De meest veelzeggende demonstraties vormden meerdere stappen samen tot één werkproces:

• UBTECH presenteerde een logistieke productielijn met ongeveer tien humanoïde robots. Sommige machines tilden en stapelden dozen, terwijl andere goederen sorteerden en materialen aanvulden. Zo liet het bedrijf zien hoe robots verschillende, elkaar aanvullende taken kunnen uitvoeren.
• Galaxea toonde een robot die een via een QR-code besteld flesje lokaliseerde, ophaalde en verpakte. Volgens het bedrijf duurde dat iets meer dan een minuut en draait het systeem al in Beijing en andere steden. Dat is een claim van de onderneming over inzet, geen onafhankelijk bewijs van grootschalige exploitatie.
• Op andere stands waren robots te zien die pakketten sorteerden, mobiele telefoons verpakten, lastten, productielijnen laadden, schappen aanvulden, kookten en huishoudelijke taken uitvoerden. Zulke opdrachten testen vooral grijpen, manipuleren en integratie in een werkproces—veel directer dan dansen of racen.

WRC verdeelde de toepassingen bovendien over productie, horeca en retail, gezondheids- en ouderenzorg en noodhulp. Op korte termijn lijken vooral omgevingen met een vaste structuur kansrijk: fabrieken, magazijnen en inspectieroutes, waar taken, veiligheidsgrenzen en werkomstandigheden beter zijn af te bakenen.

Fabrieken en logistiek als eerste praktijktest

Chinese autofabrikanten behoren tot de belangrijkste mogelijke klanten. Volgens Reuters testten bijna tien grote autofabrikanten, waaronder BYD en SAIC, systemen voor ‘embodied intelligence’—kunstmatige intelligentie die de fysieke wereld kan waarnemen en erin kan handelen—voor materiaalverplaatsing en het laden van onderdelen aan productielijnen. Unitree meldde daarnaast dat zijn robots worden getest op assemblagelijnen in de auto-industrie en in de eigen fabrieken.

Dat soort toepassingen biedt een duidelijkere commerciële test dan een eenmalige demonstratie voor publiek of investeerders. Een fabrieksrobot moet langdurig dezelfde taak kunnen herhalen, fouten kunnen opvangen, veilig naast bestaande apparatuur werken en zijn aanschaf- of gebruikskosten terugverdienen. Voor magazijnrobots gelden vergelijkbare eisen, zoals betrouwbare objectherkenning, veilige navigatie en koppeling met bestel- en voorraadbeheersystemen.

Ook de samenstelling van de beurs wees op die systeemuitdaging. Ontwikkelaars van algoritmen, leveranciers van 3D-vision en batterijen, robotfabrikanten en industriële gebruikers kwamen op dezelfde plek samen. Dat past bij de poging om de route van componenten en trainingsdata naar inzetbare systemen bij klanten korter te maken.

Trainingslocaties bootsen echte banen na

Een fysieke robot heeft meer nodig dan een groot taalmodel en een gelikt prototype. Camera’s, krachtsensoren en demonstraties door mensen leveren data op. Daarna moet de robot veelvuldig oefenen in omgevingen die lijken op de plaatsen waar hij uiteindelijk moet werken.

China telt meer dan 70 trainingslocaties voor embodied intelligence. Nog eens 46 locaties zouden in aanbouw zijn of gepland staan. Daar worden onder meer telebedienings- en sensordata verzameld en kunnen robots praktische opdrachten herhaald uitvoeren. In Hangzhou zou een nationale proeftuin meer dan 140 robots trainen in ruim 40 beroepsgerichte scenario’s, waaronder keukens, magazijnen, boerderijen en een nagebouwde mijntunnel.

Zo ontstaat een feedbacklus: robots proberen een taak, operators corrigeren fouten, nieuwe data verbetert de modellen en de aangepaste systemen worden opnieuw getest. Dat garandeert geen algemene autonomie, maar pakt wel een van de grootste knelpunten van embodied AI aan: het tekort aan hoogwaardige praktijkdata die direct is gekoppeld aan meetbare prestaties.

