Aller au contenu principal
Maniformer lance une plateforme de données d'IA physique tout-en-un pour préparer l'ère de l'AGI
Chine/AsiePandaily 

Maniformer lance une plateforme de données d'IA physique tout-en-un pour préparer l'ère de l'AGI

1 source couvre ce sujet·Source originale ↗·
Résumé IASource uniqueImpact UE

Maniformer, startup chinoise spécialisée dans l'infrastructure de données pour l'IA physique, a officiellement lancé sa plateforme de services de données en un seul guichet, accompagnée de la gamme matérielle MEgo et du système de gouvernance MEgo Engine. La gamme MEgo comprend trois composants : le MEgo Gripper pour la capture de données de manipulation robotique, le MEgo View, un dispositif de collecte portable à tête montée, et le MEgo Engine pour le traitement et la gouvernance des données. Ces outils affichent une précision millimétrique, une synchronisation sub-milliseconde et une perception panoramique supérieure à 300 degrés. Le système est nativement compatible avec le robot G2 Air, garantissant la cohérence entre environnements simulés et réels. Selon Yao Maoqing, président-directeur général, l'entreprise vise une capacité de production de dizaines de millions d'heures de données d'ici 2026, puis des dizaines de milliards d'heures d'ici 2030.

Le problème que Maniformer cherche à résoudre est structurel : les données d'interaction physique réelle disponibles pour l'IA incarnée représentent moins de 1/20 000 de ce qui existe pour les grands modèles de langage. Ce déficit, combiné à l'absence de standards, à des problèmes de qualité hétérogène et à des inadéquations entre offre et demande, freine concrètement la commercialisation des robots autonomes. En proposant une infrastructure full-stack couvrant la télé-opération réelle, la collecte sans robot dédié et la génération synthétique par simulation, Maniformer cherche à décorréler la production de données de la disponibilité des plateformes robotiques elles-mêmes, une approche qui, si elle tient ses promesses, pourrait accélérer significativement le cycle sim-to-real pour les intégrateurs et les équipes R&D. L'analogie revendiquée avec l'électricité ou l'eau comme utilities est ambitieuse ; elle reste à valider à l'échelle industrielle.

L'entreprise s'inscrit dans un contexte de course mondiale aux données d'entraînement pour robots humanoïdes et manipulateurs, où des acteurs comme Physical Intelligence (Pi-0), Boston Dynamics, Figure AI ou Unitree investissent massivement dans leurs propres pipelines de données propriétaires. La stratégie de Maniformer est différente : se positionner en fournisseur tiers d'infrastructure, à la manière d'un AWS pour la donnée physique. L'initiative "Hive" annoncée vise à fédérer des partenaires mondiaux pour co-construire des standards sectoriels, une démarche de standardisation qui, si elle aboutit, pourrait bénéficier à l'ensemble de l'écosystème, y compris aux acteurs européens comme Enchanted Tools ou Wandercraft qui peinent à constituer des datasets suffisants. La prochaine étape annoncée est le déploiement d'un réseau global de collecte de données, sans calendrier précis communiqué au-delà de l'horizon 2026.

Impact France/UE

Si l'initiative 'Hive' de standardisation aboutit, les acteurs européens comme Enchanted Tools ou Wandercraft pourraient bénéficier d'une infrastructure de données partagée pour accélérer leurs pipelines sim-to-real.

À lire aussi

Maniformer lance une plateforme participative qui rémunère des personnes pour filmer des tâches du quotidien destinées aux robots
1Pandaily 

Maniformer lance une plateforme participative qui rémunère des personnes pour filmer des tâches du quotidien destinées aux robots

