ก่อตั้งมาแค่ปีเดียว ระดมทุนได้หลายร้อยล้าน ใช้แนวทาง “การเรียนรู้ของมนุษย์” คว้าอันดับหนึ่งในห้าอันดับระดับนานาชาติ ปัญญาแบบมีกายภาพ (Embodied Intelligence) ก้าวสู่กระบวนทัศน์ใหม่

ก่อตั้งมา 1 ปี ระดมทุนหลายร้อยล้าน “Deep Wisdom” ใช้เส้นทาง “การเรียนรู้ของมนุษย์” คว้าอันดับ 1 ห้าอันดับระดับโลก ปัญญาแบบมีกายภาพ (Embodied Intelligence) สู่กระบวนทัศน์ใหม่

ปัญญาแบบมีกายภาพ (Embodied Intelligence) กำลังเผชิญกับการเปลี่ยนแปลงเส้นทางที่เงียบเชียบแต่มีความหมายอย่างลึกซึ้ง

ในช่วงสองปีที่ผ่านมา ทีมหุ่นยนต์ส่วนใหญ่ทำสิ่งเดียวกันซ้ำแล้วซ้ำเล่า: ให้หุ่นยนต์เลียนแบบการกระทำอย่างต่อเนื่อง โดยใช้ข้อมูลจำลองจำนวนมหาศาล “ป้อน” ให้เกิดทักษะ อย่างไรก็ตาม ปัญหาพื้นฐานยังคงค้างคา—หุ่นยนต์ไม่เข้าใจเลยว่าทำไมมันต้องทำแบบนั้น

บริษัทจีนแห่งหนึ่งที่ก่อตั้งมาเพียงหนึ่งปี เลือกเส้นทาง “ที่ไม่เป็นที่ยอมรับโดยทั่วไป” ตั้งแต่แรกเริ่ม: ให้หุ่นยนต์สังเกตโลกและเข้าใจกฎฟิสิกส์เหมือนมนุษย์ก่อน แล้วจึงเรียนรู้วิธีการลงมือทำ

ปัจจุบัน เส้นทางนี้ได้รับการพิสูจน์แล้วว่าถูกต้อง

Deep Wisdom บริษัทโมเดลใหญ่แบบมีกายภาพ (Embodied Large Model) ที่บ่มเพาะร่วมกันโดย Zhongguancun Academy และ Zhongguancun AI Research Institute เป็นทีมปัญญาแบบมีกายภาพทีมแรกในประเทศที่กำหนดและวางระบบเส้นทาง “การเรียนรู้ของมนุษย์” อย่างเป็นระบบ

รอบ ๆ ระบบโมเดลฐานอัจฉริยะสากลแบบมีกายภาพ PhysBrain 1.0 ที่เปิดตัวในเดือนมีนาคมปีนี้ ทีมงานได้สร้างชุดผลลัพธ์โมเดลหลัก และคว้าอันดับ 1 หรือเป็นผู้นำในห้าอันดับระดับโลก ได้แก่ WorldArena, SimplerEnv, RoboTwin 2.0, RoboCasa และ LIBERO

Deep Wisdom ยังได้เปิดเผยสถานะการระดมทุนอย่างเป็นทางการเป็นครั้งแรกเมื่อเร็ว ๆ นี้

ก่อตั้งมาเพียงปีเดียว บริษัทระดมทุนรวมหลายร้อยล้านหยวนแล้ว ดึงดูดนักลงทุนที่มีชื่อเสียงมากกว่าสิบราย รวมถึงแพลตฟอร์มทุนรัฐบาลที่สำคัญ สถาบันการเงินชั้นนำ และทุนอุตสาหกรรม เข้าร่วมอย่างลึกซึ้ง โดยผู้ถือหุ้นเดิมยังคงติดตามลงทุนต่อเนื่อง

