Robotmarkedet vokser eksplosivt – men den synlige udvikling i embodied AI halter efter

En branche i høj fart – med få synlige gennembrud

Opslaget fra 20. august om World Robot Conference 2026 i Beijing tegnede et todelt billede af embodied AI – altså kunstig intelligens, der kan opfatte og handle fysisk i verden.

På den ene side vokser markedet hurtigt. På den anden side var det vanskeligere at få øje på et tilsvarende spring i robotternes generelle evner. Konferencen bød på mange spektakulære opvisninger, men flere af dem lignede variationer over sidste års dans, sport, sortering og fabriksrutiner snarere end et tydeligt gennembrud inden for robust autonomi. 12

Over 22.000 humanoide robotter på et halvt år

Ifølge opslaget blev der sendt mere end 22.000 humanoide robotter globalt i første halvår af 2026. For hele året lød forventningen på over 50.000 enheder. AgiBot stod for omkring 9.700, Unitree for mere end 7.000 og Galaxy General for over 1.100. De fem største virksomheder sad tilsammen på 86 procent af markedet. 12

Robotterne blev især brugt inden for:

• underholdning: cirka 38 procent
• dataindsamling og forskning: cirka 26 procent
• intelligent produktion: cirka 16 procent
• lager og logistik: cirka 10 procent. 12

Tallene peger dermed på en branche, der allerede er i gang med at levere og sælge robotter i større skala. Men antal leverede enheder siger ikke nødvendigvis noget om, hvor bredt robotterne kan arbejde uden for de situationer, de er udviklet eller trænet til.

Hvorfor føles fremskridtene mindre, end tallene antyder?

Opslagets centrale pointe var, at flaskehalsen ikke blot handler om robotternes mekanik. Udviklerne skal også skaffe store, varierede træningsdatasæt af høj kvalitet. Samtidig skal de kunne skelne mellem en nøje koreograferet demonstration og en evne, der faktisk kan overføres til nye opgaver.

En robot kan eksempelvis fungere stabilt i én fabrik, med bestemte genstande, faste placeringer og et forudsigeligt arbejdsmønster. Det er noget andet at lade den håndtere nye objekter, ændrede produktionslinjer eller en helt anden fabrik. Hver ændring kan kræve omfattende eftertræning, justeringer og gentagen teknisk kalibrering. 12

Unitrees medstifter Wang Xingxing vurderede, at pålidelig drift i et fast miljø bliver stadig mere opnåelig. Men når robotten skal ud over det velkendte, kræver det omfattende eftertræning og fortsat menneskelig involvering. 12

Wang He pegede på en endnu hårdere prøve: Kan den samme robot generalisere på tværs af 100 fabrikker eller 1.000 butikker? Kan den følge instruktioner på naturligt sprog og udføre arbejdet i omgivelser, den ikke har set før? 12

Opslaget beskrev de nuværende embodied-modeller som omtrent på et ”GPT-2”-niveau og nævnte en forventning om evner svarende til GPT-3,5 til GPT-4 omkring 2028. Det er en prognose – ikke et dokumenteret resultat. 12

Unitree: fart, mekanik og volumen

Unitree blev fremstillet som et eksempel på en virksomhed, hvis styrke især ligger i bevægelseskontrol, konstruktion, lav pris og produktion i stor skala – snarere end i førerpositionen inden for embodied foundation-modeller.

På konferencen viste virksomheden en robot, der ifølge opslaget kan nå 12,65 meter i sekundet. Unitree havde samtidig sendt mere end 7.000 humanoide robotter i første halvår, svarende til cirka 31 procent af markedet. 12

Det illustrerer forskellen mellem at bygge en robot, der kan bevæge sig hurtigt og stabilt, og at bygge et generelt system, der selv kan forstå nye situationer, følge sprog og løse ukendte opgaver.

Galaxy General vil gøre tilpasning mindre manuel

Galaxy General havde en anden profil. Virksomheden viste den tobenede ET1 og oplyste, at dens generelle helkropsmodel var trænet på omkring 100.000 timers data om menneskelige bevægelser. 12

Selskabets WAM-TTT-metode – ”World Action Model Test-Time Training” – blev præsenteret som en måde at tilpasse en robot til en ny arbejdsplads ved at lade den se videoer af medarbejdere udføre opgaver. Ifølge beskrivelsen kræver metoden hverken manuel annotering af videoerne eller fjernstyring af robotten. 14

Idéen er dermed at undgå, at hver ny installation skal programmeres helt fra bunden. I stedet kan robotten lære mere om den konkrete arbejdsgang gennem observation og efterfølgende tilpasning.

Opslaget fremhævede også, at Galaxy General angiveligt var gået videre end enkeltstående proof-of-concept-demonstrationer og havde robotter i drift på dusinvis af CATL-fabrikker. Det bør dog læses som virksomheds- og implementeringsrapportering, ikke som en uafhængig måling af generel intelligens. 12

Den egentlige måling bliver hverdagen

World Robot Conference 2026 viste altså en humanoid branche, der konsoliderer sig hurtigt omkring salg, produktion og konkrete anvendelser. Udviklingen er ikke kun powerpoint og sceneshows: nogle robotter er allerede på vej ind i fabrikker, lagre og andre arbejdsmiljøer.

Men konferencen viste også, hvorfor fremskridtene kan være svære at se med det blotte øje. En robot, der gentager en indøvet sekvens perfekt, er ikke nødvendigvis en robot, der kan improvisere, forstå en ny instruktion eller flytte sig fra én type arbejdsplads til en anden.

Opslagets samlede konklusion var derfor, at markedet vokser langt hurtigere, end robotterne bliver synligt mere generelle. Den afgørende, uløste udfordring er stadig bred generalisering: at robotter kan arbejde sprogstyret i ukendte miljøer med så lidt menneskelig hjælp som muligt. 12