Résumé des points clés
Ce rapport de presse porte essentiellement sur la troisième entreprise fondée par Mu Zelin, un entrepreneur né après 1995, nommée Moushen Intelligence. Cette société se spécialise dans le développement de « modèles d'action mondiaux » (l’« cerveau » des robots) et a déjà levé près de 1 milliard de yuans en financement. Contrairement à la plupart des équipes qui sortent des laboratoires et commencent par publier des articles scientifiques, Mu Zelin a insisté dès le début sur l’aspect commercial, refusant les commandes fictives destinées uniquement à être exposées dans des salles d’exposition, et ne prenant en charge que des demandes réelles à grande échelle. La voie technologique adoptée par Moushen Intelligence vise les problèmes actuels de l’intelligence incarnée : les modèles VLA (Visual Language Action Models) courants fonctionnent comme si les robots apprenaient des mouvements par cœur, ce qui les rend inopérants dans d’autres contextes ; en revanche, les modèles d'action mondiaux permettent aux robots de comprendre les lois physiques et de s’adapter aux changements environnementaux. L’équipe est composée de Mu Zelin, responsable des affaires (ventes, financement), et de Chen Tao, professeur à l’université Fudan, qui se charge de la recherche et du développement (plus de 40 docteurs répartis en différentes équipes). Ils considèrent que le modèle mondial représente un projet d’ingénierie systémique qui ne peut être réalisé par un seul génie.
I. Les erreurs et les itérations d’un entrepreneur repreneur
Le parcours entrepreneurial de Mu Zelin est une véritable ascension en spirale :
- Première entreprise : Il a travaillé dans le secteur de l’éducation à l’université pour acquérir des connaissances pratiques.
- Deuxième entreprise : Après l’obtention de son diplôme, il a créé Muxin Intelligence, une entreprise de service clientèle intelligent basé sur l’IA, qui a réalisé un chiffre d’affaires annuel de 100 millions de yuans et un profit de 20 millions de yuans. Cependant, il a découvert que la structure du modèle était erronée (il dépendait de données provenant de petites et moyennes entreprises dispersées, ce qui a entraîné une forte dépréciation de la valeur des données avec l’apparition de modèles plus puissants). De plus, l’entreprise fonctionnait selon un modèle de projet, ce qui limitait ses possibilités de croissance.
- Troisième entreprise : Il a fixé trois objectifs : se concentrer sur l’IA, développer des solutions multimodales (traitant non seulement du texte) et créer des produits vendus à l’unité (plutôt que des projets ponctuels). Finalement, il a choisi le modèle d'action mondial, car celui-ci répondait à ses besoins en termes de polyvalence et de scalability.
Les leçons tirées de ces expériences : la structure du modèle est plus importante que la quantité de données ; une commercialisation trop précoce peut entraver l’expansion de l’entreprise. Il faut se concentrer sur des activités durables plutôt que sur des profits immédiats.
II. La voie technologique : pourquoi les modèles VLA ne fonctionnent-ils pas et pourquoi les modèles d'action mondiaux sont-ils le futur ?
En termes simples :
- Problèmes des modèles VLA : Ces modèles fonctionnent comme si les robots apprenaient des mouvements par cœur. Par exemple, un robot peut prendre un plateau sur une table de hauteur fixe, mais il ne pourra pas le faire s’il est abaissé de 20 centimètres, car il n’a pas compris les lois physiques qui en découlent (il devrait alors se pencher davantage). De plus, ces modèles gaspillent des ressources informatiques en traitant des informations inutiles (comme les motifs du plateau).
- Avantages des modèles d'action mondiaux : Ils permettent aux robots de comprendre la relation entre l’environnement et leurs mouvements (par exemple, ils ajusteront leur posture en fonction de la hauteur de la table). Ces modèles génèrent des trajectoires d’action universelles qui peuvent être adaptées à différents types de robots, résolvant ainsi les problèmes liés aux écarts entre les scénarios et aux différentes architectures des robots.