การเดิมพันครั้งใหญ่ของทุนและการคว้าอันดับ 1 ในอันดับโลก ล้วนบ่งชี้ว่าเส้นทาง “การเรียนรู้ของมนุษย์” ที่ Deep Wisdom เป็นตัวแทน อาจเป็นเส้นทางที่ถูกต้องสู่ AGI แบบมีกายภาพ

จาก 0 ถึง 1 เชื่อมต่อวงจรปิดเทคโนโลยีปัญญาแบบมีกายภาพทั้งหมด คว้าอันดับ 1 ในอันดับระดับโลก

เมื่อเทียบกับทีมอื่น ๆ ที่ยังคงอยู่ในขั้นตอนการตรวจสอบจุดเดียว สิ่งที่ Deep Wisdom น่าสนใจกว่าคือ มันสร้างวงจรปิด “ข้อมูล—โมเดล—อัลกอริทึม—ระบบ” ตั้งแต่วันแรกที่ก่อตั้ง

ด้วยแนวคิดหลัก “เข้าใจก่อน แล้วจึงดำเนินการ” Deep Wisdom สร้างผลลัพธ์อย่างต่อเนื่องในทิศทางต่าง ๆ เช่น กระบวนทัศน์ข้อมูล สถาปัตยกรรมโมเดล กลไกการฝึกฝน ความเข้าใจเชิงพื้นที่ โมเดลโลก ฯลฯ ก่อให้เกิดระบบเทคโนโลยีโมเดลใหญ่แบบมีกายภาพที่นำโดย PhysBrain 1.0

ในรายละเอียด ด้านข้อมูล ใช้ข้อมูลมุมมองบุคคลที่หนึ่งเพื่อให้ประสบการณ์มนุษย์ในโลกกายภาพจริง ด้านโมเดล แปลงประสบการณ์มนุษย์เหล่านี้เป็นความสามารถของสมองหุ่นยนต์ในการเข้าใจ ทำนาย และสรุปงานในโลกกายภาพ ด้านตัวหุ่นยนต์ ผ่านการออกแบบเลียนแบบมนุษย์ เป็นพาหนะตรวจสอบการถ่ายโอนความสามารถของโมเดลไปยังร่างกายหุ่นยนต์จริง

นั่นหมายความว่า Deep Wisdom ไม่ได้ทำแค่โมเดลจุดเดียว หรือแค่เก็บข้อมูลหรือผลิตหุ่นยนต์ทั้งตัว แต่ สร้างระบบวิศวกรรมรอบ “สมองหุ่นยนต์” ตั้งแต่ข้อมูลมนุษย์ไปจนถึงโมเดลฐานแบบมีกายภาพ และการถ่ายโอนไปยังร่างกายจริง

ในที่สุด PhysBrain 1.0 ที่เปิดตัวไม่เพียงมีประสิทธิภาพการเรียนรู้สูงกว่า โดยใช้ข้อมูลมนุษย์พันชั่วโมงเอาชนะประสิทธิภาพการฝึกด้วยข้อมูลหุ่นยนต์จริงหมื่นชั่วโมง แต่โมเดลยังมีความสามารถ “ปรับตัวได้อย่างยืดหยุ่น”

