A QuantGroup chinesa concluiu quatro rodadas de validação tecnológica de inteligência incorporada

De acordo com pt.wedoany.com-A QuantGroup concluiu recentemente quatro rodadas de validação tecnológica de inteligência incorporada em cenários de cozinhas de restaurantes, abrangendo tarefas como a preparação flexível de sanduíches, a separação autônoma de sacolas de compras, a busca de sal em gavetas para temperar bifes e a coordenação entre equipamentos para fazer chá de leite. Todas as validações foram realizadas em condições dinâmicas reais, e não em ambientes laboratoriais. O posicionamento comercial da QuantGroup é o de fornecedor de modelos mundiais de cenários de vida abertos, que abrangem múltiplos cenários e corpos, sem vincular hardware ou fixar cenários, visando fornecer uma camada de capacidade de IA universal para robôs de diferentes fabricantes.

O Gabinete do Ministério da Indústria e Tecnologia da Informação e o Gabinete da Comissão de Administração e Supervisão de Ativos Estatais do Conselho de Estado emitiram conjuntamente em junho o "Aviso sobre a Realização Conjunta da Ação Especial de Treinamento em Cenários Reais para Robôs Humanoides e Inteligência Incorporada em 2026", exigindo a participação de 10 províncias e cidades, bem como de todas as empresas estatais centrais. Os cenários abrangem três grandes áreas: industrial, de serviços e especial, incluindo produção e fabricação, análise e inspeção, armazenagem e logística, restaurantes e varejo, cuidados médicos e de saúde, entre outros cenários reais. A política exige "intervenção mínima e reutilização de equipamentos antigos", proibindo a modificação do ambiente para se adaptar aos robôs, que devem provar que podem funcionar normalmente nas condições existentes. Cada província e cidade deve reportar pelo menos 20 cenários-chave, cada empresa estatal central pelo menos 10, e os relatórios de validação devem ser entregues até o final de novembro. Esta política acelerou a transição da indústria de salas de exposição para cenários reais.

Há opiniões no setor de que a capacidade de fazer os robôs se adaptarem rapidamente a novos cenários é a chave para alcançar a escala. A lógica da QuantGroup é impulsionar os robôs da "automação de movimentos" para o "trabalho autônomo em nível de tarefa", ou seja, após compreender o objetivo da tarefa, completar de forma autônoma todo o processo de percepção, decisão e execução. Seu modelo fundamental do mundo físico não se preocupa com a plataforma de hardware ou o cenário específico, fornecendo uma capacidade universal para que os robôs entendam o mundo físico e tomem decisões em tempo real. Uma vez que essa capacidade seja comprovada, ela pode ser chamada como uma API por diferentes plataformas de hardware, e o custo marginal de cada novo cenário se aproxima de zero.

O mercado de capitais já validou essa lógica. A Physical Intelligence (PI) concluiu uma rodada de financiamento de US$ 400 milhões em novembro de 2024, com uma avaliação de US$ 2,4 bilhões, com investidores incluindo Bezos, OpenAI, Sequoia Capital e Khosla Ventures. A empresa não fabrica hardware, apenas desenvolve modelos de IA universais. Sua avaliação saltou de US$ 400 milhões para US$ 2,4 bilhões em 8 meses. A Skild AI, fundada por ex-pesquisadores da Meta AI, também não toca em hardware. Em julho de 2024, sua avaliação na Série A era de US$ 1,5 bilhão; em menos de um ano, a avaliação na Série B atingiu US$ 4,7 bilhões, e posteriormente a SoftBank e a NVIDIA lideraram a Série C com uma avaliação de US$ 14 bilhões. A receita anual da empresa é de US$ 30 milhões.

A posição da QuantGroup no campo da IA física é comparada à da Anthropic no campo dos grandes modelos de linguagem, permitindo que diferentes plataformas de hardware chamem a mesma camada de capacidade de IA. Suas quatro rodadas de validação tecnológica foram implementadas no cenário de cozinhas de restaurantes. Por exemplo, na tarefa de preparar sanduíches, o robô precisa lidar com a pega de ingredientes macios, aplicação de molhos e disposição; na separação de sacolas de compras, não há processo predefinido, e o robô precisa identificar e classificar os itens em tempo real; na tarefa de salgar bifes, o robô precisa pesquisar autonomamente em várias gavetas e completar o tempero.

A preparação de chá de leite testa a coordenação do sistema, onde o robô precisa cooperar com equipamentos como máquinas de chá de leite, liquidificadores e seladoras. Após as quatro rodadas de validação, o próximo objetivo da QuantGroup é a reutilização entre cenários. Sua abordagem técnica é a estratificação de software e hardware, onde o modelo fundamental do mundo físico não está vinculado a nenhum hardware, podendo operar em plataformas de hardware de diferentes fabricantes. Essa ideia é um pré-requisito para a escala do modelo RaaS (Robô como Serviço): o modelo, como um ativo tecnológico, pode ser continuamente chamado e gerar receita.

A acumulação tecnológica da QuantGroup começou em áreas como aprendizado de máquina automatizado e processamento de linguagem natural (PLN), estendendo sua capacidade de tomada de decisão do mundo digital para o mundo físico. A barreira de acumulação de dados vem de um sistema de coleta de múltiplas vias, incluindo a implementação em cenários comerciais B2B, o layout de hardware inteligente para consumidores, a coleta por substituição de usuários e o compartilhamento de dados de cocriação de cenários. Quatro vias paralelas visam transformar a coleta de dados de um ponto único para um sistema. A empresa escolheu a restauração como o primeiro cenário de validação principal, usando a complexidade para forçar a iteração do sistema tecnológico.

No nível político, a ação especial nacional exige a apresentação de relatórios de validação até o final de novembro, tornando "vender capacidade" mais alinhado com a direção da indústria do que "vender hardware", um ponto de inflexão que está ocorrendo. O caminho de longo prazo da QuantGroup inclui completar a acumulação inicial por meio da implementação em cenários e venda de dados, fornecer chamadas de modelo e serviços de valor agregado para fabricantes de hardware inteligente, e depois entrar no setor de poder computacional, formando uma estrutura de receita de modelo base mais poder computacional. Esse caminho pressupõe que a capacidade técnica do modelo fundamental do mundo físico possa suportar a reutilização entre cenários, com o núcleo sendo o fortalecimento contínuo das vantagens acumuladas.