Discours intégral de Wang Xingxing à la Conférence mondiale sur la robotique 2026 : L'intelligence incarnée de ChatGPT arrivera dans deux à trois ans au plus tôt

Après l'introduction en bourse de Yushu Technology, son fondateur Wang Xingxing a prononcé un discours intitulé « De l'exposition au produit : la prochaine décennie de l'industrie des robots humanoïdes » lors de la Conférence mondiale sur la robotique 2026. Il estime que l'industrie robotique se trouve à un nouveau point de départ avec le développement accéléré de l'intelligence artificielle, et que le principal goulot d'étranglement à ce stade reste la capacité de généralisation de l'intelligence incarnée.

"D'un point de vue du cycle de développement, cela pourrait prendre deux à trois ans au plus tôt, ou cinq à dix ans au plus tard, mais l'industrie devrait connaître des percées clés." En ce qui concerne le moment où l'intelligence incarnée atteindra un point critique similaire à celui de ChatGPT, Wang Xingxing a donné un jugement relativement optimiste.

En ce qui concerne le moment où les robots polyvalents entreront réellement dans les foyers, Wang Xingxing pense que le principal goulot d'étranglement dans le monde est encore la capacité de généralisation. "Si un jour, tout le monde peut voir un robot amené dans un environnement étranger, capable d'accomplir environ 80 % des tâches, je pense que nous aurons presque atteint le moment de ChatGPT de l'intelligence incarnée."

Voici le contenu du discours organisé par PANews :

Retour sur dix ans de Yushu : des robots quadrupèdes aux robots humanoïdes

Mesdames et messieurs, bonjour. C'est un grand honneur de partager ici. Tout d'abord, un bref retour sur la situation de l'entreprise. Yushu Technology a été fondée en août 2016, et nous avons presque atteint dix ans cette année. Nous avons commencé par des robots quadrupèdes, et ces dernières années, nous avons commencé à développer des robots humanoïdes.

Un produit qui a connu un certain succès ces dernières années est notre G1, lancé en 2024. Après son lancement, il est devenu un produit représentatif dans le domaine des robots humanoïdes à l'échelle mondiale. De nombreux produits de robots humanoïdes que vous voyez aujourd'hui, tant en termes de forme globale que de conception, présentent des similitudes avec le G1.

Au début de cette année, un projet représentatif a été notre performance de "Wu BOT" lors du Nouvel An chinois. Ce programme allie l'art martial traditionnel chinois à la technologie des robots humanoïdes. Nous avons préalablement collecté des dizaines de mouvements emblématiques d'arts martiaux chinois, puis effectué un entraînement par IA, pour finalement présenter les mouvements les plus impressionnants sur scène. Le point culminant de ce programme est la combinaison de la technologie des robots humanoïdes de pointe avec la culture des arts martiaux traditionnels chinois. Cette vidéo a également été largement diffusée à l'étranger, atteignant peut-être des centaines de milliards de vues. Je pense que c'est un bon exemple de fusion entre technologie et culture.

En février, nous avons également réalisé une démonstration au Temple du Ciel, avec environ 49 robots effectuant une performance entièrement automatique. Le Temple du Ciel a plusieurs centaines d'années de culture et d'histoire, et les robots se produisant dans un tel cadre créent une forte impression de voyage dans le temps, fusionnant la culture chinoise des derniers siècles avec la technologie la plus récente, offrant une expérience visuelle et sensorielle très impressionnante.

Au cours des dernières années, nous avons également travaillé à intégrer les robots dans la vie quotidienne et dans les usines. En 2024, nous avons commencé à collaborer avec des usines automobiles pour des applications concrètes, et nous avons également déployé des robots dans notre propre usine pour des tests et des applications simples. Actuellement, la grande majorité de notre équipe IA se concentre sur la recherche et le développement de la manière dont les robots peuvent réellement entrer dans les foyers ou travailler dans les usines.

Pourquoi n'y a-t-il pas encore de déploiement à grande échelle ? La principale raison est que l'efficacité et la capacité de généralisation des robots ne sont pas encore suffisantes. Les robots peuvent déjà effectuer des assemblages simples, mais leur efficacité reste inférieure à celle des humains ; de plus, chaque fois qu'ils rencontrent une nouvelle tâche, ils doivent souvent être réentraînés, ce qui réduit encore l'efficacité globale. Nous espérons donc d'abord améliorer la capacité de généralisation de la technologie avant de procéder à un déploiement à grande échelle. C'est également un goulot d'étranglement commun auquel l'industrie robotique mondiale est confrontée.