Maniformer, entreprise shanghaienne spécialisée dans les données d'entraînement pour l'IA physique, a ouvert le 23 septembre à Shanghai une plateforme de crowdsourcing qui rémunère des particuliers pour filmer des tâches quotidiennes destinées à l'apprentissage des robots, selon Leiphone. Sous le slogan « tout le monde peut être enseignant », l'entreprise la présente comme la première plateforme de crowdsourcing multi-catégories de données physiques de haute qualité. Elle repose sur deux couches. La première est l'infrastructure : les dispositifs de capture MEgo, une application mobile et le MEgo Engine pour le post-traitement. Le MEgo View est un casque dont les caméras couvrent plus de 300 degrés, tandis que le MEgo Gripper reconstruit le mouvement avec une précision millimétrique, avec un capteur tactile 3D en option. La seconde couche est un réseau de sites de travail réels et de collecteurs. Après inscription sous leur vrai nom et réception d'un équipement, les utilisateurs choisissent une mission, l'enregistrent, passent un contrôle qualité puis sont payés, avec des retraits annoncés sous deux minutes et la fiscalité gérée par la plateforme. Le catalogue compte 22 catégories, plus de 5 000 types de tâches et plus de 50 000 scènes réelles. Lors d'un test fermé du 15 août au 15 septembre, près de 20 000 utilisateurs se sont inscrits, et 16 bêta-testeurs ont reçu le titre de « robot trainer ». Pour les roboticiens et les décideurs industriels, l'enjeu est le goulot d'étranglement des données. Le PDG Yao Maoqing affirme que ce qui empêche les robots d'entrer dans les usines, les commerces et les foyers n'est ni l'algorithme ni le matériel, mais le manque de données massives de mouvement humain réel. C'est une thèse largement partagée par les équipes qui développent des modèles VLA (vision-langage-action), dont la performance dépend de la diversité des scènes bien plus que de la quantité de démonstrations collectées en laboratoire. Un modèle de crowdsourcing rémunéré, fondé sur des capteurs portés par l'humain plutôt que sur des robots téléopérés, réduit fortement le coût marginal de la donnée. Plusieurs réserves s'imposent toutefois : les chiffres d'inscrits ne disent rien du volume de données réellement validées, la qualité d'une collecte distribuée entre des milliers d'amateurs reste à démontrer, et le transfert de gestes humains vers des morphologies de robots variées demeure un problème de recherche ouvert. L'affirmation d'une présence dans 40 villes est, à ce stade, une déclaration de l'entreprise. Maniformer accompagne le lancement d'un plan de subventions de 100 millions de RMB, détaillé par son vice-président commercial Zhang Zhifu : 50 millions pour les tâches, 20 millions pour les équipements, 30 millions pour un réseau de services physiques dans 40 villes et 2 millions pour l'assurance des personnes et du matériel. Un système de progression en cinq niveaux, de M1 à M5, doit soutenir l'objectif de 1 million d'utilisateurs actifs quotidiens et 1 million de robot trainers d'ici deux ans, un cap très ambitieux au regard des 20 000 inscrits du test. L'entreprise prépare avec l'Académie chinoise des technologies de l'information et de la communication un rapport sur les données d'IA incarnée issues du crowdsourcing, a constitué une alliance de données de scènes avec 12 membres initiaux et a publié une initiative de sécurité des données couvrant les règles de collecte et la protection de bout en bout. Elle évolue dans un secteur où la collecte de données devient un marché à part entière, entre téléopération, capture égocentrique et simulation. Les prochains jalons à surveiller sont la publication du rapport, la taille réelle du jeu de données et les premiers modèles entraînés sur ce corpus.

Chine/AsieActu
1 source
Un CTO cadet chinois lance une plateforme d'IA physique, lève plus de 100 millions de yuans en seed auprès de Yunqi et SenseTime
236Kr 

Un CTO cadet chinois lance une plateforme d'IA physique, lève plus de 100 millions de yuans en seed auprès de Yunqi et SenseTime

