Розмова зі Чень Цзяньюем із Star Motion Era: Став керівником докторських досліджень у Цинхуа в 28 років, хоче створити компанію втілення вартістю трильйона

3 місяці залучено 20 мільярдів юанів, і що важливіше — залучення ресурсів.

Автор丨Чень Цзайхуей

Редактор丨Хе Цянмінь

«Зараз всі оцінки зростають дуже швидко, щоб стати гігантами, потрібно мати ринкову капіталізацію у трильйони». Після завершення залучення 1 мільярда юанів у листопаді 2025 року, засновник і CEO Чень Цзяньюй розповів нам.

Наступні понад три місяці понад двадцять компаній у галузі тілесного штучного інтелекту залучили понад 200 мільярдів юанів. «Зірковий час» знову завершив раунд залучення 1 мільярда юанів, лідерами інвестицій були Samsung і Gaocheng Capital, оцінка компанії перевищила 100 мільярдів юанів.

«Залучення — це не лише гроші, а й ресурси». Чень Цзяньюй сказав, що багато інституцій усвідомлюють цінність тілесного штучного інтелекту, активне залучення ресурсів допомагає закріпити стратегічних партнерів у одному таборі, розширюючи конкурентні переваги.

Чень Цзяньюй народився у 1992 році, у 19 років поступив до Цінхуа, його дипломний проект був присвячений дослідженню «Планування ходи двоногого робота». Навчався в Каліфорнійському університеті у Берклі, де зосередився на інтеграції підсиленого навчання у керування роботами, проходив стажування у компаніях Waymo та Nutonomy.

Після випуску у 2020 році повернувся до Цінхуа, став асистент-професором Інституту перехресної інформації, основним напрямком досліджень був робототехніка. У 28 років, у віці, коли більшість докторів тільки закінчують, став наставником аспірантів. У 2023 році заснував «Зірковий час».

«Чень (асистент-професор) — досить прагматичний». — сказав один інвестор, і це одна з причин, чому він інвестує у «Зірковий час». У липні 2025 року, коли Чень шукав новий офіс для команди, він обрав офіс онлайн-освітньої компанії: «Ремонт виглядає досить добре, стільці та столи можна використовувати далі, економія коштів». — розповів він. Зараз він щодня їздить на роботу на електросамокаті, а його житло ще не пристосоване для демонстрації людоподібних роботів.

Але керувати компанією із тілесного штучного інтелекту, Чень Цзяньюй обирає дослідження маніпуляторів з гнучкими руками та двома ногами — повнорозмірних людських роботів; прагне розвивати їхню рухову керованість і одночасно інвестує у розробку тілесних моделей штучного інтелекту. Щодо моделей, вони досліджують одночасно VLA та світові моделі, поєднуючи різні підходи, оскільки «однієї технології недостатньо». У галузі є компанії з ринковою капіталізацією у 1,5 трильйона доларів — Tesla, з залученням майже 2 мільярдів доларів у Figure, та робототехнічна компанія Zhiyuan Robotics, яка залучила 10 раундів фінансування за два роки.

Чень Цзяньюй вважає, що це найпрактичніше — «спершу зробити найскладнішу та найширше адаптовану частину, тоді й комерціалізація стане більш можливою».

Після двох раундів залучення по 1 мільярду юанів у листопаді 2025 року та березні 2026 року, Чень Цзяньюй дав нам інтерв’ю. Він поділився своїм баченням щодо шляхів розвитку моделей тілесного штучного інтелекту, комерціалізації та майбутніх точок зростання галузі.

3 місяці — два раунди залучення по 10 мільярдів юанів, і що важливіше — залучення ресурсів

Запитання: Чому ви так активно залучаєте кошти?

Чень Цзяньюй: Це не лише гроші, а й ресурси. Хороші стратегічні партнери допомагають закріпитися у одному таборі, що дуже важливо для майбутньої конкуренції. Наприклад, наш головний інвестор Samsung — це також наш клієнт. Спершу вони інвестували у Китай, потім у США, потім у Кореї — так обирали.

Запитання: Деякі колеги кажуть, що зараз не активне залучення коштів може призвести до того, що у майбутньому їх уже не буде, бо оцінка тілесного штучного інтелекту дуже висока.

Чень Цзяньюй: З 2024 року всі почали думати, чи не падатиме галузь. Але з часом залучення ставало все більш масштабним. Раніше, коли ще не вкладали у компанії, як Weilai, Xiaoli, і ін., були сумніви щодо високої оцінки, але зараз вона здається цілком обґрунтованою. Це стосується і галузі чіпів, і великих моделей.

