Liu Nianqiu lässt sich nur schwer in die typische Schablone eines Embodied-Entrepreneurs einordnen.
Er ist kein Wissenschaftler aus einem Robotiklabor und auch kein Serienunternehmer, der erst in den vergangenen zwei Jahren in den Bereich Physical AI eingestiegen ist. Er arbeitete bei Intel an der Entwicklung neuer Prozesse und Anlagen, gründete Unternehmen im Bereich IoT und industrielle Intelligenz. 2018 stieg er beim Autonomen-Fahrten-Unternehmen Yuanrong Qixing ein und arbeitete sich von der Hardware bis hin zu Robotaxi-Betrieb, Produkt, Daten, Massenproduktion und After-Sales durch.
2026 erhielt Liu Nianqiu eine weitere Identität – Gründer von Feimoyi Technology.
Tatsächlich verfolgte er seit 2024 die Entwicklung der Embodied Intelligence aufmerksam, las zahlreiche Fachartikel und untersuchte kontinuierlich die vorgelagerte Lieferkette und technologische Wege. Ende 2025 kam er zu dem Urteil, dass der Zeitpunkt für eine Unternehmensgründung herangereift sei: Zum einen sei die Robotik-Lieferkette inzwischen so ausgereift, dass Start-ups nicht mehr große Energie darauf verwenden müssten, Schwächen bei Körper und Hardware auszugleichen; zum anderen würden die KI-getriebenen Technologie- und Datenparadigmen allmählich klar, sodass man beginnen könne, wirklich langfristig wertvolle technologische Kompetenzen aufzubauen.
Nach dem Entschluss zur Gründung sprach Liu Nianqiu mit mehreren Mitgründern von Yuanrong, die alle unterstützten, dass er sich erneut auf ein Vorhaben von 0 zu 1 begab.
Kaum gegründet, erhielt Feimoyi Technology eine Seed-Finanzierung von nahezu 100.000.000 US-Dollar unter Führung von IDG Capital sowie mit beteiligten Top-Investoren wie Yunqi Capital, Didi Chuxing, Fosun RZ Capital, Glory Ventures (Yaotu Capital) und Hesai Technology – und bei den ersten Gesprächen mit Investoren hatte Liu Nianqiu nicht einmal Zeit, einen Businessplan vorzubereiten.
Liu Nianqiu bezeichnet die Roboter von Feimoyi lieber als „Physical Agent“. Er ist der Ansicht, dass Roboter letztlich in offene Lebensumgebungen eintreten und zu unterschiedlichen Zeiten an unterschiedlichen Orten für unterschiedliche Menschen Aufgaben erledigen müssen.
In den vergangenen zwei Jahren war der häufigste Weg zur Umsetzung von Embodied Intelligence, zunächst ein Szenario mit ausreichend klaren Grenzen zu finden. Schrauben anziehen in der Fabrik, Dinge im Hotel ausliefern, Waren im Lager transportieren – erst die Aufgaben klar definieren und dann durch Engineering und Modelle die Erfolgsquote steigern.
Liu Nianqiu bestreitet nicht, dass diese Szenarien kommerziellen Wert haben, doch seine Frage lautet: Wenn ein Roboter langfristig nur in einer stark vordefinierten Umgebung arbeitet, wie viel von den angesammelten Fähigkeiten lässt sich dann tatsächlich auf ein anderes Szenario übertragen?
Deshalb wählte Feimoyi einen Weg mit weniger klaren Grenzen – offene dynamische Szenarien.
Geschäftsviertel, Bürogebäude, Wohnanlagen und Veranstaltungsbereiche sind die „Lebenskreise“, in die Liu Nianqiu möchte, dass Roboter schrittweise eintreten. Sie könnten für Menschen Dinge abholen, Kaffee kaufen oder Müll entsorgen, oder einen Paketboten bei Arbeitsüberlastung bei einem Teil seiner Aufgaben unterstützen. Der Roboter wird nicht vorab auf einen bestimmten Beruf festgelegt, sondern verändert seine Aufgaben laufend je nach Umgebung und Bedarf.
Feimoyi nennt diese Rolle „Partner“ (Begleiter). Je reichhaltiger die Umgebungen, in die der Roboter eintritt, und je mehr Menschen, Objekte und Aufgaben er antrifft, desto eher entwickelt er die Fähigkeit zur Szenario-übergreifenden Übertragung.
Eine der wichtigsten Aufgaben von Feimoyi in diesem Jahr ist die anfängliche Datenerhebung; zudem ist geplant, im nächsten Jahr mit der Bereitstellung an mehreren Standorten zu beginnen, damit der Physical Agent schrittweise einen Kreislauf aus Umsetzung – Daten – Training – erneuter Umsetzung bildet.
Danach folgt ein Problem, das die Branche bis heute nicht gelöst hat: Die Komplexität der offenen Welt ist praktisch grenzenlos – dass ein Roboter 1 von 10 Aufgaben in einer Demo bewältigt und dass er zu jedem beliebigen Zeitpunkt auf Nutzeranruf hin die Aufgabe erledigt, sind zwei völlig unterschiedliche Standards.
Das Folgende ist ein Gespräch des Leifeng-Publikationskanals (Öffentlicher Account: Leifeng) Zuolin Youli mit dem Gründer von Feimoyi Technology, Liu Nianqiu, das unter Wahrung des ursprünglichen Sinns teilweise redaktionell bearbeitet wurde:Yuanrong Qixings entscheidende Kursänderung: Einstellung des Robotaxi-Betriebs und Einsatz auf kartierungsfreie Systeme
Zuolin Youli: Yuanrong betrieb damals eine Zeitlang in Shenzhen Robotaxis und hatte einen Kernkundenstamm – warum wurde dieser Betrieb eingestellt?
