Роботам в Китае не хватает «мозга» и данных: главный вызов embodied AI на WAIC 2026

Ce qui manque aux robots chinois

Les robots chinois manquent de deux choses à la fois : des données de qualité sur le monde physique et un modèle de base solide qui relie la perception à l'action. Des représentants du secteur en ont parlé lors du WAIC et, selon le South China Morning Post, c'est précisément ce double déficit qui freine le passage de l'IA incarnée (embodied AI) des démonstrations aux produits réels.

Contrairement aux modèles de langage, qui apprennent à partir de textes trouvés sur internet, les robots ont besoin de données sur le mouvement, la préhension d'objets et la réaction à un environnement imprévisible — il faut les collecter manuellement, ce qui est coûteux et lent. Sans un grand volume de ces données, le « cerveau » du robot n'apprend pas à agir avec assurance en dehors du laboratoire.

• Événement — la conférence WAIC, terminée le 20 juillet 2026 à Shanghai
• Qui parle — Wang Xiaogang, cofondateur de SenseTime et président de sa division robotique
• Obstacle 1 — manque de données sur l'interaction avec le monde physique
• Obstacle 2 — absence d'un « cerveau » puissant, un modèle de base unifié
• Objectif — relier matériel, données, modèles et scénarios en une boucle fermée

Qu'est-ce que la « boucle fermée »

Les participants du WAIC ont désigné comme défi le plus critique pour le secteur de l'IA incarnée la construction d'un système itératif fermé, dans lequel le matériel, les données, les modèles et les scénarios réels se renforcent mutuellement. L'idée est que le robot collecte des données pendant qu'il travaille, ces données améliorent le modèle, le modèle amélioré rend le robot plus efficace — et le cycle recommence.

«

Relier le matériel, les données, les modèles et les scénarios réels en un système itératif fermé », — Wang Xiaogang, cofondateur de SenseTime et président de sa division robotique, à propos de la tâche principale du secteur.

Actuellement, ce cycle est rompu : la plupart des entreprises chinoises disposent de plateformes matérielles, mais ni d'un flux suffisant de données d'exploitation, ni d'un modèle capable de digérer pleinement ces données. Tant que les maillons ne sont pas reliés, chaque prototype reste une démonstration isolée, et non un produit évolutif.

Pourquoi les données sont le goulot d'étranglement

Les données pour les robots constituent le principal goulot d'étranglement, car elles ne peuvent pas simplement être téléchargées depuis internet comme des textes ou des images. Chaque action dans le monde physique — un pas, un virage, saisir une tasse — doit être enregistrée via les capteurs d'un appareil réel ou via une simulation coûteuse, et les volumes de ces informations sont incomparables aux milliers de milliards de tokens sur lesquels s'entraînent les modèles de langage.

C'est précisément pour cela que les participants du WAIC ont insisté sur le lien « données + cerveau » : un modèle puissant sans données n'apprendra pas à agir, et une masse énorme de données sans modèle de base unifié ne se transformera pas en comportement cohérent. Selon les estimations des initiés de la conférence, le secteur cherche encore un moyen de mettre la collecte de données en flux continu de façon à rentabiliser le coût du matériel.

Ce que cela signifie

La robotique chinoise ne bute pas sur le matériel, mais sur l'intelligence et les données : le pays est déjà fort sur le plan matériel, mais sans « cerveau » ni flux de données réelles, les robots ne sortent pas du mode démonstration. Boucler le cycle « matériel — données — modèle — scénario » devient la principale course de l'IA incarnée pour les années à venir.