यह किसी रोबोट के एक-दो जटिल करतब दिखा देने का नाम नहीं होगा। इसका मतलब ऐसे general-purpose रोबोट से है जो:

• अनजान वातावरण को समझ सके,
• एक काम से सीखी जानकारी को दूसरे काम में इस्तेमाल कर सके,
• आवाज या टेक्स्ट में दिए निर्देशों को समझ सके,
• और हर कदम के लिए अलग से प्रोग्राम किए बिना भौतिक दुनिया में कार्रवाई कर सके।

Wang Xingxing ने इसका एक व्यावहारिक पैमाना बताया: किसी ऐसे घर में रोबोट को भेजा जाए जिसे उसने पहले कभी नहीं देखा हो, फिर उसे आवाज या टेक्स्ट से निर्देश दिए जाएं और वह करीब 80% काम पूरा कर दे।

यानी असली मोड़ उन रोबोटों से आगे बढ़ना होगा जो कुछ तय काम कर सकते हैं—ऐसे रोबोटों की ओर जो परिस्थिति देखकर अगला कदम खुद तय कर सकें।

दो अलग-अलग समयसीमाएं

Wang Xiaogang: तकनीकी सफलता 2027 के अंत तक

ACE Robotics के Wang Xiaogang के मुताबिक बेहतर world models और पर्यावरण से जुटाए गए बड़े पैमाने के डेटा की मदद से embodied intelligence 2027 के अंत तक तकनीकी inflection point पर पहुंच सकती है। हालांकि उन्होंने तकनीकी सफलता और व्यापक व्यावसायिक इस्तेमाल को अलग-अलग चरण बताया। उनके अनुसार अलग-अलग क्षेत्रों में बड़े पैमाने पर भरोसेमंद तैनाती के लिए इसके बाद चार-पांच साल और लग सकते हैं।

यह अंतर महत्वपूर्ण है। कोई मॉडल reasoning या robot control में बड़ी सुधार दिखा सकता है, लेकिन वह अभी भी महंगा, असंगत या रोजमर्रा के संचालन में जोड़ना मुश्किल हो सकता है। प्रयोगशाला की उपलब्धि और आर्थिक रूप से भरोसेमंद “robot workforce” एक ही घटना नहीं हैं।

Wang Xingxing: सबसे अच्छे मामले में दो-तीन साल, वरना 10 साल तक

Unitree के CEO Wang Xingxing ने दो संभावित रास्ते बताए। आशावादी स्थिति में embodied intelligence दो-तीन साल में निर्णायक मोड़ पर पहुंच सकती है। लेकिन अगर अनजान परिस्थितियों में generalization और सटीक physical control की प्रगति धीमी रही, तो पांच से 10 साल भी लग सकते हैं।

उनका घरेलू कामों वाला benchmark किसी नियंत्रित demo से कहीं कठिन है। रोबोट को नए वातावरण में जाना होगा, सामान्य भाषा में दिए निर्देश समझने होंगे और अलग-अलग कामों को अपने दम पर पूरा करना होगा।

रोबोट का “दिमाग” अभी सबसे बड़ी अड़चन क्यों है?

मोटर, बैटरी और mechanical design में तेजी से सुधार हो रहा है, लेकिन सीमित अनुभव से वास्तविक दुनिया की अनगिनत परिस्थितियों तक सामान्यीकरण करना software के लिए अब भी कठिन है। दोनों executives ने AI models और training data को मुख्य बाधा बताया।

रोबोट को ऐसे डेटा की जरूरत होती है जो देखने और करने के बीच संबंध समझाए—किसी वस्तु की सतह कैसी महसूस होती है, कितना बल लगाना है, फिसलन वाली सतह पर क्या बदलता है और कार्रवाई विफल होने पर कैसे संभलना है। Simulation और demonstrations मदद कर सकते हैं, लेकिन वे घरों, कारखानों, दुकानों और दूसरे भौतिक वातावरण की पूरी अनिश्चितता को नहीं दोहरा सकते।

यही वजह है कि रोबोट के लिए डेटा की चुनौती text model से अलग है। रोबोट केवल किसी कार्रवाई का वर्णन पढ़कर नहीं सीख सकता; उसे perception, movement, परिणाम और correction के बीच पूरा संबंध सीखना पड़ता है।

ACE Robotics इस डेटा समस्या से कैसे निपट रही है?