Liu Nianqiu: Wir haben über ein Jahr lang betrieben. Wir haben eigentlich ganz am Anfang in belebten Zonen wie dem CBD im Stadtzentrum unbemannte Taxi-Dienste betrieben. Später kamen wir zu der Auffassung, dass der Ansatz auf Basis hochpräziser Karten keine Zukunft hat, und wollten auf kartierungsfreie Systeme setzen. Als Start-up konnte man unmöglich beide Wege gleichzeitig erfolgreich gehen, und die Ressourcen reichten auch nicht aus. Daher entschieden wir, den Robotaxi-Betrieb einzustellen und uns mit voller Kraft auf die kartierungsfreie Route zu konzentrieren. Deshalb konnten wir später auch als erste eine Lösung ohne hochpräzise Karten vorstellen – als wir sie gerade eingeführt hatten, glaubten das viele noch nicht, bis wir die Design-Adresse (design wins) erhielten.
Zuolin Youli: Wann hast du zum ersten Mal geglaubt, dass der Weg der hochpräzisen Karten nicht weitergeht? Was genau hast du bei der Entscheidung getan, den Robotaxi-Betrieb einzustellen und auf kartierungsfreie Systeme umzuschwenken?
Liu Nianqiu:2021 begann ich, über die Machbarkeit einer Weiterentwicklung des damaligen Geschäfts nachzudenken. Da ich direkt für den Betrieb verantwortlich war, kannte ich die tatsächlichen Betriebskosten gut und beobachtete ständig, wie sich dieses Geschäft künftig entwickeln würde und ob es nach einer Skalierung tragfähig sein könnte. Aufgrund dieser tatsächlichen Gegebenheiten begann ich, im Team die Idee einer Richtungsanpassung einzubringen. Ich brachte vor allem die Probleme, die ich auf der Betreibersseite sah, mit den Einschätzungen der Forschungs- und Entwicklungsseite zusammen. Die endgültige Richtungswahl wurde vom Kernteam gemeinsam diskutiert und gemeinsam entschieden.
Zuolin Youli: Du warst für den Robotaxi-Betrieb verantwortlich und hast viel Herzblut investiert – welche Abschlussarbeiten standen bei dir an, als das Robotaxi-Angebot in Shenzhen tatsächlich eingestellt wurde?
Liu Nianqiu:Damit wählten wir einen schrittweisen Abschlussprozess. Nach der Entscheidung zum Rückzug verkleinerten wir die Flotte allmählich und stellten nicht am Tag der Entscheidung sämtliche Dienste ein. Es gab damals noch eine kleine Gruppe sehr treuer Nutzer, mit denen der Kundendienst kommunizierte, sie informierte und ihnen alles erklärte. Die ursprünglich auf den Robotaxi-Betrieb ausgerichtete Produktarbeit wandte sich der Verbindung zu Massenproduktprodukten und Fahrzeugherstellern zu. Das Team überlegte neu, welche Funktionen ein Produkt für L2-Fahrassistenzsysteme haben sollte und wie es unter verschiedenen Straßenbedingungen funktionieren und wie es sich zurückziehen sollte. Das waren bereits ganz andere Fragen als zuvor bei der Produktentwicklung rund um den Robotaxi-Betrieb. In jener Zeit lag der Arbeitsschwerpunkt einerseits darin, das ursprüngliche Betriebsgeschäft schrittweise ordentlich abzuwickeln, und andererseits darin, die Produktarbeit auf die neue Richtung der Serienproduktion umzustellen.
Zuolin Youli: Was bedeutet der Übergang des intelligenten Fahrens von kartierten zu kartierungsfreien Systemen für das gesamte Technologiegefüge?
Liu Nianqiu: Im Grunde ein kompletter Neubau. Die früheren Versionen mit Karten waren eher traditionell: Es gab Module für Wahrnehmung, Vorhersage und Verfolgung, dazu die Lokalisierung mittels hochpräziser Karte und dann Planung und Steuerung. Beim Übergang zu kartierungsfreien Systemen hat die Wahrnehmung ihre Grenzen erheblich erweitert und im Wesentlichen auch die Kartenlokalisierung mit einbezogen, und sie ist mit der Planung stark gekoppelt. Auch die Datenanforderungen sind völlig andere – es handelt sich also um eine sehr große Architekturänderung.
Kanal Zuolin Youli: Bei der Entwicklung der kartennavigationsfreien Lösung – welche Aufgaben hatten Sie konkret zu verantworten? Wofür waren Zhou Guang und die anderen Führungskräfte jeweils zuständig?
Liu Nianqiu: Auf meiner Seite bestand die wichtigste Arbeit zunächst in der Anpassung des Sensorik-Konzepts. Nach der Umstellung auf den Betrieb ohne Karte war das System in gewissem Maße stärker auf die visuelle Wahrnehmung angewiesen. Im Serienprojekt musste daher neu überlegt werden, wie man die Sensoren auswählt und konfiguriert, sodass sie sowohl den Anforderungen der nachgelagerten Algorithmen gerecht werden als auch für die Serienfertigung geeignet sind. Ein anderer Teil war der Aufbau des Systems zur Datenerzeugung. Da die Lösung stärker von Daten abhängig war, mussten Systeme geschaffen werden, wie Daten produziert, wie mit externen Partnern zusammengearbeitet und wie die Kosten kontrolliert werden. Auch das gehört zu den Arbeiten, an denen ich beteiligt war. Es bestand ein grundsätzlicher Konsens über die Richtung; konkrete Ideen wurden nach dem Einbringen gemeinsam diskutiert, und es kam kaum vor, dass eine Person etwas erkennen konnte, das allen anderen verborgen blieb. In der praktischen Umsetzung wurden eher Probleme aus verschiedenen Bereichen herausgenommen und gemeinsam besprochen, wie man sie lösen kann.
Kanal Zuolin Youli: Bei etwas, das in dieser Branche noch niemand gemacht hatte – wie hat man damals eine Deadline festgelegt?
