Liu Nianqiu est difficile à classer dans le modèle type de l'entrepreneur en intelligence incarnée.
Ce n'est ni un chercheur issu d'un laboratoire de robotique, ni un entrepreneur en série qui n'est entré dans la Physical AI que depuis deux ans. Il a travaillé chez Intel sur le développement de nouveaux procédés et équipements, et a entrepris dans l'IoT et l'intelligence industrielle. En 2018, il a rejoint la société de conduite autonome Yuanrong Qixing, où il est allé du matériel jusqu'à l'exploitation de Robotaxi, les produits, les données, la production de masse et le service après-vente.
En 2026, Liu Nianqiu a ajouté une nouvelle identité à son palmarès — fondateur de Feimo Yi Technology.
En réalité, depuis 2024, il suivait de près le développement de l'intelligence incarnée, lisait de nombreux articles scientifiques et étudiait continuellement la chaîne d'approvisionnement en amont et les feuilles de route technologiques. Fin 2025, il a jugé que le moment d'entreprendre commençait à mûrir : d'une part, la chaîne d'approvisionnement en robotique était déjà suffisamment complète, et les startups n'avaient plus besoin de consacrer une énergie considérable à combler leurs lacunes en matière de plateforme physique et de matériel ; d'autre part, le paradigme technologique et de données piloté par l'IA devenait progressivement clair, permettant de commencer à constituer un véritable socle technologique de valeur à long terme.
Après avoir décidé de se lancer, Liu Nianqiu a discuté avec plusieurs cofondateurs de Yuanrong, et tous l'ont soutenu dans sa démarche de repartir de 0 à 1.
Dès sa création, Feimoyi Technology a obtenu un financement d'amorçage de près de cent millions de dollars mené par IDG Capital, avec la participation de capitaux de premier plan tels que Yunqi Capital, Didi Chuxing, Fosun RZ Capital, Glory Ventures et Hesai Technology, et lors de ses premiers contacts avec les investisseurs, Liu Nianqiu n'avait même pas eu le temps de préparer un business plan.
Liu Nianqiu préfère appeler les robots de Feimo Yi des « Physical Agents » : selon lui, les robots doivent à terme entrer dans des environnements de vie ouverts, accomplir des tâches pour différentes personnes, à différents moments et en différents lieux.
Au cours des deux dernières années, la voie de déploiement la plus courante pour l'intelligence incarnée a consisté à trouver d'abord un scénario aux limites suffisamment claires. Visser des vis dans une usine, livrer des objets à l'hôtel, transporter en entrepôt : on définit d'abord clairement la tâche, puis on augmente le taux de réussite par l'ingénierie et les modèles.
Liu Nianqiu ne nie pas la valeur commerciale de ces scénarios, mais sa question est la suivante : si un robot travaille longtemps dans un environnement hautement prédéfini, quelle part des capacités qu'il accumule peut réellement être transférée à un autre scénario ?
Feimo Yi a donc choisi une voie aux frontières plus floues — les scénarios dynamiques ouverts.
Quartiers commerciaux, immeubles de bureaux, résidences, zones d'activités : autant de « cercles de vie » dans lesquels Liu Nianqiu espère voir les robots entrer progressivement. Le robot pourrait aider à récupérer des objets, acheter du café, jeter les ordures, ou encore accomplir une partie des tâches d'un livreur lorsque celui-ci est débordé. Le robot n'est pas prédéfini pour un métier unique, mais fait évoluer ses tâches en fonction de l'environnement et des besoins.
Feimo Yi appelle ce rôle « partenaire ». Plus le robot pénètre dans des environnements riches, rencontre plus de personnes, d'objets et de tâches, plus il est susceptible de développer une capacité de transfert entre scénarios.
Un travail très important de Feimo Yi cette année est la collecte de données initiales, avec un déploiement multi-sites prévu l'année prochaine, afin que le Physical Agent forme progressivement une boucle fermée : déploiement — données — entraînement — redéploiement.
Plus loin se pose un problème que le secteur n'a pas encore résolu : la complexité du monde ouvert n'a pratiquement pas de limite, et un robot qui accomplit 1 tâche sur 10 dans une démo et un robot capable d'accomplir sa tâche chaque fois que l'utilisateur le sollicite répondent à deux standards totalement différents.
Voici l'entretien entre la chaîne Zuolin Youli de Leifeng.com (compte public : Leifeng.com) et Liu Nianqiu, fondateur de Feimo Yi Technology, partiellement édité sans en modifier le sens :Le tournant décisif de Yuanrong Qixing : arrêter l'exploitation des Robotaxis, parier sur le sans-carte
Chaîne Zuolin Youli : Yuanrong exploitait à l'époque des Robotaxis à Shenzhen depuis un certain temps et disposait d'une clientèle fidèle, pourquoi l'avoir arrêté ?
