⚡EV & Auto Club China EV News, Daily

ZYT: Ein Gehirn für Auto und Roboter ab 2027

· autonomous

Ein grauer Hongqi Tiangong 05 mit polnischen Kennzeichen und einem Aufkleber „ZHUOYU ADAS EXPERIENCE" auf der Tür ist der am wenigsten abstrakte Beweis für ZYTs zentrale Wette: dass ein einziges Modell eine Limousine, einen 40-Tonner und irgendwann auch einen Roboter fahren kann. Dieses Modell erreicht im ersten Quartal 2027 zahlende Kunden – nicht in diesem Jahr, wie das Unternehmen im April angekündigt hatte.

Die Wette in einem Satz

ZYT nimmt keinen Fahrassistenz-Stack und stutzt ihn für Roboter zusammen. Das Unternehmen argumentiert, dass Auto und Roboter vor demselben Grundproblem stehen – ein brauchbares Modell des dreidimensionalen Raums aufbauen, vorhersagen, was als Nächstes passiert, eine Handlung wählen –, und dass ein einziges, auf dieses Problem trainiertes Foundation Model (ein großes, vorab auf breiten Daten trainiertes Basismodell) zwei getrennt trainierte Spezialmodelle schlägt.

Die Geldfrage ist für jeden, der ein Auto kauft, nicht philosophisch. Wenn ein Modell tatsächlich Limousinen, Lastwagen, Busse und Roboter bedient, sinken die Softwarekosten pro Fahrzeug, und die Funktionen werden billiger. Wenn nicht, amortisiert der Käufer ein Forschungsprogramm allein über Pkw. Alles Weitere in diesem Artikel folgt daraus.

ZYT-Chef Shen Shaojie brachte am 11. April 2026 auf dem High-Level-Forum von China EV100 die Überlebensversion davon auf den Punkt: „Intelligentes Fahren ist nur die Anfangsform der physischen KI, niemals der Endzustand. Jedes Fahrunternehmen, das überlebt, wird ein mobiles Unternehmen für physische KI."

Ein grauer Hongqi Tiangong 05 mit Aufkleber ZHUOYU ADAS EXPERIENCE und polnischen Kennzeichen

Von DJIs Auto-Sparte zum Mobilitäts-KI-Unternehmen

Die Herkunft zählt, weil sie die Kostenkultur erklärt. ZYT begann als Auto-Sparte von DJI, wurde 2023 als eigenständiges Unternehmen ausgegründet und nahm im Juni 2024 den Markennamen ZYT an. Der Ruf des Unternehmens gründet darauf, Stadt-Navigationsassistenz aus Rechenleistung der Mittelklasse herauszupressen – das Versprechen, dass ein Auto für rund 150.000 Yuan cityweites Fahren von Punkt zu Punkt ohne hochauflösende Karten und ohne Lidar (Laser-Radar) bekommt. Zu den Kunden zählten die Baojun-Reihe von SAIC-GM-Wuling, Chery, die chinesischen Joint Ventures von Volkswagen, FAW und Dongfeng.

Die Eigentümerstruktur hat sich verändert, und die Berichterstattung ist dem größtenteils nicht gefolgt. BYD übernahm im Dezember 2024 einen Anteil von 3,95 %. Im November 2025 wurde die FAW Group mit 35,8 % strategischer Aktionär, der bisherige Inhaber NewTerritory fiel von 70,65 % auf 34,85 %, sodass beide die gemeinsame Kontrolle halten. Ein staatlicher OEM (Fahrzeughersteller) ist nun Miteigentümer des Zulieferers, bei dem andere Hersteller einkaufen sollen – ein Governance-Fakt, den man sich merken sollte, wenn wir zu den Risiken kommen.

Die Strategie kam in zwei Schritten. Ende 2025 folgte das Konzept der „mobilen Intelligenz-Basis"; am 24. April 2026 veröffentlichte ZYT auf der Auto China in Peking sein erstes natives multimodales Foundation Model zusammen mit einer Strategie namens „intelligence for all mobility" – dazu eine tiefe Partnerschaft mit FAW, die Hongqis Shenan-Assistenzsystem, den Tiangong 05 und 06 sowie die Studie Tiangong S umfasst, welche die neue Architektur mit L3-/L4-Hardware nutzt.