Liu Nianqiu: Bei einem Forschungsprojekt lässt sich nur schwer eine besonders strikte Deadline setzen, weil niemand sicher sein kann, dass zu diesem Zeitpunkt tatsächlich ein Ergebnis vorliegt. Vielmehr gab sich alle volle Mühe, bewertete laufend, welcher Weg der richtige war, und verifizierte dann schnell. Etwa bei der Frage, wie man Straßen wahrnimmt, wie man die Straßenstruktur versteht oder wie man Daten annotiert: Die heute festgelegte Methode erwies sich morgen beim Datensammeln und Ausprobieren als ungeeignet, und übermorgen wurde möglicherweise schon auf eine neue umgestellt. Damals kam es vor allem darauf an, schnell voranzukommen, sich schnell anzupassen und schnell Fehler auszuprobieren.
Kanal Zuolin Youli: Wie hat man Fehler ausprobiert?
Liu Nianqiu: Zuerst definierte man die Modellstruktur, dann entschied man, wie die Daten gesammelt, annotiert und zum Training verwendet wurden, und ließ das Ganze anschließend laufen, um zu sehen, ob Probleme auftreten. Taten sich Probleme auf, wurde sofort beurteilt: Liegt ein Fehler im Straßenverständnis vor, oder wurde es richtig verstanden, aber falsch geplant? Wenn das Verständnis falsch war, lag es an der Fähigkeit des Modells oder an den Daten aus dem Frontend? Der gesamte Prozess bestand darin, Probleme fortwährend zu zerlegen. Deshalb wollten wir grundsätzlich immer, dass, wann immer Menschen ruhen, die Rechenleistung nicht ruht – solange Rechenleistung verfügbar war.
Der Kanal „Zuolin Youli“: Yuanrong Qixing ist als Startup-Unternehmen, das alle Ressourcen darauf konzentriert, etwas herauszufordern, das noch niemand in der Branche gemacht hat – war der Zustand des Teams damals sehr angespannt?
Liu Nianqiu: Wo immer ein Problem landete, dort wurde es besonders angespannt. Nicht alle Mitarbeiter im ganzen Unternehmen haben durchgehend ohne Pause gearbeitet, aber die Kernabteilungen hatten im Grunde keine festen Ruhetage. Nachdem das Team gewachsen war, gab es auch Mechanismen wie Rotation der Ingenieure und Rücken-an-Rücken-Arbeit. Aber die wirklich zentralen Entscheidungen fielen am Ende immer auf relativ wenige Menschen zusammen, denn es gibt tatsächlich nicht viele, die ein klares Verständnis des Problems haben.
Der Kanal „Zuolin Youli“: Wie lange dauerte es ungefähr vom Entschluss, das kartenlose System umzusetzen, bis zum tatsächlichen Erhalt des Design-Auftrags (Design Win)?
Liu Nianqiu: Etwa ein Jahr. Aber nach dem Erhalt des Auftrags wurde der Druck sogar noch größer, denn der nächste Schritt bestand nicht mehr darin zu beweisen, dass die Technik funktioniert, sondern daran zu denken, wie man sie in Serienproduktion bringt. In der Zeit des Robotaxis war es noch relativ entspannt; nach der Umstellung auf kartenlose Systeme und den Weg zur Serienproduktion war der Druck auf das gesamte Team deutlich größer.
Der Kanal „Zuolin Youli“: Damals gab es von außen viele Zweifel am kartenlosen Ansatz. Wie haben Sie das gesehen?
Liu Nianqiu: Ich fand das sehr vernünftig. Zu diesem Zeitpunkt war die Leistung herkömmlicher kartenbasierter Lösungen innerhalb des von HD-Karten abgedeckten Bereichs natürlich ausgereifter. Das kartenlose System bewies eher die Möglichkeiten der Zukunft. Außerdem befanden sich viele Mitbewerber damals selbst in der HD-Karten-Industrie und lehnten es deshalb naturgemäß ab. Und wenn andere etwas nicht geschafft haben, werden sie auch nicht sofort zugeben, dass Ihre Lösung gut sein muss, nur weil Sie es geschafft haben. Aber rückblickend glaube ich, dass das kartenlose System ein Wendepunkt für die gesamte Branche war. Früher konnte Stadtfahrassistentz nur in wenigen Städten genutzt werden; erst nachdem kartenlose Systeme großflächig umgesetzt wurden, empfanden die Verbraucher, dass sie diese Technologie auch dort nutzen können, wo sie selbst fahren.
Der Kanal „Zuolin Youli“: Welche Rolle spielten Sie, als der erste „Anhänger-Test“ stattfand?
Liu Nianqiu:Im Vergleich zum sogenannten „Anhänger-Test“ bin ich eher von einer Umrüstung eines namhaften Mainstream-Fahrzeugs vor dem Erhalt des Design-Auftrags eines führenden Technologieunternehmens beeindruckt. Damals hatte die Gegenseite unser Fahrzeug bereits erlebt und war an den Fähigkeiten und Lösungen von Yuanrong interessiert, wollte aber noch sehen, wie sich diese Fähigkeiten auf einem namhaften Mainstream-Fahrzeugmodell verhalten würden. Deshalb gaben sie uns ein Fahrzeug ohne Fahrassistenzsystem, in der Hoffnung, so schnell wie möglich die Leistung der Yuanrong-Lösung auf ihrem Fahrzeug erleben zu können.
Ich erinnere mich, dass der gesamte Umrüstungsprozess weniger als zwei Tage dauerte. Als das Fahrzeug kam, hatte es noch kein entsprechendes Assistenzsystem an Bord; wir mussten Öffnungen bohren, die Scheibe austauschen, Steuergeräte und Sensoren einbauen, das Fahrzeug wieder in Ordnung bringen, die Algorithmen anschließen und dann außerhaus Testerfahrten und Bewertungen durchführen.