Quantum Dynamics (昆腾动力), startup chinoise fondée au premier semestre 2026, vient de boucler un tour d'amorçage dépassant 100 millions de yuans (environ 14 millions de dollars, montant exact non précisé), mené par Yunqi Capital et SenseTime, avec la participation de Duowei Capital à l'incubation et à la construction de l'équipe. Les fonds financeront la R&D en Physical AI, le recrutement et l'expansion internationale. Le fondateur et CEO, Li Qiang, a passé dix-sept ans chez Alibaba : CTO de Cainiao Group, puis CTO de la division commerce international du groupe, tout en dirigeant simultanément l'unité de véhicules autonomes de Cainiao, à la tête d'équipes R&D de plusieurs milliers de personnes réparties dans le monde, avec des partenariats noués avec les services postaux de 200 pays. L'entreprise cible l'entrepôt logistique comme point d'entrée : en 2026, réapprovisionnement, picking et emballage dans des entrepôts B2C et e-commerce de taille moyenne, en priorité sur des SKU standardisés de cosmétique et pharmacie, en mode mixte humain-robot ; en 2027, extension vers des sites de messagerie plus complexes, puis les lignes de production industrielle, le commerce de détail, le tri pharmaceutique, les services commerciaux et, à terme, l'assistance à domicile. Cette annonce illustre un basculement plus large de la course au Physical AI, désormais jugée sur la profondeur des données réelles collectées plutôt que sur la taille des modèles. Selon IDC, les dépenses des utilisateurs chinois en robots à intelligence incarnée devraient dépasser 1,4 milliard de dollars en 2025 et atteindre 77 milliards de dollars en 2030, soit une croissance annuelle moyenne de 94 %. Le pari de Quantum Dynamics repose sur un constat simple : contrairement au texte ou à l'image, les données du monde physique ne peuvent pas être aspirées en masse sur le web. Celui qui déploie le plus de robots réels en premier accumule donc un avantage propriétaire en données, une logique que Li Qiang compare explicitement à celle de Tesla FSD ou de Claude, où l'échelle du parc déployé nourrit un apprentissage par renforcement en boucle continue. Pour les intégrateurs et décideurs B2B, le signal est clair : plutôt que d'attendre un modèle généraliste abouti, l'entreprise mise sur une commercialisation étroite et rapide en entrepôt pour amorcer sa boucle de données, un pari sur l'exécution plus que sur la démonstration. Le contexte est celui d'un salon WAIC 2026 qui vient de s'achever, où les démonstrations spectaculaires de robots dansant ou faisant des saltos attirent toujours les foules, mais où les stands reproduisant des lignes d'usine automobile ou de tri logistique concentrent désormais tout autant l'attention, signe d'un secteur qui bascule du spectacle vers l'exploitation réelle. Li Qiang incarne un profil de fondateur distinct des deux archétypes dominants du secteur, issus soit de la conduite autonome soit de laboratoires de recherche de pointe type Neo Lab : son bagage vient de l'opérationnel logistique et international. Aucun acteur français ou européen n'apparaît dans cette opération. À ce stade, il s'agit d'une levée d'amorçage adossée à une stratégie et une architecture technique détaillées (modèle monde-action, correction en temps réel, apprentissage par renforcement en flotte) mais sans volumes de déploiement ni noms de clients pilotes rendus publics.

Chine/AsieActu
1 source
La Chine ouvre plus de 70 sites d'entraînement pour l'IA incarnée, une norme de jeux de données attendue le 1er novembre
3Pandaily 

La Chine ouvre plus de 70 sites d'entraînement pour l'IA incarnée, une norme de jeux de données attendue le 1er novembre

La Chine a ouvert plus de 70 sites d'entrainement pour l'IA incarnée (embodied AI) a fin juin 2026, avec plus de 40 sites supplémentaires en construction ou en planification, selon un rapport de l'Academie chinoise des technologies de l'information et des communications (CAICT) cite par Economic Information Daily et relaye en anglais par Xinhua le 22 septembre. Ces installations, parfois surnommées "écoles de robots", se concentrent dans le delta du Yangtze, la région Pekin-Tianjin-Hebei et le delta de la rivière des Perles: le Zhejiang arrive en tête avec 14 sites, suivi du Jiangsu, de Pekin, du Guangdong et du Shandong avec huit chacun. La Chine compte plus de 140 fabricants de robots humanoïdes et a livre environ 14 400 unités en 2025, soit environ huit livraisons mondiales sur dix selon Xinhua. Sur ces sites, des opérateurs en capture de mouvement génèrent des trajectoires annotées a partir de taches répétitives comme saisir des bouteilles, charger des plateaux ou scanner des colis. Dans le Guangdong, le site provincial sert aussi de plateforme de mise en relation entre fabricants de robots et utilisateurs des secteurs santé et énergie, tandis que la base pilote nationale de Hangzhou se positionne comme connecteur mutualise entre entreprises publiques, groupes technologiques et partenaires applicatifs, avec des porteurs de projet qui évoquent des économies importantes par rapport a la constitution de jeux de données propriétaires. Cette annonce révèle un gouffre persistant entre le volume de déploiement de robots humanoïdes et leur fiabilité réelle en usage quotidien: malgré une production de masse, les fabricants chinois restent freines par la raretee de données d'interaction en conditions réelles, ce qui confirme que le "sim-to-real gap" n'est pas résolu par le seul volume de simulation. Pour les intégrateurs et décideurs B2B du secteur robotique, le signal est celui d'une infrastructure nationale de collecte de données plutôt que d'un produit ou d'un modèle fini a l'américaine (a comparer aux approches Pi-0 de Physical Intelligence ou GR00T N2 de Nvidia, davantage centrées sur les modèles VLA). Cette approche par volume de terrains d'entrainement, combinée a une normalisation imminente de la qualité des jeux de données, pourrait accélérer la maturité opérationnelle des flottes chinoises et redistribuer la compétition mondiale, jusqu'ici dominée par le narratif américain autour des VLA (vision-language-action). Cette dynamique s'inscrit dans la continuité d'une politique industrielle déjà engagée: en juin 2026, le ministère de l'Industrie et des Technologies de l'information (MIIT) et la Commission de supervision et d'administration des actifs publics (SASAC) ont lance une action spéciale demandant a chaque région provinciale d'identifier au moins 20 scenarios prioritaires et de créer des espaces d'entrainement et de test nécessitant un aménagement minimal. Parallelement, une norme industrielle sur la qualité des jeux de données d'IA incarnée, rédigée par le CAICT avec plus de 40 organisations, doit entrer en vigueur le 1er novembre 2026, avec l'objectif de faire passer le secteur d'une logique de collecte massive a une logique de qualité et d'évaluation. Des opérateurs testent aussi des modèles économiques allant au-delà de la simple vente de données brutes, comme le "training-as-a-service" combinant collecte, entrainement de modèles et validation applicative. Aucun acteur français ou européen (Wandercraft, Exotec, Pollen Robotics, Enchanted Tools) n'est mentionne dans cette annonce, qui reste centrée sur l'écosystème chinois et ses partenaires industriels domestiques.