Liu Nianqiu : Nous avons exploité pendant plus d'un an. En fait, nous avons d'abord mené l'exploitation de taxis sans conducteur dans des zones animées comme le CBD du centre-ville. Ensuite, nous avons estimé que la solution basée sur les cartes haute précision n'avait pas d'avenir et nous avons décidé de nous orienter vers le sans-carte. En tant que startup, il était impossible de bien mener les deux lignes en parallèle, et nous n'avions pas non plus les ressources suffisantes, nous avons donc décidé d'arrêter les Robotaxis pour nous consacrer entièrement au sans-carte. C'est aussi pour cela que nous avons été les premiers à lancer une solution sans carte haute précision ; beaucoup n'y croyaient pas au moment du lancement, jusqu'à ce que nous obtenions des désignations de projets.
Chaîne Zuolin Youli : Quand avez-vous estimé pour la première fois que la voie de la carte haute précision était un cul-de-sac ? Dans la décision d'arrêter les Robotaxis et de passer au sans-carte, qu'avez-vous concrètement fait ?
Liu Nianqiu :En 2021, j'ai commencé à réfléchir à la viabilité de la poursuite de ce modèle d'activité. Comme j'étais directement responsable de l'exploitation, je connaissais bien les coûts d'exploitation réels, et je suivais continuellement l'évolution future de cette activité et sa faisabilité une fois passée à plus grande échelle. Sur la base de ces réalités, j'ai commencé à proposer au sein de l'équipe l'idée d'un changement de direction. J'ai principalement mis en regard les problèmes observés côté exploitation et les analyses côté R&D. Le choix final de la direction a été discuté et décidé collectivement par l'équipe dirigeante.
Chaîne Zuolin Youli : Vous étiez responsable de l'exploitation des Robotaxis et y avez consacré beaucoup d'efforts ; lorsque vous avez réellement arrêté les Robotaxis de Shenzhen, quelles tâches de clôture aviez-vous en charge ?
Liu Nianqiu :Nous avons alors adopté un processus de retrait progressif. Après la décision de nous retirer, nous avons réduit pas à pas la taille de la flotte, sans arrêter tous les services le jour même de la décision. Il restait alors un petit groupe d'utilisateurs fidèles, et le service client a communiqué avec eux pour les informer et leur expliquer. Les travaux produit jusque-là consacrés à l'exploitation des Robotaxis se sont orientés vers les produits de production de masse et l'interface avec les constructeurs automobiles. L'équipe a repensé quelles fonctions un produit devait avoir pour l'assistance à la conduite de niveau L2, comment fonctionner dans différentes conditions routières et comment effectuer les sorties de conduite. Les questions à traiter n'étaient déjà plus les mêmes que lorsqu'on concevait un produit autour de l'exploitation des Robotaxis. À cette période, les priorités du travail consistaient, d'une part, à bien clôturer progressivement l'activité d'exploitation existante et, d'autre part, à orienter les travaux produit vers la nouvelle direction de la production de masse.
Chaîne Zuolin Youli : Que signifie, pour l'ensemble du système technique, le passage de la conduite autonome avec carte au sans-carte ?
Liu Nianqiu : C'était pratiquement tout reconstruire de zéro. L'ancienne version avec carte était assez classique : des modules de perception, de prédiction et de suivi, plus le positionnement par carte haute précision, plus la planification et le contrôle. Avec le passage au sans-carte, le périmètre de la perception s'est considérablement élargi, englobant en gros aussi le positionnement cartographique, et le couplage avec la planification est devenu très étroit. Les besoins en données ont également changé : c'était donc une refonte architecturale majeure.
Chaîne Zuolin Youli : Lors du développement de la solution sans carte, quelles tâches portiez-vous concrètement ? Que responsable Zhou Guang et les autres dirigeants clés, respectivement ?
Liu Nianqiu: De mon côté, le travail le plus important portait d'abord sur l'ajustement de la solution de capteurs. Après le passage au mode sans carte, le système dépendait dans une certaine mesure davantage de la vision. Dans les projets de production de série, il fallait donc repenser comment choisir et configurer les capteurs, afin de répondre à la fois aux besoins des algorithmes ultérieurs et aux exigences de la production de série. Une autre partie concernait la mise en place d'un système de production de données. Une fois que la solution dépendait davantage des données, il fallait établir un système pour déterminer comment les produire, comment coopérer avec les partenaires externes et comment maîtriser les coûts. Ce sont également des travaux auxquels j'ai participé. Tout le monde partageait un consensus de base sur la direction ; lorsque quelqu'un proposait une idée concrète, elle était discutée ensemble, et il n'arrivait presque jamais qu'une seule personne voie quelque chose que les autres ne voyaient pas. Dans l'avancement concret, il s'agissait surtout de mettre sur la table les problèmes des différents aspects et de discuter ensemble de la manière de les résoudre.
Chaîne Zuolin Youli : S'agissant d'une chose que personne dans le secteur n'avait jamais faite, comment fixiez-vous à l'époque les échéances ?
Liu Nianqiu : Pour un projet de recherche, il est très difficile de fixer une échéance vraiment rigoureuse, car personne ne peut garantir qu'à telle date il y aura nécessairement un résultat. L'essentiel était que chacun se donne à fond, que l'on juge en permanence quelle voie est la bonne, puis qu'on la valide rapidement. Par exemple, pour la perception de la route, la compréhension de la structure routière ou l'annotation des données : une méthode décidée un jour pouvait s'avérer inutilisable le lendemain après un essai de collecte de données, et être remplacée par une nouvelle le surlendemain. À cette époque, ce qui comptait, c'était d'aller vite, de s'ajuster rapidement et de corriger rapidement les erreurs.