Overheid en kapitaal sturen op toepassing

Beijing heeft embodied intelligence van een specialistisch onderzoeksthema verheven tot een nationale industriële prioriteit. De regering nam de term op in het werkrapport voor 2025. Het 15e vijfjarenplan voor 2026–2030 roept op tot vooruitstrevende ontwikkeling van embodied AI en tot mechanismen om opkomende sectoren te financieren en risico’s te delen.

Een nationaal actieplan voor humanoïde robots en training met echte werksituaties moet meer dan honderd hoogwaardige toepassingsscenario’s identificeren. Volgens berichtgeving ligt de nadruk op productie, publieke dienstverlening en gespecialiseerde taken, zoals productie, inspectie en onderhoud.

De markt groeit mee met die beleidssteun. De omzet van de Chinese roboticasector zou in 2025 boven de 300 miljard yuan zijn uitgekomen, na een gemiddelde jaarlijkse groei van meer dan 20 procent in de vijf voorafgaande jaren. In de eerste helft van 2026 bedroeg de omzet naar verluidt 165,5 miljard yuan, 24,5 procent meer dan een jaar eerder. Deze cijfers gaan over de roboticasector als geheel en bewijzen niet dat humanoïde robots al op grote schaal winstgevend zijn.

De investeringshonger was vooral zichtbaar bij de beursgang van Unitree op de STAR Market in augustus 2026. Het bedrijf werd de eerste fabrikant van humanoïde robots op de Chinese A-aandelenmarkt. Het aandeel opende 629,44 procent boven de introductieprijs en sloot 460,34 procent hoger. Die spectaculaire start toont de belangstelling van beleggers, maar zegt op zichzelf niets over blijvende klantvraag of een bewezen rendabel bedrijfsmodel.

Het ‘ChatGPT-moment’ is nog toekomstmuziek

Het uiteindelijke doel is niet simpelweg een robot die één taak goed uitvoert. De ambitie is een machine die een onbekende omgeving kan betreden, een opdracht in gewone taal begrijpt en het grootste deel van het benodigde werk uitvoert zonder uitgebreide, taakspecifieke programmering.

Unitree-oprichter Wang Xingxing omschreef dat vermogen als het robotica-equivalent van een ChatGPT-moment. Hij noemde een optimistische termijn van twee tot drie jaar en een uiterste termijn van vijf tot tien jaar. Andere analyses plaatsen een vergelijkbare doorbraak rond eind 2028, maar ook dat zijn voorspellingen van bedrijfs- en industriefiguren, geen breed gedragen consensus.

De demonstraties op WRC ondersteunen daarom een beperktere conclusie: China beweegt snel van technische presentaties naar proefprojecten en inzet in concrete scenario’s. Ze bewijzen nog niet dat algemene humanoïde robots betrouwbaar en economisch kunnen functioneren in het brede, onvoorspelbare scala aan taken dat mensen van hen verwachten.

Hier moeten de volgende cijfers vandaan komen

De volgende fase moet worden beoordeeld op operationele resultaten, niet op choreografie. De belangrijkste vragen zijn:

1. Kan de robot dezelfde taak steeds opnieuw uitvoeren? Let op openbaar gemaakte cijfers over beschikbaarheid, slagingspercentages en prestaties over langere periodes.
2. Hoeveel menselijke hulp is nodig? Een robot die voortdurend op afstand wordt bediend, is niet hetzelfde als een autonome werknemer.
3. Kan de robot herstellen van fouten? In echte werkomgevingen liggen voorwerpen verkeerd, veranderen indelingen en duiken onverwachte obstakels op.
4. Klopt de rekensom? Aanschafprijs, onderhoud, energieverbruik, training en toezicht bepalen samen de zakelijke haalbaarheid.
5. Is er een betalende klant? Een demonstratie, een pilot en een herhaalde commerciële bestelling zijn verschillende stadia van adoptie.

De omslag in de Chinese robotica is dus reëel, maar nog niet voltooid. WRC 2026 liet een sector zien die de industriële partnerschappen, trainingsinfrastructuur en beleidsmechanismen opbouwt die nodig zijn voor groei. De beslissende test volgt zodra robots buiten de beursvloer betrouwbaar werk moeten leveren—en dat moeten blijven doen nadat de nieuwigheid eraf is.