Zum Start des Nutzfahrzeug-Programms am 29. Oktober 2026 lauteten die Pkw-Zahlen: 22 Kunden, mehr als 60 Modelle in Serie, mehr als 110 nominiert (also vom Hersteller für ein künftiges Modell ausgewählt) und neue Kunden wie Toyota und Hyundai.

Ein hellblauer Baojun Yunhai auf einem Messestand

Was „native" wirklich bringt

ZYT beschreibt drei Generationen, und die Bewertung stammt vom Unternehmen selbst – dazu später.

In der ersten ergaben Regeln, hochauflösende Karten und kleine Wahrnehmungsmodelle eine allgemeine Fähigkeit, die ZYT mit etwa 40 von 100 bewertet; starke regionale Anpassung konnte sie auf 80 heben – zum Preis, dass für jede neue Stadt Karte und Regelsatz neu gebaut werden mussten. Dieses Laufband des „eine neue Stadt freischaltens" ist die gesamte Geschichte der chinesischen Stadt-Navigationsassistenz in einem Satz. In der zweiten hoben Ende-zu-Ende-Modelle (durchgehend gelernte Modelle ohne regelbasierte Zwischenschritte) den Ausgangspunkt auf rund 70, mit leichten regelbasierten Korrekturen auf 90; hier steht ZYTs 4.0-Generation, mit Modellgrößen von einigen zehn Millionen bis knapp hundert Millionen Parametern. Es ist derselbe Generationswechsel, der Horizon Robotics vom Chiphersteller zum Anbieter eines einstufigen Ende-zu-Ende-Stacks gemacht hat.

Die dritte Generation ist das native multimodale Modell, und „native" trägt vier konkrete technische Behauptungen.

Erstens einheitliche Repräsentation: Video, Text, Aktion, Sprache und Kartendaten werden in einem Framework kodiert statt in fünf aneinandergeschraubten Encodern. Zweitens entsteht Generalisierung im Pre-Training und nicht danach – ZYTs Argument lautet, dass Post-Training, Destillation und Deployment Ingenieursarbeit sind und die Obergrenze im Pre-Training gesetzt wird. Drittens besteht der Datenmix nicht nur aus Fahren: Er umfasst Internetvideos und Ich-Perspektiven-Aufzeichnungen mobiler Roboter sowie Verkehrsregeln und Fahrgewohnheiten verschiedener Länder. Viertens – und auf diesen Unterschied stützt sich ZYT am stärksten – ist es kein VLA im üblichen Sinn. Ein Vision-Language-Action-Modell übersetzt Sensoreingaben erst in Sprach-Tokens und dann in Aktionen; dieser ausdrückliche Übersetzungsschritt kostet Latenz und verliert Informationen. Wer jede Modalität in einem Framework trainiert, so ZYT, beseitigt die Nahtstelle.

Was heißt das auf der Straße? Nicht „klüger" auf eine Weise, die Ihnen morgen auf dem Arbeitsweg auffällt. Es heißt Übertragbarkeit: Ein Ende-zu-Ende-Modell, das auf eine andere Vorfahrtskultur trifft, muss weitgehend neu trainiert werden – genau deshalb kommen chinesische Fahrassistenzsysteme im Export nur langsam voran. Ein Modell, das Abstand und Vorfahrt als allgemeine physikalische Beziehungen gelernt hat, soll Aktivierung statt Neutraining brauchen. ZYTs erklärtes Ziel ist Zero Shot – Wissenstransfer ohne neue Daten –, und die eigenen Ziele dafür lauten: „funktioniert ohne Anpassung über Fahrzeugklassen hinweg", „kaum oder keine erneute Generalisierung im Ausland" und „ein Modell für befestigte Straße, unbefestigten Weg, drinnen und draußen".