In diesen Tagen arbeiteten wir im Schichtbetrieb und verbanden diese Arbeiten lückenlos hintereinander. Auf der Seite, für die ich verantwortlich war – Hardware und Auslieferung –, musste ich die vom Kunden geäußerten Anforderung an das Erlebnis in ein konkretes Fahrzeug umsetzen: Sensoren und Steuergeräte einbauen, das System anschließen und dann die nachfolgenden Tests und die Problemlösung unterstützen. Der Kunde sah in sehr kurzer Zeit, wie wir ein von ihm bereitgestelltes konventionelles Fahrzeug in einen Prototyp für autonomes Fahren umwandelten. Dies zeigte ihm die Umsetzungsfähigkeit und Lieferfähigkeit des Teams und stärkte sein Vertrauen in unsere weitere Durchführung der Serienproduktion.
Diese Umrüstung bedeutete natürlich nicht, dass die Serienproduktion abgeschlossen war, aber sie ermöglichte dem Kunden zu beurteilen, ob dieses Team mit realen Fahrzeugen und realen Problemen umgehen und die Dinge vorantreiben kann. Meines Verständnisses nach entsteht das Vertrauen des Kunden in ein Team genau in einem solchen Prozess allmählich.
Der Kanal „Zuolin Youli“: Aber die Anerkennung des Kunden ist noch nicht gleichbedeutend mit Serienproduktion. Vom „kartellos fahren können“ zur „kartellosen Serienproduktion“ – was war das schwierigste Problem, das Sie persönlich lösen mussten?
Liu Nianqiu:Für mich war die größte Herausforderung die Systemintegration und die Zusammenarbeit mit dem Fahrzeughersteller.
In der Entwicklungsphase nutzten wir ein selbst aufgebautes System; sobald die Software in der Entwicklungsumgebung lief, konnten wir mit den Tests beginnen. Für die Serienproduktion mussten wir aber mit dem Automobilhersteller eine Vielzahl von technischen Details definieren, darunter Diagnosesignale, die Signal-Matrix, die Zuverlässigkeit der Middleware-Kommunikation sowie funktional sicherheitsrelevante Anomalien und Behandlungsmechanismen.
Außerdem kamen Qualitätssicherung, Versionsverwaltung und die Anbindung an den Kundendienst hinzu. Früher waren die Kundendienste der Automobilhersteller eher gewohnt, Probleme wie den Defekt eines einzelnen Bauteils zu bearbeiten; die Diagnose von Problemen des Assistenzsystems erforderte dagegen eine gemeinsame Abstimmung beider Seiten und den Aufbau eines entsprechenden Diagnosesystems für den Kundendienst. Diese Arbeiten ließen uns den gesamten Prozess der Serienproduktions-Ingenieursentwicklung einmal vollständig durchlaufen. Neben den Algorithmen mussten noch eine Vielzahl von System-, Qualitäts- und Kooperationsproblemen gelöst werden.
Für mich war der Druck damals vor allem dadurch hoch, dass ich diese Glieder gemeinsam mit dem Automobilhersteller verbinden und die in der Entwicklung entstandenen Fähigkeiten wirklich in das Serienauslieferungssystem überführen musste.
Wie ein Unternehmer im Bereich „Embodied Intelligence“ geformt wurde
Der Kanal „Zuolin Youli“: Ihre Verbindung zum autonomen Fahren reicht tatsächlich weiter zurück, als viele denken. Sie haben angefangen, als Sie Zhou Guang (Gründer und CEO von Yuanrong Qixing) bei der Hardware für autonomes Fahren halfen. Können Sie das von Anfang an erzählen?
Liu Nianqiu: Richtig angefangen, mich mit Assistenzsystemen zu beschäftigen, sollte 2017 sein. Damals half ich Zhou Guang und anderen bei der Hardware für autonomes Fahren; sie legten den Schwerpunkt eher auf die Algorithmen-Seite, und bei der technischen Umsetzung der Hardware brauchten sie jemanden zur Unterstützung. Ich hatte zuvor immer im Bereich industrielle Intelligenzwandlung gegründet, also haben wir vieles davon gemacht, etwa die Geräte auf dem Dach wie LiDAR und Steuergeräte. 2017 war ich also bereits am autonomen Fahren beteiligt und begann zu verstehen, was autonomes Fahren eigentlich ist. 2019 erhielt Yuanrong Qixing damals eine vergleichsweise große Einzelinvestition in China und lud mich ein. Ich dachte, ich könnte dort tiefgehende Erfahrungen sammeln, und so habe ich mich offiziell der Branche des autonomen Fahrens verschrieben.
Der Kanal „Zuolin Youli“: Davor sah Ihr Werdegang eigentlich ziemlich weit vom autonomen Fahren entfernt aus, oder?
Liu Nianqiu: Ich hatte vorher Unternehmen im Bereich Internet of Things, industrielle Intelligenzwandlung und Automatisierung gegründet. Bei Intel war ich für die Entwicklung neuer Prozesse und neuer Anlagen weltweit verantwortlich. Das klingt anders, aber technisch ist es im Kern ziemlich ähnlich. Bei der Prüfung von Materialien und der Überwachung der Umgebung auf Produktionslinien braucht man Sensorsysteme, dazu ein Steuerungssystem – mit dem späteren intelligenten Fahren hat das tatsächlich vieles gemeinsam.
Der Kanal „Zuolin Youli“: In welchem Zustand befand sich das Unternehmen ungefähr, als Sie zu Yuanrong kamen?
Liu Nianqiu: Nur ein paar Dutzend Leute. Im Grunde waren es erfahrene Techniker, mit denen ich vorher schon zusammengearbeitet hatte; man fand das Projekt gut und die Leute verlässlich, also machte man weiter.
Der Kanal „Zuolin Youli“: Wofür waren Sie bei Yuanrong konkret verantwortlich?
Liu Nianqiu: Was fehlt, das mache ich. Das Kernteam arbeitete damals hauptsächlich an Wahrnehmung, Planung sowie Karten und Lokalisierung; ich war für Hardware und Engineering zuständig. Das gesamte Hardware-Team in der Frühphase habe ich aufgebaut.
Linkes und rechtes kanninchen-Kanal: Was war Ihre erste Aufgabe?
Liu Nianqiu: Meine erste Aufgabe war die Entwicklung eines Hardware-Synchronisierungscontrollers für die verschiedenen Sensoren im Fahrzeug.
