Robot humanoid mungkin hampir mencapai ‘detik ChatGPT’ — tetapi bila?

Ringkasnya, pencapaian itu akan menandakan peralihan daripada robot yang hanya boleh melakukan perkara tertentu kepada robot yang boleh menentukan tindakan seterusnya berdasarkan situasi.

Dua jangka masa yang berbeza

Wang Xiaogang: kejayaan teknikal menjelang akhir 2027

Wang Xiaogang berkata ACE menjangkakan kecerdasan berjasad mencapai “detik ChatGPT” menjelang akhir 2027, didorong oleh model dunia yang lebih baik serta jumlah data persekitaran yang jauh lebih besar. Bagaimanapun, beliau membezakan kejayaan teknikal itu daripada penggunaan komersial secara meluas, yang menurutnya mungkin memerlukan empat hingga lima tahun lagi.

Perbezaan ini penting. Sesuatu model boleh menunjukkan peningkatan besar dalam penaakulan atau kawalan, tetapi masih terlalu mahal, tidak konsisten atau sukar disepadukan ke dalam operasi harian. Pencapaian penyelidikan dan tenaga kerja robotik yang boleh diharap dari sudut ekonomi bukanlah perkara yang sama.

Wang Xingxing: dua hingga tiga tahun dalam senario terbaik

Wang Xingxing mengemukakan dua kemungkinan. Dalam senario optimistik, kecerdasan berjasad boleh mencapai titik perubahan dalam tempoh dua hingga tiga tahun. Jika kemajuan dalam keupayaan menyesuaikan diri dan kawalan fizikal yang tepat menjadi perlahan, industri mungkin memerlukan lima hingga 10 tahun.

Ujian tugasan rumah yang dicadangkannya juga menjadikan ramalan itu lebih mencabar berbanding demonstrasi keupayaan biasa. Robot perlu beroperasi dalam persekitaran baharu, memahami arahan bahasa semula jadi dan menyelesaikan pelbagai tugasan secara autonomi.

Mengapa ‘otak’ robot menjadi halangan utama?

Perkakasan robot semakin maju, tetapi perisiannya masih bergelut untuk menggunakan pengalaman yang terhad dalam menghadapi kepelbagaian situasi dunia sebenar. Kedua-dua eksekutif mengenal pasti model AI dan data latihan sebagai kekangan utama.

Robot memerlukan data yang menghubungkan perkara yang dilihat dengan tindakan yang dilakukan — bagaimana sesuatu objek terasa, berapa banyak daya perlu digunakan, apa yang berlaku apabila permukaan licin dan cara memulihkan keadaan apabila tindakan gagal.

Simulasi dan demonstrasi boleh membantu, tetapi kedua-duanya tidak dapat menggambarkan sepenuhnya ketidakpastian di rumah, kilang, kedai dan persekitaran fizikal lain.

Masalah ini berbeza daripada latihan model teks. Robot bukan sekadar perlu membaca penerangan tentang sesuatu tindakan. Ia perlu mempelajari hubungan antara persepsi, pergerakan, akibat dan pembetulan.

Cara ACE Robotics membina saluran data

ACE Robotics menggunakan pendekatan yang digelarnya “berpusatkan manusia”. Syarikat itu melengkapkan pekerja barisan pengeluaran dengan penderia ringan bagi merakam pergerakan manusia serta interaksi dengan persekitaran. ACE menyatakan sasaran mereka adalah mengumpulkan puluhan juta jam data latihan untuk model dunia berjasad.

Strategi ini bertujuan menambah contoh dunia sebenar, bukan hanya bergantung pada data yang dijana robot atau simulasi. Pekerja manusia boleh menunjukkan cara sesuatu tugasan dilakukan, cara pergerakan disesuaikan apabila keadaan berubah dan cara beberapa tindakan digabungkan dalam aliran kerja yang lebih panjang.

ACE ditubuhkan pada Julai 2025 dan diterajui Wang Xiaogang, yang juga merupakan pengasas bersama SenseTime. Ant Group mengetuai pusingan pembiayaan malaikat syarikat itu, manakala modal berkaitan SenseTime dan pelabur lain turut mengambil bahagian.