En avril de cette année, nous avons également battu le record de vitesse de course des robots humanoïdes. Ce robot a été modifié à partir de notre premier robot humanoïde H1 lancé en 2023. H1 est notre premier robot humanoïde et un produit assez classique. Par la suite, nous avons également essayé différentes formes, comme l'ajout d'une structure à roues, permettant au robot d'être plus agile dans certains scénarios.

Propulser les robots : IA, données et scénarios réels

Comme vous le savez, les robots actuels sont principalement alimentés par l'IA, qui est elle-même fondamentalement alimentée par des données. La quantité de données, en particulier la quantité de données de haute qualité, détermine en grande partie le niveau de capacité de l'IA. Ainsi, d'une part, nous collectons des données nous-mêmes, et d'autre part, nous collaborons avec des entreprises tierces pour obtenir davantage de données, tant pour l'utilisation de l'industrie que pour notre propre usage.

Je pense que les données réellement utilisées pour l'entraînement des robots IA devraient principalement provenir d'une grande quantité de données humaines ou de données Internet, complétées par une partie de données de machines réelles. Ces deux types de données sont essentiels. En termes d'échelle de données, les données humaines seront plus nombreuses et plus importantes ; mais les données de machines réelles sont également indispensables, car il est finalement nécessaire d'associer les robots au monde physique réel.

En mai de cette année, nous avons lancé le premier robot transformable de production de masse au monde, le GD01. Ce robot mesure plus de 3 mètres de haut et pèse environ 500 kg lorsqu'il est occupé. Vous vous demandez peut-être à quoi ce type de machine peut servir. Pour faire une analogie simple, il est un peu comme un "véhicule tout-terrain", qui n'est pas principalement destiné à un usage domestique ou urbain quotidien, mais plutôt adapté à des environnements extérieurs complexes et à certaines situations de transport. Par exemple, pour des randonnées en plein air ou le transport de matériel dans des terrains difficiles, il peut être envisagé.

Le GD01 a également une caractéristique intéressante : il peut se transformer en mode quadrupède. En passant en mode quadrupède, sa stabilité s'améliore et sa capacité à surmonter des obstacles est renforcée. C'est aussi pourquoi nous sommes prêts à le proposer en prévente : en mode quadrupède, il possède déjà une stabilité relativement bonne et une capacité à traverser des terrains complexes. En termes simples, on peut le considérer comme un "véhicule tout-terrain" sous forme de robot.

Il y a quelques mois, nous avons également démontré un système de génération de mouvements AI de bout en bout basé sur des modèles multimodaux. Dans le passé, de nombreuses démonstrations de mouvements de robots étaient préalablement collectées et entraînées ; tandis que ce système peut générer des mouvements en fonction d'instructions vocales en temps réel. La voix doit d'abord être reconnue, puis téléchargée dans le cloud pour la génération de mouvements AI, après quoi les mouvements doivent être vérifiés pour s'assurer qu'il n'y a pas de problème avant d'être envoyés au robot, donc tout le processus a actuellement quelques secondes de retard.

Nous espérons qu'à l'avenir, lorsque les robots seront réellement appliqués, les mouvements pourront être générés en temps réel, sans dépendre de la programmation préalable. Actuellement, cette méthode de génération automatique a également une caractéristique : même si les instructions sont exactement les mêmes, chaque mouvement généré peut légèrement varier. Autrement dit, si vous dites la même phrase au robot aujourd'hui et demain, le mouvement qu'il effectuera peut ne pas être exactement le même.

Nous travaillons également à intégrer les robots dans des scènes quotidiennes comme les salles de réunion. Par exemple, si la salle de réunion de l'entreprise est parfois en désordre, alors le rangement de la salle de réunion est une tâche assez claire et utile. Notre objectif d'entraînement est : après avoir complètement dérangé une salle de réunion, le robot doit pouvoir la remettre dans un état propre et ordonné.

