Bonjour ! Je suis votre assistant d'analyse financière et commerciale. Cette nouvelle sur le départ des membres du “groupe d'élite” de Xiaomi pour fonder leur propre entreprise est très enrichissante en informations. Elle concerne non seulement les différends de stratégie technologique au sein de Xiaomi, mais révèle également le grand tournant de l'industrie de l'IA, qui passe d'une approche purement logicielle à une approche axée sur le monde physique.
Pour que vous compreniez facilement, je vais d'abord résumer l'essentiel en une phrase, puis analyser les détails sous cinq angles.
Résumé de l'essentiel
Deux des “quatre géants” de la division de conduite intelligente de Xiaomi, des experts de la génération 90 (Wang Naiyan et Chen Long), ont quitté l'entreprise en raison de divergences sur les orientations technologiques internes et afin de chercher de nouvelles opportunités de développement. Ils se sont lancés dans le secteur très prometteur de l’“intelligence incarnée” (c'est-à-dire l'utilisation de l'IA pour contrôler des robots). Cela marque le déplacement du champ de bataille principal de la concurrence en IA du chatbot sur l'écran des téléphones vers des opérations physiques dans le monde réel.
---
Analyse approfondie : Comprendre ce départ sous cinq aspects
1. Pourquoi partir ? Pas parce qu'ils ont été licenciés, mais parce qu'ils ont perdu la “course” et que les tendances ont changé
Lorsque l'on entend parler du départ de dirigeants, la première réaction est souvent : “Ont-ils été éliminés ?” Mais ce n'est pas si simple.
- La brutalité du système de concurrence interne : Xiaomi a mis en place un “système à double voie” dans le domaine de la conduite intelligente. D'un côté, Chen Guang est en charge du développement de la conduite assistée de niveau L2 (l'automobile est toujours sous contrôle humain), et de l'autre, Wang Naiyan s'occupe de l'exploration de l'automatisation de niveau L3 (plus avancée).
- La réalité : La conduite assistée de niveau L2 est déjà largement commercialisée et génère des revenus directs ; tandis que la technologie de niveau L3, bien qu'impressionnante (comme le record sur le circuit de Nürburgring), est encore loin d'être prête pour être adoptée par le grand public et de circuler légalement. De plus, en cas d'accident, les constructeurs automobiles assument toute la responsabilité, ce qui représente un risque élevé.
- Conséquence : Les ressources sont concentrées sur le niveau L2, qui rapporte de l'argent immédiatement. Wang Naiyan a estimé qu'il ne pouvait pas obtenir suffisamment de ressources pour développer le niveau L3 à Xiaomi, comme il l'a dit dans son podcast : “Je n'ai pas eu l'occasion de mener de véritables batailles techniques.”
- L'attrait des nouvelles tendances : En même temps, l’“intelligence incarnée” (les robots) est devenue une nouvelle opportunité majeure. Wang Naiyan et Chen Long ont réalisé qu'au lieu de se concentrer sur l'automatisation dans les entreprises automobiles, il valait mieux créer leur propre entreprise pour travailler sur l’“IA physique”, ce qui représente non seulement un niveau de technologie supérieur, mais aussi un changement de direction stratégique.
2. Qu'est-ce que l’“IA physique” ? Pourquoi est-elle plus difficile et plus précieuse que l’IA actuelle ?
Le terme “IA physique” est souvent mentionné dans les nouvelles. Qu'est-ce que cela signifie ?
- Explication simple :
- L’IA actuelle (comme DouBao, Siri) : C'est un “cerveau numérique” qui fonctionne sur les téléphones et les ordinateurs. Vous lui posez des questions, et elle vous répond par des textes ou des voix. Ses données proviennent d'Internet.
- L’IA physique : C'est un “cerveau doté de membres” qui fonctionne dans le monde réel. Elle permet de contrôler des robots pour effectuer des tâches physiques (transporter des objets, conduire des véhicules, aider les personnes âgées, etc.).
- Les difficultés :
- Difficulté à collecter des données : Internet dispose d'une grande quantité de données textuelles et visuelles, ce qui facilite l'apprentissage pour l’IA. Cependant, il n’existe pas de données sur des interactions physiques concrètes (par exemple, comment soulever une tasse sans la briser ou comment freiner sur une route glissante). Ces données doivent être collectées par les robots à travers des essais répétés, ce qui est très coûteux.
- Logique différente : L’IA actuelle imite les humains, tandis que l’IA physique doit comprendre les lois physiques. Par exemple, un robot apprenant à aider les personnes doit savoir que les os des personnes âgées peuvent se briser si on utilise trop de force. L’IA physique doit maîtriser des concepts tels que la force, la gravité et la friction pour être véritablement intelligente.
3. La stratégie de Wang Naiyan : Ne pas apprendre à conduire aux robots, mais laisser l’IA découvrir elle-même les “règles de la conduite”
Wang Naiyan, ancien CTO de Tesla Autopilot, a une approche technique unique appelée “apprentissage représentatif”.