ACE Robotics “human-centered” तरीका अपना रही है। कंपनी production-line workers को हल्के sensors पहनाकर उनके काम और पर्यावरण के साथ interactions का डेटा जुटा रही है। ACE का कहना है कि उसका लक्ष्य embodied world models के लिए करोड़ों घंटे का training data इकट्ठा करना है।

इस रणनीति का उद्देश्य केवल robots या simulations से तैयार होने वाले डेटा पर निर्भरता घटाना है। मानव कामगार यह दिखा सकते हैं कि बदलती परिस्थितियों में किसी काम को कैसे पूरा किया जाता है, movements को कैसे बदला जाता है और लंबे workflow में कई actions को किस तरह जोड़ा जाता है।

ACE Robotics की स्थापना जुलाई 2025 में हुई थी। कंपनी का नेतृत्व SenseTime के सह-संस्थापक Wang Xiaogang कर रहे हैं। इसकी angel financing round Ant Group ने lead की थी, जबकि SenseTime से जुड़े निवेश और अन्य निवेशकों ने भी हिस्सा लिया।

ACE के Kairos मॉडल में क्या खास है?

ACE का कहना है कि उसका open-source Kairos-4B embodied model सार्वजनिक embodied-AI benchmarks में आगे रहा और सम्मेलन में बताए गए comparison में Nvidia के Cosmos 3 से बेहतर प्रदर्शन किया। ये कंपनी से जुड़े performance claims हैं, इसलिए इन्हें benchmark results के रूप में पढ़ना चाहिए—यह general-purpose ह्यूमनॉइड रोबोटों के घरों या कारखानों के लिए तैयार होने का प्रमाण नहीं है।

कंपनी laboratory demonstrations से आगे commercial deployment पर भी जोर दे रही है। ACE ने कहा है कि वह अपने AI models को 1,000 unmanned retail stores में लगाने की योजना बना रही है। ऐसे सीमित commercial environments से शुरुआत करना इसलिए आसान हो सकता है क्योंकि वहां workflows सामान्य घरों की तुलना में ज्यादा standardised किए जा सकते हैं।

चीन की robotics boom: तेज रफ्तार, लेकिन सावधानी भी जरूरी

ये अनुमान चीन के ह्यूमनॉइड-रोबोट क्षेत्र में बढ़ते उत्साह के बीच आए हैं। Unitree के Shanghai STAR Market IPO से करीब 904 million डॉलर जुटाए गए और retail investors की मांग उपलब्ध shares से 8,000 गुना से अधिक बताई गई। Listing के बाद कंपनी के shares IPO price से 460% ऊपर बंद हुए और उसका market value करीब 50 billion डॉलर आंका गया।

Shipment data भी चीन की शुरुआती manufacturing बढ़त दिखाता है। Smart Analytics Global के अनुमान के मुताबिक 2026 की पहली छमाही में दुनिया भर में करीब 19,100 ह्यूमनॉइड रोबोट भेजे गए और इनमें चीनी manufacturers की हिस्सेदारी 97% से अधिक थी।

हालांकि इस संख्या को mature, general-purpose automation का प्रमाण नहीं समझना चाहिए। उपलब्ध reporting में एक विरोधाभासी दावा है कि इसी अवधि में चीन ने 40,000 से अधिक ह्यूमनॉइड रोबोट भेजे, लेकिन यह संख्या 19,100 की global estimate से मेल नहीं खाती और यहां उपलब्ध अधिक मजबूत shipment data से समर्थित नहीं है।