Інтернет-індустрія може зазнати бульбашки, якщо з’ясується, що попит фальшивий — галузь зникне. Але тверда технологія — інша справа, попит реальний, бо він підвищує продуктивність. Оцінки швидкості розвитку технологій можуть бути завищеними або заниженими, але довгостроково тренд точно зростає.

Запитання: Серед інвесторів у двох останніх раундах «Зіркового часу» — скільки вперше вкладали у тілесний штучний інтелект?

Чень Цзяньюй: Багато. Навіть старі інвестори хочуть повторно інвестувати, але у нас вже немає місця. Наприклад, Gaocheng Capital — наш новий співінвестор, вперше вклав. Також багато інституцій запитують, чи можна вже зараз вкласти другий рівень коштів у компанію (сміється).

Запитання: Після свят у Китаї щонайменше п’ять компаній із тілесним штучним інтелектом оголосили про залучення понад 1 мільярд юанів. Що ви вважаєте головною ціллю такого змагання?

Чень Цзяньюй: Я вважаю, що це не змагання, а гонка. Гонка за технологіями, за швидкістю комерціалізації; кінцева мета — успіх у комерціалізації, тобто першим створити високовартісний та масштабований продукт.

Запитання: Ви залучили багато коштів — як плануєте їх використовувати?

Чень Цзяньюй: Тілесний штучний інтелект — довгий шлях, багато витрат. Наприклад, виробництво та виготовлення апаратури, тренування моделей, збір даних — це головні статті витрат. У комерціалізації робот — це фізичний об’єкт, і канал, продаж теж потребують коштів.

Зараз наші моделі ще не масштабовані, комерціалізація ще не поширена, тому витрати поки що невеликі. Коли масштабуватимемося, витрати зростуть, тому залучення — це підготовка до майбутнього.

Запитання: Скільки коштує розробка повнорозмірного людоподібного робота?

Чень Цзяньюй: Для нової генерації роботів ми можемо використовувати попередні модулі, їх не потрібно створювати заново. Ми платформізували програмне та апаратне забезпечення.

Запитання: Чи помічаєте ви якісь суттєві зміни у галузі тілесного штучного інтелекту між двома раундами залучення?

Чень Цзяньюй: Галузь дедалі більше зосереджується на практичній реалізації технологій. Наприклад, участь роботів у новорічному шоу CCTV — це насамперед підвищення довіри, глядачі бачать, що за рік прогрес дуже великий.

Зараз навіть танець — це вже бізнес-модель. Але галузь дуже швидко змінюється. Тому компанії з тілесним штучним інтелектом мають шукати другу криву зростання, зосереджуючись на промислових та виробничих сценаріях. Цього року і наступного — ключові, щоб перейти від демонстрацій до реальної роботи, а не просто показу.

Ще один аспект — модельна база. У минулому році VLA швидко розвивалася, і тепер усі бачать, що потрібна нова революція — від імітації до глибшого розуміння фізичного світу. Як зробити AI точніше розуміти цей світ, підвищити його здатність до узагальнення та точності дій — стане головним напрямком.

Запитання: Наскільки важливо, що вас запрошували на новорічне шоу CCTV, але ви не взяли участь?

Чень Цзяньюй: Якщо це дасть широке позитивне висвітлення, підвищить оцінку компанії та доходи від комерціалізації, — це вигідно. Оцінюємо, що сценарії для споживачів наразі не є нашою головною ціллю.

Запитання: Ви також досліджуєте рухові сценарії, минулого року на робототехнічних змаганнях навіть здобули перемогу у стрибках через висоту. Чи складно зробити таку синхронізовану виставу на новорічному шоу?

Чень Цзяньюй: Це схоже на трирівневий стрибок або балет — рухи вже заздалегідь заплановані. Група роботів, що виступають у синхроні, — це не дуже складно, схоже на виступ безпілотних дронів. Але можна помітити, що великі роботи керувати складніше через вагу та інерцію — наче слон, який важко танцює.

Запитання: Потім ви виступали на новорічному шоу телеканалу Beijing TV.

Чень Цзяньюй: Це майже безкоштовно. Ми вже готували роботів для танцю з мечами, їх і запросили.

Основні можливості VLA обмежені, потрібна світова модель

Запитання: Нещодавно «Зірковий час» оголосив про VLAW і Ctrl-World, де основна ідея — співпраця VLA та світової моделі, і вони показали хороші результати у тестах. У галузі кажуть, що шлях розвитку моделей із тілесним штучним інтелектом ще не визначений. Як ви обрали цей напрям?

