AI berjasad berkembang pantas, tetapi kemajuan robot humanoid masih sukar dilihat

Pertumbuhan pasaran lebih pantas daripada kemajuan yang dapat dilihat

Kesimpulan utama catatan bertarikh 20 Ogos 2026 itu ialah AI berjasad—iaitu AI yang mengawal robot dan berinteraksi secara fizikal dengan dunia—sedang berkembang secara komersial jauh lebih pantas berbanding peningkatan keupayaannya yang dapat dilihat dengan mata kasar.

Persidangan Robot Dunia 2026 di Beijing menampilkan banyak demonstrasi yang mengagumkan. Namun, sebahagiannya kelihatan seperti variasi kepada aksi yang sudah biasa dipertontonkan tahun lalu: robot menari, melakukan aksi sukan, mengasingkan barangan atau mengendalikan tugasan di kilang. Jumlah demonstrasi bertambah, tetapi lonjakan jelas dalam autonomi yang kukuh dan serba boleh masih sukar dikenal pasti. 12

Pasaran pula berkembang dengan ketara. Lebih 22,000 robot humanoid dilaporkan dihantar ke seluruh dunia pada separuh pertama 2026, manakala jumlah setahun penuh dijangka melebihi 50,000 unit. AgiBot menghantar kira-kira 9,700 unit, Unitree lebih 7,000 unit dan Galaxy General lebih 1,100 unit. Lima syarikat terbesar menguasai 86% pasaran. 12

Dari segi aplikasi, penggunaan robot tertumpu pada:

• hiburan: kira-kira 38%;
• pengeluaran data dan penyelidikan: kira-kira 26%;
• pembuatan pintar: kira-kira 16%; dan
• pergudangan serta logistik: kira-kira 10%. 12

Mengapa kemajuan sebenar masih sukar dinilai?

Catatan itu menegaskan bahawa halangan utama bukan semata-mata menghasilkan motor, sensor atau bentuk badan robot yang lebih baik. Robot juga memerlukan sejumlah besar data latihan fizikal yang berkualiti tinggi dan pelbagai—daripada cara manusia memegang objek hingga cara mereka bertindak apabila keadaan berubah.

Di sinilah perbezaan antara demonstrasi yang diprogramkan dengan tingkah laku yang benar-benar boleh digeneralisasikan menjadi penting. Robot mungkin dapat melakukan tugasan dengan baik dalam satu ruang, menggunakan objek tertentu dan mengikut urutan yang telah ditetapkan. Namun, prestasinya boleh merosot apabila objek, susun atur atau kilang berubah. Sistem juga mungkin memerlukan penentukuran kejuruteraan berulang kali sebelum boleh digunakan secara konsisten.

Pandangan Wang Xingxing ialah operasi yang boleh dipercayai dalam senario tetap semakin mudah dicapai. Tetapi untuk bergerak melampaui senario itu, robot memerlukan latihan selepas model dibangunkan secara meluas serta penglibatan manusia yang berterusan. 12

Wang He pula meletakkan persoalan yang lebih mencabar: bolehkah robot menggeneralisasikan kemahirannya merentasi 100 kilang atau 1,000 kedai, mengikut arahan bahasa manusia dan bekerja dalam persekitaran yang tidak pernah dilihat sebelum ini? 12

Catatan tersebut menggambarkan model AI berjasad semasa sebagai lebih kurang berada pada tahap “GPT-2”. Ia turut memetik jangkaan bahawa keupayaan setara GPT-3.5 hingga GPT-4 mungkin dicapai sekitar 2028. Bagaimanapun, ini ialah unjuran, bukannya keputusan yang telah disahkan melalui penanda aras bebas. 12

Unitree: kekuatan pada pergerakan dan skala

Unitree digambarkan lebih menonjol dalam kawalan pergerakan, kejuruteraan badan, kos rendah dan pengeluaran berskala besar, bukannya sebagai peneraju model asas AI berjasad.

Pada persidangan itu, syarikat berkenaan memperkenalkan robot yang dikatakan mampu mencapai kelajuan 12.65 meter sesaat. Unitree juga menghantar lebih 7,000 robot humanoid pada separuh pertama tahun ini, bersamaan kira-kira 31% daripada pasaran. 12

Kelebihan ini menunjukkan bahawa kemajuan dalam robotik tidak hanya ditentukan oleh “otak” AI. Keupayaan mengawal pergerakan, membina badan robot yang praktikal, menurunkan kos dan menghasilkan unit dalam jumlah besar turut menentukan sama ada teknologi itu boleh digunakan secara meluas.

Galaxy General: mengajar robot melalui pemerhatian

Galaxy General pula menampilkan keupayaan model asas AI berjasad sebagai pembeza utamanya. Syarikat itu memperkenalkan robot berkaki dua ET1 dan berkata model seluruh badannya dilatih menggunakan kira-kira 100,000 jam data pergerakan manusia. 12

Pendekatan WAM-TTT—singkatan bagi World Action Model Test-Time Training—dipersembahkan sebagai cara untuk menyesuaikan robot dengan tugasan baharu melalui video pekerja yang menjalankan kerja tersebut. Pelanggan tidak perlu menyediakan anotasi manual atau mengawal robot dari jauh; model boleh dilatih dengan lebih lanjut berdasarkan pemerhatian terhadap aktiviti di lokasi. 14

Dari sudut komersial, catatan itu membezakan Galaxy General daripada demonstrasi konsep semata-mata. Syarikat tersebut dilaporkan telah bergerak ke arah penggunaan di dunia sebenar, dengan robot digunakan di berpuluh-puluh kilang CATL. Namun, dakwaan ini wajar difahami sebagai laporan syarikat atau laporan penggunaan, bukan penanda aras bebas yang membuktikan kecerdasan umum robot. 12

Kesimpulan: jumlah penghantaran meningkat, generalisasi masih menjadi ujian utama

Persidangan Robot Dunia 2026 menggambarkan pasaran robot humanoid yang sedang berkembang pantas dan semakin tertumpu kepada beberapa pemain besar. Penghantaran meningkat, sementara sebahagian syarikat mula melaporkan penggunaan sebenar di kilang dan premis perniagaan.

Namun, persoalan paling penting masih belum terjawab: bolehkah robot mengikut arahan bahasa, menghadapi keadaan yang tidak dijangka dan menyelesaikan tugasan dalam persekitaran baharu tanpa banyak campur tangan manusia?

Buat masa ini, industri nampaknya lebih hampir kepada kejayaan dalam senario yang ditetapkan berbanding autonomi umum yang benar-benar fleksibel. Itulah sebabnya pertumbuhan komersial AI berjasad kelihatan begitu pantas, sedangkan evolusi keupayaannya masih terasa perlahan. 12