UEAucun acteur français ou européen n'est impliqué, mais l'avance chinoise en volume de données d'entraînement terrain pourrait creuser l'écart de maturité opérationnelle face aux fabricants de robots humanoïdes européens.

Chine/AsieActu
1 source
LivSyn Robotics lève des fonds en série A pour une plateforme reliant les robots aux modèles d'IA
4TechNode 

LivSyn Robotics lève des fonds en série A pour une plateforme reliant les robots aux modèles d'IA

La startup pékinoise LivSyn Robotics a annoncé le 8 octobre une série A d'au moins 100 millions de RMB (environ 13 millions d'euros). Le tour réunit des investisseurs financiers, Suwen Electric Energy, société cotée de services énergétiques, et un investisseur stratégique non nommé, actif dans l'IA incarnée. L'entreprise développe RUDA (Robotics Unified Device Architecture), une couche logicielle censée relier des morphologies de robots hétérogènes à des modèles d'IA et à des agents. Deux briques la composent. PhiAgent convertit des vidéos de démonstrations humaines en données d'entraînement et en trajectoires de mouvement. RoboAgent exécute les tâches et renvoie les résultats dans le système pour alimenter la boucle d'apprentissage. LivSyn affirme que sa technologie est déjà utilisée en industrie, pour l'insertion et le retrait de modules optiques, l'assemblage de batteries et l'inspection de composants électroniques. L'annonce ne donne ni nombre de sites, ni volumes, ni temps de cycle, ni taux de réussite, ni valorisation. L'intérêt tient moins au montant, modeste face aux tours de plusieurs centaines de millions de dollars des fabricants d'humanoïdes, qu'au positionnement. LivSyn ne construit pas de robot. Elle vise la couche d'abstraction entre les modèles et le matériel, là où se situe un des principaux coûts de l'intégration : chaque nouvelle machine impose aujourd'hui de reconstruire la chaîne de collecte de données, d'entraînement et de déploiement. Si les données et les compétences apprises passent réellement d'un robot à l'autre, comme le promet l'entreprise, le coût marginal d'un nouveau déploiement baisserait nettement, ce qui intéresserait les intégrateurs et les directions industrielles qui gèrent des parcs mixtes. Cette promesse reste à démontrer. Le transfert entre morphologies (cross-embodiment) est un problème de recherche ouvert, et apprendre à partir de vidéos humaines se heurte à l'écart de correspondance entre le geste humain et la cinématique du robot. Les trois applications citées, des tâches de précision dans l'électronique et la batterie, sont pertinentes mais sans chiffres de performance publiés. Elles relèvent donc, à ce stade, de l'affirmation de l'entreprise et non d'un résultat vérifié. Le tour s'inscrit dans la forte activité de financement de l'IA incarnée en Chine, où se multiplient les acteurs du « cerveau » logiciel à côté des fabricants de corps. La présence d'un groupe énergétique coté suggère un intérêt pour l'assemblage de batteries et les usages industriels liés. LivSyn rejoint un champ où d'autres tentent d'imposer une couche d'orchestration ou des modèles généralistes indépendants du matériel, comme les modèles vision-langage-action de Physical Intelligence (Pi-0), le GR00T de Nvidia ou, en Europe, des équipes visant l'intégration multi-robots. Les prochaines étapes à surveiller sont la publication de clients nommés, de métriques de déploiement et de démonstrations de transfert entre au moins deux types de robots.

UEPas d\'impact direct sur la France/UE

Chine/AsieActu
1 source