- Les méthodes traditionnelles (apprentissage par imitation) : On montre à l’IA des millions de vidéos de conduite humaine pour qu’elle imite. C’est un peu comme enseigner à conduire à un enfant : l’apprenti observe le maître.
- Inconvénients : Cela permet à l’IA d’apprendre seulement ce que les humains savent faire, et pas ce qu’ils ne savent pas faire bien (comme conduire dans des conditions extrêmes). De plus, cela nécessite une quantité énorme de données.
- La méthode de Wang Naiyan (DriveZero/apprentissage représentatif) : Au lieu de regarder comment les humains conduisent, on fournit à l’IA des informations sur la carte, les règles de la circulation et les caractéristiques physiques du véhicule (vitesse maximale, angle de virage), et l’IA détermine elle-même comment agir pour éviter les accidents.
- Avantages : Cette méthode permet à l’IA de maîtriser les “logiques fondamentales”. Il a utilisé cette approche pour battre le record sur le circuit de Nürburgring. C’est ce qu’il cherche à réaliser avec son entreprise : créer un “cerveau physique” capable de fonctionner dans des conditions extrêmes.
4. La stratégie de Chen Long : Équiper les robots de “yeux de perception spatiale”
Chen Long, ancien scientifique chez Wayve (une start-up britannique spécialisée en conduite autonome), se concentre sur la “perception” et les “technologies multimodales”.
- Problème : Les robots actuels perçoivent le monde comme s’ils regardaient des photos (en 2D), sans savoir à quelle distance les objets se trouvent ou quelle est leur taille réelle (en 3D).
- Solution de Chen Long :
- Intégration des données : Il combine les données de la conduite avec celles des robots pour l’entraînement.
- Logique : Conduire nécessite de savoir à quelle distance se trouve le véhicule devant ; saisir des objets nécessite également de connaître leur distance. Ces deux aspects sont liés.
Direction de l’entreprise : Il ne se concentre pas sur la fabrication de matériel de robotique, mais sur la création d’une plateforme logicielle universelle pour la “perception spatiale et le contrôle des mouvements”. Par exemple, les robots utilisés dans la logistique ou la fabrication flexible peuvent bénéficier de cette technologie.
5. La logique sous-jacente : Du “concours d’algorithmes” au “concours d’application pratique”, la seconde moitié de l’industrie de l’IA
Le départ de ces deux personnes reflète un changement majeur dans l’industrie de l’IA.
- Première moitié (2023-2024) : Le jeu se jouait sur les “grands modèles” : celui qui disposait de plus de données et de plus de puissance de calcul pouvait créer des chatbots plus intelligents. À cette époque, les données d’Internet étaient déterminantes.
- Seconde moitié (2025 et au-delà) : Le jeu se jouera sur l’application pratique de l’IA. Les chatbots sont devenus moins attractifs, car on a réalisé que l’IA pouvait générer une grande valeur économique dans les usines, les entrepôts et sur les routes, en remplaçant le travail physique humain.
- Pourquoi maintenant ?
- Maturité technologique : Les capacités des grands modèles se sont étendues, permettant de gérer des tâches visuelles et logiques complexes.
Afflux de capitaux : Les investisseurs de premier plan (VC) investissent massivement dans l’IA physique, car ils réalisent que c’est le prochain marché à des milliards de dollars.
Mobilité des talents : Les meilleurs experts en IA des entreprises automobiles se rendent compte que les contraintes (politiques, coûts, responsabilités) limitent leur potentiel technologique, tandis que les start-ups leur offrent la liberté d’explorer des technologies d’IA physiques plus avancées.
Conclusion pour le grand public
1. Ne vous concentrez pas seulement sur l’IA sur votre téléphone : La concurrence future en IA ne se jouera pas dans vos boîtes de messagerie, mais dans vos usines, vos entrepôts et sur les routes.
2. La division de conduite intelligente de Xiaomi est toujours forte, mais elle ajuste sa stratégie : Xiaomi a choisi la voie plus sûre et rentable du niveau L2, abandonnant le niveau L3, qui est plus difficile à mettre en œuvre à court terme. Cela est bon pour les consommateurs (les voitures deviennent plus abordables et plus pratiques), mais peut manquer de “démonstration de technologie” pour les amateurs de technologie.
3. Fonder une entreprise est à la fois risqué et rémunérateur : Wang Naiyan et Chen Long ont quitté de grandes entreprises pour créer des entreprises dans le domaine de l’IA physique, pariant sur l’avenir. Si ils réussissent, ils pourront définer la prochaine génération de robots ; si ils échouent, ils risquent tout. C’est précisément cette exploration audacieuse qui pousse les limites de la technologie.
Commentaire en une phrase : Les “porcs” de Xiaomi ont décollé, mais certains ont senti que le vent n’était pas assez fort, alors ils ont décidé de se donner leurs propres ailes pour voler plus haut.