Damals kamen im Fahrzeug mechanische Rotations-Lidar, integrierte Navigation und Industriekameras zum Einsatz, nicht die heutigen fahrzeugeigenen Kameras. Diese Geräte stammten ursprünglich aus unterschiedlichen Branchen und hatten jeweils unterschiedliche Funktionsweisen: Das Lidar hat einen Scanzyklus, die integrierte Navigation hat eigene Frequenz- und Timing-Anforderungen, und die Kameras haben Belichtungs- und Triggerbedingungen. Um sie in ein und dasselbe autonome Fahrsystem zu integrieren, mussten sie zu bestimmten Zeitpunkten ausgelöst werden, und die Zeitstempel der erfassten Daten mussten auf einer gemeinsamen Zeitlinie liegen. Die geforderte Synchronisierungsgenauigkeit lag damals bei besser als 1 Millisekunde.
Meine eigene Arbeit bestand darin, zunächst die Eigenschaften dieser Geräte genau zu klären und dann ein Schaltungssystem zu entwerfen, das an die verschiedenen Sensoren angebunden wird und die Interaktion sowie die Synchronisierungssteuerung übernimmt. So wurde die Zeitlinie mehrerer Geräte auf Millisekunden-Ebene vereinheitlicht. Damals war die Entwicklung autonomer Fahrsysteme noch modular organisiert; es gab Teams für Wahrnehmung, Planung, Karten und Lokalisierung usw., wobei jedes Team für die Entwicklung eines anderen Moduls zuständig war. Ich war hauptsächlich für die Hardware-Seite verantwortlich.
Linkes und rechtes kanninchen-Kanal: Viele der frühen Kernmitglieder von Yuanrong hatten feste Zuständigkeiten, aber bei Ihnen scheint sich Ihr Zuständigkeitsbereich ständig erweitert zu haben. Wie haben Sie das geschafft?
Liu Nianqiu:Ich glaube, der entscheidende Wandel war der Übergang von der Hardware-Entwicklung zur externen Auslieferung. Yuanrong hatte anfangs nur ein Entwicklungsteam. Als das Produkt fertig war und man sich mit Partnern wie Dongfeng abstimmen musste, brauchte man jemanden, der für Fahrzeugumbauten, Auslieferung und den anschließenden Betrieb verantwortlich war. Ich war damals für die Hardware-Entwicklung zuständig, daher lagen Fahrzeugumbau und Auslieferung zunächst natürlich bei uns. Im Laufe der Zeit übernahmen wir auch die Anbindung an den nachgelagerten Betrieb und das Betreibermanagement. Da das Geschäft weiter voranschritt, mussten wir auch aktiv nach neuen Kooperationsmöglichkeiten suchen, sodass sich meine Arbeit schrittweise auf Vertrieb und Geschäftsentwicklung ausdehnte. Später, mit der Umstellung auf Serienproduktion, kamen weitere Aufgabenbereiche hinzu: Produkt, Qualität, Daten und After-Sales-Service.
Linkes und rechtes kanninchen-Kanal: Ihr Aufgabenbereich wurde immer größer – wer hat Ihnen diese Aufgaben übertragen?
Liu Nianqiu:Das war nicht so, dass mir jemand an einem Tag ein ganzes Bündel von Verantwortlichkeiten übergeben hat, sondern das Unternehmen war an den Punkt gelangt, an dem jemand diese Dinge übernehmen musste. Ich hatte bereits Gründungserfahrung und hatte auch recht gerne mit Kunden und Partnern zu tun, also bin ich den Anforderungen des Geschäfts einfach gefolgt. Für mich war der Prozess der Ausweitung meiner Verantwortung darin gekennzeichnet, die Dinge, die nach der technischen Umsetzung kommen, kontinuierlich aufzufangen.
Sie verfolgen die verkörperte Intelligenz seit einigen Jahren – warum haben Sie sich entschieden, gerade jetzt ein Unternehmen zu gründen?
Linker und Rechter Fuchs Kanal: Sie waren vorher die ganze Zeit in der Branche für autonomes Fahren. Wann haben Sie angefangen, sich ernsthaft für Physical Agents zu interessieren?
Liu Nianqiu: 2024. Zu der Zeit tauchten Figure und der Unitree H1 häufig im öffentlichen Blickfeld auf, aber man zeigte hauptsächlich Gehen und Treppensteigen. Damals war das Gehen der Roboter noch nicht so natürlich wie heute. Ich habe mich ohnehin schon immer für Roboter interessiert, also begann ich, mir ziemlich genau anzusehen, in welchem Zustand sich diese Branche entwickelt und wie es weitergehen wird.
Linker und Rechter Fuchs Kanal: Ab wann, glauben Sie, hatte der Physical Agent die Voraussetzungen für eine echte Unternehmensgründung?
Liu Nianqiu: 2025 begann ich zu glauben, dass es eher ausgereift war und man sich auf die Erledigung von Aufgaben konzentrieren konnte. Ich habe damals viel Zeit damit verbracht, technische Unterlagen zu lesen und die vorgelagerte Industrie zu verstehen, und stellte fest, dass der frühere Weg der Anhäufung plus optimierter Kontrolle sich gerade in echte KI-getriebene verkörperte Intelligenz verwandelte. Bis Ende 2025 werden eher Explorationen für spezifische Aufgaben durchgeführt. Nach 2026 wird zunehmend über heterogene Daten, vielfältige Daten und Generalisierung gesprochen. Wer zu früh einsteigt, verwendet viele Ressourcen auf Spezialisierung und Exploration und bildet vielleicht keine Kernkompetenzen heraus; wer zu spät einsteigt, hat den Nachteil, dass andere bereits Kompetenzen aufgebaut haben. An diesem jetzigen Zeitpunkt, glaube ich, hat man eher ein gemeinsames Verständnis entwickelt, es gibt noch keinen besonders großen zeitlichen Vorsprung.