Die 70-zu-95-Behauptung – und was sie wert ist

ZYT sagt, die Ende-zu-Ende-Generation starte bei 70, das native Modell bei 95 von Anfang an. Hier steht, was diese Zahl ist – und was nicht.

Sie ist ein interner Wert auf einer Skala, die das Unternehmen selbst definiert hat, ohne veröffentlichten Testdatensatz und ohne Nachprüfung durch Dritte. Anbieterübergreifend ist sie nicht vergleichbar – eine 95 von ZYT und eine 95 eines anderen Anbieters messen nichts Gemeinsames. Behandeln Sie die 70 und die 95 als internes Vorher und Nachher, nicht als Marktranking.

Es gibt einen von außen prüfbaren Datenpunkt: Auf der Messe in Peking bot ZYT Testfahrten im nativen Modell an, in einem Auto auf Basis von Nvidias Thor-Plattform mit elf Kameras und dem eigenen Innenraum-Sensor Jimu 2.0, der Lidar und Kamera kombiniert. Eine Testfahrt mit einem Werksfahrer ist nicht Ihr Arbeitsweg, aber immerhin keine Folie.

Eine zweite Zahl kursiert in der chinesischen Fachpresse – die Behauptung, die Bestehensquote in Long-Tail-Szenarien (seltene, aber kritische Situationen) liege mehr als 40 % höher als bei der vorherigen Ende-zu-Ende-Generation, zurückgeführt auf interne Tests von ZYT. Wir konnten das nicht unabhängig prüfen, und es ist die Art von Zahl, die man nach der Auslieferung neu messen sollte, nicht davor.

Der ehrliche Test für all das ist die Übernahmequote auf denselben Straßen, sechs Monate nachdem Kunden die Software haben. So weit ist es noch nicht.

Die wissenschaftliche Evidenz, ohne Hype

Zwei offen zugängliche Papers aus demselben Zeitfenster machen das Argument der gemeinsamen Basis konkret, und ihre Zahlen sind nützlicher als die Strategieprosa.

ACE-Brain-0 (arXiv 2603.03198, März 2026) stammt von Daxiao Robotics – einem Shanghaier Unternehmen unter Vorsitz von SenseTime-Mitgründer Wang Xiaogang – zusammen mit der Shanghai Jiao Tong University, der Nanyang Technological University und der Chinese University of Hong Kong. Es ist ein multimodales Modell mit 8 Milliarden Parametern, trainiert auf einem Korpus von 1,5 Milliarden Tokens, das vier Bereiche vereint statt drei: räumliche Kognition, autonomes Fahren, Sensorik für Drohnen im Niedrigflug und Roboter-Manipulation. In 19 von 24 Benchmarks erreicht es den Stand der Technik unter Embodied-Modellen (Modellen mit eigenem Körper), mit 92,0 % im räumlichen SAT-Test, 82,1 % bei MindCube, 91,7 % bei NuPlanQA für Fahrplanung und 64,6 % bei RoboVQA für langfristiges robotisches Schlussfolgern.

Der interessante Teil ist die Ablation (das gezielte Weglassen von Komponenten im Test). Jeden Bereichsspezialisten aus räumlich vortrainierten Gewichten zu initialisieren verbesserte die Ergebnisse um 19,3 % beim autonomen Fahren, 16,5 % bei Drohnenaufgaben und 5,4 % bei Manipulation. Eine raumzentrierte Initialisierung brachte 25,6 % mehr als Standard-Instruction-Tuning.

MiMo-Embodied (arXiv 2511.16518) ist die Variante von Xiaomi, am 21. November 2025 unter MIT-Lizenz offengelegt: ein Vision-Language-Modell mit 7 Milliarden Parametern, das 17 Benchmarks aus dem Embodied-Bereich abdeckt – Aufgabenplanung, Affordanz-Vorhersage (welche Handlung ein Objekt erlaubt), räumliches Verständnis – sowie 12 Fahrbenchmarks zu Wahrnehmung, Zustandsvorhersage und Planung. Xiaomis Fazit: Die beiden Bereiche übertragen sich positiv und verstärken einander. Projektleiter ist Chen Long, Xiaomis Chefwissenschaftler für intelligentes Fahren – was zeigt, dass dies ebenso ein Auto- wie ein Robotikprogramm ist.

