Kapital im Robotikmarkt wandert tiefer in die Hand. Daimon Robotics teilte am 11. August mit, eine strategische Runde über mehrere hundert Millionen Yuan abgeschlossen zu haben. Ant Group führte die Runde an, bestehende Investoren legten nach.
QbitAI ordnet den Deal als Ants ersten Schritt in die taktile Wahrnehmung ein. Beijing News bestätigte die Finanzierung und nannte belastbare Geschäftszahlen: Daimon nahm 2023 in Shenzhen den Betrieb auf, hat visuell-taktile Sensoren im Zehntausenderbereich ausgeliefert, bedient mehr als 200 Kunden, darunter über 50 außerhalb Chinas, und lieferte bereits an OpenAI, Figure, BMW, Google DeepMind und NUS.
Die fehlende Schicht heißt Kontakt
Daimon stellte zuletzt Daimon-TWM vor, ein taktil verankertes Weltmodell. QbitAI zitierte Matthew T. Mason von Carnegie Mellon: “The dexterity of a hand is mostly about the brain, not the hand.” Eine Kamera erkennt die Glasscherbe. Berührung zeigt, ob sie rutscht, ob Stoff mitgezogen wird oder ob zu viel Kraft das Objekt zerbricht.
Auf der eigenen Website beschreibt Daimon die Strategie als 3D: Devices, DaaS und Deployment. Erst entstehen taktile Geräte, dann reale Interaktionsdaten, anschließend fließen Daten und Modelle zurück in Greifer, Roboterarme und industrielle Anwendungen.
10B-Modell und öffentlicher Datensatz
QbitAI beschreibt Daimon-TWM als 10B-Klasse-Modell, das auf NVIDIA RTX 5090 in Echtzeit laufen kann. Die schnelle Kontrollschicht korrigiert Bewegungen mit 100Hz. Bei kontaktreichen Aufgaben nennt Daimon zwei Mal höhere durchschnittliche Erfolgsraten gegenüber pi0.5 ohne Störung und zehn Mal höhere Werte mit Störung. Das bleibt eine unternehmensseitige Bewertungsangabe, kein allgemeiner Drittanbieter-Benchmark.
ModelScope liefert den besser prüfbaren Datenanker. Daimon-Infinity steht dort unter CC BY-NC-SA 4.0 und zeigt mehr als 4,62 Millionen Downloads. Das README nennt ein Ziel von mehr als 10.000 Stunden Vision-Tactile-Language-Action-Daten; die aktuelle Übersicht beschreibt die erste Freigabe von 1.000 Stunden und Statistiken auf Basis von etwa 1.209 gesammelten Stunden. Genannt werden außerdem 30-FPS-Video, Parquet-Dateien, 114-dimensionale observation.state, 111-dimensionale action sowie taktile Deformation-, Shear- und Depth-Streams.
“To drive the advancement of the entire embodied AI field, we have open-sourced 10,000 hours of the dataset for the broader community.”
Der Test liegt bei externen Nutzern
IEEE Spectrum schrieb, Daimons Fingertip-Modul enthalte mehr als 110.000 wirksame Sensoreinheiten. The Robot Report beschreibt RobOmni als von Daimon und Galbot auf der ICRA 2026 vorgestellten Benchmark auf Basis von NVIDIA Isaac Sim, mit Aufgaben wie Greifen, Platzieren, präzisem Einfügen und Montage sowie Tests mit und ohne taktile Eingabe.
Die nächsten Messpunkte sind klar: Reproduziert Daimon-TWM die Erfolgsraten in unabhängigen Kontaktaufgaben, nutzen externe Teams RobOmni, und trainieren die offenen Daten Strategien, die über unterschiedliche Körper und Szenen hinweg übertragen werden?
Quellen: QbitAI, Beijing News, Daimon Robotics website, ModelScope Daimon-Infinity, CocoLoop, IEEE Spectrum, The Robot Report; geprüft wurden Finanzierungsrahmen, Ant-geführte Runde, Positionierung in taktiler Wahrnehmung, Zehntausender-Auslieferungen, mehr als 200 Kunden, mehr als 50 Auslandskunden, Daimon-TWM der 10B-Klasse, 100Hz-Kontrollfrequenz, ModelScope-Downloads und Datensatzfelder.