Chine/AsiePandaily 10 juillet 2026

Les scientifiques IA sont déjà au travail à Pékin : mélange de fluide de conduction en 20 secondes

1 source couvre ce sujet·Source originale ↗·

Résumé IASource uniqueImpact UE

À Pékin, des laboratoires spécialisés dans l'IA for Science ont commencé à confier certaines tâches expérimentales à des bras robotiques pilotés par IA, capables de concevoir des protocoles, de collecter des données et de proposer de nouvelles pistes de recherche. Un journaliste du Beijing News a pu observer l'un de ces sites : un bras robotique y prépare du liquide conducteur en 20 à 30 secondes par flacon, avec une régularité de geste qui élimine les erreurs de manipulation manuelle. Le laboratoire fonctionne sur des postes d'expérimentation confinés où des bras robotiques manipulent pipettes, réactifs et échantillons avec précision, selon une architecture en trois couches : découverte autonome de lois scientifiques fondamentales par l'expérimentation, création de nouveaux matériaux via des modèles entraînés sur des données de haute qualité générées par le système, et enfin conception inverse de bout en bout où les résultats sont directement validés en application. À l'Institut d'automatisation de l'Académie chinoise des sciences, l'équipe a développé un modèle de fondation baptisé Panshi, avec une approche à deux volets : une version 1.0 qui affine des modèles open source sur des données et de la littérature scientifiques, et une version 2.0 en développement qui entraîne un modèle entièrement nouveau unifiant texte et modalités scientifiques (spectres d'ondes, spectrogrammes, champs électromagnétiques, structures moléculaires) dans un système de tokens commun. Panshi a déjà achevé une adaptation à huit disciplines scientifiques.

Cette expérimentation illustre une bascule stratégique dans la course à l'IA scientifique : contrairement aux modèles grand public comme DeepSeek ou ChatGPT, qui se contentent d'exploiter des données déjà disponibles sur internet, les systèmes AI4S doivent produire eux-mêmes de nouvelles données par l'expérimentation réelle, ce qui suppose une intégration étroite entre IA, bras robotiques, capteurs et instruments de laboratoire dans une boucle fermée hypothèse-expérience-collecte-optimisation. Pour l'industrie robotique et les décideurs B2B, c'est un signal que l'automatisation ne se limite plus à la manipulation répétitive en usine mais s'étend à des tâches de précision scientifique à haute valeur ajoutée, où la fiabilité du geste et la vitesse d'exécution (20 à 30 secondes par préparation) deviennent des arguments concrets face au travail manuel de laboratoire.

Cette initiative s'inscrit dans une dynamique portée par les autorités pékinoises, qui misent sur la concentration exceptionnelle d'institutions de recherche de premier plan dans la ville, dont l'Académie chinoise des sciences, Tsinghua et l'Université de Pékin, ainsi que sur le pôle scientifique de Huairou, capable de générer des volumes massifs de données d'entraînement, à l'image du collisionneur électron-positron de Pékin qui produit à lui seul 1 téraoctet de données par seconde. En juin 2026, Pékin a publié son plan de mise en œuvre de l'IA for Science, couvrant six domaines prioritaires, avec l'ambition de faire de la ville un pôle d'innovation scientifique en IA d'influence mondiale d'ici 2028.

À lire aussi

1Pandaily

Tencent Robotics X en open source de trois modèles fondation incarnés : le scientifique en chef Zhang Zhengyou explique l'architecture cérébrale à trois couches pour la vitesse de réaction des robots