Nun die Grenze, denn die Papers sind darin ehrlich. Beide sind 7B-bis-8B-Modelle, die Schlussfolgerungen und Pläne als Text ausgeben. Keines gibt einen Lenkwinkel oder ein Gelenkdrehmoment aus. Sie zeigen, dass die Verständnisschicht teilbar ist. Was ein Autohersteller braucht, ist die Steuerungsschicht. Dieser Schritt steht nicht in diesen Papers.

Wo das Teilen endet

Der stärkste Beleg dafür, dass Teilen nicht kostenlos ist, stammt aus den eigenen Trainingsversuchen von ACE-Brain-0. Einfaches gemeinsames Training über die Bereiche hinweg erzeugte Gradienteninterferenz – Fahren und Manipulation konkurrierten um dieselben Parameter und verwässerten beide. Einfaches sequenzielles Training führte zu katastrophalem Vergessen: Das Lernen des neuen Bereichs verschlechterte den alten. Deshalb braucht das Paper ein dreistufiges Verfahren: ein räumliches Gerüst bauen, getrennte Spezialisten trainieren, sie dann ohne die Originaldaten zusammenführen und mit Reinforcement Learning nachschärfen.

Lesen Sie das als Warnhinweis. Ein Modell, das wirklich zwischen Körpern überträgt, entsteht nicht dadurch, dass man einen Trainingslauf auf gemischte Daten richtet. Es braucht eine Architektur, die für diese Trennung entworfen ist. ZYTs Formel „one brain, two bodies" ist die Behauptung, das gelöst zu haben – keine Beschreibung des Standardverhaltens.

Es gibt eine zweite Grenze, und sie ist physikalisch. Fahrzeugdynamik – Reifengriff, Lenkgeometrie, ein Bremsweg, der sich mit der Ladung ändert – und die Regelung von Robotergelenken sind nicht dasselbe Problem. Shen räumt das in seiner eigenen Formulierung ein: einheitliche Grundlage, szenariospezifische Erweiterung, ingenieurtechnische Anpassung. Geteilt wird das Verständnis der Welt und der Aufgabe. Lokal bleibt die Ausführung.

Pansing: dasselbe Gehirn im 40-Tonner

Am 29. Oktober 2026 stellte ZYT in Zhuhai Pansing vor, das Nutzfahrzeug-Pendant zur Pkw-Reihe Chengxing. Shen formulierte es so, dass dasselbe Gehirn nun in zwei verschiedenen Körpern wächst.

Es kommt in zwei Stufen, und diese Aufteilung ist die klarste öffentliche Aussage zur Strategie. PDS 4 entspricht dem hoch verständigen Modell ab Version 4.0, leistet Navigationsassistenz auf der Autobahn und zielt auf Fernverkehrs-Lkw; es ist bereits bei mehreren Marken in Serie. PDS 5 entspricht dem nativen multimodalen Foundation Model, ergänzt Stadt-Navigationsassistenz und adressiert Busse, leichte Lkw und Transporter. Ein Stadtbus Yutong Yuwei E9 PRO auf Nvidia-Thor-Hardware wird PDS 5 tragen.

Die Kundenliste umfasst sechs der größten chinesischen Schwerlastwagen-Hersteller – XCMG, Shacman, Sinotruk, FAW Jiefang, Foton und Dongfeng Commercial Vehicle –, die zusammen mehr als 93 % des heimischen Marktes für schwere Lkw halten. Ein Shacman Delong X5000 läuft bereits in Serie und fährt Stückgut-Hauptstrecken.