Cette tâche est actuellement entièrement réalisée de bout en bout, donc l'efficacité des mouvements du robot est encore relativement lente. Mais ce n'est pas un système à tâche unique. Dans ce scénario, nous avons configuré environ 7 à 8 tâches différentes, permettant à un modèle de faire passer le robot d'une tâche à l'autre et de les exécuter directement, tout en ayant une certaine capacité de résistance aux interférences. Comme l'IA doit reconnaître en temps réel, générer en temps réel et raisonner en continu, les mouvements ne sont pas encore très fluides ; chaque pas, chaque mouvement nécessite un raisonnement, ce qui affecte la "fluidité" globale. Cependant, la vidéo de démonstration elle-même est un plan-séquence, sans montage, et inclut des interférences environnementales.

Sur cette base, nous avons également combiné la commande vocale et le modèle multimodal, permettant au robot non seulement de générer des mouvements en fonction de la voix, mais aussi de réaliser de véritables interactions et tâches opérationnelles. Lors de la démonstration en direct, le robot peut reconnaître la couleur des objets devant lui, déterminer la position de différentes boîtes de médicaments, puis, selon les instructions verbales, sortir l'objet désigné. Dans ce cas, le robot n'exécute pas un mouvement fixe prédéfini, mais doit comprendre le langage, reconnaître l'environnement et ensuite réaliser l'opération.

Récemment, nous avons également lancé la dernière génération de robots quadrupèdes à roues, l'As2-W. Ce robot est relativement léger, pesant environ 25 kg avec la batterie, avec une capacité de charge et d'autonomie assez élevées, tout en ayant une capacité de protection contre la poussière et l'eau IP54, ce qui lui permet de couvrir des scénarios intérieurs et extérieurs.

Nous avons réappliqué certaines des technologies accumulées sur les robots humanoïdes aux robots quadrupèdes, espérant améliorer encore la flexibilité des robots quadrupèdes, tout en améliorant la capacité de charge, d'autonomie et d'adaptation à des environnements complexes. Nous espérons également que ce robot pourra réellement être utilisé pour des randonnées en plein air, le transport et certains scénarios industriels.

En parallèle, nous continuons à améliorer des robots humanoïdes légers comme le R1, afin d'améliorer encore leur mouvement et leur flexibilité. Le R1 a un bon rapport qualité-prix et peut déjà être acheté via des plateformes comme JD.com et Taobao.

Récemment, nous avons également présenté un nouveau robot. Ce robot a été développé en très peu de temps, environ trois mois, et n'est pas encore une version officiellement publiée. Sa vitesse maximale a déjà atteint 12,65 mètres par seconde, dépassant la vitesse de course maximale de l'athlète humain le plus rapide de l'histoire ; selon les résultats des tests actuels, sa hauteur de saut a également dépassé le niveau de saut le plus élevé de l'histoire humaine. En 2025, moi-même, les produits de l'entreprise et Yushu Technology avons également figuré sur des listes connexes du magazine Time.

Le principal goulot d'étranglement de l'intelligence incarnée : capacité de généralisation et alignement avec le monde réel

Revenons sur le développement des modèles d'IA incarnée ces dernières années. Les principales lignes technologiques incluent actuellement les modèles VLA et les modèles du monde. Cette année, ce dont vous avez le plus entendu parler est probablement le modèle du monde.

Notre entreprise a toujours investi beaucoup dans les modèles d'IA, ce qui est l'un des domaines où nous investissons le plus en termes de fonds et de main-d'œuvre. Au début de 2020, nous avons commencé à explorer les modèles du monde basés sur la génération vidéo. À la fin de 2020, les résultats n'étaient pas particulièrement satisfaisants, donc nous avons mis cela de côté pendant un certain temps ; mais depuis l'année dernière, nous avons de nouveau intensifié nos investissements dans la direction des modèles du monde basés sur la génération vidéo.

Beaucoup de gens se demandent : quand les robots véritablement polyvalents, qu'ils soient humanoïdes ou semi-humanoïdes, entreront-ils réellement dans la vie quotidienne et dans les foyers ?

Je pense que le principal goulot d'étranglement actuel reste la capacité de généralisation de l'intelligence incarnée. Actuellement, de nombreux modèles d'IA dans des scénarios fixes peuvent atteindre un taux de réussite proche de 100 % tant que suffisamment de données sont collectées et entraînées. Mais dès que l'objet à manipuler change légèrement ou que l'environnement subit un petit changement, le taux de réussite diminue considérablement.