Tencent Robotics X Laboratory a présenté au salon WAIC 2026 trois modèles fondationnels d'intelligence incarnée, désormais disponibles en open source : Hy-Embodied-VLM-1.0, dédié à la compréhension spatiale et des scènes, Hy-Embodied-RxBrain-1.0, chargé de la planification cognitive, et Hy-Embodied-VLA-0.5, qui traduit des objectifs de haut niveau en commandes motrices continues. Le chercheur en chef Zhang Zhengyou a expliqué que cette architecture à trois couches répond à un problème mal traité par les approches VLA actuelles : le monde physique fonctionne à plusieurs échelles temporelles, et l'intelligence robotique doit donc opérer à des fréquences différentes selon la tâche. Cette conclusion découle d'un échec concret : une tentative de faire tourner des capacités robotiques sur OpenClaw a produit des dizaines de secondes de latence, alors qu'un délai cognitif de seulement 2 à 3 secondes est déjà problématique pour un robot physique. Tencent a précisé que Hy-Embodied-VLA est entré en phase de test en production dans une usine de produits chimiques ménagers, sur des lignes d'assemblage multi-références à petits lots, avec un temps de cycle par pièce inférieur à 6 secondes et une capacité d'adaptation à une nouvelle référence après seulement 8 heures de collecte de données et de réentraînement. Ce déploiement en usine, avec objets positionnés aléatoirement, éclairage variable et interruptions de production, marque une bascule notable : Tencent affirme viser un taux d'échec quasi nul en conditions réelles plutôt qu'un score de démonstration, Zhang Zhengyou allant jusqu'à qualifier de "valeur quasi nulle" une démo qui obtiendrait 80 à 90 points sans déploiement effectif, une formule qui mérite d'être lue comme une critique implicite de nombreuses vitrines du secteur plutôt qu'un résultat mesuré indépendamment. Pour les intégrateurs et décideurs industriels, l'apport le plus concret est ailleurs, dans Hy-Embodied-RxBrain : au lieu de faire communiquer les modules par du texte, comme le faisaient les précédents systèmes Tairos, ce modèle "imagine" un état visuel du monde après chaque sous-tâche, ce qui règle le goulot d'étranglement du langage pour décrire des relations spatiales. Tencent le présente prudemment comme un modèle cognitif incarné plutôt qu'un véritable "world model", le secteur n'ayant pas encore convergé vers une architecture unifiée en la matière. Cette annonce s'inscrit dans la course mondiale aux modèles vision-langage-action, aux côtés d'acteurs comme Tesla, Figure AI, Physical Intelligence ou NVIDIA, dans un contexte où l'écart entre démonstration et exploitation industrielle reste le principal point de friction. En ouvrant l'ensemble de sa pile Tairos, incluant les trois modèles, Tencent met à disposition des développeurs et industriels une architecture pensée pour la fréquence, issue directement de ses propres échecs et itérations, sans toutefois communiquer de calendrier précis pour un déploiement à plus grande échelle au-delà du site pilote chimique.

Chine/AsieActu

1 source

2Pandaily

La Chine solidifie son top 4 des mains dextériques : de la démo à la production de masse

Le secteur chinois des mains robotiques dextres a vu émerger un premier cercle net de quatre acteurs, désormais considérés comme son nouveau top 4 : Yinshi Robotics, Lingxin, LinJieDian et BrainCo. Yinshi, fondée il y a près de dix ans, s'est imposée comme référence en fiabilité industrielle grâce à sa R&D interne sur les micro-vérins électriques à servomoteur ; elle est la première entreprise chinoise à avoir livré des mains à cinq doigts à l'échelle de dix mille unités. En 2025, ses ventes à l'international ont pesé 20 % de son chiffre d'affaires, avec plus de 2 000 clients incluant des fabricants de robots humanoïdes, des industriels, des laboratoires de recherche et le secteur médical. Son architecture à liaisons mécaniques revendique un million de cycles de préhension en charge et équipe notamment les humanoïdes Apollo et Adam, avec une validation publique lors d'une diffusion du Gala du Nouvel An chinois. Lingxin développe une plateforme généraliste à haut degré de liberté, LinJieDian associe matériel et algorithmes pour des solutions clé en main, et BrainCo se concentre sur l'intégration bionique homme-machine. Selon le cabinet IT Juzi, les levées de fonds du secteur ont atteint 16,877 milliards de yuans en 2025, déjà dépassés par les plus de 25 milliards de yuans levés sur le seul premier semestre 2026 ; plus de 20 000 mains ont été livrées en 2025, pour un marché attendu à 70 200 unités en 2026. Ce classement acte un changement de grille de lecture pour toute la filière : les spécifications sur le papier pèsent désormais moins que la capacité à livrer en série de façon stable, à créer une valeur d'usage vérifiable et à couvrir une gamme complète de produits. Pour les intégrateurs et les fabricants de robots humanoïdes, cinq critères deviennent structurants pour choisir un fournisseur : le châssis de production de masse, la durabilité en déploiement réel, la couverture de plusieurs architectures techniques (liaisons, tendons/câbles, entraînement direct), l'universalité selon la taille et la charge du robot, et une gamme continue du bas au haut degré de liberté. Le secteur bascule donc de la démonstration convaincante vers une commercialisation industrielle vérifiable, ce qui va peser sur les choix d'approvisionnement des donneurs d'ordre. Reste que des métriques comme le million de cycles annoncé ou l'exposition médiatique lors d'un show télévisé gagneraient à être confirmées par des tiers indépendants plutôt que prises telles quelles. Cette consolidation intervient alors que le financement du secteur chinois des mains dextres s'accélère fortement, porté par la demande des fabricants de robots humanoïdes en quête de fournisseurs de composants critiques capables de tenir la cadence industrielle. La coexistence de plusieurs architectures rivales chez les quatre leaders, liaisons mécaniques, tendons, entraînement direct, traduit une volonté de couvrir des scénarios variés, de l'industrie lourde à la manipulation de précision en recherche, tout en limitant le risque qu'une seule technologie ne devienne obsolète. Aucun calendrier de déploiement précis n'est communiqué au-delà des volumes attendus, mais le triplement annoncé des expéditions entre 2025 et 2026 laisse présager une concurrence accrue entre ces quatre acteurs, à mesure que le marché chinois des mains dextres passe du stade de la démonstration à celui d'une industrie de capacités globales.