Apa yang menarik tentang model Kairos ACE?

ACE berkata model berjasad sumber terbukanya, Kairos-4B, mendahului penanda aras awam untuk AI berjasad dan mengatasi Cosmos 3 Nvidia dalam perbandingan yang dipetik pada persidangan tersebut. Memandangkan ia merupakan dakwaan prestasi yang berkaitan dengan syarikat, keputusan itu wajar dilihat sebagai hasil penanda aras — bukan bukti bahawa robot humanoid serba guna sudah bersedia digunakan di rumah atau kilang.

Syarikat itu juga menyasarkan penggunaan di luar makmal. ACE berkata ia merancang untuk menempatkan model AInya di 1,000 kedai runcit tanpa pekerja. Sasaran ini menunjukkan bagaimana pembangun robotik cuba bermula dengan persekitaran komersial yang lebih terkawal, kerana aliran kerjanya boleh diseragamkan dengan lebih mudah berbanding keadaan dalam rumah biasa.

Ledakan robotik China membawa keyakinan — dan sebab untuk berhati-hati

Ramalan tersebut muncul ketika sektor robot humanoid China menerima perhatian besar daripada pelabur. Penyenaraian IPO Unitree di STAR Market Shanghai mengumpulkan kira-kira AS$904 juta dan dilaporkan terlebih langgan lebih 8,000 kali oleh pelabur runcit. Sahamnya ditutup 460% lebih tinggi daripada harga IPO, menjadikan nilai pasaran syarikat itu kira-kira AS$50 bilion.

Data penghantaran turut menunjukkan kelebihan awal China dalam pembuatan. Smart Analytics Global menganggarkan kira-kira 19,100 robot humanoid dihantar ke seluruh dunia pada separuh pertama 2026, dengan pengeluar China menyumbang lebih 97% daripada jumlah tersebut.

Angka ini tidak boleh dianggap sebagai bukti bahawa automasi humanoid serba guna sudah matang. Terdapat laporan bercanggah yang mendakwa China menghantar lebih 40,000 robot humanoid dalam tempoh sama, tetapi angka itu tidak selari dengan anggaran global 19,100 unit dan tidak disokong oleh data penghantaran yang lebih kukuh dalam sumber tersedia.

Morgan Stanley pula menaikkan ramalan penghantaran robot humanoid China bagi keseluruhan tahun kepada 50,000 unit, dengan alasan peralihan daripada demonstrasi kepada penggunaan komersial berlaku lebih pantas daripada jangkaan. Namun, ramalan penghantaran hanya mengukur perkembangan pasaran — bukan sama ada robot tersebut mampu melepasi ujian menyelesaikan 80% tugasan rumah yang dicadangkan Wang Xingxing.

Kesimpulan: keupayaan mungkin tiba sebelum kebolehpercayaan

Cara paling munasabah untuk memahami komen kedua-dua CEO itu bukanlah menganggap robot humanoid pasti mencapai satu pencapaian khusus pada 2027. Sebaliknya, industri kini semakin menghampiri fasa apabila kualiti perisian, data latihan dan keupayaan menyesuaikan diri akan menentukan kegunaan sebenar robot — bukan hanya motor, bateri atau reka bentuk mekanikal.

Ramalan ACE menunjuk kepada kejayaan teknikal menjelang akhir 2027, diikuti beberapa tahun untuk pengkomersialan. Julat ramalan Unitree pula menonjolkan ketidakpastian yang masih besar: dua hingga tiga tahun jika kemajuan bertambah pantas, atau lima hingga 10 tahun jika masalah paling sukar terus berlarutan.

China sememangnya menunjukkan kekuatan dalam pembiayaan, pembuatan dan penghantaran awal. Namun, persoalan yang belum terjawab ialah sama ada skala itu mampu menghasilkan robot yang berfungsi dengan konsisten dalam persekitaran yang tidak pernah dilihatnya.

Selagi masalah data dan model belum diselesaikan, “detik ChatGPT” untuk otak robot masih merupakan ramalan — bukannya produk yang sudah siap.