Morgan Stanley ने चीन में पूरे 2026 के ह्यूमनॉइड-रोबोट shipments का अनुमान बढ़ाकर 50,000 units किया है। बैंक ने इसके लिए demonstrations से commercial deployment की ओर अपेक्षा से तेज बदलाव का हवाला दिया। लेकिन shipment forecast बाजार के विस्तार को मापता है; यह यह साबित नहीं करता कि रोबोट Wang Xingxing के बताए 80% household-task test को पार कर चुके हैं।

असली निष्कर्ष: capability पहले आ सकती है, reliability बाद में

दोनों executives की टिप्पणियों को इस तरह पढ़ना ज्यादा उचित होगा कि 2027 में निश्चित रूप से कोई जादुई milestone आने वाला है—ऐसा दावा नहीं किया गया है। असल संकेत यह है कि robotics industry उस चरण के करीब पहुंच रही है जहां केवल motors, batteries और mechanical design नहीं, बल्कि software quality, training data और unfamiliar situations में generalization तय करेंगे कि ह्यूमनॉइड रोबोट वास्तव में व्यापक रूप से उपयोगी बनेंगे या नहीं।

ACE का अनुमान 2027 के अंत तक तकनीकी breakthrough और उसके बाद कई वर्षों के commercialisation की ओर इशारा करता है। Unitree की समयसीमा अनिश्चितता को और स्पष्ट करती है: प्रगति तेज हुई तो दो-तीन साल, लेकिन सबसे कठिन समस्याएं बनी रहीं तो पांच से 10 साल।

चीन financing, manufacturing और शुरुआती shipments में मजबूत बढ़त दिखा रहा है। अब असली सवाल यह है कि क्या यह scale ऐसे रोबोट बना पाएगा जो पहले कभी न देखे गए वातावरण में भी लगातार और भरोसेमंद ढंग से काम करें। जब तक data और model की समस्या हल नहीं होती, रोबोट का “ChatGPT मोमेंट” एक अनुमान ही रहेगा—तैयार उत्पाद नहीं।

यह किसी रोबोट के एक-दो जटिल करतब दिखा देने का नाम नहीं होगा। इसका मतलब ऐसे general-purpose रोबोट से है जो:

• अनजान वातावरण को समझ सके,
• एक काम से सीखी जानकारी को दूसरे काम में इस्तेमाल कर सके,
• आवाज या टेक्स्ट में दिए निर्देशों को समझ सके,
• और हर कदम के लिए अलग से प्रोग्राम किए बिना भौतिक दुनिया में कार्रवाई कर सके।

Wang Xingxing ने इसका एक व्यावहारिक पैमाना बताया: किसी ऐसे घर में रोबोट को भेजा जाए जिसे उसने पहले कभी नहीं देखा हो, फिर उसे आवाज या टेक्स्ट से निर्देश दिए जाएं और वह करीब 80% काम पूरा कर दे।

यानी असली मोड़ उन रोबोटों से आगे बढ़ना होगा जो कुछ तय काम कर सकते हैं—ऐसे रोबोटों की ओर जो परिस्थिति देखकर अगला कदम खुद तय कर सकें।

दो अलग-अलग समयसीमाएं

Wang Xiaogang: तकनीकी सफलता 2027 के अंत तक

ACE Robotics के Wang Xiaogang के मुताबिक बेहतर world models और पर्यावरण से जुटाए गए बड़े पैमाने के डेटा की मदद से embodied intelligence 2027 के अंत तक तकनीकी inflection point पर पहुंच सकती है। हालांकि उन्होंने तकनीकी सफलता और व्यापक व्यावसायिक इस्तेमाल को अलग-अलग चरण बताया। उनके अनुसार अलग-अलग क्षेत्रों में बड़े पैमाने पर भरोसेमंद तैनाती के लिए इसके बाद चार-पांच साल और लग सकते हैं।

