En 2024, Yu Kaicheng —investigador principal y supervisor de doctorado en la Universidad Westlake— lideró a su equipo para ganar el campeonato mundial en la categoría de conducción autónoma de la ECCV, una conferencia de primer nivel en el campo de la visión por computadora. Lograron una puntuación que superó con creces a la del segundo clasificado.
Pocos meses después, detuvo el trabajo en ese enfoque específico.
Era una vía que ya habían validado con éxito y que acababa de obtener el reconocimiento de la industria. Abandonarla significaba desperdiciar una parte importante de los datos, la experiencia en ingeniería y las métricas de evaluación que habían acumulado. En aquel momento, nadie —ni siquiera el propio Yu— podía asegurar si un nuevo enfoque realmente funcionaría.
Este año, los campos de los «modelos del mundo» (*world models*) y la «IA basada en la física» han experimentado un auge en popularidad; sin embargo, Yu Kaicheng llevaba años trabajando discretamente en esta área. Nacido en 1993, inició su trayectoria en Shandong, pasó por Hong Kong, Suiza y Estados Unidos, y adquirió experiencia en universidades de élite y laboratorios corporativos de renombre antes de emprender finalmente su propio camino empresarial.
Tomando decisiones «poco convencionales».
No era la primera vez que Yu Kaicheng tomaba una decisión de este tipo. En 2012, tras realizar el *Gaokao* (examen de acceso a la universidad) y obtener una puntuación suficiente para ingresar en la Universidad de Tsinghua o en la Universidad de Beijing, optó en su lugar por la Universidad de Hong Kong (HKU).
Creció en el seno de una «familia tradicional de Shandong», con padres que trabajaban en el ámbito de la educación superior. No obstante, un aspecto menos convencional de su crianza fue que, si bien sus padres a menudo le orientaban sobre el rumbo general de su vida, siempre dejaban la decisión final en sus manos.
Aquel año, los requisitos de admisión de la HKU para estudiantes de China continental eran extremadamente exigentes; el alumnado estaba compuesto por talentos de primer nivel, entre ellos muchos campeones provinciales y municipales del *Gaokao*. La decisión de Yu de asistir a la HKU fue fruto de una cuidadosa reflexión. «Por un lado, recopilé mucha información en línea y me atrajo el ambiente de libre exploración de la universidad; por otro, había conseguido una beca», recuerda con una sonrisa. Al completar su solicitud, inicialmente eligió una especialización relacionada con los sistemas de energía eléctrica. Sin embargo, tras ingresar en la universidad, se dio cuenta rápidamente de que ese campo no era el adecuado para él.
Yu sentía pasión por la informática desde niño, pero debido a que había tenido poco contacto con ella antes de la universidad, no se había atrevido a solicitar directamente la carrera de Informática. La HKU ofrece un sistema flexible para cambiar de especialidad; durante su segundo año, Yu Kaicheng se cambió oficialmente a Informática, cursando simultáneamente asignaturas de Estadística.
A la hora de determinar si una especialidad era la adecuada, Yu Kaicheng no se basó únicamente en la intuición o el interés; también evaluó el «retorno de la inversión» en términos de esfuerzo. Cambiar de carrera implicaba ponerse al día con una gran cantidad de asignaturas especializadas —cada vez más complejas— en un corto periodo de tiempo. Aunque había explorado otros campos y obtenido buenas calificaciones, esos caminos exigían mucha más energía y autodisciplina, careciendo de la fluidez natural que experimentaba con la informática.
«No se trata solo de quedarse en la superficie; hay que profundizar y adquirir experiencia práctica: así es como escuchas claramente tu voz interior». Esa fue la lección que extrajo de todo el proceso.
El campo de la informática se caracteriza por una rápida evolución tecnológica, con la aparición constante de nuevos problemas y avances; este espíritu de innovación continua entusiasmaba a Yu Kaicheng. Tras cambiarse a Informática, fue profundizando gradualmente en los ámbitos de la visión por ordenador y la inteligencia artificial.