Das ist das beste Testfeld, das ZYT hat, und der Grund liegt in der Buchhaltung, nicht in der Technik. Ein schwerer Lkw ist ein Produktionsmittel, also kann der Käufer die Behauptung auf eine Bestellung setzen: ZYT nennt 20.000 bis 30.000 Yuan eingesparten Kraftstoff pro Fahrzeug und Jahr durch seinen auf Reinforcement Learning basierenden Spritspar-Algorithmus – bevor Produktivitätsgewinne des Fahrers und niedrigere, unfallbedingte Versicherungsprämien eingerechnet sind. Das Versprechen zum Marktstart ist eine Amortisation nach einem Jahr. Ein Flottenbesitzer mit 150.000 km Jahresleistung kann diese Rechnung gegen seine eigenen Tankprotokolle prüfen.

Ein Privatkäufer kann „95 von 100" gegen nichts prüfen. Diese Asymmetrie ist der Grund, warum die Lkw-Linie für die Pkw-Linie zählt: Validiert das Nutzfahrzeuggeschäft das Modell und verteilt seine Kosten, werden die Pkw-Funktionen billiger. Wenn nicht, fallen die Kosten aufs Auto zurück.

Eine graue Zugmaschine FAW Jiefang J7 auf einer Stadtstraße

Wenn Sie ein Auto mit dieser Technik kaufen

Fünf Dinge, die Sie wissen sollten, bevor ein Verkäufer den Begriff „Foundation Model" benutzt.

Noch ist es nicht zu kaufen. Das native multimodale Modell ist für das erste Quartal 2027 zur Serie geplant. Was Sie 2026 kaufen können, ist die Ende-zu-Ende-Generation: 4.0 wurde ab April 2026 per Over-the-Air-Update auf den Plattformen Qualcomm 8650 und 8775 ausgerollt, 4.1 ist bereits in mehreren Modellen, 4.2 kommt im vierten Quartal 2026. Fahrzeuge auf TIs mittlerer bis unterer Rechenplattform TDA4-VH wechseln auf das System 3.0, das ZYT selbst als zu 80 % Ende-zu-Ende beschreibt.

Zahlen Sie keinen Aufpreis für ein künftiges Upgrade, das Sie nicht geprüft haben. Die Demos liefen auf Thor mit elf Kameras und dem Sensor Jimo 2.0. Ob ein Auto auf einer 8650-Plattform auf das native Modell aufgerüstet werden kann, hängt von Rechenreserven und Sensorliste ab, und niemand im Autohaus wird das für Sie durchrechnen. Verlangen Sie die TOPS-Leistung (Billionen Rechenoperationen pro Sekunde) des aktuellen Domänensteuergeräts und die genaue Sensorzahl – schriftlich.

„100 % Ende-zu-Ende" ist kein Fähigkeitsgrad. Es beschreibt bei ZYT, wie viel der Fahrentscheidung aus dem gelernten Modell kommt statt aus handgeschriebenen Regeln. Zwei Autos, beide als Ende-zu-Ende verkauft, können sich je nach Sensorik und Rechenleistung sehr unterschiedlich verhalten.

ZYT überspringt L3 mit Absicht. Shens Argument: Die Haftungsgrenze von L3 ist zu unscharf, und ein Foundation Model kann mit Sensorredundanz und ferngestütztem Rückfall sowohl L2- als auch L4-Zustände bedienen. Praktische Folge: Wer auf ein Etikett „L3-Auto" wartet, wird es auf diesem Weg nicht bekommen. ZYT hat eine L3-Architektur veröffentlicht und bemüht sich in mehreren Städten um Pilotlizenzen; nennenswerte Fortschritte werden in der ersten Hälfte 2027 erwartet.

Regionale Unterschiede sind der Kern des ganzen Unterfangens. Wenn Zero Shot funktioniert, profitieren zuerst Märkte außerhalb Chinas, wo das Teure an der Fahrassistenz nie die Hardware war, sondern das Neutraining wegen anderer Vorfahrtsregeln. Europa ist der Test: Ein Auto mit polnischen Kennzeichen und diesem Aufkleber ist ein Beleg für ein Europa-Programm, aber eine Testflotte, keine Konfiguration im europäischen Autohaus. Für japanische Käufer liegt die Variable wieder anders – enge Stadtstraßen und Muster der Fußgängerpriorität, die ein in China trainiertes Modell selten gesehen hat.

