AnswersPublished2 months agoLast edited 2 months ago18 sources

ACE Robotics Ramal “Detik ChatGPT” untuk Otak Robot Humanoid Menjelang 2027

Pengerusi ACE Robotics, Wang Xiaogang, menjangka kecerdasan robot humanoid mencapai titik perubahan seperti ChatGPT menjelang akhir 2027, didorong oleh model dunia dan pengumpulan data persekitaran. Cabaran utama masih melibatkan model AI yang perlu membolehkan robot melihat, menaakul dan bertindak dalam persekitara...

Diterbitkan olehDisunting dengan GPT-5.6 LunaImej dijana dengan GPT Image 1.5

Search & fact-check with Studio Global AI Browse more Trending pages

Research answer

Key takeaways

Pengerusi ACE Robotics, Wang Xiaogang, menjangka kecerdasan robot humanoid mencapai titik perubahan seperti ChatGPT menjelang akhir 2027, didorong oleh model dunia dan pengumpulan data persekitaran.
Cabaran utama masih melibatkan model AI yang perlu membolehkan robot melihat, menaakul dan bertindak dalam persekitaran fizikal yang tidak dikenali, selain kekurangan data latihan dunia sebenar berkualiti tinggi.
Strategi ACE merangkumi model dunia sumber terbuka Kairos, pengumpulan lebih banyak data lapangan, sokongan yang dilaporkan daripada Ant Group dan SenseTime, sasaran penempatan komersial serta rancangan IPO—walaupun b...

Humanoid robot visualizing an AI model for understanding and acting in the physical world — What did ACE Robotics chairman Wang Xiaogang predict about a “ChatGPT moment” for humanoid robot brains and embodied intelligence by the endAI-generated editorial illustration of embodied intelligence and humanoid robotics.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What did ACE Robotics chairman Wang Xiaogang predict about a “ChatGPT moment” for humanoid robot brains and embodied intelligence by the end. Article summary: Wang Xiaogang predicted that humanoid “brains” could reach a ChatGPT-like inflection point for embodied intelligence by the end of 2027, driven by stronger world models and greater collection of environmental data. [1][3. Topic tags: general, news, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
openai.com

ACE Robotics menjangka “otak” robot humanoid akan mencapai detik perubahan besar yang setanding dengan kemunculan ChatGPT menjelang akhir 2027. Menurut pengerusinya, Wang Xiaogang, kemajuan dalam model dunia dan pengumpulan data persekitaran boleh melonjakkan keupayaan kecerdasan berjasad—iaitu kemampuan sistem AI memahami serta bertindak dalam dunia fizikal. 1 3 4

Namun, ramalan itu merujuk kepada kemungkinan pencapaian teknikal, bukannya jaminan bahawa robot humanoid akan menjadi serba boleh menjelang 2027. Wang sendiri menjangka penggunaan model dunia berjasad secara meluas merentas industri masih memerlukan kira-kira empat hingga lima tahun lagi. 3 4

Apakah maksud “detik ChatGPT” untuk robot?

ChatGPT menjadikan keupayaan model bahasa yang canggih mudah dicapai oleh orang ramai. Dalam bidang robotik, padanannya ialah kewujudan “otak” robot serba guna yang jauh lebih cekap—sistem yang mampu menghubungkan persepsi, penaakulan fizikal dan tindakan dalam persekitaran yang berubah-ubah, bukan sekadar berjaya dalam demonstrasi yang dikawal rapi. 1

Model dunia penting kepada visi ini kerana ia cuba membina gambaran tentang cara persekitaran fizikal berfungsi dan bagaimana keadaan mungkin berubah. Data persekitaran pula memberikan contoh interaksi, tugasan dan kegagalan sebenar yang sukar ditiru sepenuhnya di makmal.

Mengapa model AI masih menjadi kekangan terbesar?

Robot berdepan masalah yang lebih rumit berbanding sistem yang beroperasi terutamanya melalui teks atau antara muka digital. Robot perlu mentafsir input sensor yang tidak sempurna, memahami ruang yang belum dikenali, merancang tindakan dalam keadaan tidak menentu dan melaksanakannya dengan selamat.