Chaîne Zuolin Youli : Comment procédiez-vous concrètement aux essais et erreurs ?
Liu Nianqiu : On définissait d'abord l'architecture du modèle, puis on décidait comment collecter, annoter et entraîner les données, avant de le faire tourner pour voir si des problèmes apparaissaient. Dès qu'un problème survenait, on déterminait immédiatement : est-ce que la compréhension de la route était erronée, ou bien la compréhension était correcte mais la planification était fausse ? Si la compréhension était incorrecte, s'agissait-il d'un problème de capacité du modèle ou d'un problème de données en amont ? Tout le processus consistait à décomposer sans cesse les problèmes, c'est pourquoi, dès que nous avions de la puissance de calcul, nous voulions généralement qu'elle ne se repose pas quand les gens se reposaient.
Chaîne Zuolin Youli : En tant que startup, Yuanrong Qixing a concentré toutes ses ressources pour défier ce que personne dans l'industrie n'avait encore fait. À l'époque, l'état d'esprit de l'équipe était-il très tendu ?
Liu Nianqiu : Là où le problème circule, là c'est particulièrement tendu. Ce n'est pas que tout le monde dans l'entreprise ne se reposait jamais, mais les départements clés n'avaient pour ainsi dire pas de jours de repos fixes. Après que l'équipe a grossi, un mécanisme de rotation des ingénieurs et de travail en relais a été mis en place. Mais les véritables jugements essentiels finissaient par converger vers un petit nombre de personnes, car celles qui avaient une compréhension claire du problème n'étaient en réalité pas nombreuses.
Chaîne Zuolin Youli : Combien de temps s'est écoulé environ entre la décision de passer au sans-carte et l'obtention effective d'un contrat de série ?
Liu Nianqiu : Environ un an. Mais après avoir obtenu le contrat de série, la pression est devenue encore plus forte, car l'étape suivante ne consistait plus à prouver que la technologie pouvait fonctionner, mais à réfléchir à comment la produire en série. À l'époque du Robotaxi, c'était encore relativement plus détendu ; après le passage au sans-carte puis à la production en série, la pression sur toute l'équipe a clairement augmenté.
Chaîne Zuolin Youli : À l'époque, l'extérieur exprimait beaucoup de doutes sur le sans-carte. Qu'en pensiez-vous ?
Liu Nianqiu : Je trouvais cela très normal. À ce moment-là, dans les zones déjà couvertes par les cartes à haute précision, les solutions traditionnelles avec carte étaient forcément plus matures. Le sans-carte servait surtout à prouver une possibilité future. De plus, beaucoup de nos pairs de l'époque étaient eux-mêmes dans l'industrie de la cartographie haute précision et y étaient donc naturellement réfractaires. Par ailleurs, quand les autres n'y sont pas arrivés, ils ne pouvaient pas reconnaître du simple fait que nous y étions parvenus que notre solution était forcément meilleure. Mais avec le recul, je pense que le sans-carte a été un point de tournant pour toute l'industrie. Autrefois, la conduite intelligente urbaine ne pouvait être utilisée que dans quelques villes ; ce n'est qu'une fois que le sans-carte a commencé à se déployer à grande échelle que les consommateurs ont pu se dire : cela pourrait aussi fonctionner là où je conduis moi-même.
Chaîne Zuolin Youli : Lorsque la première « expérience de la remorque » est apparue, quel rôle y avez-vous joué ?
Liu Nianqiu :Plus que la soi-disant « expérience de la remorque », ce qui m'a le plus marqué, c'est une modification d'un véhicule de marque connue grand public avant d'obtenir un contrat de série avec une entreprise technologique de premier plan. À l'époque, le client avait déjà essayé notre voiture et s'intéressait aux capacités et à la solution de Yuanrong, mais voulait aussi voir ce que donneraient ces capacités sur un modèle de marque connue grand public. Il nous a donc confié une voiture sans système de conduite intelligente, en espérant découvrir au plus vite le comportement de la solution Yuanrong sur son véhicule.
Je me souviens que toute la modification a pris environ moins de deux jours : le véhicule est arrivé sans le système de conduite intelligente correspondant, et nous avons dû percer des ouvertures, remplacer les vitres, installer contrôleurs et capteurs, remettre le véhicule en état, y connecter l'algorithme, puis partir faire des essais routiers et des évaluations.
Ces jours-là, tout le monde avançait par rotations, enchaînant ces travaux en continu. De mon côté, pour ce qui concernait le matériel et la livraison, il fallait concrétiser en véhicule réel les exigences d'expérience formulées par le client : installer les capteurs et contrôleurs, connecter le système, puis accompagner les tests et la résolution des problèmes suivants. En très peu de temps, le client a vu que nous avions transformé le véhicule traditionnel qu'il avait fourni en prototype capable de tester la conduite autonome. Cela lui a montré la capacité d'exécution et de livraison de l'équipe, et a renforcé sa confiance dans la poursuite de la production en série avec nous.