De meest veelzeggende demonstraties vormden meerdere stappen samen tot één werkproces:

• UBTECH presenteerde een logistieke productielijn met ongeveer tien humanoïde robots. Sommige machines tilden en stapelden dozen, terwijl andere goederen sorteerden en materialen aanvulden. Zo liet het bedrijf zien hoe robots verschillende, elkaar aanvullende taken kunnen uitvoeren.
• Galaxea toonde een robot die een via een QR-code besteld flesje lokaliseerde, ophaalde en verpakte. Volgens het bedrijf duurde dat iets meer dan een minuut en draait het systeem al in Beijing en andere steden. Dat is een claim van de onderneming over inzet, geen onafhankelijk bewijs van grootschalige exploitatie.
• Op andere stands waren robots te zien die pakketten sorteerden, mobiele telefoons verpakten, lastten, productielijnen laadden, schappen aanvulden, kookten en huishoudelijke taken uitvoerden. Zulke opdrachten testen vooral grijpen, manipuleren en integratie in een werkproces—veel directer dan dansen of racen.

WRC verdeelde de toepassingen bovendien over productie, horeca en retail, gezondheids- en ouderenzorg en noodhulp. Op korte termijn lijken vooral omgevingen met een vaste structuur kansrijk: fabrieken, magazijnen en inspectieroutes, waar taken, veiligheidsgrenzen en werkomstandigheden beter zijn af te bakenen.

Fabrieken en logistiek als eerste praktijktest

Chinese autofabrikanten behoren tot de belangrijkste mogelijke klanten. Volgens Reuters testten bijna tien grote autofabrikanten, waaronder BYD en SAIC, systemen voor ‘embodied intelligence’—kunstmatige intelligentie die de fysieke wereld kan waarnemen en erin kan handelen—voor materiaalverplaatsing en het laden van onderdelen aan productielijnen. Unitree meldde daarnaast dat zijn robots worden getest op assemblagelijnen in de auto-industrie en in de eigen fabrieken.

Dat soort toepassingen biedt een duidelijkere commerciële test dan een eenmalige demonstratie voor publiek of investeerders. Een fabrieksrobot moet langdurig dezelfde taak kunnen herhalen, fouten kunnen opvangen, veilig naast bestaande apparatuur werken en zijn aanschaf- of gebruikskosten terugverdienen. Voor magazijnrobots gelden vergelijkbare eisen, zoals betrouwbare objectherkenning, veilige navigatie en koppeling met bestel- en voorraadbeheersystemen.

Ook de samenstelling van de beurs wees op die systeemuitdaging. Ontwikkelaars van algoritmen, leveranciers van 3D-vision en batterijen, robotfabrikanten en industriële gebruikers kwamen op dezelfde plek samen. Dat past bij de poging om de route van componenten en trainingsdata naar inzetbare systemen bij klanten korter te maken.

Trainingslocaties bootsen echte banen na

Een fysieke robot heeft meer nodig dan een groot taalmodel en een gelikt prototype. Camera’s, krachtsensoren en demonstraties door mensen leveren data op. Daarna moet de robot veelvuldig oefenen in omgevingen die lijken op de plaatsen waar hij uiteindelijk moet werken.

China telt meer dan 70 trainingslocaties voor embodied intelligence. Nog eens 46 locaties zouden in aanbouw zijn of gepland staan. Daar worden onder meer telebedienings- en sensordata verzameld en kunnen robots praktische opdrachten herhaald uitvoeren. In Hangzhou zou een nationale proeftuin meer dan 140 robots trainen in ruim 40 beroepsgerichte scenario’s, waaronder keukens, magazijnen, boerderijen en een nagebouwde mijntunnel.

Zo ontstaat een feedbacklus: robots proberen een taak, operators corrigeren fouten, nieuwe data verbetert de modellen en de aangepaste systemen worden opnieuw getest. Dat garandeert geen algemene autonomie, maar pakt wel een van de grootste knelpunten van embodied AI aan: het tekort aan hoogwaardige praktijkdata die direct is gekoppeld aan meetbare prestaties.