Чень Цзяньюй: Ми досі досліджуємо, які компоненти потрібно додати до архітектури первинної моделі тілесного штучного інтелекту. Спершу був лише мова, потім — візуальні дані. Коли з’явилася візуальна інформація, почали досліджувати, як поєднати дії (Action) — і так з’явився VLA. Ми створили першу у світі повну модель VLA для роботів ще раніше за pi0 (компанія Physical Intelligence з США).

Це класична модель VLA — отримання даних через дистанційне керування або інші способи, навчання на них, але без розуміння логіки дій. Модель просто імітує рухи. Після навчання великої кількості дій вона має певну здатність до узагальнення і розумності, але використання даних дуже низьке.

У середовищах без даних цього недостатньо. Тут потрібна світова модель. Ми почали працювати над VLA ще у 2023 році, враховуючи питання фізичного розуміння світу, але тоді не було хороших інструментів. Лише з появою Sora ми побачили, що вона здатна точно прогнозувати фізичний світ і передбачати дії у часі. З 2024 року ми почали розробляти світову модель, і, мабуть, були першими у світі, хто зробив таку для робототехніки. Виявилося, що додавання світової моделі до традиційного VLA підвищує ефективність приблизно на 40%.

Запитання: Як досягти цього 40%-го покращення?

Чень Цзяньюй: Основні два підходи. Перший — новий спосіб навчання, що допомагає моделі краще узагальнювати, формуючи у неї розуміння світу та закономірностей змін, здатність до сприйняття і прогнозування.

Традиційний VLA — це просто мапа «бачу-роблю», він знає, що побачив комп’ютер — відкриває його. Він навчається імітувати рухи, але не розуміє логіку. Світова модель ж — це інше. Вона вчиться, що якщо я так витягну руку і натисну, то комп’ютер може відкритися.

Друге — генерація даних або використання її як симулятора. Наприклад, для складних об’єктів — рідини, води, гнучких предметів — паперу, що згинається, або потоку води — важко зробити точне фізичне моделювання за допомогою класичних фізичних двигунів.

Єдиний спосіб вирішити цю проблему — світова модель, яка навчається на реальних відео. У наших роботах і відео показано, як вона точно прогнозує фізичні процеси — наприклад, як зачерпнути суп або згорнути папір.

Запитання: Деякі фахівці вважають, що наразі модель із тілесним штучним інтелектом не так терміново потребує світової моделі.

Чень Цзяньюй: Якщо дивитися на 1-2 роки — можливо. Але на довгий термін, на 3-5 років — вже ні.

Зараз у галузі домінує VLA, архітектура якої вже досить стабільна. Ми багато працювали з VLA, і вона вже застосовується у промисловій логістиці. Але її обмеження — вона не дуже узагальнює, і її можливості обмежені. Навіть з великими обсягами даних вона не здатна зробити багато.

Крім того, її здатність до узагальнення обмежена. Щоб робот виконав нову задачу у новому місці, потрібно багато даних і налаштувань інженером, що знижує маржу.

Нам потрібно зробити домашнє використання — підвищити рівень інтелекту робота, але сучасний шлях VLA цього не підтримує.

Запитання: Чи визначилися ви з напрямком поєднання світової моделі та VLA?

Чень Цзяньюй: Ще ні. Є два основних підходи до їхнього поєднання, і ми їх досліджуємо.

Один — слабке зчеплення, наприклад VLAW, Ctrl-World. Тут VLA і світова модель — окремі моделі, що працюють разом. VLA відповідає за дії, світова — за прогнозування майбутнього. В процесі навчання вони одночасно оновлюються і взаємодіють.

Інший — сильне зчеплення, наприклад VPP (Video Prediction Policy), де об’єднують обидві моделі у один модуль. Навчання схоже, але модель одночасно видає дії і прогнозує майбутнє.

Загалом, основна ідея — моделювання фізичного світу і використання цього для покращення. Конкретні підходи ще в дослідженні, ми відкрили кілька напрямків.

Запитання: Як балансувати між дослідженнями різних напрямків і їхньою ефективністю?

Чень Цзяньюй: В кожному напрямку працює кілька людей, кілька дослідників. Наприклад, моя команда співпрацює з Челсі Фінн, яка заснувала PI (Physical Intelligence). Там небагато дослідників, але високий рівень кадрів. Вони не займаються комерцією, а лише алгоритмами. Навіть великі компанії з дослідженнями AI — невеликі. Якщо якийсь напрямок підтвердиться, ми масштабуватимемо його, створюючи інфраструктуру і переходячи до виробництва.