Linker und Rechter Fuchs Kanal: Dass die Branche in ein Zeitfenster eintritt, ist die eine Seite – warum haben Sie selbst entschieden, genau zu diesem Zeitpunkt auszutreten?
Liu Nianqiu: Zum einen ist die Lieferkette ausgereift: Bei der Entwicklung verkörperter Intelligenz muss man nicht mehr wie früher durch schwache Plattformen und Lieferketten eingeschränkt werden und viel Energie darauf verwenden, diese Lücken zu schließen. Zum anderen sind das gesamte Technologie- und Datenparadigma allmählich klarer geworden, sodass man beginnen kann, wirklich Kompetenzen aufzubauen.
Linker und Rechter Fuchs Kanal: Es gibt heute auch Unternehmen für intelligentes Fahren, die an verkörperter Intelligenz arbeiten. Warum sind Sie nicht innerhalb von Yuanrong geblieben?
Liu Nianqiu: Verkörperte Intelligenz erfordert enorme Ressourceninvestitionen, höchste Konzentration und viele herausragende Talente. Außerdem habe ich bei Yuanrong den Weg von 0 auf 1, von 1 auf 10 und von 10 auf 100 im Grunde bereits durchlaufen, viele Abteilungen sind bereits aufgebaut und in die phase der systematischen Betriebsführung eingetreten. Was ich gut kann, konnte in dieser Phase von Yuanrum keinen besonders großen Differenzierungsvorteil mehr bringen. Für mich war es besser, statt mich dort „zurückzulehnen“, an dem Punkt, an dem die Branchenbedingungen allmählich reif werden, erneut etwas von 0 auf 1 und von 1 auf 100 zu tun.
Linker und Rechter Fuchs Kanal: Sind ehemalige Kollegen aus Yuanrong mit ausgetreten?
Liu Nianqiu: Kaum, im Grunde habe ich das Team neu aufgebaut. Aber was ich aus Yuanrong mitgebracht habe, ist das Know-how in Bereichen wie groß angelegten Datenschleifen, technologischer Beurteilung, Engineering und Planung. Mit diesen Projekterfahrungen ist die Logik beim Aufbau eines neuen Teams für verkörperte Intelligenz eine ganz andere.
Linker und Rechter Fuchs Kanal: Was ist Ihrer Meinung nach der größte Vorteil von jemandem, der einen kompletten Zyklus im intelligenten Fahren durchlaufen hat, wenn er sich dann der verkörperten Intelligenz zuwendet?
Liu Nianqiu: Eine sehr wichtige Erfahrung ist der Weg vom Demo zur Industrialisierung und zur echten Umsetzung. Die Demo-Phase der Roboter ist jetzt ungefähr in die Mitte-bis-Spätphase eingetreten; als Nächstes wird sicherlich die Frage stehen, wie man zur Umsetzung kommt.
Unter Umsetzung versteht man nicht unbedingt sofort Massenproduktion, sondern den Wandel von „sichtbar“ zu „benutzbar“. Wenn Sie es 10 Mal versuchen und 1 Mal Erfolg haben, oder aus 10 Szenarien das beste auswählen und ein Video davon drehen – das ist etwas völlig anderes, als wenn der Nutzer es jederzeit benutzen kann.
In dieser Phase geht es nicht mehr nur um die Obergrenze einzelner Fähigkeiten, sondern um die Untergrenze in einer Reihe von Szenarien. Eine weitere Erfahrung ist: Wenn sich das Technologieparadigma ändert, ob die Organisation gemeinsam umschwenken kann.
Für Yuanrong war der Übergang von mit Karten zu ohne Karten sehr schmerzhaft, weil die gesamte Organisation ursprünglich um Karten herum aufgebaut war. Roboter werden künftig sicherlich auf ähnliche Probleme stoßen; die heutige Technik kann unmöglich das Endspiel sein. Und schließlich noch die Skalierung. Technologische Vorteile müssen letztlich in Geschäftsvorteile umgewandelt werden, wozu auch Ökosystem, Betrieb und Unternehmensführung gehören.
Physical Agent ist kein Werkzeug, sondern ein Partner – was will Femmo erreichen?
Linker und Rechter Fuchs Kanal: Femmo definiert sich als Hersteller von Physical Agents. Warum nicht den heute verbreiteteren Begriff Physical AI verwenden?
Liu Nianqiu: Physical AI repräsentiert meiner Meinung nach eine Fähigkeit, keine Produktivkraft. Was wir machen wollen, ist ein Agent der physischen Welt, der wie ein Agent der digitalen Welt den Menschen bei Aufgaben hilft, und Menschen können ihm bei Bedarf auch bei seinem Wachstum helfen, um Aufgaben im Leben der Menschen zu erledigen und konkrete Probleme zu lösen. Er muss Entscheidungsfähigkeit im kognitiven Raum, Planungsfähigkeit im Aktionsraum, Fähigkeit zur Feinabstimmung im Kontaktraum haben, sowie Gedächtnis. Deshalb finden wir, dass er eher einem Agent ähnelt. Und der Begriff Agent ist für Nutzer direkter – er ist etwas, das mir bei der Arbeit hilft, nicht ein Konzept.
Linker und Rechter Fuchs Kanal: Worauf konzentriert sich Femmo derzeit am meisten?
Liu Nianqiu: Die Umsetzung in offenen, dynamischen Szenarien. Heute kann niemand behaupten, dass ein bestimmtes Modell das Endspiel ist, aber egal welches Modell – es muss letztlich in den Szenarien lernen, in denen man es wirklich einsetzen will, um in dieser Umgebung funktionieren zu können.
Linker und Rechter Fuchs Kanal: Warum beginnen Sie nicht zunächst mit relativ geschlossenen, einzelnen Szenarien wie Fabriken oder Hotels?