Al graduarse en 2016, Yu Kaicheng recibió una oferta para cursar directamente el doctorado en la École Polytechnique Fédérale de Lausanne (EPFL), en Suiza. Por aquel entonces, la gran mayoría de los estudiantes chinos que solicitaban programas de doctorado en el extranjero priorizaban las universidades estadounidenses. Aunque contaba con cartas de admisión de varias instituciones prestigiosas de Estados Unidos, finalmente decidió cursar sus estudios en Europa. Un factor clave en esta decisión fue su experiencia en la lectura de literatura académica. Mientras realizaba investigaciones durante sus estudios de grado, leyó exhaustivamente artículos de revistas líderes en visión por computadora y observó que la EPFL producía frecuentemente resultados revolucionarios. También asistió a una jornada de puertas abiertas organizada por la universidad para posibles candidatos; la visita presencial reforzó aún más su determinación. «La EPFL cuenta con una sólida financiación; el presupuesto combinado de la EPFL y la ETH de Zúrich rivaliza con el de la Universidad de Tsinghua, a pesar de que su escala operativa general es mucho menor».
Durante sus estudios de doctorado, Yu Kaicheng se centró en el Aprendizaje Automático Automatizado (AutoML), a menudo denominado en la industria como «IA para la IA». Su objetivo era permitir que la IA gestionara de forma autónoma la búsqueda y la iteración de la arquitectura de modelos, eliminando la necesidad de depender totalmente del diseño manual de redes. Fue uno de los primeros investigadores en este campo. En su tercer año de doctorado, ganó la *Qualcomm Innovation Fellowship* —un galardón que solo reciben cuatro personas en toda Europa— gracias a un artículo publicado en una conferencia de primer nivel.
Una beca le abrió las puertas de la industria. Posteriormente, Yu realizó unas prácticas en el Intelligent Systems Lab (ISL) de Intel. Este laboratorio gozaba de gran prestigio en el campo de la visión por computadora en 3D; su antiguo director pasó más tarde a Apple, donde lideró el desarrollo de algoritmos que impulsan diversas funciones de imagen y visión en el iPhone. Fue allí donde Yu comprendió realmente el inmenso valor que se genera cuando los logros académicos se traducen en aplicaciones industriales, y comenzó a reflexionar sobre la brecha inherente entre la investigación académica y la implementación industrial.
Sus prácticas concluyeron justo cuando estalló la pandemia, lo que le llevó a trabajar de forma remota durante un tiempo con un laboratorio afiliado a Meta. Antes de finalizar su doctorado, pasó seis meses trabajando en una *startup* de Silicon Valley, sumergiéndose en su cultura de trabajo única.
Estas experiencias en la industria hicieron que Yu se diera cuenta de que, para disciplinas como la biología, la química, las ciencias ambientales y la ciencia de materiales, el camino desde un avance de laboratorio hasta una aplicación industrial implica una larga cadena de ensayos a pequeña escala, pruebas piloto y pruebas a gran escala; En cambio, las tecnologías del ámbito de la informática pueden integrarse directamente en aplicaciones una vez que salen del laboratorio. «Quería explorar la vanguardia tecnológica en la intersección entre el mundo académico y la industria, en lugar de permanecer confinado en la ‘torre de marfil’; por eso abandoné por completo la idea de seguir una carrera académica».
En busca de oportunidades mediante los «primeros principios».
En septiembre de 2021, tras obtener su doctorado, Yu regresó a China y se incorporó al Laboratorio de Conducción Autónoma de Alibaba DAMO Academy.
El ambiente en DAMO Academy recordaba al de una *startup* incubada dentro de una gran corporación; Yu tuvo numerosas oportunidades de interactuar directamente con los altos ejecutivos técnicos del grupo y de observar y aprender de cerca la lógica detrás de la toma de decisiones empresariales. Yu comprendió que la competencia técnica era solo una parte de la ecuación; la gestión de las expectativas de los clientes y la ejecución de las entregas comerciales eran cuestiones prácticas igualmente críticas.
Yu se centró principalmente en la investigación de vanguardia sobre percepción para la conducción autónoma. A través de este trabajo, fue reconociendo gradualmente el enorme valor de los «modelos del mundo» (*world models*). «La tecnología tradicional de conducción autónoma se basa esencialmente en la ‘memorización mecánica’; depende en gran medida de conjuntos de datos de entrenamiento. Si bien los modelos pueden manejar escenarios que ya han encontrado en su ‘banco de preguntas’, son propensos a errores al enfrentarse a eventos de ‘cola larga’ (*long-tail*), es decir, situaciones poco frecuentes o inesperadas. A medida que aumenta el número de vehículos en circulación, el coste de recopilar datos para estos escenarios extremos de cola larga se vuelve prohibitivamente alto», explicó.