Cette modification ne signifiait bien sûr pas que la production en série était achevée, mais elle permettait au client de juger si l'équipe était capable, face à un véhicule réel et à des problèmes concrets, de faire avancer les choses. Je comprends que la confiance du client envers l'équipe se construit progressivement au fil de tels processus.
Chaîne Zuolin Youli : Mais obtenir la reconnaissance du client ne signifie pas encore production en série. De la « capacité à rouler sans carte » à la « capacité à produire en série sans carte », quel a été le problème le plus difficile à résoudre pour vous personnellement ?
Liu Nianqiu :Pour moi, le plus grand défi a été l'intégration systémique et la coopération avec le constructeur automobile.
En phase de recherche et développement, nous utilisions un système que nous avions nous-mêmes construit : dès que le logiciel pouvait tourner dans l'environnement de R&D, les tests pouvaient commencer. Mais pour entrer en production en série, il fallait définir avec le constructeur un grand nombre de détails d'ingénierie, notamment les signaux de diagnostic, la matrice des signaux, la fiabilité de la communication du middleware, ainsi que les anomalies et mécanismes de traitement liés à la sécurité fonctionnelle.
En outre, il y avait l'assurance qualité, la gestion des versions et l'interface avec le service après-vente. Autrefois, le après-vente des constructeurs était plus habitué à traiter la panne d'une pièce ; le diagnostic des problèmes des systèmes de conduite intelligente nécessitait au contraire une mise au point commune des deux parties, afin d'établir un système de diagnostic après-vente adapté. Ces travaux nous ont permis de traverser complètement un processus d'industrialisation de production en série. Au-delà des algorithmes, une multitude de problèmes systémiques, de qualité et de collaboration restaient à résoudre.
Pour moi, ce qui générait le plus de pression à l'époque, c'était de débloquer ces maillons en coopération avec le constructeur, pour que les capacités issues de la R&D entrent réellement dans le système de livraison de production en série.
La « forge » d'un entrepreneur en intelligence incarnée
Chaîne Zuolin Youli : Votre lien avec la conduite autonome est en réalité plus ancien que beaucoup ne l'imaginent. Vous avez commencé en aidant Zhou Guang (fondateur et PDG de Yuanrong Qixing) sur le matériel de conduite autonome. Pouvez-vous raconter tout cela depuis le début ?
Liu Nianqiu : C'est vraiment en 2017 que j'ai commencé à travailler sur la conduite intelligente. À l'époque, j'aidais Zhou Guang et d'autres sur le matériel de conduite autonome ; ils se concentraient plutôt sur les algorithmes et avaient besoin de quelqu'un pour la partie industrialisation du matériel. Comme je créais auparavant des entreprises dans l'intelligence industrielle, une grande partie des équipements comme le lidar sur le toit et les contrôleurs, c'est nous qui les fabriquions pour eux. 2017 compte donc déjà comme une participation à la conduite intelligente, et j'ai commencé à comprendre ce qu'elle était vraiment. En 2019, Yuanrong Qixing a obtenu l'un des plus gros financements individuels de l'époque en Chine et m'a invité à les rejoindre. Me disant que j'allais pouvoir apprendre en profondeur, c'est là que je me suis officiellement lancé dans l'industrie de la conduite intelligente.
Chaîne Zuolin Youli : Avant cela, votre parcours semblait pourtant assez éloigné de la conduite autonome ?
Liu Nianqiu : J'avais auparavant créé des entreprises dans l'Internet des objets, l'intelligence industrielle et l'automatisation. Chez Intel, j'étais responsable du développement de nouveaux procédés et de nouveaux équipements à l'échelle mondiale. Cela semble différent, mais techniquement c'était assez similaire dans son essence. Sur une ligne de production, l'inspection des matériaux et de l'environnement nécessite des systèmes de capteurs, auxquels on ajoute un système de contrôle — cela présentait beaucoup de points communs avec la conduite intelligente d'après.
Chaîne Zuolin Youli : Lorsque vous venez de rejoindre Yuanrong, dans quel état était l'entreprise ?
Liu Nianqiu : Quelques dizaines de personnes au maximum. C'étaient essentiellement les techniciens clés avec qui nous avions déjà collaboré ; tout le monde trouvait le projet intéressant et les gens fiables, alors on a continué.
Chaîne Zuolin Youli : À l'époque, qu'étiez-vous précisément chargé de faire chez Yuanrong ?
Liu Nianqiu : Ce qui manque, je le fais. À l'époque, l'équipe centrale s'occupait principalement de la perception, de la planification et de la cartographie-localisation ; moi, j'étais responsable du matériel et de l'ingénierie. Au début, c'est moi qui ai constitué toute l'équipe matériel.
Chaîne Zuo Lin You Li : Quelle a été la première mission qui vous a été confiée ?
Liu Nianqiu : La première mission que j'ai reçue était de réaliser un contrôleur de synchronisation matérielle des différents capteurs du véhicule.
À l'époque, le véhicule utilisait un lidar rotatif mécanique, une navigation intégrée et des caméras industrielles, et non pas les caméras embarquées d'aujourd'hui. Ces équipements provenaient à l'origine de secteurs différents, chacun ayant son propre mode de fonctionnement : le lidar a un cycle de balayage, la navigation intégrée a ses propres exigences de fréquence et de synchronisation, et la caméra a des conditions d'exposition et de déclenchement. Pour les utiliser dans un même système de conduite autonome, il fallait les déclencher à des instants précis et faire en sorte que les horodatages des données collectées se situent sur une même ligne temporelle. La précision de synchronisation exigée était alors inférieure à 1 milliseconde.
