Robot umanoidi: il mercato corre, ma l’evoluzione dell’IA incarnata resta difficile da vedere

Una crescita commerciale più rapida dell’evoluzione visibile

Il messaggio emerso dal post del 20 agosto sulla World Robot Conference 2026 è netto: l’IA incarnata — cioè l’intelligenza artificiale integrata in macchine capaci di percepire e agire nel mondo fisico — sta crescendo rapidamente sul piano commerciale, ma i progressi sono molto meno evidenti quando si guarda alla capacità dei robot di affrontare situazioni davvero nuove.

A Pechino non sono mancate le dimostrazioni spettacolari: umanoidi impegnati a ballare, fare sport, smistare oggetti o svolgere mansioni di fabbrica. Tuttavia, molte performance sono sembrate riproporre, con variazioni, gli stessi scenari dell’anno precedente. Il punto non è quindi se un robot sappia completare una dimostrazione preparata in anticipo, ma se riesca a farlo quando cambiano oggetti, disposizione dell’ambiente, istruzioni o condizioni operative. 12

Oltre 22.000 umanoidi spediti in sei mesi

Secondo i dati riportati nel post, nel primo semestre del 2026 le spedizioni globali di robot umanoidi hanno superato quota 22.000, con una previsione di oltre 50.000 unità per l’intero anno. AgiBot avrebbe spedito circa 9.700 robot, Unitree più di 7.000 e Galaxy General oltre 1.100. Le cinque aziende principali avrebbero concentrato l’86% del mercato. 12

Le applicazioni risultano però ancora fortemente concentrate in alcuni ambiti:

• intrattenimento: circa il 38%;
• produzione di dati e ricerca: circa il 26%;
• manifattura intelligente: circa il 16%;
• magazzini e logistica: circa il 10%. 12

I numeri indicano dunque un settore in fase di consolidamento, trainato dalle consegne e dalle prime applicazioni industriali. Non dimostrano però, da soli, che i robot abbiano raggiunto un’intelligenza generale o una piena autonomia.

Il vero ostacolo è l’adattamento

La difficoltà principale non riguarda soltanto l’hardware. Per far funzionare un robot in modo affidabile servono grandi quantità di dati fisici, vari e di alta qualità; inoltre, bisogna capire se una prestazione osservata in una demo sia stata programmata in modo rigido oppure se possa essere trasferita a un ambiente diverso. 12

Ogni nuovo oggetto, layout o stabilimento può richiedere ulteriore addestramento, calibrazione e messa a punto dell’ingegneria sottostante. È una differenza cruciale: un robot che opera bene in una scena fissa è utile, ma non è ancora un robot capace di imparare rapidamente un compito nuovo in condizioni impreviste.

Wang Xingxing ha descritto il funzionamento affidabile in un ambiente controllato come un obiettivo sempre più raggiungibile. Per uscire da quel perimetro, però, servirebbero molto post-training e un coinvolgimento umano continuo. Wang He ha indicato una prova ancora più ambiziosa: verificare se un sistema possa generalizzare tra 100 fabbriche o 1.000 negozi, seguire istruzioni in linguaggio naturale e lavorare in luoghi che non ha mai visto prima. 12

Il post paragona i modelli incarnati attuali, in modo indicativo, alla fase GPT-2 e cita l’aspettativa di arrivare a capacità paragonabili a GPT-3.5 o GPT-4 intorno al 2028. Si tratta di una previsione, non di un risultato già dimostrato. 12

Unitree e Galaxy General: due strategie diverse

La conferenza ha messo in evidenza anche il contrasto tra due approcci.

Unitree: movimento, costi e produzione

Il vantaggio attribuito a Unitree riguarda soprattutto il controllo del movimento, la progettazione del corpo robotico, i costi contenuti e la capacità produttiva, più che la leadership nei modelli fondativi per l’IA incarnata. Durante l’evento l’azienda ha presentato in anteprima un robot capace, secondo quanto riportato, di raggiungere 12,65 metri al secondo. Le sue spedizioni nel primo semestre hanno superato le 7.000 unità, pari a circa il 31% del mercato. 12

È un modello di crescita basato sulla disponibilità di macchine, sulla scala e sulle prestazioni fisiche: elementi fondamentali per portare gli umanoidi fuori dai laboratori, ma distinti dalla capacità di ragionare e adattarsi in modo generale.

Galaxy General: modelli fondativi e apprendimento dall’osservazione

Galaxy General ha invece puntato sulla componente software. L’azienda ha mostrato l’umanoide bipede ET1 e ha dichiarato di aver addestrato il proprio modello generale per il controllo dell’intero corpo su circa 100.000 ore di dati di movimento umano. 12

La tecnologia WAM-TTT — acronimo di World Action Model Test-Time Training — è stata presentata come un sistema con cui il robot può adattarsi osservando video di lavoratori impegnati in un’attività. In questo approccio, il cliente dovrebbe fornire riprese delle mansioni sul posto, senza annotazione manuale dei dati né teleoperazione, così da aggiornare più rapidamente il modello per una specifica operazione. 14

Il post segnala inoltre che Galaxy General sarebbe passata dalle semplici dimostrazioni di prova a implementazioni in decine di stabilimenti CATL. È un’indicazione commerciale importante, ma va letta come una dichiarazione relativa alle implementazioni dell’azienda, non come una valutazione indipendente dell’intelligenza generale del sistema. 12

Il punto decisivo non è più stupire, ma generalizzare

La World Robot Conference 2026 ha quindi mostrato un settore in forte espansione, con consegne in aumento e primi impieghi reali. Allo stesso tempo, ha reso più visibile il divario tra una demo ben preparata e un robot capace di lavorare in autonomia in contesti non familiari.

La domanda determinante per la prossima fase non sarà soltanto quanti umanoidi verranno prodotti o quanto velocemente potranno muoversi. Sarà se sapranno seguire istruzioni linguistiche, affrontare oggetti e ambienti nuovi e svolgere mansioni con un intervento umano ridotto. Secondo il post, è questa la sfida ancora irrisolta dell’IA incarnata. 12