Model yang mampu menghasilkan jawapan yang munasabah tidak semestinya mampu memegang objek dengan tepat, membetulkan kesilapan atau bertindak balas terhadap perubahan yang tidak dijangka di tempat kerja.

Laporan Reuters mengenal pasti model AI sebagai kekangan utama terhadap kecerdasan robot dalam dunia sebenar. 1 Sebab itu, model yang lebih baik mungkin lebih penting daripada sekadar menambah satu lagi reka bentuk robot. “Otak” yang sama berpotensi meningkatkan pelbagai jenis robot, asalkan ia mampu membuat generalisasi di luar situasi yang digunakan semasa latihan.

Masalah data tidak kurang mencabar

Data daripada dunia fizikal mahal dan mengambil masa untuk dikumpulkan. Data itu bukan sahaja perlu merakam tindakan yang berjaya, tetapi juga pelbagai persekitaran, jenis objek, tingkah laku manusia dan situasi luar jangka.

Data daripada demonstrasi yang terlalu terhad mungkin hanya mengajar robot mengulangi tugasan tertentu, tanpa memberikan pemahaman lebih luas untuk menangani keadaan yang belum pernah ditemui.

ACE dilaporkan telah mengumpulkan kira-kira 100,000 jam data, jumlah yang dianggap masih tidak mencukupi untuk skop kecerdasan berjasad yang ingin dibangunkannya. 5 Oleh itu, strategi syarikat meletakkan pengumpulan data sebaris dengan pembangunan model, bukannya menganggap data sebagai sumber sampingan.

Kesannya penting: walaupun kualiti model meningkat dengan pantas, kemajuan masih boleh tersekat oleh jumlah, kepelbagaian dan kegunaan data latihan fizikal yang tersedia. Keputusan penanda aras boleh menunjukkan prestasi baik dalam ujian tertentu, tetapi tidak dengan sendirinya membuktikan robot boleh berfungsi dengan konsisten di gudang, hotel atau kedai.

Ramalan ACE berbanding Unitree

Ramalan ACE untuk penghujung 2027 secara umum selari dengan anggaran Wang Xingxing, pengasas Unitree. Beliau dilaporkan menyatakan bahawa “detik ChatGPT” untuk otak robot boleh berlaku dalam tempoh dua hingga tiga tahun. 1 3

Bagaimanapun, kedua-dua ramalan ini wajar dilihat sebagai jangkaan industri, bukan garis masa yang telah disahkan secara bebas. Ramalan tersebut mencerminkan kepercayaan bahawa kemajuan model, data dan kuasa pengkomputeran boleh mempercepatkan pembangunan, tetapi tidak menjamin keupayaan sama akan hadir mengikut jadual atau berfungsi dengan sama baik untuk semua tugasan.

Mengapa kejayaan teknikal tidak bermaksud robot terus dikomersialkan?

ACE menjangka penggunaan komersial secara meluas hanya akan menyusul empat hingga lima tahun selepas titik perubahan teknikal itu. 3 4 Tempoh tambahan ini diperlukan untuk:

menguji keselamatan dan kebolehpercayaan dalam persekitaran operasi sebenar;
menyepadukan model dengan badan robot, sensor dan sistem kawalan yang berbeza;
mengurangkan kos perkakasan serta operasi;
mengumpulkan data yang mencukupi daripada aliran kerja berulang; dan
membuktikan robot benar-benar memberikan nilai di luar percubaan yang telah diatur.

Dengan kata lain, 2027 mungkin menjadi tahun pencapaian model, manakala pencapaian komersial tiba kemudian. Bagi syarikat yang sedang menilai teknologi humanoid, persoalan penting bukan sekadar sama ada model baharu boleh menyelesaikan tugasan sekali, tetapi sama ada ia boleh melakukannya secara konsisten, selamat dan berbaloi dari segi kos pada skala besar.

Bagaimana ACE mahu merapatkan jurang itu?