Le travail que j'ai réalisé moi-même consistait d'abord à clarifier les caractéristiques de ces équipements, puis à concevoir un système de circuits qui s'interfacait avec les différents capteurs pour assurer l'interaction et le contrôle de la synchronisation, afin d'unifier la ligne temporelle de plusieurs appareils à l'échelle de la milliseconde. À l'époque, le développement de la conduite autonome était encore réparti en modules : il y avait des équipes pour la perception, la planification, la cartographie et la localisation, chacune assumant le développement de son module. J'étais principalement responsable du côté matériel.
Chaîne Zuo Lin You Li : Chez Yuanrong, au début, beaucoup de membres clés avaient chacun leur spécialité, mais il semble que votre périmètre n'ait cessé de s'élargir. Comment y êtes-vous parvenu ?
Liu Nianqiu :Je pense que le changement le plus décisif a été le passage du développement matériel à la livraison aux clients externes. Yuanrong n'avait au départ qu'une équipe de R&D. Lorsque le produit a été réalisé et qu'il a fallu commencer à collaborer avec des partenaires comme Dongfeng, il a fallu que quelqu'un soit responsable de la transformation des véhicules, de la livraison et du fonctionnement ultérieur. J'étais alors responsable du développement matériel, si bien que la transformation des véhicules et la livraison nous ont naturellement été confiés en premier. En avançant, nous avons aussi pris en charge l'interface avec l'exploitation et la gestion opérationnelle. À mesure que l'activité progressait, nous devions également rechercher activement de nouvelles opportunités de coopération, et mon travail s'est donc progressivement étendu aux relations commerciales et au développement des affaires. Plus tard, avec le passage à la production de masse, mon travail a encore concerné le produit, la qualité, les données et le service après-vente.
Chaîne Zuo Lin You Li : Votre travail est devenu de plus en plus vaste ; qui vous a confié toutes ces responsabilités ?
Liu Nianqiu :Ce n'est pas quelqu'un qui m'a un jour confié un ensemble complet de responsabilités ; c'est plutôt que l'entreprise est arrivée à ce stade et avait besoin que quelqu'un assume ces tâches. J'avais déjà une expérience entrepreneuriale et j'étais assez enclin à traiter avec les clients et les partenaires, alors j'ai suivi les besoins de l'activité. Pour moi, le processus d'élargissement de mes responsabilités, c'est avoir continuellement pris en charge ce qui suit après la réalisation des technologies.
Après plusieurs années à suivre l'intelligence incarnée, pourquoi choisir de créer une entreprise maintenant ?
Chaîne Zuolin Youli : Vous avez toujours travaillé dans le secteur de la conduite autonome. Quand avez-vous commencé à vous intéresser sérieusement aux Physical Agent ?
Liu Nianqiu : En 2024. À cette époque, Figure et Unitree H1 commençaient à apparaître fréquemment dans le regard du grand public, mais on montrait surtout la marche et la montée ou descente d'escaliers. À cette époque, la marche des robots n'était pas encore aussi naturelle qu'aujourd'hui. M'intéressant depuis toujours aux robots, j'ai commencé à examiner assez sérieusement l'état de développement de ce secteur et la direction qu'il allait prendre.
Chaîne Zuolin Youli : À partir de quand avez-vous estimé que les Physical Agent commençaient à réunir les conditions d'une véritable création d'entreprise ?
Liu Nianqiu : Vers 2025, j'ai commencé à penser que le domaine était plutôt mature et qu'on pouvait commencer à s'intéresser à l'accomplissement de tâches. À cette époque, j'ai passé beaucoup de temps à lire des documents techniques et à me renseigner sur l'industrie en amont, et j'ai constaté que la voie qui reposait auparavant sur l'accumulation d'expérience et l'optimisation du contrôle était en train de devenir une véritable intelligence incarnée pilotée par l'IA. Avant la fin 2025, on explorait surtout des tâches spécifiques. Après 2026, on a commencé à parler de plus en plus de données hétérogènes, de données diversifiées et de généralisation. Entrer trop tôt signifie consacrer énormément de ressources à la spécialisation et à l'exploration, sans nécessairement constituer un积累 noyau ; entrer trop tard, et les autres ont déjà constitué leur propre accumulation. À ce stade actuel, je pense que ce qui s'est surtout formé chez tous, c'est de la cognition ; il n'y a pas encore d'écart temporel vraiment important.
Chaîne Zuolin Youli : La fenêtre d'opportunité du secteur est un aspect, mais pourquoi avez-vous vous-même décidé de vous lancer précisément à ce moment-là ?
Liu Nianqiu : D'un côté, la chaîne d'approvisionnement a mûri : dans l'incarné, on n'a plus besoin, comme par le passé, d'être limité par des plateformes très faibles et par la chaîne d'approvisionnement, et de consacrer énormément d'énergie à combler ces lacunes. De l'autre, l'ensemble du paradigme technologique et des données devient progressivement clair, ce qui permet de commencer à véritablement constituer une accumulation.