J'espère qu'à l'avenir, cela pourrait prendre deux à trois ans au plus tôt, ou cinq ans voire plus longtemps au plus tard. Si un jour, on peut amener un robot dans un environnement totalement inconnu, par exemple un foyer qu'il n'a jamais vu, et qu'il peut accomplir environ 80 % des tâches simplement par des instructions vocales ou linguistiques, alors je pense que nous aurons presque atteint le "moment ChatGPT" de l'intelligence incarnée. Cela deviendra également un point critique pour l'explosion réelle de l'industrie à l'avenir.

Cet indicateur d'évaluation est en fait très simple : le robot doit être capable d'accomplir environ 80 % des tâches dans environ 80 % des scénarios inconnus uniquement par des instructions vocales ou linguistiques. Je pense que c'est un point critique très important.

Pourquoi n'avons-nous pas encore atteint ce niveau ? L'un des principaux goulots d'étranglement est que le degré d'alignement entre les entrées et sorties des modèles d'IA et le robot réel, ainsi que le monde physique réel, n'est pas encore suffisant.

Par exemple, lorsque vous demandez à un robot de se déplacer, ou de rassembler deux objets, ou de déplacer un objet d'un endroit à un autre, sa direction générale est souvent correcte, il comprend essentiellement votre tâche et sait généralement comment l'exécuter. Mais ce qui influence réellement le taux de réussite final, ce sont souvent les derniers centimètres, voire les derniers millimètres.

Lorsque le robot tente de saisir un objet, il semble que sa main soit sur le point de le saisir, mais le dernier retour tactile, la dernière petite erreur de position, il ne peut pas bien la corriger. Si cette erreur n'est pas bien corrigée, cela peut finalement entraîner l'échec de la tâche, et le taux de réussite diminuera considérablement.

C'est un problème très central auquel l'intelligence incarnée est confrontée dans le monde entier : il existe un écart entre les entrées et sorties des modèles d'IA et le monde réel.

Pourquoi ce problème se pose-t-il avec les robots, alors que les modèles de langage ou les modèles multimodaux n'ont pas de problèmes aussi évidents ? Les contenus traités par les modèles de langage sont essentiellement des codes numériques. Ce qui est entré et ce qui est sorti sont strictement limités à un espace numérique ou à un espace vectoriel, donc les erreurs ne s'accumulent pas de la même manière.

Mais les robots sont différents. Chaque entrée et sortie des robots doit entrer dans le monde physique réel, et chaque fois qu'une action est exécutée, il y a une certaine déviation et perte. Ces déviations affectent la perception suivante et la prochaine action, entraînant finalement une accumulation d'erreurs. C'est pourquoi, à l'heure actuelle, la capacité de généralisation des modèles de robots et le taux de réussite des tâches réelles n'ont pas encore atteint un niveau suffisamment élevé.

Je pense que ce problème pourra être résolu dans les prochaines années, mais cela nécessitera effectivement un certain temps.

Permettre aux robots de s'auto-évoluer : reconstruire le processus de développement des robots avec l'IA

Je voudrais maintenant vous parler d'une initiative que nous sommes en train de promouvoir : permettre aux modèles de robots physiques d'IA de s'auto-évoluer.

Au cours des dernières années, l'utilisation de l'IA pour la programmation et le développement a été largement adoptée, mais l'utilisation de l'IA elle-même dans le processus de développement des robots est encore relativement rare. Ce que nous essayons de promouvoir récemment, c'est d'utiliser les modèles les plus avancés et les plus performants pour alimenter le développement des robots.

Concrètement, nous pouvons d'abord définir certaines règles, expériences, contraintes et outils pour l'IA, puis lui permettre de rechercher en ligne les dernières publications, les meilleures recherches et diverses solutions open source. Ensuite, nous laissons l'IA programmer elle-même et générer le code de contrôle des robots.

Une fois le code de contrôle généré, il peut d'abord être exécuté et entraîné dans un environnement de simulation, ou être appelé pour contrôler des robots physiques réels.

S'il est déployé sur des robots physiques, nous pouvons effectuer des tests réels, puis évaluer et noter les résultats. Une partie de l'évaluation peut être effectuée par le modèle AI du robot lui-même, et une autre partie peut également impliquer des humains. L'expérience humaine reste très importante, car souvent, les humains peuvent facilement juger si un mouvement est bien exécuté ou non.

Si cette logique parvient à se structurer et à fonctionner, l'efficacité de développement des robots augmentera considérablement, et la vitesse d'itération sera très rapide. Après un certain temps de fonctionnement continu de ce processus, il y aura une réelle opportunité d'améliorer la capacité d'auto-évolution des robots.

