Wanneer krijgen humanoïde robots hun ChatGPT-moment?

Kort gezegd: de doorbraak komt wanneer robots niet langer alleen specifieke handelingen uitvoeren, maar zelf kunnen bepalen wat de volgende stap moet zijn.

Twee voorspellingen, twee tijdlijnen

ACE: technisch kantelpunt eind 2027

Wang Xiaogang zei dat ACE verwacht dat embodied intelligence eind 2027 zijn eigen ‘ChatGPT-moment’ bereikt. Betere world models – modellen die de omgeving en de gevolgen van handelingen proberen te voorspellen – en veel grotere verzamelingen omgevingsdata moeten die ontwikkeling aandrijven. Hij maakte daarbij een duidelijk onderscheid tussen een technische doorbraak en brede commerciële toepassing. Voor dat laatste zouden nog eens vier tot vijf jaar nodig kunnen zijn.

Dat onderscheid is belangrijk. Een model kan op het gebied van redeneren of bewegingscontrole een grote sprong maken en toch nog te duur, onvoorspelbaar of ingewikkeld zijn om in alledaagse bedrijfsprocessen te integreren. Een onderzoeksdoorbraak is niet hetzelfde als een economisch betrouwbare ‘werknemer’ in robotvorm.

Unitree: twee tot drie jaar – of mogelijk tien

Wang Xingxing schetste twee scenario’s. In het gunstigste geval bereikt embodied intelligence binnen twee tot drie jaar een industrieel kantelpunt. Als het moeilijk blijft om robots in onbekende situaties te laten generaliseren en nauwkeurige fysieke bewegingen uit te voeren, kan dat volgens hem vijf tot tien jaar duren.

Zijn test met huishoudelijke taken legt de lat bovendien hoger dan een eenvoudige productdemo. De robot moet in een nieuwe omgeving kunnen functioneren, natuurlijke taal begrijpen en zelfstandig een breed scala aan taken uitvoeren.

De grootste hindernis zit in het ‘brein’

De mechanische hardware ontwikkelt zich snel. Toch hebben robots nog moeite om beperkte ervaring te vertalen naar de rommelige variatie van de echte wereld. Beide bestuurders noemen AI-modellen en trainingsdata als de belangrijkste beperking.

Robots hebben data nodig die waarneming koppelt aan actie: hoe een object aanvoelt, hoeveel kracht nodig is, wat er gebeurt op een glad oppervlak en hoe een robot moet herstellen wanneer een handeling mislukt. Simulaties en menselijke demonstraties helpen daarbij, maar bootsen de onvoorspelbaarheid van woningen, fabrieken, winkels en andere fysieke omgevingen niet volledig na.

Dat is een ander soort dataprobleem dan bij een taalmodel. Een robot kan niet volstaan met een beschrijving van een handeling. Hij moet het verband leren tussen waarnemen, bewegen, gevolgen inschatten en fouten corrigeren.

Hoe ACE die datastroom wil opbouwen

ACE Robotics kiest naar eigen zeggen voor een ‘mensgerichte’ aanpak. Het bedrijf wil productiemedewerkers uitrusten met lichte sensoren om menselijke bewegingen en interacties met de omgeving vast te leggen. Het doel is om tientallen miljoenen uren aan trainingsdata voor embodied world models te verzamelen.

Zo wil ACE het aantal realistische voorbeelden vergroten, in plaats van uitsluitend te vertrouwen op data die door robots of simulaties wordt gegenereerd. Mensen kunnen laten zien hoe taken worden uitgevoerd, hoe bewegingen zich aanpassen aan veranderende omstandigheden en hoe verschillende handelingen in langere werkprocessen op elkaar aansluiten.

ACE werd in juli 2025 opgericht en staat onder leiding van Wang Xiaogang, medeoprichter van SenseTime. Ant Group leidde de angelronde; ook aan SenseTime gelieerde investeerders en andere partijen deden mee.

Wat is er bijzonder aan ACE’s Kairos-4B-model?

ACE zegt dat zijn open-source Kairos-4B-model toonaangevend was in openbare benchmarks voor embodied AI en beter presteerde dan Nvidia’s Cosmos 3 in de vergelijking die tijdens de conferentie werd aangehaald. Dit zijn aan het bedrijf gekoppelde prestatieclaims. Ze moeten daarom worden gelezen als benchmarkresultaten, niet als bewijs dat algemene humanoïde robots al klaar zijn voor woningen of fabrieken.

Het bedrijf mikt bovendien op toepassingen buiten het laboratorium. ACE heeft gezegd zijn AI-modellen in 1.000 onbemande winkels te willen inzetten. Zulke gecontroleerde commerciële omgevingen zijn een logische eerste stap: winkelprocessen kunnen doorgaans gemakkelijker worden gestandaardiseerd dan de dagelijkse chaos in een gemiddeld huishouden.

China’s robotica-boom zorgt voor momentum én voorzichtigheid

De voorspellingen kwamen op een moment van grote belangstelling voor de Chinese humanoïde-robotsector. De beursgang van Unitree op de Shanghai STAR Market bracht ongeveer 904 miljoen dollar op en zou bij particuliere beleggers meer dan 8.000 keer zijn overtekend. Het aandeel sloot 460 procent boven de introductieprijs, waardoor de onderneming een marktwaarde van ongeveer 50 miljard dollar kreeg.

Ook de leveringscijfers wijzen op een vroege voorsprong van Chinese fabrikanten. Smart Analytics Global schatte dat wereldwijd in de eerste helft van 2026 ongeveer 19.100 humanoïde robots werden verscheept. Chinese producenten waren goed voor meer dan 97 procent daarvan.

Dat cijfer is geen bewijs dat algemene robotica al volwassen is. In de beschikbare berichtgeving staat ook de tegenstrijdige claim dat China in dezelfde periode meer dan 40.000 humanoïde robots leverde. Dat aantal strookt niet met de schatting van 19.100 wereldwijde leveringen en wordt door de sterkere beschikbare leveringsdata niet ondersteund.

Morgan Stanley verhoogde afzonderlijk zijn prognose voor Chinese leveringen in heel 2026 naar 50.000 stuks. De bank verwees daarbij naar de sneller dan verwachte overgang van demonstraties naar commerciële inzet. Een leveringsprognose zegt echter iets over marktgroei, niet over de vraag of robots slagen voor de 80-procenttest van Wang Xingxing.

De echte conclusie: capaciteit kan eerder komen dan betrouwbaarheid

De uitspraken van beide bestuurders betekenen niet dat humanoïde robots gegarandeerd in 2027 een vastomlijnd ChatGPT-moment bereiken. Ze laten vooral zien dat de volgende fase van de sector zal worden bepaald door software, trainingsdata en het vermogen om in nieuwe situaties te generaliseren – niet alleen door motoren, accu’s en mechanisch ontwerp.

De prognose van ACE wijst op een technische doorbraak eind 2027, gevolgd door jaren van commercialisering. Unitree maakt de onzekerheid explicieter: twee tot drie jaar als de vooruitgang versnelt, vijf tot tien jaar als de moeilijkste problemen hardnekkig blijven.

China heeft al een sterke positie op het gebied van financiering, productie en vroege leveringen. De openstaande vraag is of die schaal ook robots oplevert die betrouwbaar functioneren in omgevingen die ze nog nooit hebben gezien. Zolang het probleem van data en modellen niet is opgelost, blijft een ChatGPT-moment voor robotbreinen een voorspelling – geen af product.