Chaîne Zuolin Youli : Il y a aussi aujourd'hui des entreprises de conduite intelligente qui font de l'intelligence incarnée. Pourquoi ne pas être resté le faire en interne chez Yuanrong ?
Liu Nianqiu : L'incarné exige un investissement en ressources très élevé, une concentration extrême, et un grand nombre de talents excellents. Par ailleurs, pour moi personnellement, chez Yuanrong, j'ai pratiquement parcouru toutes les étapes : de 0 à 1, de 1 à 10, de 10 à 100 ; beaucoup de départements ont déjà été créés et l'entreprise est entrée dans une phase de fonctionnement systémique. Ce que je sais bien faire ne pouvait plus produire un avantage différenciant particulièrement important à ce stade de Yuanrong. Pour moi, plutôt que de « rester couché » là-bas, autant, au moment où les conditions du secteur mûrissent progressivement, refaire quelque chose de 0 à 1, de 1 à 100.
Chaîne Zuolin Youli : D'anciens collègues de Yuanrong sont-ils partis avec vous ?
Liu Nianqiu : Presque aucun ; en gros, j'ai reconstruit une équipe. Mais ce que j'ai apporté de Yuanrong, ce sont des savoir-faire : la boucle de données à grande échelle, le jugement technologique, l'industrialisation, la planification. Avec cette expérience de projets, monter une nouvelle équipe dans l'incarné suit une logique différente.
Chaîne Zuolin Youli : Selon vous, quel est le plus grand avantage de quelqu'un qui a traversé un cycle complet de conduite intelligente pour se lancer dans l'incarné ?
Liu Nianqiu : Une expérience très importante, c'est le passage de la démo à l'industrialisation, puis au déploiement réel. Le cycle des démos dans la robotique est déjà entré dans sa phase moyenne et tardive ; l'étape suivante portera nécessairement sur le déploiement.
Ce qu'on appelle déploiement ne signifie pas nécessairement la production de masse immédiate, mais passer de « visible » à « utilisable ». Réussir 1 fois sur 10, ou choisir la meilleure scène parmi 10 pour filmer une vidéo, c'est complètement différent d'un produit que l'utilisateur peut utiliser à tout moment.
À ce stade, l'attention ne porte plus seulement sur le plafond de la capacité ponctuelle, mais sur le plancher dans une série de scénarios. Une autre expérience : quand le paradigme technologique change, l'organisation peut-elle pivoter ensemble.
Chez Yuanrong, le passage des cartes aux cartes zéro a été très douloureux, car toute l'organisation était à l'origine construite autour des cartes. Les robots rencontreront à l'avenir des problèmes similaires ; la technologie actuelle ne peut pas être le point final. Il reste enfin le passage à l'échelle. L'avantage technologique doit finalement se transformer en avantage commercial, ce qui exige encore un écosystème, des opérations, une gestion.
Le Physical Agent n'est pas un outil mais un partenaire : que veut faire Feimo Yi ?
Chaîne Zuolin Youli : Feimo Yi se définit comme une entreprise de Physical Agent. Pourquoi ne pas utiliser l'expression plus courante aujourd'hui, Physical AI ?
Liu Nianqiu: Le Physical AI représente à mon avis une capacité, pas une force de production. Ce que nous voulons faire, c'est un Agent du monde physique qui, comme les agents du monde numérique, aide les gens à accomplir des tâches, et que les gens peuvent aussi, au besoin, aider à grandir, pour accomplir les tâches de la vie des gens et résoudre des problèmes concrets. Il doit avoir une capacité de décision dans l'espace cognitif, une capacité de planification dans l'espace des actions, une capacité d'alignement des détails dans l'espace du contact, et aussi de la mémoire. Nous pensons donc qu'il ressemble davantage à un Agent. De plus, le mot Agent est plus direct pour les utilisateurs : c'est quelque chose qui peut travailler pour moi, pas un concept.
Chaîne Zuolin Youli : Sur quoi Feimo Yi se concentre-t-elle à ce stade ?
Liu Nianqiu: Le déploiement dans des scènes ouvertes et dynamiques. Aujourd'hui, personne ne peut affirmer qu'un modèle donné est le point final, mais quel que soit le modèle, il doit finalement apprendre dans les scènes que vous allez réellement utiliser pour pouvoir fonctionner dans cet environnement.
Chaîne Zuolin Youli : Pourquoi ne pas commencer par des scénarios uniques relativement fermés comme les usines ou les hôtels ?
Liu Nianqiu : Il faut trouver un équilibre entre la concrétisation d'un produit ponctuel et la trajectoire technologique à long terme. Si vous vissez des vis toute la journée dans une usine, aussi bien que vous le fassiez, cela ne signifie pas que vous pourrez demain livrer des repas dans la rue ; il n'y a aucune capacité de transfert naturelle entre les deux. Nous souhaitons que le Physical Agent, dès le départ, soit orienté vers un environnement réel plus ouvert, au contact de toutes sortes de personnes et de situations. Aujourd'hui il peut livrer des repas, demain des colis, et après-demain peut-être faire le ménage. S'il peut déplacer des objets dans un café, il pourra accomplir des tâches similaires dans la rue. Les capacités ainsi accumulées auront une meilleure transférabilité.