Para abordar este problema, existían entonces dos enfoques principales en el sector: en primer lugar, generar datos sintéticos —crear muestras de escenarios poco comunes para alimentar el modelo durante el entrenamiento— y, en segundo lugar, lograr que el modelo fuera capaz de generalizar, dotándolo de la habilidad para razonar y gestionar escenarios desconocidos. Claramente, esta última opción planteaba un desafío mucho mayor.
Dentro de DAMO Academy, Yu Kaicheng dedicó grandes esfuerzos a convencer al equipo de aumentar la inversión en «modelos del mundo». Sin embargo, debido a una posterior reestructuración empresarial en DAMO, el trabajo de I+D correspondiente quedó paralizado. A pesar de ello, Yu seguía convencido de que los modelos del mundo —específicamente los modelos del mundo físico— representaban una dirección fundamental con un potencial inmenso; creía firmemente que el trabajo no podía detenerse ahí. En consecuencia, en 2023 tomó una decisión sorprendente: dejar Alibaba y unirse a la Universidad de Westlake para fundar el Laboratorio de Inteligencia Autónoma (AutoLab).
La transición a un entorno académico fue un movimiento estratégico para la visión a largo plazo de Yu Kaicheng.
Por aquel entonces, los «modelos de mundo» —un concepto que hoy genera gran expectación— eran aún un nicho con escasa repercusión en el mercado. Yu evaluó cuidadosamente sus opciones: a diferencia del ámbito empresarial, las universidades no exigían centrarse en la comercialización inmediata. Esto le permitió llevar a cabo investigaciones exploratorias con dedicación exclusiva y mayor libertad en cuanto a la orientación de la investigación. Al mismo tiempo, no rompió sus vínculos con la industria; mantuvo colaboraciones con fabricantes de automóviles como Li Auto y Xiaomi, asegurándose de trasladar al laboratorio los desafíos industriales del mundo real.
Al llegar a la Universidad de Westlake, Yu y su equipo optaron inicialmente por explorar la primera vía, relativamente menos compleja: utilizar modelos de mundo para generar datos de simulación sintéticos. Este enfoque dio resultados rápidamente; en 2024, el equipo ganó el campeonato mundial en la categoría de conducción autónoma de la conferencia ECCV, logrando una puntuación que superó ampliamente a la del segundo clasificado. Tras este éxito, Yu Kaicheng se enfrentó a dudas más profundas: aunque fuera posible generar datos sintéticos a gran escala, el proceso seguía siendo, en esencia, una «memorización mecánica» que no lograba resolver el desafío fundamental de permitir al modelo generalizar sus conocimientos ante situaciones nuevas.
Por ello, lideró a su equipo para dejar de lado un enfoque probado y reconocido por la industria en favor de una nueva vía de futuro incierto. «Aunque suponía un riesgo considerable para el equipo, insistimos en partir de los «primeros principios», abandonando la ruta anterior para cambiar de rumbo».
Entre 2024 y 2025, el equipo reorientó su investigación hacia los «modelos de mundo conceptuales en el espacio latente». En términos sencillos: en lugar de buscar un renderizado fotorrealista, intentaron emular la cognición humana mediante la abstracción de objetos, estados y relaciones causales del mundo físico, convirtiéndolos en conceptos almacenados en un espacio latente. Esto permitió al modelo razonar y emitir juicios de forma autónoma ante escenarios inéditos, basándose en los conceptos físicos que ya había interiorizado.
A mediados de 2025, el equipo había logrado resultados experimentales cruciales que demostraban la viabilidad de este enfoque técnico. Solo entonces Yu Kaicheng decidió avanzar seriamente en la comercialización del proyecto.
De hecho, ya le habían instado a fundar una empresa emergente inmediatamente después de dejar Alibaba dos años antes. Sin embargo, Yu tenía su propia valoración: la fase de creación de prototipos se adaptaba mejor a un entorno universitario. Consideraba que el escalado y la aceleración debían producirse tras la validación de la prueba de concepto en el laboratorio; este enfoque garantizaba una mayor estabilidad y una base más sólida para el modelo subyacente.
Obtención de más de 100 millones en financiación y retorno a la cuestión fundamental.
Xihu Shuzhi se constituyó oficialmente a principios de 2026. Definida como una empresa dedicada al desarrollo de grandes modelos fundacionales para el mundo físico —análogos a los grandes modelos de lenguaje—, su objetivo era crear modelos nativos del mundo físico en lugar de limitarse a ofrecer soluciones personalizadas a los fabricantes de automóviles.
