Der von Lei Jun angeworbene AI-Talent der Generation 90er wird Xiaomi ebenfalls verlassen

Hallo! Ich bin Ihr Assistent für Finanz- und Wirtschaftsanalysen. Diese Nachricht über den Weggang der Mitglieder des „Super-Teams“ für intelligente Fahrsteuerung bei Xiaomi ist äußerst informativ und betrifft nicht nur interne Technikstreitigkeiten bei Xiaomi, sondern zeigt auch die große Veränderung in der AI-Branche hin zu einer Ausrichtung, die sich vom reinen Softwarebereich auf die direkte Steuerung physischer Objekte im realen Weltumfeld konzentriert.

Um es Ihnen leichter zu machen, werde ich zunächst den Kern der Nachricht in einer einen Satz zusammenfassen und dann die Informationen aus fünf verschiedenen Perspektiven in verständlicher Sprache erklären.

Kernzusammenfassung

Zwei der einst führenden Techniker bei Xiaomi’s intelligenten Fahrsteuerungsteam, beide aus der Generation der 90er (Wang Naiyan und Chen Long), haben aufgrund interner Technikkonflikte sowie dem Wunsch nach größeren Entwicklungsmöglichkeiten das Unternehmen verlassen, um in das derzeit sehr beliebte Feld der „physischen KI“ einzusteigen – also der Nutzung von KI, um Roboter zu steuern. Dies markiert einen Wandel im Hauptkampfgebiet der KI-Entwicklung: Von Chatbots auf Smartphone-Bildschirmen hin zu direkten physischen Anwendungen in der realen Welt.

---

Detaillierte Analyse aus fünf Aspekten

1. **Warum haben sie das Unternehmen verlassen?**

Nicht weil sie entlassen wurden, sondern weil sie im internen Wettbewerb unterlegen waren – und weil sich das Geschäftsfeld verändert hat

Viele Menschen denken bei einem Ausscheiden von Führungskräften sofort an Entlassungen. Doch es ist nicht so einfach:

• Der harte Wettbewerb innerhalb von Xiaomi: Xiaomi führte in der Bereich der intelligenten Fahrsteuerung ein „Doppelgeschehen“ ein: Einerseits arbeitete Chen Guang an der Entwicklung von L2-Technologien (assistiertes Fahren, bei dem der Mensch noch steuern muss), andererseits konzentrierte sich Wang Naiyan auf die Forschung zu L3-Technologien (hoherer Grad der Autonomie).
• Reale Situation: L2-Technologien können bereits in großem Maßstab in Autos eingebaut und verkauft werden und bringen direkte Einnahmen. L3-Technologien sind zwar sehr fortschrittlich (z. B. Rekord auf der Nürburgring-Nordstrecke), aber sie sind noch weit davon entfernt, von der breiten Öffentlichkeit akzeptiert und legal auf den Straßen eingesetzt zu werden. Zudem tragen Automobilhersteller bei Unfällen die volle Verantwortung – das Risiko ist zu hoch.
• Entscheidung: Ressourcen wurden daher in die profitableren L2-Technologien investiert. Wang Naiyan fühlte, dass er bei Xiaomi nicht die notwendigen Mittel für die Weiterentwicklung von L3-Technologien erhalten würde; wie er in einem Podcast sagte: „Es gab keine fairen Wettbewerb.“
• Die Anziehungskraft neuer Geschäftsfelder: Gleichzeitig wurde die „physische KI“ zu einem neuen Trend. Wang Naiyan und Chen Long erkannten, dass es sinnvoller ist, in der KI-Entwicklung für physische Anwendungen zu investieren, anstatt sich in den Automobilherstellungssektor zu konzentrieren.

2. **Was ist „physische KI“ – und warum ist sie schwieriger und wertvoller als die aktuelle KI?**

In der Nachricht wird häufig von „Physical AI“ gesprochen – was genau bedeutet das?

• Einfache Erklärung:
• Aktuelle KI-Systeme (z. B. DouBao, Siri): Sie funktionieren im digitalen Raum (auf Smartphones und Computern) und beantworten Fragen mithilfe von Text oder Sprache. Ihre Daten stammen aus dem Internet.
• Physische KI: Sie sind „Gehirne, die in der realen Welt agieren“ und können Roboter steuern, um Aufgaben wie das Tragen von Gegenständen oder das Fahren von Autos auszuführen.
• Herausforderungen:
• Datenerhebung: Obwohl es im Internet viele Daten gibt, fehlen wichtige Informationen zur physischen Interaktion (z. B. wie man einen Gegenstand sicher bewegt oder wie man auf rutschigen Straßen bremst). Diese Daten müssen durch Experimente mit Robotern gewonnen werden – was sehr kostspielig ist.
• Andere Logik: Aktuelle KI-Systeme „imitieren“ Menschen; physische KI hingegen muss die physikalischen Gesetze verstehen. Zum Beispiel muss sie wissen, wie viel Kraft erforderlich ist, um eine Person zu stützen, ohne sie zu verletzen.

