. Les travailleurs se déplacent, les pièces présentent des différences, les processus de production changent, et les robots doivent reconnaître l'environnement et réagir ; en même temps, les postes de travail, les matériaux, les flux de travail et les indicateurs d'évaluation sont relativement stables.

Plus important encore, la fabrication automobile offre de nombreuses tâches répétitives à haute fréquence. Saisir, transporter, trier, assembler, inspecter, ces tâches peuvent être répétées des centaines voire des milliers de fois par jour. Le succès ou l'échec d'une même action, le temps pris, la nécessité d'une intervention humaine, l'impact sur le rythme de production, tout cela a des résultats clairs.

Ainsi, les usines des entreprises automobiles ne sont pas seulement un "scénario d'application pour les robots", elles sont également une machine capable de produire continuellement de l'expérience pour les robots. C'est aussi la raison pour laquelle le Figure 02 s'entraîne à l'usine BMW de Spartanburg, et pourquoi Zhiyuan doit collaborer avec SAIC pour permettre aux robots de travailler. Le "Nengzi 1" développé conjointement par Zhiyuan et SAIC en service à l'usine de General Motors de SAIC

Hyundai a spécialement construit un terrain d'entraînement pour cela. En juin de cette année, son Robot Metaplant Application Center (RMAC) a été activé aux États-Unis et prévoit d'augmenter sa taille par dix d'ici la fin de l'année. Le RMAC simule un environnement de production réel, permettant aux robots de terminer d'abord l'entraînement, la collecte de données, les tests et la validation avant d'entrer dans la ligne de production officielle. Le cycle conçu par Hyundai est que les données réelles de fonctionnement des robots dans l'usine définie par logiciel retournent au RMAC pour un nouvel entraînement et une optimisation.

Cela diffère nettement des modèles de développement passés de nombreuses entreprises robotiques. Auparavant, les capacités étaient perfectionnées dans des laboratoires avant de chercher des clients. Les entreprises comme Hyundai tentent de relier le développement des robots, l'entraînement simulé, les usines réelles et le déploiement en production de masse dans un cycle. Lorsque les robots ne sont pas encore suffisamment matures pour être vendus à tout le monde, le groupe devient d'abord le premier client.

Toyota, qui reste en tête des ventes automobiles, a directement intégré cet avantage dans sa stratégie robotique cette année. L'entreprise a déclaré que ses usines mondiales produisent environ 10 millions de voitures par an, avec des travailleurs qualifiés et le Toyota Production System, ces sites de production deviendront une base importante pour l'apprentissage et l'amélioration continus des robots. Les scénarios actuellement présentés par Toyota incluent le transport de pièces, la sélection et le transport d'équipements médicaux.

Cela révèle en fait une position très particulière des entreprises automobiles dans l'industrie de l'intelligence incarnée. En général, si les robots ne sont pas suffisamment matures, les clients ordinaires choisiront d'attendre avant d'acheter. Mais les groupes automobiles peuvent d'abord introduire les robots dans leurs usines contrôlables, échanger des besoins internes contre une échelle de déploiement, puis utiliser les données générées par le déploiement pour continuer à améliorer les produits.

L'intelligence incarnée a connu un certain cycle vicieux au début : sans clients, il n'y a pas suffisamment de données réelles, sans données, les robots ont du mal à progresser rapidement, et lorsque les robots ne sont pas suffisamment matures, les clients sont encore moins enclins à acheter. Les usines détenues par les entreprises automobiles peuvent justement ouvrir une brèche dans ce cycle.

Lorsque les robots commencent à devenir un "business d'actifs"

Cependant, même si les robots peuvent être produits en série, que les modèles continuent de progresser et que le déploiement en usine est déjà opérationnel, il reste un obstacle plus réaliste à franchir avant de former un marché à grande échelle : comment les vendre ?

C'est également une partie qui mérite d'être notée lors de la journée des investisseurs de Hyundai cette semaine. Le PDG de Hyundai, José Muñoz, n'a pas seulement parlé de la feuille de route technique d'Atlas, mais a également abordé les concessionnaires et Hyundai Capital : le réseau de concessionnaires existant pourrait à l'avenir assumer la distribution et la vente des robots, tandis que le département financier du groupe étudie des solutions de financement correspondantes, y compris la location et le paiement échelonné.

Cela signifie que Hyundai a déjà commencé à considérer les robots comme des actifs industriels nécessitant des achats, un financement et une exploitation à long terme. Supposons qu'à l'avenir, un robot haute performance ait encore une valeur de plusieurs dizaines de milliers de dollars, 500 unités représenteraient des dépenses en capital de plusieurs millions de dollars. Cela implique également des coûts de déploiement, de maintenance, de logiciels, de remplacement de pièces et de pertes dues à l'arrêt.