Ein weißer humanoider Roboter AGIBOT X2 vor einem Messebanner

Die Risiken, die hier entscheiden

Niemand hat die Trainingsrechnung veröffentlicht. Shen sagt, das Training von Foundation Models sei teuer, und der einzige Weg zu einem gesunden Kostenzyklus sei Wiederverwendung über Szenarien hinweg, bei der Daten aus mehreren Bereichen zurückfließen. Eine Zahl nennt er nicht. Vergleichbare öffentliche Zusagen setzen den Maßstab: Xpeng erhöhte sein Forschungsbudget für physische KI für 2026 auf 7 Milliarden Yuan; Qingzhou Zhihang steckte eine Series D von 100 Millionen US-Dollar in Weltmodelle plus Reinforcement Learning; Li Auto zeigte MindVLA-o1 auf der GTC 2026; Geely veröffentlichte sein Welt-Aktions-Modell WAM. Das ist ein Wettbewerb, in dem jeder Teilnehmer Geld verbrennt, und ZYTs Produktionsbasis konzentriert sich auf Pkw der mittleren und unteren Preisklasse.

Der Termin ist bereits einmal gerutscht. Im April sollte das Modell noch im Laufe des Jahres an Pkw und schwere Lkw ausgeliefert werden. Im Oktober hieß es dann erstes Quartal 2027 für Pkw. Eine Verschiebung ist nicht fatal, aber sie ist ein Messwert: Die engineeringtechnische Komplexität des Ausrollens über mehrere Fahrzeugklassen wurde um etwa zwei Quartale unterschätzt.

Der Transfergewinn schrumpft, je weiter man vom Fahren weggeht. Hier sind die akademischen Zahlen nützlicher als jede Strategiepräsentation. Die Ablationsgewinne von ACE-Brain-0 lagen bei 19,3 % fürs Fahren, 16,5 % für Drohnen und 5,4 % für Manipulation. Fahren und Drohnen sind dieselbe Aufgabe, um die das Modell herum gebaut wurde – sich durch den Raum bewegen und Bewegung vorhersagen. Manipulation ist es nicht. Ein Gewinn von 5,4 % ist real, und er ist zugleich ein Fünftel dessen, was das Fahren bekommen hat. Wer von „Autos und Roboter teilen ein Gehirn" auf „mit Autos werden Roboter leicht" schließt, sollte diese Reihenfolge sacken lassen.

Kein eigenes Silizium. Shen hat ausdrücklich gesagt, ZYT entwickle keine eigenen Chips und konzentriere sich auf die Lösung und das Ökosystem. Daneben steht das Angebot integrierter Hardware, das Domänensteuergeräte von 200 bis 1.400 TOPS und eigene Lidar-Sensoren umfasst, aber nicht das SoC (der eigentliche Rechenchip). Der Vorteil: keine Wette auf einen Fertigungsprozess. Der Nachteil: Rechenkosten und Lieferzeitpunkt liegen bei Nvidia und Qualcomm.

Die Eigentümerfrage. FAWs Anteil von 35,8 % in gemeinsamer Kontrolle mit NewTerritory bringt Auftragsstabilität und einen sehr großen gebundenen Kunden. Es wirft aber auch die Frage nach der Neutralität des Zulieferers auf, die konkurrierende Hersteller hinter vorgehaltener Hand stellen werden: Wollen Sie, dass an Ihrer Fahrassistenz-Roadmap ein Wettbewerber mitentscheidet?

FAQ

Steckt das native multimodale Modell in einem Auto, das ich heute kaufen kann? Nein. Es ist für das erste Quartal 2027 geplant. Jetzt verkaufte Autos laufen mit der Ende-zu-Ende-Generation, je nach Modell und Plattform 4.0, 4.1 oder 4.2.