यह अंतर महत्वपूर्ण है। कोई मॉडल reasoning या robot control में बड़ी सुधार दिखा सकता है, लेकिन वह अभी भी महंगा, असंगत या रोजमर्रा के संचालन में जोड़ना मुश्किल हो सकता है। प्रयोगशाला की उपलब्धि और आर्थिक रूप से भरोसेमंद “robot workforce” एक ही घटना नहीं हैं।

Wang Xingxing: सबसे अच्छे मामले में दो-तीन साल, वरना 10 साल तक

Unitree के CEO Wang Xingxing ने दो संभावित रास्ते बताए। आशावादी स्थिति में embodied intelligence दो-तीन साल में निर्णायक मोड़ पर पहुंच सकती है। लेकिन अगर अनजान परिस्थितियों में generalization और सटीक physical control की प्रगति धीमी रही, तो पांच से 10 साल भी लग सकते हैं।

उनका घरेलू कामों वाला benchmark किसी नियंत्रित demo से कहीं कठिन है। रोबोट को नए वातावरण में जाना होगा, सामान्य भाषा में दिए निर्देश समझने होंगे और अलग-अलग कामों को अपने दम पर पूरा करना होगा।

रोबोट का “दिमाग” अभी सबसे बड़ी अड़चन क्यों है?

मोटर, बैटरी और mechanical design में तेजी से सुधार हो रहा है, लेकिन सीमित अनुभव से वास्तविक दुनिया की अनगिनत परिस्थितियों तक सामान्यीकरण करना software के लिए अब भी कठिन है। दोनों executives ने AI models और training data को मुख्य बाधा बताया।

रोबोट को ऐसे डेटा की जरूरत होती है जो देखने और करने के बीच संबंध समझाए—किसी वस्तु की सतह कैसी महसूस होती है, कितना बल लगाना है, फिसलन वाली सतह पर क्या बदलता है और कार्रवाई विफल होने पर कैसे संभलना है। Simulation और demonstrations मदद कर सकते हैं, लेकिन वे घरों, कारखानों, दुकानों और दूसरे भौतिक वातावरण की पूरी अनिश्चितता को नहीं दोहरा सकते।

यही वजह है कि रोबोट के लिए डेटा की चुनौती text model से अलग है। रोबोट केवल किसी कार्रवाई का वर्णन पढ़कर नहीं सीख सकता; उसे perception, movement, परिणाम और correction के बीच पूरा संबंध सीखना पड़ता है।

ACE Robotics इस डेटा समस्या से कैसे निपट रही है?

ACE Robotics “human-centered” तरीका अपना रही है। कंपनी production-line workers को हल्के sensors पहनाकर उनके काम और पर्यावरण के साथ interactions का डेटा जुटा रही है। ACE का कहना है कि उसका लक्ष्य embodied world models के लिए करोड़ों घंटे का training data इकट्ठा करना है।

इस रणनीति का उद्देश्य केवल robots या simulations से तैयार होने वाले डेटा पर निर्भरता घटाना है। मानव कामगार यह दिखा सकते हैं कि बदलती परिस्थितियों में किसी काम को कैसे पूरा किया जाता है, movements को कैसे बदला जाता है और लंबे workflow में कई actions को किस तरह जोड़ा जाता है।

ACE Robotics की स्थापना जुलाई 2025 में हुई थी। कंपनी का नेतृत्व SenseTime के सह-संस्थापक Wang Xiaogang कर रहे हैं। इसकी angel financing round Ant Group ने lead की थी, जबकि SenseTime से जुड़े निवेश और अन्य निवेशकों ने भी हिस्सा लिया।

ACE के Kairos मॉडल में क्या खास है?