Yu Kaicheng reconoció abiertamente que la industria de los modelos del mundo físico se encuentra actualmente en una etapa comparable a la era anterior a GPT-1, con un largo camino por recorrer hasta alcanzar una comercialización madura. En consecuencia, Xihu Shuzhi ha priorizado constantemente la integración del rigor académico con la aplicación industrial práctica, adoptando un modelo organizativo similar al de los «laboratorios de frontera» internacionales. Por un lado, la empresa cuenta con profesores universitarios como asesores y se ha asociado con la Universidad de Westlake para crear un Centro de Investigación de Modelos del Mundo, aportando valiosos conocimientos científicos. Por otro lado, incorpora a expertos veteranos del sector cuya experiencia —que abarca desde la planificación de ingeniería a gran escala con decenas de miles de GPU hasta el desarrollo de grandes modelos multimodales y basados en vídeo— garantiza la ejecución exitosa de proyectos de ingeniería masivos.
Este enfoque estratégico sustenta la capacidad de la empresa emergente para captar más de 100 millones de RMB en financiación combinada de capital semilla y capital ángel. Entre sus inversores figuran firmas especializadas en tecnologías avanzadas (*hard tech*) como Inno Fund, Oriental Jiafu Fund, Zhengxuan Investment, Tianqi Capital, Westlake Innovation Investment Fund y Jinma Investment. El capital respalda a la empresa no por obtener beneficios comerciales inmediatos, sino porque los inversores reconocen los años de trabajo fundamental que el equipo llevó a cabo mucho antes del crecimiento explosivo del sector.
A pesar de haberse embarcado en una trayectoria empresarial, Yu Kaicheng se considera, en esencia, un investigador. Durante la entrevista, hizo hincapié en repetidas ocasiones en el concepto de «criterio de investigación» (o «gusto» por la investigación). Para Yu, la capacidad de percibir qué direcciones industriales son prometedoras nace fundamentalmente de este criterio. «El criterio determina no solo lo que decides hacer, sino, lo que es más importante, lo que decides *no* hacer».
«Si tu objetivo es simplemente el salario y los beneficios, te dejarás llevar por la corriente; si tu meta es resolver un problema fundamental y dejar un legado de investigación tangible, tus decisiones serán totalmente distintas». Compartió una serie de principios de I+D que le inculcó su director de tesis doctoral en la EPFL (Escuela Politécnica Federal de Lausana): profundizar en los mecanismos subyacentes a los fenómenos y realizar investigaciones de gran impacto, en lugar de limitarse a realizar ajustes de ingeniería superficiales sobre trabajos ya existentes.
Citó como ejemplo su propio proyecto de investigación, «BEVFusion». En aquel momento, ya existía una amplia labor en torno a la fusión multisensorial para la conducción autónoma —clasificada generalmente en dos categorías—, pero todos los métodos existentes adolecían de fallos, como una dependencia excesiva de una única modalidad. Su equipo rompió con estos marcos establecidos para proponer un sistema robusto que codifica los datos de LiDAR y cámaras en paralelo y los fusiona en una representación espacial unificada (publicado como *BEVFusion: A Simple and Robust LiDAR-Camera Fusion Framework* en NeurIPS 2022), logrando un impacto significativo en el campo. Para él, esto representa una investigación verdaderamente valiosa. «No hay atajos para desarrollar un buen criterio; requiere mucha lectura y la capacidad de discernir la importancia relativa de los problemas, distinguiendo entre meras ‘soluciones rápidas’ y problemas fundamentales subyacentes». Aconseja a los jóvenes doctorandos que no malgasten su energía en cuestiones triviales de escaso impacto.
Los campos de la «IA basada en la física» (*Physics AI*) y los modelos del mundo (*world models*) están ganando popularidad rápidamente, atrayendo a una gran cantidad de profesionales de diversos ámbitos. En medio del revuelo del sector, Yu Kaicheng mantiene una serenidad notable. Si bien los grandes modelos de lenguaje (LLM) han abierto la puerta a la inteligencia en el ámbito virtual, la verdadera comprensión del mundo físico sigue siendo un desafío que la IA aún no ha logrado superar por completo. Según la visión de Yu, ambos ámbitos se complementan para conformar una imagen integral de la inteligencia.
Transcurrieron once años entre su cambio a la informática en 2014 y la fundación de Westlake Digital Intelligence en 2026. Aunque la tendencia de los «modelos del mundo» solo ha cobrado fuerza en los últimos dos años, él lleva mucho tiempo recorriendo este camino. Su filosofía es sencilla: «Céntrate en hacer bien tu trabajo y prepárate para el largo plazo».