Overheid en kapitaal sturen op toepassing

Beijing heeft embodied intelligence van een specialistisch onderzoeksthema verheven tot een nationale industriële prioriteit. De regering nam de term op in het werkrapport voor 2025. Het 15e vijfjarenplan voor 2026–2030 roept op tot vooruitstrevende ontwikkeling van embodied AI en tot mechanismen om opkomende sectoren te financieren en risico’s te delen.

Een nationaal actieplan voor humanoïde robots en training met echte werksituaties moet meer dan honderd hoogwaardige toepassingsscenario’s identificeren. Volgens berichtgeving ligt de nadruk op productie, publieke dienstverlening en gespecialiseerde taken, zoals productie, inspectie en onderhoud.

De markt groeit mee met die beleidssteun. De omzet van de Chinese roboticasector zou in 2025 boven de 300 miljard yuan zijn uitgekomen, na een gemiddelde jaarlijkse groei van meer dan 20 procent in de vijf voorafgaande jaren. In de eerste helft van 2026 bedroeg de omzet naar verluidt 165,5 miljard yuan, 24,5 procent meer dan een jaar eerder. Deze cijfers gaan over de roboticasector als geheel en bewijzen niet dat humanoïde robots al op grote schaal winstgevend zijn.

De investeringshonger was vooral zichtbaar bij de beursgang van Unitree op de STAR Market in augustus 2026. Het bedrijf werd de eerste fabrikant van humanoïde robots op de Chinese A-aandelenmarkt. Het aandeel opende 629,44 procent boven de introductieprijs en sloot 460,34 procent hoger. Die spectaculaire start toont de belangstelling van beleggers, maar zegt op zichzelf niets over blijvende klantvraag of een bewezen rendabel bedrijfsmodel.

Het ‘ChatGPT-moment’ is nog toekomstmuziek

Het uiteindelijke doel is niet simpelweg een robot die één taak goed uitvoert. De ambitie is een machine die een onbekende omgeving kan betreden, een opdracht in gewone taal begrijpt en het grootste deel van het benodigde werk uitvoert zonder uitgebreide, taakspecifieke programmering.

Unitree-oprichter Wang Xingxing omschreef dat vermogen als het robotica-equivalent van een ChatGPT-moment. Hij noemde een optimistische termijn van twee tot drie jaar en een uiterste termijn van vijf tot tien jaar. Andere analyses plaatsen een vergelijkbare doorbraak rond eind 2028, maar ook dat zijn voorspellingen van bedrijfs- en industriefiguren, geen breed gedragen consensus.

De demonstraties op WRC ondersteunen daarom een beperktere conclusie: China beweegt snel van technische presentaties naar proefprojecten en inzet in concrete scenario’s. Ze bewijzen nog niet dat algemene humanoïde robots betrouwbaar en economisch kunnen functioneren in het brede, onvoorspelbare scala aan taken dat mensen van hen verwachten.

Hier moeten de volgende cijfers vandaan komen

De volgende fase moet worden beoordeeld op operationele resultaten, niet op choreografie. De belangrijkste vragen zijn:

1. Kan de robot dezelfde taak steeds opnieuw uitvoeren? Let op openbaar gemaakte cijfers over beschikbaarheid, slagingspercentages en prestaties over langere periodes.
2. Hoeveel menselijke hulp is nodig? Een robot die voortdurend op afstand wordt bediend, is niet hetzelfde als een autonome werknemer.
3. Kan de robot herstellen van fouten? In echte werkomgevingen liggen voorwerpen verkeerd, veranderen indelingen en duiken onverwachte obstakels op.
4. Klopt de rekensom? Aanschafprijs, onderhoud, energieverbruik, training en toezicht bepalen samen de zakelijke haalbaarheid.
5. Is er een betalende klant? Een demonstratie, een pilot en een herhaalde commerciële bestelling zijn verschillende stadia van adoptie.

De omslag in de Chinese robotica is dus reëel, maar nog niet voltooid. WRC 2026 liet een sector zien die de industriële partnerschappen, trainingsinfrastructuur en beleidsmechanismen opbouwt die nodig zijn voor groei. De beslissende test volgt zodra robots buiten de beursvloer betrouwbaar werk moeten leveren—en dat moeten blijven doen nadat de nieuwigheid eraf is.