Chine/AsieOpinion

1 source

3Pandaily

Soutien politique et production de masse propulsent les ETF de robots humanoïdes à l'aube d'une phase critique

La Chine accélère sa stratégie dans la robotique humanoïde : le ministère de l'Industrie et des Technologies de l'Information (MIIT), en coordination avec la SASAC (Commission de supervision des actifs d'État), a fixé un objectif contraignant de plus de 10 000 unités humanoïdes déployées d'ici fin 2026, signalant un passage de l'incitation à la R&D vers une obligation de déploiement industriel. Sur le plan production, le Centre d'innovation en robotique humanoïde de Pékin a confirmé que le Tiangong 3.0 entrera en fabrication en série au second semestre 2026, avec des réductions de coûts attendues supérieures à 50 %. UBTECH a formalisé une coentreprise pour développer des puces d'intelligence incarnée, avec un capital enregistré de 100 millions de yuans. Côté chaîne d'approvisionnement, Wanma et Langxin Electric ont commencé des livraisons en volume de composants critiques. À l'international, GenesisAI, soutenu par l'ex-PDG de Google Eric Schmidt, a lancé son robot industriel Eno, tandis que Faraday Future affirme avoir livré 157 unités réparties sur quatre modèles. Dans ce contexte, l'ETF Robot d'Invesco Great Wall (code 159559), indexé sur le Guozheng Robot Industry Index (980022), affiche une exposition de plus de 73 % aux valeurs du secteur humanoïde, avec une allocation sectorielle dominée par les équipements mécaniques à 47,23 % (réducteurs, vis à billes, moteurs) et les équipements électriques à 14,68 %. Ce moment marque une inflexion structurelle : la Chine ne pilote plus la filière par subventions symboliques mais par objectifs de déploiement chiffrés et datés, ce qui force les intégrateurs et les acheteurs industriels à anticiper des volumes réels dès 2026. La maturité affichée de la chaîne d'approvisionnement, notamment autour des composants à haute valeur (actionneurs, chips embarqués), réduit un des principaux goulets d'étranglement identifiés lors des phases pilotes. Toutefois, il convient de rester prudent : l'article source est en grande partie un texte promotionnel pour le fonds 159559 lui-même, dont la performance de 60,81 % sur deux ans est mise en avant face aux 34,02 % du CSI 300. Les chiffres de déploiement restent des objectifs politiques, pas des confirmations de livraisons effectives, et les vidéos de démonstration des robots ne constituent pas une preuve de passage à l'échelle industrielle. La trajectoire de la robotique humanoïde chinoise s'inscrit dans un effort stratégique accéléré depuis 2023, avec des acteurs comme Unitree, AgiBot et UBTECH qui avancent en parallèle. À l'international, Tesla (Optimus Gen 3), Figure (Figure 03), Physical Intelligence (pi0), Agility Robotics et Boston Dynamics maintiennent une pression concurrentielle forte, principalement sur les cas d'usage logistique et manufacture. Le second semestre 2026 et l'année 2027 sont désignés comme la première fenêtre de réalisation de revenus réels pour le secteur, sous réserve que les objectifs de déploiement se confirment en commandes fermes plutôt qu'en annonces de pilotes.