Запитання: Ви казали, що «Зірковий час» — перша компанія у галузі, але її оцінка не найвища.

Чень Цзяньюй: Це цілком нормально. Не обов’язково бути найкращим у всьому, щоб отримати увагу і високу оцінку.

Зараз багато компаній пропонують різні рішення, але бракує єдиного стандарту або бенчмарку, щоб усі могли порівнювати. Не всі професіонали, тому важко оцінити.

З часом сформуються спільні критерії, і при комерціалізації можна буде оцінювати за кількістю та якістю результатів.

Запитання: Як ви плануєте збирати дані для тілесних моделей?

Чень Цзяньюй: Насамперед — реальні дані з роботів. Це найпряміше і безпосереднє. Зараз у нас три джерела: перше — дані з дистанційного керування, які використовуємо для тонкого налаштування моделей; друге — UMI (фреймворк для збору даних і навчання стратегій, запропонований Стенфордом); третє — відеодані. Другі два — менш точні, використовуються для попереднього навчання.

Запитання: Деякі кажуть, що реальні дані можуть спричинити перенавчання.

Чень Цзяньюй: Це залежить від обсягу. Менше — перенавчання, більше — ні. Реальні дані — найточніші і зручні для використання. Але їх потрібно багато, і вони цінні.

Запитання: Який обсяг даних потрібен для суттєвого покращення моделей?

Чень Цзяньюй: Близько 1000 годин — це мінімум для отримання осмислених результатів; 10 000 годин — для хороших моделей (у PI — приблизно так); 100 000 годин або більше — для масштабних тренувань, наприклад, GEN-0 з 270 000 годин. Наступна ціль — 1 мільйон годин, і важко спрогнозувати, яких результатів можна досягти.

Запитання: Чи планує «Зірковий час» створювати власну платформу для збору даних?

Чень Цзяньюй: Так, але це питання кількості. Ми не залежимо лише від власної платформи, прагнемо збирати дані з реальних сценаріїв.

Запитання: Чи схоже це на модель Tesla з «тіньовим» збором даних?

Чень Цзяньюй: Так, але сцени складніші. Автодорога — це один сценарій, а логістика — інший. Якщо поставити роботів у Антарктиді — вони не будуть їздити. Тому важливо накопичувати дані у різних сценаріях, щоб покращити узагальнення.

Збираючи дані з логістики, виробництва, обслуговування — модель зможе краще працювати у різних сферах, наприклад, у домашньому побуті.

Запитання: Що потрібно для створення домашнього робота?

Чень Цзяньюй: Це дві основні задачі. Перша — очищення: не просто пилосос, а з функціями миття, пральні, сортування. Друга — кухня: допомога у приготуванні їжі, наприклад, витягування продуктів із холодильника, планування меню, закупівля, приготування, миття посуду, доставка їжі.

Можливо, згодом — роботи, що вміють викликати кур’єра, грати у м’яч, допомагати у побуті. Потенціал дуже великий.

Запитання: Чи зможемо ми побачити це у найближчі роки?

Чень Цзяньюй: Так, звичайно. Через 3-5 років з’являться перші ознаки. Навіть якщо робот ще не достатньо розумний, можна доповнювати інфраструктурою. Наприклад, інтеграція з холодильником, плитою, пральною машиною — це можливо. Зараз ще далеко, але ми працюємо над цим.

Ми вважаємо, що час появи «ChatGPT для роботів» — приблизно 5 років. Це дуже високий стандарт, що означає здатність робота працювати у нових середовищах за новими командами.

Якщо зробити раніше — комерційна цінність буде нижчою. Наприклад, пилосос — це домашній робот, але він лише пилососить і коштує кілька тисяч, і це прийнятно. А через кілька років зробимо робота, що миє стіл і готує їжу, за 20-30 тисяч — і знайдуться покупці.

Запитання: У вас вдома є робот?

Чень Цзяньюй: У мене дуже маленька квартира, туди не поміститься.

“Найрозумніший у компанії з тілесним штучним інтелектом”

Запитання: Деякі кажуть, що Чень — найкращий у наукових дослідженнях у галузі. Але інші сфери — легко піддаються маніпуляціям.