Heißt „ein Modell für Autos und Roboter", dass mein Auto Roboterfunktionen bekommt? Nein. Geteilt wird die Verständnisschicht. Das Verhalten Ihres Autos kommt aus der Steuerungsschicht, und die bleibt fahrzeugspezifisch.

Sollte ich statt jetzt zu kaufen auf ein Modell von 2027 warten? Nur wenn Fahrassistenz Ihr Hauptkaufgrund ist. Die Ende-zu-Ende-Autos von 2026 leisten heute Autobahn- und Stadt-Navigationsassistenz; der Vorteil der 2027er-Generation ist die Übertragbarkeit über Regionen und Fahrzeugtypen, was sich in neuen Märkten stärker zeigt als auf Ihrer täglichen Strecke.

Lässt sich mein aktuelles Auto per Funk aktualisieren? Fragen Sie gezielt, auf welcher Plattform es läuft. Autos mit Qualcomm 8650 und 8775 erhalten 4.0 und höher; Autos mit TI TDA4-VH erhalten 3.0. Die Hardware-Untergrenze des nativen Modells liegt höher – die Demos nutzten Thor mit elf Kameras –, und kein Anbieter hat einen Nachrüstpfad veröffentlicht.

Wirkt sich das auf meine Versicherung oder den Wiederverkaufswert aus? Derzeit nicht direkt. Relevant wird es, wenn L4-Systeme mit veröffentlichten Sicherheitsdaten die Prämienberechnung zu verschieben beginnen – eine Frage ab 2027 – und wenn die Softwaregeneration zu etwas wird, das Gebrauchtwagenkäufer prüfen können.

China-Perspektive

Das Bemerkenswerte ist nicht, dass ein chinesischer Zulieferer ein Foundation Model hat. Es ist, dass ein chinesischer Zulieferer das Modell als Produkt verkauft und die Fahrzeugkategorien als Einsatzziele – die Umkehrung der üblichen Ordnung, in der ein Tier-1 (Systemzulieferer der ersten Ebene) eine Funktion pro Plattform verkauft.

In China bestehen derzeit drei Wege nebeneinander. ZYT bietet Modell plus Domänensteuergerät plus eigene Fertigung, ohne eigenes SoC. Horizon Robotics bietet Chip plus eigenen HSD-Stack und sitzt inzwischen in BYDs God's Eye B – die beiden konkurrieren um dieselben Herstellerprogramme von entgegengesetzten Enden des Stacks. Huawei verkauft die gesamte Vertikale. Alle drei argumentieren, dass die Skalierung beim Modelltraining entscheidet, wer überlebt, nicht die Zahl der Funktionen.

Die Embodied-Seite ist in China dichter, als die Strategiegespräche vermuten lassen. ACE-Brain-0 kam von einem Shanghaier Robotikunternehmen in Zusammenarbeit mit drei Universitäten; MiMo-Embodied kam aus Xiaomis Auto-Sparte. Beide erschienen zwischen November 2025 und März 2026. Cross-Embodiment-Foundation-Models sind hier Firmenprogramme mit ausgelieferter Hardware, keine Konferenzpapiere.

Für Käufer außerhalb Chinas wirkt die praktische Folge in beide Richtungen. Wenn das Argument der Kosten pro Fahrzeug trägt, sollte dieselbe Fahrassistenzfähigkeit weiter zu Preisen in chinesischen Autos ankommen, mit denen europäische und japanische Käufer nicht mithalten können. Wenn Zero Shot trägt, sollten chinesische Autos für Europa weniger Lokalisierungszeit brauchen als die derzeitigen zwei bis drei Jahre – das ist der Unterschied, ob ein Modell zum Marktstart oder zwei Jahre später in einem neuen Markt verfügbar ist.