Liu Nianqiu: Zwischen der Umsetzung von Einzelpunkten und einer langfristigen technologischen Route muss man abwägen. Wenn du jeden Tag in der Fabrik Schrauben drehst, bedeutet das noch lange nicht, dass du morgen auf die Straße gehen und Essen ausliefern kannst – darin liegt keine natürliche Übertragbarkeit. Wir möchten, dass der Physical Agent von Anfang an auf eine offenere reale Umgebung ausgerichtet ist und mit verschiedensten Menschen und Szenarien in Berührung kommt. Heute kann er Essen ausliefern, morgen Pakete, übermorgen vielleicht putzen. In einem Café kann er Dinge transportieren, auf der Straße kann er ähnliche Aufgaben erledigen. So angesammelte Fähigkeiten lassen sich besser übertragen.
Links-Rechts-Kanal: Ihr schlagt also „Begleiter im Lebensumfeld“ vor – im Kern folgt das derselben Logik?
Liu Nianqiu: Genau. Unterschiedliche Menschen haben zu unterschiedlichen Zeiten und an unterschiedlichen Orten unterschiedliche Bedürfnisse. Manche sind bereit zu bezahlen, damit jemand ihren Müll wegbringt; beim Campen im Park braucht man jemanden, der den Campingplatz aufräumt; wenn man unterwegs plötzlich Kaffee trinken möchte und es in der Umgebung nichts zu kaufen gibt, muss jemand ein weites Stück laufen gehen. Das sind alles echte Bedürfnisse. Der Physical Agent gehört nicht zwingend zu einer festen Position, sondern hilft innerhalb eines Lebensumfelds je nach Bedarf unterschiedlichen Menschen.
Links-Rechts-Kanal: Warum heißt es „Begleiter“ und nicht nur Werkzeug?
Liu Nianqiu: Denn in der Anfangsphase werden nicht für immer nur Roboter den Menschen helfen – auch Menschen werden dem Roboter helfen. Wenn der Roboter einen Kilometer entfernt den Weg nicht findet, kann der Nutzer ihm über seine „Augen“ sagen, wohin er gehen soll; sieht er im Restaurant viele Taschen und weiß nicht, welche die deine ist, kann ihm ein Mensch bei der Einschätzung helfen. Mit wachsenden Fähigkeiten wird der Anteil, in dem Menschen ihm helfen, immer kleiner, und der Anteil, in dem er Menschen hilft, immer größer. Eine solche Beziehung ist für mich eher die eines Begleiters.
Links-Rechts-Kanal: Muss der Roboter, bevor er in ein Lebensumfeld eintritt, wie beim frühen autonomen Fahren Karten erstellen oder eine umfangreiche Vorab-Installation durchlaufen?
Liu Nianqiu: Nein. Beim intelligenten Fahren verwenden wir schon keine hochpräzisen Karten mehr, der Physical Agent erst recht nicht. Hochpräzise Karten haben ohnehin viele Probleme, besonders in offenen Szenarien mit viel Personenverkehr und sich fortwährend verändernder Umgebung lassen sie sich kaum langfristig pflegen. Wir wollen weiterhin den datengetriebenen Weg gehen und den Roboter sich wie einen Menschen kontinuierlich weiterentwickeln lassen.
Links-Rechts-Kanal: Warum sind du so abgeneigt davon, Probleme schnell mit ingenieurstechnischen Mitteln zu lösen?
Liu Nianqiu: Ich glaube, das ist ein sehr entscheidender Punkt bei AI Native. Früher hat man beim intelligenten Fahren massenhaft Regeln geschrieben, was bei kleinem Anwendungsrand sehr wirksam war. Aber je größer der Rand wird, desto eher beeinflusst jede zusätzliche Regel andere Szenarien, und man kann kaum garantieren, dass das gesamte System stets stabil bleibt. Wenn man heute zugunsten einer schnellen Marktreife ständig neue ingenieurstechnische Regeln hinzufügt, sieht es kurzfristig so aus, als wäre das Problem gelöst; aber sobald man Zehntausende Nutzer hat, muss man dieses System weiterhin warten, und es verwandelt sich am Ende vom Vorteil in eine Last. Deshalb müssen wir den datengetriebenen KI-Weg gehen und den Physical Agent in echten Aufgaben kontinuierlich lernen und sich weiterentwickeln lassen.
Zuolin Youli Kanal: Was ist der Produkt-Rhythmus von Fei Moyi in diesem und im nächsten Jahr?
Liu Nianqiu：In diesem Jahr werden wir unseren eigenen Körper veröffentlichen, eine Version eines großen Modells hinzufügen und erste umsetzungsorientierte Demonstrationsprojekte starten. Gleichzeitig ist eine sehr wichtige Aufgabe in diesem Jahr die Initialisierung der Datenerhebung; wir verfügen auch selbst über Erfassungsgeräte. Ab dem nächsten Jahr beginnt die Multi-Point-Deployment-Phase, mit der tatsächlichen Inbetriebnahme des Kreislaufs von der Umsetzung zu den Daten und zurück zum Modell.
Zuolin Youli Kanal: Wenn das Ziel darin besteht, Roboter in vom Menschen gestaltete Lebensumgebungen zu bringen, warum muss das Produkt dann unbedingt starke humanoide Merkmale behalten?
Liu Nianqiu： Denn wir möchten, dass es ganz verschiedene Arbeiten erledigt und auch selbst zu dem Ort geht, an dem die Arbeit anfällt. Im Kern braucht es also zwei Hände und einen Kopf, und die Sichtweite sollte der eines Menschen nahekommen. Wenn der Roboter zu klein ist, sieht er immer nur unter den Tisch und nicht die Tischfläche – das unterscheidet sich vollständig von der menschlichen Perspektive. Außerdem braucht es Beine. Es muss nicht sofort Parkour beherrschen, aber Treppen und kleine Hindernisse, auf die normale Menschen täglich stoßen, muss es überwinden können. Ob konkret vierbeinig mit Rädern oder zweibeinig – beide haben ihre Vorzüge. Räder bieten in der Anfangsphase mehr Stabilität und Sicherheit sowie eine höhere Tragkraft; zwei Beine brauchen weniger Platz und ermöglichen den Zugang zu beengteren Bereichen. Unser Kernziel ist es nicht, menschenähnlich auszusehen, sondern dass es wie ein Mensch in diese Umgebungen gelangen und dort Aufgaben erledigen kann.