ACE का कहना है कि उसका open-source Kairos-4B embodied model सार्वजनिक embodied-AI benchmarks में आगे रहा और सम्मेलन में बताए गए comparison में Nvidia के Cosmos 3 से बेहतर प्रदर्शन किया। ये कंपनी से जुड़े performance claims हैं, इसलिए इन्हें benchmark results के रूप में पढ़ना चाहिए—यह general-purpose ह्यूमनॉइड रोबोटों के घरों या कारखानों के लिए तैयार होने का प्रमाण नहीं है।

कंपनी laboratory demonstrations से आगे commercial deployment पर भी जोर दे रही है। ACE ने कहा है कि वह अपने AI models को 1,000 unmanned retail stores में लगाने की योजना बना रही है। ऐसे सीमित commercial environments से शुरुआत करना इसलिए आसान हो सकता है क्योंकि वहां workflows सामान्य घरों की तुलना में ज्यादा standardised किए जा सकते हैं।

चीन की robotics boom: तेज रफ्तार, लेकिन सावधानी भी जरूरी

ये अनुमान चीन के ह्यूमनॉइड-रोबोट क्षेत्र में बढ़ते उत्साह के बीच आए हैं। Unitree के Shanghai STAR Market IPO से करीब 904 million डॉलर जुटाए गए और retail investors की मांग उपलब्ध shares से 8,000 गुना से अधिक बताई गई। Listing के बाद कंपनी के shares IPO price से 460% ऊपर बंद हुए और उसका market value करीब 50 billion डॉलर आंका गया।

Shipment data भी चीन की शुरुआती manufacturing बढ़त दिखाता है। Smart Analytics Global के अनुमान के मुताबिक 2026 की पहली छमाही में दुनिया भर में करीब 19,100 ह्यूमनॉइड रोबोट भेजे गए और इनमें चीनी manufacturers की हिस्सेदारी 97% से अधिक थी।

हालांकि इस संख्या को mature, general-purpose automation का प्रमाण नहीं समझना चाहिए। उपलब्ध reporting में एक विरोधाभासी दावा है कि इसी अवधि में चीन ने 40,000 से अधिक ह्यूमनॉइड रोबोट भेजे, लेकिन यह संख्या 19,100 की global estimate से मेल नहीं खाती और यहां उपलब्ध अधिक मजबूत shipment data से समर्थित नहीं है।

Morgan Stanley ने चीन में पूरे 2026 के ह्यूमनॉइड-रोबोट shipments का अनुमान बढ़ाकर 50,000 units किया है। बैंक ने इसके लिए demonstrations से commercial deployment की ओर अपेक्षा से तेज बदलाव का हवाला दिया। लेकिन shipment forecast बाजार के विस्तार को मापता है; यह यह साबित नहीं करता कि रोबोट Wang Xingxing के बताए 80% household-task test को पार कर चुके हैं।

असली निष्कर्ष: capability पहले आ सकती है, reliability बाद में

दोनों executives की टिप्पणियों को इस तरह पढ़ना ज्यादा उचित होगा कि 2027 में निश्चित रूप से कोई जादुई milestone आने वाला है—ऐसा दावा नहीं किया गया है। असल संकेत यह है कि robotics industry उस चरण के करीब पहुंच रही है जहां केवल motors, batteries और mechanical design नहीं, बल्कि software quality, training data और unfamiliar situations में generalization तय करेंगे कि ह्यूमनॉइड रोबोट वास्तव में व्यापक रूप से उपयोगी बनेंगे या नहीं।

ACE का अनुमान 2027 के अंत तक तकनीकी breakthrough और उसके बाद कई वर्षों के commercialisation की ओर इशारा करता है। Unitree की समयसीमा अनिश्चितता को और स्पष्ट करती है: प्रगति तेज हुई तो दो-तीन साल, लेकिन सबसे कठिन समस्याएं बनी रहीं तो पांच से 10 साल।

चीन financing, manufacturing और शुरुआती shipments में मजबूत बढ़त दिखा रहा है। अब असली सवाल यह है कि क्या यह scale ऐसे रोबोट बना पाएगा जो पहले कभी न देखे गए वातावरण में भी लगातार और भरोसेमंद ढंग से काम करें। जब तक data और model की समस्या हल नहीं होती, रोबोट का “ChatGPT मोमेंट” एक अनुमान ही रहेगा—तैयार उत्पाद नहीं।