3. **Wang Naiyans Ansatz:**

Wang Naiyan, ehemaliger CTO von Tesla’s Autopilot-Team, verfolgt einen eigenen Ansatz namens „Representation Learning“ (Darstellungslernen).

• Herkömmliche Methoden: KI-Systeme werden mit Millionen von Videos von Menschen, die Auto fahren, trainiert, um das Fahren zu lernen.
• Nachteile: Diese Methoden können nur das lernen, was Menschen können – was bei extremen Situationen (z. B. Rennfahren) nicht ausreicht. Zudem erfordern sie enorme Datenmengen.
• Wang Naiyans Ansatz: Statt Menschen beim Fahren zu beobachten, werden KI-Systeme mit Karten, Verkehrsregeln und physikalischen Eigenschaften von Fahrzeugen versorgt, um selbst zu lernen, wie sie am sichersten fahren können. Dieser Ansatz führte zu seinem Rekord auf der Nürburgring-Nordstrecke.

Bedeutung für das Unternehmen und die Zukunft: Wenn KI solche physikalischen Regeln beherrscht, kann sie nicht nur Autos sicherer fahren, sondern auch in extremen Bedingungen wie Regen oder Schnee besser abschneiden. Das ist genau das, was er mit seinem Unternehmen erreichen möchte.

4. **Chen Longs Ansatz:**

Chen Long, ehemaliger Wissenschaftler bei Wayve (einem britischen Autopilot-Unternehmen), konzentriert sich auf die Entwicklung von „Raumwahrnehmung“ für Roboter.

• Probleme: Roboter erkennen die Welt oft nur in 2D – sie wissen nicht, wie weit Objekte entfernt oder groß sind.
• Lösung: Er kombiniert Daten aus dem Autofahren mit Daten aus der Robotik, um die räumliche Wahrnehmung zu verbessern.

Ziel: Seine Software kann in verschiedenen Anwendungen (z. B. Logistik, Fertigung) verwendet werden, um Roboter effizienter zu steuern.

5. **Der Wandel in der KI-Branche:**

Der Weggang dieser beiden Experten spiegelt einen großen Wandel in der KI-Branche wider:

• Erste Phase (2023–2024): Der Wettbewerb drehte sich um die Entwicklung großer KI-Modelle. Wer die meisten Daten und Rechenleistung hatte, konnte bessere Chatbots erstellen. Dabei spielten Internetdaten eine entscheidende Rolle.
• Zweite Phase (ab 2025): Der Fokus verlagert sich auf die praktische Anwendung von KI in der realen Welt – in Fabriken, Lagern und auf Straßen, um menschliche Arbeitskräfte zu ersetzen.
• Gründe:
• Technologische Reife: Große KI-Modelle können nun komplexe Aufgaben bewältigen.

Kapitalfluss: Risikokapitalgeber (VCs) investieren massiv in die Entwicklung von physischer KI, da dies ein vielversprechendes Geschäftsfeld ist.

Personalfluss: Top-KI-Fachkräfte aus Automobilunternehmen sehen dort bessere Möglichkeiten für ihre Entwicklung – schließlich sind die Grenzen in diesen Unternehmen (Politik, Kosten, Verantwortung) begrenzt.

Schlussfolgerungen für die Allgemeinheit:

1. Achten Sie nicht nur auf KI auf Smartphones: Die Zukunft der KI liegt in der industriellen Anwendung – in Fabriken, Lagern und auf Straßen.

2. Xiaomi’s intelligente Fahrsteuerung ist weiterhin stark, aber das Unternehmen passt seine Strategie an: Xiaomi konzentriert sich auf profitablere L2-Technologien und verzichtet auf kurzfristig weniger praktikable L3-Entwicklungen. Für Verbraucher ist das positiv (sichere, praktischere Autos), für Technikenthusiasten bedeutet dies jedoch weniger „Show-Elemente“.

3. Gründen ist ein hohes Risiko – aber auch eine hohe Belohnung: Wang Naiyan und Chen Long setzen alles auf die Entwicklung von physischer KI. Erfolg könnte sie zu Pionieren der nächsten Generation von Robotern machen; Misserfolg könnte sie finanziell ruinieren. Doch genau diese unkonventionellen Ansätze treiben die Grenzen der Technologie voran.

Ein Satz zum Abschluss: Xiaomi’s „Roboter“ sind bereits „flugfähig“ – aber einige „Roboter“ finden, dass der Wind nicht stark genug ist, und entscheiden sich daher, ihre eigenen Flügel zu wachsen, um höher in den Himmel zu fliegen.