- Judgment de Mu Zelin : Les modèles VLA ne sont pas viables à long terme ; ils seront progressivement supplantés par les modèles d'action mondiaux, qui représentent une approche plus efficace. Actuellement, ces derniers ne sont que 20–30 % matures, mais leur focus sur la relation entre l’environnement et les actions les rend plus rapides à mettre en œuvre. Le temps de développement pour de nouveaux scénarios est actuellement d’environ 2–3 mois, mais il devrait être réduit à 2–3 semaines d’ici 2028.
III. La commercialisation : Refuser les robots destinés aux expositions, se concentrer sur des commandes réelles
La logique commerciale de Mu Zelin est pragmatique :
- Gagner de l’argent dès le premier jour : L’entreprise doit être rentable et survivre à travers les différentes phases du développement.
- Sélectionner les bonnes commandes :
- Évaluer l’échelle des besoins : Par exemple, une entreprise qui emploie 10 000 personnes aura probablement besoin de 10 000 robots, contrairement à un client qui en achète seulement un pour une exposition.
- Imposer des barrières : Exiger un paiement initial important pour les frais de recherche et développement ; seules les entreprises ayant vraiment besoin d’une solution à grande échelle peuvent se le permettre.
- Passer d’un modèle de projet à une approche de vente individuelle : Il s’agit de vendre des produits au lieu de réaliser des projets ponctuels.
Son objectif est que Moushen Intelligence devienne une entreprise générant un chiffre d’affaires annuel de 1 milliard de yuans, plutôt qu’une petite entreprise rentable mais peu scalable.
IV. L’équipe et la concurrence
La recherche et le développement sont considérés comme un atout majeur pour l’entreprise :
- Division des tâches claire : Mu Zelin s’occupe des affaires, tandis que Chen Tao est responsable de la technologie (algorithmes fondamentaux et mise en œuvre). Mu Zelin écoute les discussions techniques mais ne se mêle pas aux détails.
- Recherche et développement structurée : L’équipe collabore avec un laboratoire de l’université Fudan, composé de plus de 40 docteurs répartis en plusieurs équipes ; un département ne peut emporter qu’une petite partie des connaissances accumulées.
- Perspective sur la concurrence : Les véritables concurrents sont les équipes qui ont commencé à travailler sur les modèles d'action mondiaux il y a deux ans (il n’y en a que quelques-unes, tant en Chine qu’à l’étranger). Les nouvelles entreprises créées après 2026 essaient souvent de profiter de la tendance, mais elles commencent trop tard pour réussir.
- Confrontation avec les jeunes génies : Un seul génie ne suffit pas ; il faut une accumulation de connaissances et une collaboration efficace au sein d’une équipe.
V. Le financement et l’analyse du secteur
Les investisseurs choisis pour ce tour de financement sont principalement des acteurs publics (comme Shenzhen Newspaper Group et Shaanxi High-Tech Investment) et des capitaux industriels (tels que Anyu Fund). Les raisons en sont les suivantes :
- Avantages des investisseurs publics : Ils disposent de soutien politique et de ressources complémentaires.
- Avantages des capitaux industriels : Ils apportent des contextes d’application concrets et des commandes solides pour le développement des produits.
- Patience des investisseurs : Ces acteurs ont plus de patience et sont mieux adaptés à des projets à long terme comme celui des modèles d'action mondiaux.
- Avenir du secteur : La technologie évoluera vers des solutions plus standardisées (comme les modèles linguistiques basés sur la structure Transformer). Les entreprises qui investissent dans des approches innovantes seront récompensées, plutôt que celles qui spéculent.
Ce rapport montre comment un entrepreneur technique compétent peut trouver la bonne direction dans le domaine de l’IA : en combinant une recherche et un développement solides avec une approche commerciale pragmatique, tout en cherchant un équilibre entre l’idéalisme (le développement à long terme) et le réalisme (la nécessité de gagner de l’argent pour survivre).