据悉，深度机智围绕“人类学习”路线形成的核心模型矩阵，已在五大公开评测中取得亮眼成绩。

• ในอันดับ WorldArena โมเดลโลกหุ่นยนต์ Z-WM_v1 ของทีม Deep Wisdom ได้คะแนน 64.96 เอาชนะอันดับ 1 ปัจจุบัน (64.24 คะแนน) และเป็นโมเดลเดียวในอันดับที่ไม่มีจุดอ่อนร้ายแรงในมิติหลักของการใช้งานหุ่นยนต์
• ในอันดับระดับโลก SimplerEnv ที่ทดสอบความสามารถในการสรุปของโมเดล PhysBrain 1.0 ได้อัตราความสำเร็จเฉลี่ย 80.2% ในการทดสอบ WidowX Robot สูงกว่า π0.5 ระดับสากลที่ 57.1% ถึงระดับ SOTA ของอุตสาหกรรม
• ในเกณฑ์มาตรฐานความสามารถในการสรุปการทำงานแบบสองแขน RoboTwin 2.0 โมเดลกรอบการเสริมสร้างการสร้างการกระทำ STARR ของ Deep Wisdom ได้อัตราความสำเร็จเฉลี่ย 93.82% และ 93.30% ในการตั้งค่า Clean และ Random ตามลำดับ ทำลายขีดจำกัดประสิทธิภาพของอันดับ
• ในเกณฑ์มาตรฐานการสรุปงานบ้านประจำวัน RoboCasa PhysBrain 1.0 ใช้ข้อมูลมนุษย์พันชั่วโมงเพื่อเสริม VLM ได้อัตราความสำเร็จเฉลี่ย 64.5% ถึงระดับ SOTA ของอุตสาหกรรม
• ในเกณฑ์มาตรฐานการทำงานต่อเนื่องหลายงานและการปรับโดเมน LIBERO ใช้สถาปัตยกรรมสมองคู่ TwinBrainVLA ได้อัตราความสำเร็จเฉลี่ย 97.6% ใช้กลไกการฝึก LangForce ได้ 98.4% และระบบโมเดลฐาน PhysBrain 1.0 ที่รวมข้อมูล สถาปัตยกรรม และวิธีการฝึก ได้ 98.8% ทำลายสถิติที่ดีที่สุดของอุตสาหกรรม

ไม่ว่าจะในด้าน VLM, VLA หรือโมเดลโลกและความเข้าใจเชิงพื้นที่ Deep Wisdom ส่งมอบผลลัพธ์ที่สามารถตรวจสอบได้ผ่านการประเมินสาธารณะ

มันต้องการพิสูจน์ว่าเส้นทาง “การเรียนรู้ของมนุษย์” สามารถแปลงเป็นความสามารถของโมเดลได้อย่างต่อเนื่อง

ในเดือนธันวาคมปีที่แล้ว Deep Wisdom เปิดตัวชุดข้อมูลหลายรูปแบบมุมมองบุคคลที่หนึ่ง DeepAct เป็นครั้งแรก

ในงาน Zhongguancun Forum เดือนมีนาคมปีนี้ Deep Wisdom เปิดตัวระบบโมเดลฐานอัจฉริยะสากลแบบมีกายภาพ PhysBrain 1.0 อย่างเป็นทางการ พร้อมกับแสดงหุ่นยนต์เลียนแบบมนุษย์ขนาดเท่าจริงระดับอุตสาหกรรม Prime เสร็จสิ้นชิ้นส่วนสุดท้ายของ “ข้อมูล+สมอง+ร่างกาย” ของปัญญาแบบมีกายภาพ ซึ่งเป็นสัญญาณว่า Deep Wisdom ในฐานะโครงสร้างพื้นฐานปัญญาแบบมีกายภาพได้เป็นรูปเป็นร่างแล้ว

เดิมพันเส้นทาง “การเรียนรู้ของมนุษย์” ก่อนใคร มุ่งสู่ AGI แบบมีกายภาพ

ในงาน GTC ปี 2026 ผู้ก่อตั้งและซีอีโอของ NVIDIA Jensen Huang กล่าวถึงจุดเจ็บปวดของอุตสาหกรรม: “การรวบรวมข้อมูลฝึกฝนโลกจริงช้าและมีต้นทุนสูง และไม่มีวันเพียงพอ”

Jim Fan หัวหน้าฝ่ายหุ่นยนต์ของ NVIDIA ระบุชัดเจนว่า NVIDIA จะเดิมพันวิดีโอมนุษย์มุมมองบุคคลที่หนึ่งอย่างเต็มที่