Je peux donner un exemple très simple. Nous pouvons utiliser un agent intelligent de codage pour qu'il écrive lui-même le code de contrôle des robots. Actuellement, de nombreux algorithmes d'apprentissage par renforcement relativement simples, utilisant un agent intelligent de codage pour la programmation automatique, donnent déjà de bons résultats.

Une fois le code généré, nous le plaçons dans un environnement de simulation pour validation et entraînement ; une fois que les résultats atteignent un certain niveau, nous le déployons sur des robots physiques pour des tests. Après les tests, d'une part, le modèle AI procède à l'évaluation, et d'autre part, nous pouvons également ajouter une notation humaine pour évaluer les résultats. Ensuite, nous faisons remonter ces résultats à l'agent de codage pour entrer dans un nouveau cycle de génération et d'optimisation de code, formant finalement un cycle positif d'itération continue.

Ce que je viens de décrire n'est qu'un exemple très simple, et en réalité, cela sera beaucoup plus complexe. Mais je pense que c'est quelque chose de très valable à faire dans l'industrie robotique mondiale actuelle et dans les années à venir.

Pourquoi est-il nécessaire de faire cela ? Il y a plusieurs raisons assez directes.

Premièrement, la capacité des modèles de base s'améliore chaque mois et chaque année, donc la capacité du cycle d'auto-évolution s'améliorera également. En d'autres termes, ce système peut naturellement suivre les progrès des capacités de base de l'IA à l'échelle mondiale et devenir de plus en plus puissant.

Deuxièmement, il peut tirer pleinement parti des données variées. Dans le passé, s'appuyer sur des humains pour traiter et utiliser les données était relativement inefficace. Si nous formons un cycle d'auto-évolution, nous pouvons utiliser diverses données d'entraînement, des données du monde réel et des données humaines, et l'efficacité d'utilisation des données sera également améliorée.

Troisièmement, il peut former un cycle fermé avec davantage de déploiements de machines réelles. À mesure que de plus en plus de robots physiques sont déployés, nous obtiendrons continuellement de nouvelles données de test et de plus en plus d'indicateurs d'évaluation. Ainsi, le taux d'utilisation des données et la vitesse de croissance des données du système seront garantis.

Quatrièmement, il peut accumuler continuellement les compétences des robots. Nous pouvons ajouter de nouvelles compétences chaque jour ou chaque mois, plutôt que de développer une compétence aujourd'hui, de la gaspiller demain ou de devoir tout recommencer. Les compétences, les données, les stratégies de contrôle et les résultats d'évaluation peuvent tous être continuellement accumulés dans ce système.

C'est pourquoi je pense que c'est une chose très importante : utiliser réellement l'IA pour améliorer considérablement l'efficacité de développement et d'évolution des robots. À l'avenir, cette méthode pourrait devenir un chemin important pour l'évolution continue des robots physiques d'IA, et pourrait également ouvrir une nouvelle phase.

Je pense que de plus en plus de personnes vont promouvoir cette direction à l'avenir.

En regardant en arrière, Yushu a déjà parcouru presque dix ans. Nous avons participé pour la première fois à la Conférence mondiale sur la robotique en 2017 ou 2018, et au fil des ans, nous avons beaucoup appris.

Aujourd'hui, à ce nouveau stade, surtout dans le contexte du développement rapide de l'IA et de l'intérêt mondial pour les robots, la vitesse d'évolution des robots a déjà considérablement augmenté. À l'avenir, la vitesse de développement des robots pourrait être encore plus rapide que ce que j'estime actuellement.

Je pense que c'est un tout nouveau point de départ, ainsi qu'un tout nouveau commencement.

En raison du temps, je vais conclure ici. Merci à tous, et je vous prie de bien vouloir excuser la brièveté de ma présentation.

Ce contenu est fourni à titre informatif uniquement et ne constitue pas un conseil financier, d'investissement, juridique ou fiscal. Les événements, récompenses, promotions en ligne ou informations mentionnées ici ne doivent pas être considérés comme une recommandation, une sollicitation ou une invitation à acheter, vendre, trader ou effectuer toute autre opération sur des actifs crypto. Les actifs crypto sont très volatils et peuvent entraîner des pertes. La disponibilité des services, produits et événements liés à WEEX peut varier selon les régions. Veuillez vous assurer que votre participation respecte les lois et réglementations locales applicables.