Kairos dan prestasi penanda aras

Projek model dunia sumber terbuka Kairos menjadi teras pendekatan ACE. Reuters melaporkan bahawa model utama syarikat itu mengatasi model Nvidia dalam penanda aras, namun turut menegaskan bahawa prestasi penanda aras tidak boleh dianggap sebagai bukti bahawa model tersebut lebih unggul dalam penggunaan dunia sebenar. 1

Perbezaan ini penting. Ujian awam berguna untuk membandingkan keupayaan yang telah ditetapkan, tetapi penggunaan sebenar memerlukan bukti daripada pelbagai persekitaran dan jenis kegagalan. Kairos mungkin membantu ACE menarik pembangun serta mendapatkan maklum balas, tetapi kepentingan lebih luasnya bergantung pada sejauh mana model itu boleh dipindahkan daripada suasana penilaian kepada kerja fizikal.

Pembiayaan dan potensi IPO

Laporan menyebut ACE mendapat sokongan daripada Ant Group dan SenseTime. Syarikat itu juga menyatakan hasrat untuk melaksanakan tawaran awam permulaan (IPO) apabila keadaan mengizinkan. 5 6 12 Pembiayaan sedemikian boleh menyokong penyelidikan model, pemerolehan data dan pengembangan komersial, walaupun laporan yang tersedia tidak memberikan gambaran lengkap serta disahkan secara bebas tentang pembiayaan syarikat.

Pengumpulan data dalam persekitaran sebenar

ACE melihat data operasi sebagai aset strategik. Gelung maklum balas yang dirancang adalah mudah: robot melaksanakan tugasan dalam persekitaran sebenar, interaksi itu menghasilkan data latihan tambahan, dan model yang dipertingkatkan kemudiannya membantu menjayakan penempatan yang lebih berkeupayaan. 4 5

Namun, gelung ini hanya berkesan jika data yang dikumpulkan benar-benar mewakili keadaan sebenar dan direkodkan dengan teliti. Lebih banyak jam data tidak semestinya menghasilkan kecerdasan yang lebih baik. Kualiti interaksi, keluasan keadaan dan kaitan antara data dengan penambahbaikan model juga sama penting.

Sasaran penempatan dan bekalan cip

Laporan sekunder mengaitkan ACE dengan rancangan bercita-cita tinggi, termasuk menempatkan teknologinya di sekurang-kurangnya 1,000 kedai dalam tempoh setahun dan mengembangkannya kepada 10,000 kedai dalam tempoh dua tahun. Angka ini perlu dianggap sebagai sasaran yang dilaporkan oleh syarikat, bukannya keputusan yang telah dicapai. 7 13

Laporan sama menyatakan bahawa ACE menyasarkan sektor seperti peruncitan tanpa juruwang, hotel dan logistik, di samping menggunakan cip AI Nvidia serta cip tempatan bagi mengurangkan risiko rantaian bekalan dan berpotensi menurunkan kos perkakasan pada masa depan. 13 Bukti yang tersedia belum mengesahkan secara bebas skala penuh penempatan atau butiran tepat mengenai susunan pembekal cip tersebut.

Ujian sebenar terhadap ramalan 2027

Ramalan ACE itu besar, tetapi agak khusus: titik perubahan seperti ChatGPT untuk kecerdasan berjasad menjelang akhir 2027, diikuti beberapa tahun lagi sebelum pengkomersialan meluas.

Tafsiran paling munasabah bukanlah robot humanoid akan tiba-tiba menjadi serba boleh, sebaliknya model dunia yang lebih baik dan set data dunia sebenar yang lebih besar mungkin menjadikan robot jauh lebih mudah menyesuaikan diri.

Bukti penentu hanya akan muncul melalui penggunaan sebenar—apabila robot boleh mengendalikan tugasan fizikal yang tidak dikenali dengan konsisten, menghasilkan data berguna sepanjang proses dan melakukannya pada kos yang sanggup ditanggung oleh perniagaan.

Sehingga bukti itu tersedia, “detik ChatGPT” pada 2027 kekal sebagai satu ramalan. Kekangan model AI dan data dunia sebenar pula masih menjadi cabaran utama industri robotik. 1 4 5

Studio Global AI

Continue your research

This page includes a source-backed answer you can continue inside Studio Global.

Search & fact-check with Studio Global AI

Sources