Chaîne Zuolin Youli : Donc votre concept de « compagnon du cercle de vie » repose essentiellement sur cette même logique ?
Liu Nianqiu: Oui. Différentes personnes, à différents moments et en différents lieux, ont des besoins différents. Par exemple, certains sont prêts à payer quelqu'un pour jeter leurs déchets ; quand on part camper dans un parc, on a besoin de quelqu'un pour ranger le campement ; si l'on a soudainement envie d'un café en sortie et qu'il n'y en a pas à vendre dans les environs, il faut bien envoyer quelqu'un marcher longtemps pour en acheter. Ce sont là des besoins réels. Le Physical Agent n'appartient pas nécessairement à un poste fixe, mais au sein d'un cercle de vie, il aide différentes personnes selon les besoins.
Chaîne Zuolin Youli : Pourquoi parler de « compagnon » plutôt que simplement d'outil ?
Liu Nianqiu: Parce qu'aux débuts, il est impossible que seuls les robots aident les humains en permanence ; les humains aideront aussi les robots. Si le robot se retrouve à un kilomètre sans trouver son chemin, l'utilisateur peut lui indiquer la direction à travers ses yeux ; arrivé dans un restaurant, s'il voit de nombreux sacs et ne sait pas lequel est le vôtre, un humain peut aussi l'aider à les distinguer. À mesure que ses capacités s'améliorent, la proportion de situations où il a besoin de l'aide humaine diminuera, et celle où il aide les humains augmentera. Cette relation me semble plus proche de celle de compagnons.
Chaîne Zuolin Youli : Avant que le robot n'entre dans le cercle de vie, faut-il, comme aux débuts de la conduite autonome, établir des cartes ou effectuer d'importants déploiements préalables ?
Liu Nianqiu : Non. Même pour la conduite autonome, nous n'utilisons plus de cartes haute précision, et le Physical Agent encore moins. Les cartes haute précision posent déjà beaucoup de problèmes, surtout dans des scènes ouvertes où les gens vont et viennent et où l'environnement change en continu ; elles sont difficiles à maintenir sur le long terme. Nous préférons une approche pilotée par les données, permettant au robot d'évoluer en continu comme un être humain.
Chaîne Zuolin Youli : Pourquoi êtes-vous si réticent à résoudre rapidement les problèmes par des moyens d'ingénierie ?
Liu Nianqiu: Je pense que c'est un point essentiel de l'approche AI Native. Par le passé, la conduite autonome reposait largement sur l'écriture de règles, ce qui était très efficace quand les limites du périmètre étaient étroites. Mais dès que le périmètre s'élargit, chaque règle ajoutée peut affecter d'autres scénarios, et il devient difficile de garantir la stabilité de l'ensemble du système. Si, aujourd'hui, on ajoute sans cesse des règles d'ingénierie pour se déployer rapidement, le problème semble résolu à court terme ; mais lorsque vous aurez des dizaines de milliers d'utilisateurs, vous devrez continuer à entretenir tout ce système, qui finira par se transformer d'avantage en fardeau. Nous devons donc suivre une voie d'IA pilotée par les données, permettant au Physical Agent d'apprendre et d'évoluer en continu dans des tâches réelles.
Chaîne Zuolin Youli : Feimoyi, quel est le rythme produit pour cette année et l'année prochaine ?
Liu Nianqiu: Cette année, nous publierons notre propre robot physique, avec une version de grand modèle, et nous commencerons à réaliser des démonstrations d'application concrète. Parallèlement, un travail très important cette année est la collecte initiale de données, et nous possédons nous-mêmes des équipements de collecte. L'année prochaine, nous commencerons les déploiements multi-sites, pour lancer véritablement la boucle allant de l'application concrète aux données, puis du retour vers le modèle.
Chaîne Zuolin Youli : Si l'objectif est de faire entrer les robots dans des environnements de vie conçus pour les humains, pourquoi le produit doit-il absolument conserver des caractéristiques humanoïdes assez fortes ?
Liu Nianqiu: Parce que nous espérons qu'il accomplisse toutes sortes de tâches, et aussi qu'il aille par lui-même jusqu'aux endroits où travailler. Donc l'essentiel, c'est qu'il ait deux mains et une tête, et que la hauteur de sa vision soit proche de celle d'un humain. Si le robot est trop petit, il verra toujours sous la table et ne verra pas le plateau, ce qui est totalement différent du point de vue d'un humain. En outre, il doit aussi avoir des jambes. Pas besoin d'exiger du parkour dès maintenant, mais il doit pouvoir franchir les escaliers et les petits obstacles qu'une personne ordinaire rencontre chaque jour. Quant à savoir s'il faut privilégier un robot quadrupède à roues ou bipède, chacun a ses avantages. Les roues sont plus stables, plus sûres et offrent une plus grande charge utile au début ; le bipède occupe moins d'espace et peut entrer dans des endroits plus encombrés. Notre objectif n'est pas de ressembler à un humain, mais de lui permettre d'entrer dans ces environnements comme un humain et d'y accomplir des tâches.