Quellen

Bildnachweise

  • Hongqi Tiangong 05 mit Aufkleber ZHUOYU ADAS EXPERIENCE, IAA 2025 – Alexander-93, Wikimedia Commons, CC BY-SA 4.0
  • Baojun Yunhai – JustAnotherCarDesigner, Wikimedia Commons, CC0
  • Zugmaschine FAW Jiefang J7 – Windmemories, Wikimedia Commons, CC BY-SA 4.0
  • Humanoider Roboter AGIBOT X2 auf dem MWC 2026 – JJxFile, Wikimedia Commons, CC BY 4.0

Zusammenfassung

ZYT (früher DJI Automotive, 2023 aus DJI ausgegründet, seit Juni 2024 unter dem heutigen Markennamen) setzt auf eine Kernthese: Fahrassistenz und Robotik sind dasselbe Grundproblem – eine Maschine muss die dreidimensionale physische Welt verstehen und daraus handeln –, deshalb kann ein einziges natives multimodales Foundation Model zugleich Pkw, schwere Lkw, Busse und Roboter bedienen. Das ist keine Vision, sondern eine Kostenrechnung: Am 11. April 2026 sagte Shen Shaojie auf dem High-Level-Forum von China EV100, intelligentes Fahren sei nur die Anfangsform physischer KI und niemals der Endzustand – weil das Training von Foundation Models zu teuer ist, um es allein über Pkw zu amortisieren.

Technisch kommt die Umsetzung in zwei Schritten: Am 24. April 2026 zeigte ZYT auf der Auto China das erste native multimodale Foundation Model (einheitliche Repräsentation von Video, Text, Aktion, Sprache und Karte; Generalisierung im Pre-Training statt danach; anders als VLA, das ausdrücklich semantisch übersetzen muss). Am 29. Oktober 2026 folgte in Zhuhai die Nutzfahrzeug-Lösung Pansing in zwei Stufen: PDS 4 (hoch verständiges Modell, Autobahn-NOA, bereits in Serie) und PDS 5 (nativ multimodal, inklusive Stadt-NOA). Die Kunden decken die sechs größten heimischen Schwerlastwagen-Hersteller ab, zusammen über 93 % Marktanteil.

Drei verbreitete Fehllesungen sind zu korrigieren. Erstens ist der Serienstart gerutscht: Im April hieß es „noch in diesem Jahr", im Oktober dann erstes Quartal 2027. Zweitens ist die wissenschaftliche Evidenz präziser als die Nacherzählung – ACE-Brain-0 (arXiv 2603.03198, März 2026, Daxiao Robotics mit Shanghai Jiao Tong University, Nanyang Technological University und Chinese University of Hong Kong) vereint vier Aufgabenbereiche statt drei: räumliche Kognition, autonomes Fahren, Drohnen im Niedrigflug und Roboter-Manipulation; in 19 von 24 Benchmarks erreicht es den Stand der Technik unter Embodied-Modellen. Drittens hat Teilen seinen Preis und seine Abnutzung: Die Ablation zeigt +19,3 % beim Fahren, +16,5 % bei Drohnen, aber nur +5,4 % bei Manipulation; naives gemeinsames Training stört sich gegenseitig, sequenzielles Training vergisst katastrophal, deshalb braucht es „räumliches Gerüst – getrennte Spezialisten – Zusammenführung ohne Originaldaten". Je weiter weg von der ursprünglichen Aufgabe „Bewegung durch den Raum", desto kleiner der Transfergewinn – die härteste Gegenprobe zu „gute Autos machen Roboter automatisch gut".

Für Käufer heißt das: Vor dem ersten Quartal 2027 gibt es das native Modell nicht; heute kaufen Sie Ende-zu-Ende 4.0/4.1/4.2 (Qualcomm 8650, 8775) oder 3.0 (TDA4-VH, laut ZYT 80 % Ende-zu-Ende-Anteil); zahlen Sie keinen Aufpreis für „später aufrüstbar", sondern fragen Sie nach der Rechenleistung des Domänensteuergeräts und der Sensorliste; ZYT überspringt bewusst L3, und „100 % Ende-zu-Ende" ist ein Modellanteil, kein Fähigkeitsgrad.

Verwandte Artikel

Zurück zu allen Artikeln · Kommentare auf der interaktiven Seite