จริง ๆ แล้วตั้งแต่ครึ่งหลังของปี 2025 ด้านปัญญาแบบมีกายภาพทั่วโลกมีการเปลี่ยนแปลงทิศทางที่ชัดเจน ทีมชั้นนำระดับโลกมากขึ้น รวมถึง Figure, Tesla ฯลฯ เริ่มให้ความสำคัญกับบทบาทหลักของข้อมูลพฤติกรรมมนุษย์ในการเรียนรู้ฟิสิกส์ทั่วไปและการเพิ่มความสามารถทั่วไปของโมเดล

เบื้องหลังเส้นทางเหล่านี้คือหุ่นยนต์ต้องสร้างความสามารถในการเข้าใจโลกกายภาพจริงที่มั่นคง

ในฐานะบริษัทปัญญาแบบมีกายภาพที่แรกในประเทศที่กำหนดเส้นทาง “การเรียนรู้ของมนุษย์” เป็นกลยุทธ์หลักและลงทุนอย่างมุ่งมั่น Deep Wisdom เลือกเส้นทางที่ไม่เป็นที่ยอมรับโดยทั่วไปของอุตสาหกรรมตั้งแต่เริ่มก่อตั้ง และใช้เวลาหนึ่งปีเพื่อเห็นกระบวนการจากที่ไม่เป็นที่ยอมรับสู่กระแสหลักของอุตสาหกรรม

ในขณะนั้น แม้เส้นทางปัญญาแบบมีกายภาพจะร้อนแรง แต่บริษัทส่วนใหญ่ยังคงเดินบนเส้นทางเก่า “การปรับเส้นทาง” โดยพึ่งพาข้อมูลสาธิตหุ่นยนต์จริงจำนวนมหาศาลเพื่อสอนหุ่นยนต์เลียนแบบการกระทำ

โมเดลประเภทนี้มีข้อบกพร่องร้ายแรง: พวกมันจำแค่เส้นทางการกระทำ แต่ไม่เข้าใจว่าทำไมต้องทำแบบนั้น โมเดล “เดา” เพื่อทำนายการกระทำ ทำให้ผลลัพธ์ที่ออกมามีความผิดเพี้ยนและไม่ตรงกับการโต้ตอบทางกายภาพจริง—การกระทำแข็งทื่อ ไม่ยืดหยุ่น และไม่สามารถแก้ไขข้อผิดพลาดได้

ทีม Deep Wisdom ที่นำโดย Chen Kai เริ่มจากหลักการแรก โดยมีเป้าหมายเดียวคือการทำให้ปัญญาแบบมีกายภาพ AGI เป็นจริง เชื่อว่าเพื่อให้หุ่นยนต์มีความสามารถในการตัดสินใจและการกระทำทั่วไปเหมือนมนุษย์ จำเป็นต้องเรียนรู้พฤติกรรมของมนุษย์ในโลกกายภาพ ดังนั้น “ข้อมูลมุมมองบุคคลที่หนึ่งของมนุษย์” จึงสำคัญเป็นพิเศษ เพราะมันบันทึก “สิ่งที่มนุษย์เห็น ได้ยิน และโต้ตอบกับโลก” อย่างสมบูรณ์ เป็นข้อมูลฝึกฝนที่ขาดไม่ได้สำหรับปัญญาแบบมีกายภาพ

การตัดสินใจนี้ล้ำสมัยมากในเวลานั้น แต่เป็นเส้นทาง “ที่มีคนเดินน้อย” ที่ทำให้ Deep Wisdom จับช่วงเวลาสำคัญได้

เพื่อแก้ปัญหาคอขวดในการเก็บข้อมูลและการแปลงข้อมูล บริษัทสร้างระบบเก็บและแปลงประสบการณ์มนุษย์ขนาดใหญ่เป็นครั้งแรกในอุตสาหกรรม:

