Chinese robotbreinen trekken groot geld aan nu wereldmodellen opkomen
Een stille hoek van de Chinese AI-scene trekt plotseling serieus geld aan. Twee jonge bedrijven die werken aan zogenoemde wereldmodellen — AI-systemen die leren hoe de fysieke ruimte zich gedraagt, zodat machines kunnen voorspellen wat er vervolgens gebeurt — hebben binnen enkele dagen van elkaar financieringsrondes afgesloten. Een teken dat investeerders de volgende grote AI-kans zien in robots in plaats van chatbots.
De eerste, Gewu Tongzhi, zei bijna 100 miljoen yuan te hebben opgehaald in een angelronde. Het in Hangzhou gevestigde bedrijf werd in augustus 2026 opgericht en bouwt wat het een fysiek invers wereldmodel noemt, getraind op grootschalige data zodat een robot kan redeneren over objecten, beweging en gevolgen voordat hij een beweging maakt. Onder de investeerders bevinden zich fondsen die aan de lokale overheid zijn gelieerd en verschillende beursgenoteerde bedrijven. Het geld gaat naar grotere pretraining-runs, hardware, werving en tests in de echte wereld in verschillende scenario’s.
De oprichter heeft een opmerkelijke staat van dienst: hij leidde eerder het wereldmodel-fundamenteam binnen Huawei’s intelligente automotive-eenheid, een van de meest gevolgde AI-operaties in het land. Die achtergrond helpt verklaren waarom het bedrijf al zo snel na de lancering aandacht trok — in het drukke Chinese AI-veld is een trackrecord bij een grote speler vaak meer waard dan een businessplan.
De tweede startup, Wuyuan Technology, is opgericht door Wu Haixu, een uitblinker van de Tsinghua Universiteit die in 2022 de prestigieuze speciale beurs van de school won en hoofdauteur was van GeoPT, een onderzoeksproject naar fysieke wereldmodellering. Het bedrijf heeft al verschillende financieringsrondes afgerond en een waardering van honderden miljoenen dollars bereikt, volgens berichten, met een reeks bekende investeerders.
De rode draad is een verschuiving in hoe ingenieurs over robotintelligentie denken. Jarenlang lag de focus op vision-language-action-modellen, waarmee een machine een scène kan begrijpen en een commando kan uitvoeren. Een wereldmodel voegt iets anders toe: het vermogen om mentaal te repeteren. In plaats van simpelweg een plank met medicijndoosjes te herkennen, kan een robot de greep simuleren, de slip voorspellen en bijsturen voordat de arm beweegt.
Die capaciteit is het belangrijkst in rommelige echte omgevingen — apotheken, magazijnen, fabrieken — waar objecten op elkaar lijken en de belichting verandert. Een team in Shanghai dat in een apotheek werkt, beschreef robots die ogenschijnlijk gelijke pakketten uit drukke schappen pakken, een taak die net zoveel voorspelling als waarneming vereist. Voorstanders betogen dat het combineren van wereldmodellen met vision-language-action-systemen machines iets geeft dat dichter bij een belichaamd brein komt: het ene deel beslist wat te doen, het andere controleert of het zal werken.
Het enthousiasme kent kanttekeningen. Het trainen van wereldmodellen is datahongerig en duur, en niemand heeft nog een duidelijk pad naar massale inzet laten zien. Sommige van de meest gehypte humanoïde en chirurgische robotica-ondernemingen in het buitenland hebben geworsteld of zijn ronduit mislukt, een herinnering dat hardwaretijdlijnen onvergeeflijk zijn. Maar de richting is duidelijk: AI-geld in China beweegt van schermen naar de fysieke wereld, en oprichters met de juiste onderzoeksreferenties vinden kapitaal dat op hen wacht.