Chaîne Zuolin Youli : Quelle est la véritable barrière technologique à long terme de Feimoyi ?
Liu Nianqiu: Le plus essentiel, c'est toujours l'avantage technologique. Pour le dire simplement, c'est que le robot fonctionne bien. Par le passé, si nous obtenions des projets en conduite autonome, c'était essentiellement parce que notre produit fonctionnait bien, et qu'à ce moment-là, nous étions les seuls à pouvoir proposer une solution sans carte. Il en va de même pour les robots. Au final, l'utilisateur doit sentir que cette solution peut vraiment l'aider à résoudre ses problèmes. À long terme, il y aura sûrement beaucoup d'entreprises qui y parviendront ; nous espérons être les premiers à y arriver, et à transformer l'avantage technologique en avantage commercial.
Pour conclure
Liu Nianqiu a dit deux phrases qui nous ont beaucoup marqués.
L'une, en se rappelant son arrivée chez DeepRoute.ai : il disait qu'à l'époque, son état d'esprit était : « S'il manque quelque chose, je le fais. »
L'autre expliquait pourquoi, après avoir déjà traversé chez DeepRoute le passage de 0 à 1, de 1 à 10 et de 10 à 100, il avait choisi de ressortir pour entreprendre à nouveau : « Plutôt que d'y « rester couché », autant, au moment où les conditions du secteur mûrissent progressivement, refaire quelque chose qui passe de 0 à 1 et de 1 à 100. »
Entre ces deux phrases, il s'est écoulé de nombreuses années, mais elles parlent en réalité de la même chose. Liu Nianqiu semble toujours aimer apparaître au moment où une chose n'a pas encore été complètement définie.
Au début de sa carrière chez Intel, il travaillait sur la R&D de nouveaux procédés et de nouveaux équipements ; plus tard, lors de sa première création d'entreprise, il s'est lancé dans l'IoT et l'intelligence industrielle, qui en étaient alors à leurs débuts.
En 2017, il a aidé Zhou Guang et d'autres sur le matériel de conduite autonome. À l'époque, la conduite autonome était encore loin d'être aussi mûre qu'aujourd'hui ; un véhicule de test se coiffait d'un énorme lidar, de caméras industrielles et d'une navigation intégrée, et les différents dispositifs fonctionnaient même avec des systèmes temporels distincts.
En 2018, il a officiellement rejoint DeepRoute, d'abord responsable du matériel, puis de la livraison, des opérations et du commercial ; plus tard, lorsque DeepRoute est passée à la production en série de solutions de conduite autonome, les produits, la qualité, les données et le service après-vente sont également devenus son domaine de travail.
Beaucoup de gens suivent un parcours professionnel en approfondissant toujours davantage une même spécialité ; le chemin de Liu Nianqiu, lui, ressemble à une expansion continue des limites de ses compétences.
En créant Feimoyi Tech, Liu Nianqiu a encore choisi un problème dont les contours sont difficiles à définir à l'avance.
Il espère que les robots entreront dans les quartiers commerciaux, les immeubles de bureaux et les résidences : aujourd'hui aider quelqu'un à récupérer un objet, demain acheter un café, et après-demain peut-être sortir les poubelles. L'environnement ne sera pas préparé à l'avance, et les tâches ne seront jamais identiques.
D'une certaine manière, cela ressemble beaucoup à beaucoup de choses qu'il a faites par le passé.
Nous lui avons demandé quels moments du passé lui avaient donné le sentiment qu'une chose était vraiment réussie. Liu Nianqiu a cité : 1 le moment où Robotaxi a commencé à voir de vrais passagers prendre des courses, certains devenant des utilisateurs fidèles ; 2 ensuite, lorsque la production en série a été concrétisée par des points de lancement, et que le système est réellement parvenu entre les mains des utilisateurs, véhicule après véhicule.
« Au fond, c'est toujours le fait que le produit soit reconnu par les autres. »
Cela explique aussi beaucoup des jugements de Liu Nianqiu sur les robots aujourd'hui. Plutôt qu'une démo spectaculaire ponctuelle, il se soucie davantage de savoir si le robot peut passer d'une accomplissement occasionnel des tâches à une disponibilité stable et permanente.
La compréhension que Liu Nianqiu a de l'esprit d'entreprise est simple : il n'est pas nécessaire d'être patron ; il s'agit de voir clairement ce qui manque encore dans un écosystème, ce qui a réellement de la valeur, puis de voir si l'on peut parvenir à le réaliser.
Aussi, quand on lui a demandé ce qu'il souhaitait que Feimoyi devienne dans trois ans, Liu Nianqiu n'a pas parlé de parts de marché, ni donné un chiffre grandiose. Il a dit espérer que, dans de nombreux endroits, des personnes utiliseront réellement leur « compagnon ».
Certaines personnes sont douées pour faire croître de plus en plus une chose déjà établie, et il y a toujours ceux qui préfèrent se tenir au moment où une chose n'est pas encore complètement établie, rassembler leur courage et vouloir la concrétiser.
Liu Nianqiu appartient probablement à la seconde catégorie. Léifeng Wang
Article original de Léifeng Wang, reproduction interdite sans autorisation. Pour plus de détails, voirles règles de republication。