• คิดค้นวิธีการเก็บข้อมูลตามสถานการณ์ ICDC สร้างชุดข้อมูลหลายรูปแบบมุมมองบุคคลที่หนึ่งคุณภาพสูงหลายหมื่นชั่วโมง พัฒนาอุปกรณ์เก็บข้อมูลสี่ประเภท ครอบคลุมสถานการณ์โต้ตอบทางกายภาพหลากหลายในโลกจริง
• พัฒนาเทคโนโลยีการทำความสะอาดและติดป้ายข้อมูลอัตโนมัติด้วยโมเดลใหญ่ แปลงประสบการณ์มนุษย์ในโลกจริงเป็นสัญญาณฝึกฝนที่โมเดลฐานแบบมีกายภาพสามารถเรียนรู้ได้ ลดต้นทุนการประมวลผลข้อมูลอย่างมาก ประสิทธิภาพข้อมูลก้าวกระโดดหลายระดับ

เมื่อคอขวดข้อมูลถูกทำลาย ผลกระทบขนาดใหญ่ของเส้นทาง “การเรียนรู้ของมนุษย์” ก็เริ่มปรากฏขึ้นทีละน้อย

ได้รับเงินทุนหลายร้อยล้านหยวน นักลงทุนชั้นนำแย่งชิงลงทุน

การสร้างระบบและความแข็งแกร่งทางเทคโนโลยีของ Deep Wisdom ในด้านปัญญาแบบมีกายภาพยังได้รับความสนใจจากนักลงทุนชั้นนำ

เมื่อเร็ว ๆ นี้ Deep Wisdom ประกาศเสร็จสิ้นการระดมทุนรอบใหม่ มูลค่ากว่า 100 ล้านหยวน

กลุ่มนักลงทุนแข็งแกร่ง รวมถึงแพลตฟอร์มทุนรัฐบาลที่สำคัญ เช่น Zhongguancun Capital, Chengtong Science and Technology Innovation Fund, Beijing Xicheng Zhiyuan เป็นต้น สถาบันการเงินชั้นนำ เช่น Puhua Capital, Oriental Fortune, Blue Lake Capital เป็นต้น กองทุนมืออาชีพ เช่น กองทุนศิษย์เก่า USTC, กองทุนเทคโนโลยี前沿 Future Light Cone เป็นต้น กองทุน CVC ภายใต้บริษัทพลังงานแสงอาทิตย์ชั้นนำระดับโลก Jinko Energy Holdings และผู้ถือหุ้นเดิมหลายรายติดตามลงทุน

据悉，资金将全部投向数据基础设施建设、模型研发迭代与关键人才引进，进一步巩固在中国自主机器人大脑领域的早期领先位置。

เมื่อเทียบกับจำนวนเงินทุน สิ่งที่น่าสนใจกว่าคือการเปลี่ยนแปลงของอุตสาหกรรมที่สะท้อนจากการระดมทุนรอบนี้

นักลงทุนของ Deep Wisdom ครอบคลุมแพลตฟอร์มทุนรัฐบาลที่สำคัญ สถาบันการลงทุนในตลาด และทุนอุตสาหกรรมหลายประเภท โครงสร้างมีความหลากหลายและเสริมกันอย่างชัดเจน

แพลตฟอร์มทุนรัฐบาลที่สำคัญให้ความสำคัญกับการควบคุมตนเองในทิศทางยุทธศาสตร์ชาติ สถาบันการลงทุนในตลาดเดิมพันความลึกทางเทคโนโลยีและการเติบโตระยะยาวของทีม ทุนอุตสาหกรรมให้ความสำคัญกับการนำเทคโนโลยีไปใช้และการทำงานร่วมกันในสถานการณ์

การลงทุนร่วมของทุนหลากหลาย เป็นทั้งการมองในแง่ดีต่อเส้นทาง “การเรียนรู้ของมนุษย์” และการยอมรับในความแข็งแกร่งทางเทคโนโลยีของทีมบริษัทนี้

เราเข้าใจว่า ทีมหลักของ Deep Wisdom มีพื้นฐานผสมผสาน “AI+Physics+Robotics” ที่เป็นแบบอย่างอย่างมาก