Pour les clients d'entreprise, les décisions d'achat ne dépendent pas seulement des capacités des robots, mais aussi des coûts de financement, des cycles de dépréciation, de l'efficacité de la maintenance, des modes de facturation des logiciels et de la manière dont la valeur résiduelle est calculée. Ces questions déterminent si les robots peuvent rester à l'essai à petite échelle ou s'ils peuvent entrer dans le budget des dépenses d'investissement régulier des entreprises, comme les chariots élévateurs, les serveurs et d'autres équipements industriels.

Et l'industrie automobile traite depuis longtemps ces questions. Le réseau de vente mondial, le système de clients d'entreprise, les prêts et le financement locatif, les points de maintenance, la gestion des pièces de rechange, la valeur résiduelle des actifs et la circulation des biens d'occasion font partie du cycle de vie complet qu'une voiture doit affronter après avoir quitté l'usine.

Hyundai tente maintenant de reproduire ce système pour les robots. Selon les plans précédemment annoncés par le groupe, les robots livrés pourront continuer à recevoir des mises à jour logicielles OTA, des services de maintenance matérielle et de réparation, ainsi que de la surveillance à distance, et fournir des solutions complètes sous forme de Robotics-as-a-Service.

Cette capacité est particulièrement facile à négliger dans l'industrie de l'intelligence incarnée. Les startups passent généralement beaucoup de temps à présenter des modèles, des degrés de liberté et des tailles de marché, mais peu d'entre elles mettent "les points de service après-vente" et "le financement des équipements" au premier plan. Mais une fois que les robots commencent réellement à se vendre par milliers par an, ces éléments ne sont plus des rôles secondaires. Le PDG de Xiaopeng Motors, He Xiaopeng, avec IRON

Xiaopeng a déjà commencé à avancer vers cette étape. IRON prévoit d'abord d'entrer dans les magasins et les parcs de Xiaopeng, puis de livrer massivement aux clients externes en Chine et à l'étranger en 2027. Pour une entreprise qui possède déjà des bases de fabrication, un système de magasins, des canaux à l'étranger et des ressources de coopération d'entreprise, ce chemin de commercialisation est clairement plus court que celui des startups robotiques qui n'ont qu'une équipe de recherche et développement.

À ce stade, "l'entrée des entreprises automobiles dans le secteur des robots" ne consiste plus simplement à ouvrir un nouveau département d'affaires robotique. Ce qu'elles apportent réellement à l'industrie de l'intelligence incarnée, c'est l'ensemble des systèmes de fabrication, de distribution, de service, de financement et de gestion des actifs établis autour de l'automobile.

Lorsque les robots commencent à passer d'un produit à des milliers d'unités nécessitant un financement, une maintenance et une exploitation continues, cette capacité qui ne dépend pas de l'"IA" deviendra de plus en plus importante.

L'intelligence incarnée n'appartient pas nécessairement aux entreprises automobiles, mais elle devient de plus en plus inextricable de l'industrie automobile

Bien sûr, le fait que les entreprises automobiles possèdent ces ressources ne signifie pas que l'industrie robotique sera nécessairement dominée par les géants de l'automobile à l'avenir.

BMW n'a pas besoin de devenir elle-même Figure, et Mercedes-Benz peut également collaborer avec des startups robotiques. À l'avenir, il est tout à fait possible qu'une série d'entreprises de robots indépendantes et de modèles de base émergent, tandis que le rôle des entreprises automobiles ressemble davantage à celui de grands clients, de partenaires de fabrication, de terrains de données et de canaux de commercialisation.

Cependant, les critères de concurrence dans l'industrie sont en train de changer. Au début, ce qui manquait le plus dans l'intelligence incarnée, ce sont les robots capables de se déplacer, donc le marché se concentrait naturellement sur le contrôle du mouvement, les mains agiles et les démonstrations impressionnantes. À mesure que de plus en plus d'entreprises franchissent cette étape, les éléments rares et les points clés seront progressivement déplacés, et ce sont précisément les plus profonds remparts de l'industrie automobile.

La planification de la capacité de 30 000 unités de Hyundai, le financement de plus de 900 millions de dollars de Xiaopeng pour les robots, ainsi que les investissements croissants de BMW, Toyota et d'autres entreprises automobiles dans les robots de ligne de production, pointent tous vers une même réalité : l'intelligence incarnée passe de la question des laboratoires d'IA à un projet industriel complexe.

Pour l'industrie robotique, les entreprises automobiles ne deviendront pas nécessairement les gagnants finaux. Mais à mesure que la compétition robotique progresse vers la prochaine étape, l'industrie automobile a discrètement déplacé la compétition sur son propre terrain.

Ce contenu est fourni à titre informatif uniquement et ne constitue pas un conseil financier, d'investissement, juridique ou fiscal. Les événements, récompenses, promotions en ligne ou informations mentionnées ici ne doivent pas être considérés comme une recommandation, une sollicitation ou une invitation à acheter, vendre, trader ou effectuer toute autre opération sur des actifs crypto. Les actifs crypto sont très volatils et peuvent entraîner des pertes. La disponibilité des services, produits et événements liés à WEEX peut varier selon les régions. Veuillez vous assurer que votre participation respecte les lois et réglementations locales applicables.