Чень Цзяньюй: Це цілком нормально. Я — вчений, і мене більше цінують за технічну експертизу. Не бізнесмен. Але комерційний успіх — це результат. Якщо я скажу, що я дуже талановитий у комерціалізації — ніхто не повірить. Минулого року наш дохід був не найвищим у галузі, але у топі. Цього року буде ще краще.

Технологічний прорив — це не лише бізнес-модель, а й технології та їхнє застосування. Ми визначили потребу, розробили технічний шлях, і це — взаємозалежний процес.

Запитання: Вам 28 років, і ви вже наставник у Цінхуа. Чи вважаєте себе генієм?

Чень Цзяньюй: У кожної людини є свої сильні сторони. Важливо їх знайти.

Запитання: А що саме у вас — ваше «геніальне»?

Чень Цзяньюй: Швидке навчання, проникливість і здатність створювати складні системи. Робот — саме така система, що швидко розвивається і поєднує апаратне й програмне.

Запитання: Тепер ви ще й підприємець, і відповідальність зросла. Як навчаєтеся?

Чень Цзяньюй: Вважаю, що найважливіше — це структура управління і цілі. Це — ключ до зв’язку всього. Потім — мотивувати команду, щоб вони з радістю працювали і прагнули зробити ще краще.

Запитання: Чи є компанії, на які ви орієнтуєтеся?

Чень Цзяньюй: Так, я слідкую за компаніями, що формують культуру і управління — Alibaba, ByteDance, Tencent; за технічними компаніями — Huawei, Xiaomi; за автоконцернами — NIO, Xpeng і т. д. Вивчаю їхню стратегію, організацію, підходи до комерціалізації.

Запитання: А закордонні компанії?

Чень Цзяньюй: Там інше середовище.

Запитання: Як би ви класифікували компанії у галузі тілесного штучного інтелекту?

Чень Цзяньюй: За рівнем технічних інвестицій — на «тілесні», «мозкові» та «інтегровані» або «повністю вертикальні». «Усір» — орієнтований на тіло, з фокусом на керування двоногими роботами. Є компанії, що досліджують мозок — наприклад, Galaxy General або Variable. Більшість — з колесами, без глибокого навчання.

Ми — «повністю вертикальні», тобто робимо і апаратне, і програмне. Наприклад, «Figure» або Tesla — наші аналогії.

Запитання: Як зробити правильний вибір у розвитку?

Чень Цзяньюй: Важливо дивитися на кінцеву мету. Спершу — розробляти продукти для кінцевих користувачів, швидко виходити на ринок. Водночас — створювати власні технології, щоб мати контроль і швидкість.

Якщо залежати від постачальників — це може гальмувати. Власна розробка дозволяє знизити витрати і підвищити маржу. Наприклад, наші руки — з високою прибутковістю.

Запитання: Кажуть, що «Зірковий час» — «китайський Figure». Що ви думаєте?

Чень Цзяньюй: Це гарна оцінка. Але якщо казати, що ми копіюємо Figure — не зовсім так. У нас є ідеї, які раніше не озвучувалися, і наш шлях і бачення схожі. Тому багато що співпадає.

Запитання: Але оцінка «Figure» — 39 мільярдів доларів.

Чень Цзяньюй: Ми теж прагнемо більшої оцінки. Вартість компанії — це відображення її реальної цінності, але зараз багато шуму і невизначеності. В США і Китаї — різні підходи. Засновник Figure — успішний серійний підприємець. Ми ж прагнемо стабільно робити свою справу і зміцнювати капітал.

Запитання: Який розмір компанії потрібен, щоб досягти вашої мети?

Чень Цзяньюй: Стати гігантом з ринковою капіталізацією у трильйони. Зараз оцінки зростають, і до моменту нашого розвитку — потрібно бути у трильйонах.

Запитання: Чи повідомляєте ви інвесторам і команді про цю ціль?

Чень Цзяньюй: Так, говорив. Деякі вірять, деякі — ні, залежно від погляду. Інвестори кажуть: «Зробимо!»

Запитання: За скільки років це можливо?

Чень Цзяньюй: Орієнтовно — 10 років.

Запитання: Що заважає досягти цієї цілі у галузі тілесного штучного інтелекту?

Чень Цзяньюй: Головне — модельний рівень. Апаратне забезпечення вже достатнє. Найбільша проблема — у гнучких руках.

Запитання: Чи зможете ви зробити прорив у цій сфері?

Чень Цзяньюй: Обов’язково. Ми братимемо участь.

(Заголовок: Засновник «Зіркового часу» Чень Цзяньюй, фото з офіційного сайту компанії)