ผู้ก่อตั้ง Chen Kai จบจาก School of the Gifted Young, USTC มีประสบการณ์ 15 ปีในด้านปัญญาประดิษฐ์ เป็นคนแรกในโลกที่ขยายขนาดการฝึกแบบกระจายของโมเดล AI เกิน 100 การ์ด เป็นผู้เสนอเส้นทาง “การเรียนรู้ของมนุษย์” ของ Deep Wisdom และเป็นผู้ขับเคลื่อนหลักของระบบโมเดลฐานแบบมีกายภาพของบริษัท

ผู้ร่วมก่อตั้งและซีอีโอ Zhang Yibo จบจาก School of the Gifted Young, USTC เช่นเดียวกับ Chen Kai มีประสบการณ์ 15 ปีในฟิสิกส์ประยุกต์ เขาเรียนที่ UCLA ภายใต้ศาสตราจารย์ระดับตำนานด้านวิทยาศาสตร์อัจฉริยะ สมาชิกสถาบันวิทยาศาสตร์จุลชีววิทยา ด้วยการฝึกฝนฟิสิกส์ที่ลึกซึ้งและความคิดหลักการแรก ให้การสนับสนุนสำคัญต่อการวิจัยปัญญาทางกายภาพและเส้นทางยุทธศาสตร์โมเดลฐานแบบมีกายภาพของบริษัท

ผู้ร่วมก่อตั้งและหัวหน้าผู้ออกแบบ He Xuguo มีประสบการณ์มากกว่า 10 ปีในด้านหุ่นยนต์ เคยเป็นหัวหน้าโค้ชทีมชาติเยาวชนในการแข่งขันหุ่นยนต์โอลิมปิก First Global Challenge เขารับผิดชอบการออกแบบร่างกายเลียนแบบมนุษย์ ระบบปฏิบัติการที่ละเอียด และวิศวกรรมระบบการถ่ายโอนความสามารถของโมเดลไปยังร่างกายหุ่นยนต์จริง

โครงสร้างทีมที่ผสมผสานความสามารถในการวิจัยโมเดล ความเข้าใจฟิสิกส์ และวิศวกรรมระบบหุ่นยนต์นี้ ความสำคัญกำลังเพิ่มขึ้นเรื่อย ๆ

原因在于，具身智能发展到当前阶段，已逐渐远离传统机器人行业的模式，也不再像单纯的大模型行业那样简单。

มันเหมือนกับการผสมผสานอย่างลึกซึ้งของ AI ฟิสิกส์ และวิทยาการหุ่นยนต์

ในการวิ่งมาราธอนนี้ Deep Wisdom เลือกเส้นทางที่ไม่ได้เป็นกระแสหลักในปัจจุบัน แต่ชี้ไปยังจุดสิ้นสุด

ใช้เวลาเพียงหนึ่งปี บริษัทบรรลุผลลัพธ์ทางเทคโนโลยีอันดับ 1 ของโลก ระดมทุนหลายร้อยล้านหยวน และได้รับการ追捧จากนักลงทุน… บริษัทปัญญาแบบมีกายภาพทีมชาติแห่งนี้กำลังแสดงให้เห็นด้วยการกระทำว่าจีนสามารถให้กำเนิดทีมโมเดลฮาร์ดคอร์ระดับโลกที่เริ่มจากหลักการพื้นฐานและมุ่งสู่ AGI แบบมีกายภาพในระยะยาว

ต่อไป Deep Wisdom จะเพิ่มการลงทุนรอบเส้นทาง “การเรียนรู้ของมนุษย์” ต่อไป ผลักดันสมองหุ่นยนต์อิสระของจีนไปสู่ความทั่วไปที่แข็งแกร่งขึ้น โดยเป้าหมายสุดท้ายคือ AGI แบบมีกายภาพ

กด Like, Share, และหัวใจดวงน้อย

ยินดีต้อนรับความคิดเห็นของคุณในช่องแสดงความคิดเห็น!

— จบ —