UELa montée en puissance industrielle chinoise dans les humanoïdes (objectif 10 000 unités d'ici fin 2026, passage aux mandats de déploiement) crée une pression concurrentielle indirecte sur les fabricants et intégrateurs européens de composants robotiques critiques (actionneurs, réducteurs, chips embarqués).

Chine/AsieActu

1 source

436Kr

De la perception de l'environnement à la transformation du monde : opportunités, voies et pratiques de l'IA physique

À la conférence AI+ de Beijing Yizhuang en mai 2026, Chen Long, directeur technique "foundation models" de Jiangxing Intelligence (江行智能), a présenté l'architecture d'IA physique industrielle JX-Phi, déjà déployée dans des centrales photovoltaïques et des réseaux électriques au Guizhou et en Mongolie intérieure. Le système couvre plus de 1 000 stations d'inspection avec une précision algorithmique annoncée à 99 %. L'architecture se décompose en trois couches : une infrastructure de données (JX-Phi World), un modèle central en cours d'évolution vers un World Action Model (JX-Phi Brain, intégrant des modèles Vision-Language-Action longue durée, dits LT-VLA), et une couche applicative (JX-Phi Agent) qui orchestre drones, chiens robotiques, robots à roues et bras mécaniques via un contrôleur global de 100 milliards de paramètres. Indicateur structurant : une simple tâche d'inspection d'équipement se décompose en 100 à 200 sous-tâches dans un contexte industriel, contre quelques dizaines en usage grand public. Ce chiffre illustre une bascule dans la compétition autour de l'IA : l'enjeu n'est plus le nombre de paramètres des modèles de base, mais la capacité à déployer des systèmes stables et contrôlés dans des environnements physiques contraignants. La densité des scénarios industriels chinois constitue un avantage structurel difficile à répliquer : le parc de robots industriels installés en Chine représente 8,6 fois celui des États-Unis et a crû d'un facteur 12 en dix ans, alimentant un volant de données continu sans équivalent mondial. L'approche sim-to-real de Jiangxing repose sur un moteur de simulation 3D génératif (AutoWorld) qui produit des scénarios rares, pannes atypiques ou conditions météo extrêmes, avant tout déploiement terrain, réduisant significativement les risques dans des secteurs où l'erreur en conditions réelles n'est pas tolérable, comme l'énergie ou la pétrochimie. Jiangxing capitalise sur cinq couches d'infrastructure que la Chine a constituées : densité de scénarios industriels, modèles open source compétitifs (DeepSeek, Qwen, Kimi) en rattrapage rapide sur les niveaux de performance mondiaux, 4,48 millions de stations 5G représentant plus de 60 % du parc mondial, capacité électrique environ deux fois supérieure à celle des États-Unis, et une co-optimisation logiciel-matériel stimulée en partie par les restrictions d'accès aux puces d'entraînement haut de gamme. Sur le plan concurrentiel, la société se positionne comme fournisseur de système complet face à des acteurs comme Unitree ou Boston Dynamics côté plateformes robotiques, et Physical Intelligence (Pi-0) côté modèles généralistes. Les prochaines étapes visent une extension aux secteurs minier et chimique, où la criticité des tâches et la rareté des données d'incidents justifient précisément l'approche simulation-to-real développée par la société.

UELes avantages structurels de la Chine en IA physique industrielle (parc robotique 8,6x supérieur aux États-Unis, 60 % des stations 5G mondiales, capacité électrique double) représentent un écart compétitif croissant que les industriels européens devront intégrer dans leur stratégie d'automatisation à horizon 5 ans.

Chine/AsieOpinion

1 source