Zuolin Youli Kanal: Fei Moyi, was ist langfristig der eigentliche technologische Burggraben?
Liu Nianqiu„： Das Wichtigste ist letztlich der technologische Vorteil. Einfach gesagt: Die Roboter müssen gut funktionieren. Früher haben wir Projekte im Bereich des intelligenten Fahrens gewonnen, im Wesentlichen, weil unsere Produkte gut abschnitten und wir in dieser Phase als Einzige eine Karte-freie Lösung anbieten konnten. Bei Robotern ist es genauso. Am Ende müssen die Nutzer das Gefühl haben, dass diese Lösung ihr Problem wirklich löst. Langfristig werden sicher viele Unternehmen das erreichen – wir hoffen, die Ersten zu sein, und den technologischen Vorteil in einen geschäftlichen Vorteil umzuwandeln."
Zum Schluss
Liu Nianqiu hat zwei Sätze gesagt, die bei uns einen tiefen Eindruck hinterlassen haben.
Ein Satz dazu, als er gerade zu DeepRoute.ai gestoßen war: Er beschrieb seinen damaligen Zustand mit den Worten: „Was fehlt, mache ich.“
Ein weiterer Satz erklärt, warum er, nachdem er bei Yuanrong bereits den Weg von 0 zu 1, von 1 zu 10 und von 10 zu 100 gegangen ist, trotzdem erneut ein Unternehmen gründet: „Statt mich einfach ‚auszuruhen‘, lieber am Punkt, an dem die Bedingungen in der Branche allmählich reifen, erneut etwas von 0 zu 1 und von 1 zu 100 aufbauen.“
Zwei Sätze liegen viele Jahre auseinander, erzählen aber im Grunde von derselben Sache. Liu Nianqiu scheint es zu mögen, stets dann zu erscheinen, wenn eine Sache noch nicht ganz definiert ist.
In seinen frühen Jahren bei Intel arbeitete er an der Entwicklung neuer Prozesse und neuer Geräte; später gründete er zum ersten Mal ein Unternehmen und widmete sich dem damals noch sehr frühen Internet of Things und der industriellen Intelligenisierung.
2017 half er Zhou Guang und anderen bei Autopilot-Hardware. Zu dieser Zeit war autonomes Fahren noch lange nicht so ausgereift wie heute; ein Testfahrzeug trug einen riesigen LiDAR-Sensor, Industriekameras und ein integriertes Navigationssystem auf dem Dach, und die verschiedenen Geräte hatten teilweise sogar unterschiedliche Zeitsysteme.
2018 trat er offiziell di Sanxiang Into Yuanrong bei – zunächst zuständig für Hardware, dann für Auslieferung, Betrieb und Geschäftsentwicklung; später, als Yuanrong in die Serienfertigung von Intelligent-Driving-Lösungen überging, kamen auch Produkte, Qualität, Daten und Kundendienst zu seinen Aufgaben hinzu.
Viele Menschen vertiefen sich im Laufe ihrer Berufslaufbahn immer weiter in ein einziges Fachgebiet, doch Liu Nianqius Weg sah eher so aus, dass er ständig die Grenzen seiner Fähigkeiten erweiterte.
Mit der Gründung von Moyi Technology hat Liu Nianqiu erneut ein Problem gewählt, dessen Grenzen sich nur schwer im Voraus definieren lassen.
Er hofft, dass Roboter in Geschäftsviertel, Bürogebäude und Wohnungen Einzug halten – heute Dinge für Menschen abholen, morgen Kaffee kaufen und übermorgen vielleicht den Müll rausbringen. Die Umgebung wird nicht im Voraus eingerichtet sein, und die Aufgaben werden auch nicht immer dieselben sein.
In gewisser Weise ähnelt dies vielem, was er in der Vergangenheit getan hat.
Wir fragten ihn, in welchen Momenten der Vergangenheit er das Gefühl hatte, dass eine Sache wirklich gelungen ist. Liu Nianqius Antwort umfasst: 1 Robotaxi wurde tatsächlich von Menschen für Fahrten genutzt, einige davon wurden treue Nutzer; 2 später folgte die Umsetzung der Serienproduktion mit festen Aufträgen, und das System gelangte mit jedem neuen Fahrzeug wirklich in die Hände der Nutzer.
„Im Wesentlichen geht es darum, dass das Produkt von anderen anerkannt wird.“
Das erklärt auch viele von Liu Nianqius heutigen Einschätzungen über Roboter. Statt einer beeindruckenden einmaligen Demo ist für ihn wichtiger, ob ein Roboter vom gelegentlichen Erledigen einer Aufgabe dazu kommen kann, jederzeit stabil einsatzbereit zu sein.
Liu Nianqius Verständnis von Unternehmergeist ist einfach: Es bedeutet nicht zwingend, Chef zu sein, sondern klar zu erkennen, was in einem Ökosystem noch fehlt und was wirklich wertvoll ist – und dann zu prüfen, ob man es selbst verwirklichen kann.
Als er also gefragt wurde, wie er sich Feimoyi in drei Jahren wünscht, sprach Liu Nianqiu weder über Marktanteile noch nannte er eine große Zahl. Er sagte, er hoffe, dass an vielen Orten Menschen ihre „Partner“ tatsächlich nutzen werden.
Einige Menschen sind darin geschickt, eine bereits etablierte Sache immer größer zu machen, und es gibt auch immer solche, die es bevorzugen in dem Moment zu stehen, in dem eine Sache noch nicht ganz etabliert ist, den Mut aufzubringen und sie verwirklichen zu wollen.
Liu Nianqiu gehört vermutlich zu letzteren. 雷峰网
Originalartikel von Leifeng.com; unauthorized reproduction is not permitted. Details sieheNachdruckhinweise。