Når får menneskelignende roboter sitt «ChatGPT-øyeblikk»?

Menneskelignende roboter kan nærme seg et gjennombrudd på linje med ChatGPT. Men selv de mest optimistiske prognosene beskriver en lang vei fra imponerende demonstrasjoner til roboter som fungerer stabilt i kommersiell drift.

Under World Robot Conference i Beijing i 2026 sa ACE Robotics-styreleder Wang Xiaogang at såkalt kroppsliggjort intelligens kan nå et teknisk vendepunkt innen utgangen av 2027. Wang Xingxing, toppsjef i Unitree Robotics, anslo to til tre år i et best mulig scenario – men advarte om at utviklingen kan ta fem til ti år dersom fremgangen bremser.

Uenigheten handler derfor ikke først og fremst om hvorvidt et gjennombrudd er mulig. Den handler om hva som skal telle som et gjennombrudd, og hvor lang tid det tar å gjøre en lovende teknologi om til et pålitelig produkt.

Hva vil et «ChatGPT-øyeblikk» for roboter bety?

For de to lederne handler uttrykket ikke om en robot som klarer én spektakulær rutine. Det handler om et system som kan forstå ukjente omgivelser, bruke kunnskap på tvers av oppgaver og handle i den fysiske verden uten å bli programmert trinn for trinn.

Wang Xingxing beskrev en konkret praktisk test: Sett roboten inn i et hjem den aldri har sett før, gi den instruksjoner med tale eller tekst, og se om den klarer omtrent 80 prosent av oppgavene den får. Kravet måler hvor godt roboten generaliserer til nye omgivelser – ikke hvor godt den presterer i en kontrollert demonstrasjon.

Med andre ord: Milepælen vil være overgangen fra roboter som kan gjøre bestemte ting, til roboter som selv kan finne ut hva de bør gjøre.

To svært ulike tidslinjer

Wang Xiaogang: Teknisk gjennombrudd innen utgangen av 2027

Wang Xiaogang sa at ACE Robotics venter et «ChatGPT-øyeblikk» for kroppsliggjort intelligens innen utgangen av 2027. Han viste til bedre verdensmodeller og langt større mengder data fra fysiske miljøer som drivkrefter. Samtidig skilte han tydelig mellom et teknisk gjennombrudd og bred kommersiell bruk. Det siste kan kreve ytterligere fire–fem år.

Dette skillet er viktig. En modell kan bli betydelig bedre til å resonnere eller styre en robot, samtidig som løsningen fortsatt er for dyr, ustabil eller vanskelig å integrere i daglig drift. Et forskningsmessig gjennombrudd og en økonomisk bærekraftig robotarbeidsstyrke er ikke nødvendigvis samme hendelse.

Wang Xingxing: To–tre år i beste fall, opptil 10 år ellers

Wang Xingxing beskrev to mulige utviklingsbaner. I det optimistiske scenarioet kan kroppsliggjort intelligens nå vendepunktet om to til tre år. Dersom fremgangen innen generalisering og presis fysisk kontroll bremser, kan bransjen i stedet trenge fem til ti år.

Husholdningstesten hans stiller dessuten høyere krav enn en enkel teknologidemonstrasjon. Roboten må kunne operere i et nytt miljø, tolke naturlig språk og utføre et bredt spekter av oppgaver på egen hånd.

Hvorfor er robotenes «hjerner» flaskehalsen?

Maskinvaren utvikler seg raskt, men programvaren har fortsatt problemer med å gå fra begrenset erfaring til den uforutsigbare variasjonen i virkelige situasjoner. Begge lederne pekte på AI-modeller og treningsdata som den viktigste begrensningen.

Roboter trenger data som kobler det de ser, til det de gjør: hvordan en gjenstand føles, hvor mye kraft som skal brukes, hva som skjer når en overflate er glatt, og hvordan roboten kan rette opp en mislykket handling. Simuleringer og demonstrasjoner kan hjelpe, men de gjenskaper ikke fullt ut uforutsigbarheten i hjem, fabrikker, butikker og andre fysiske miljøer.

Dette er et annet dataproblem enn det tekstmodeller står overfor. En robot kan ikke bare lære av en beskrivelse av en handling. Den må lære sammenhengen mellom sanseinntrykk, bevegelse, konsekvenser og korrigering.

Slik prøver ACE Robotics å bygge datagrunnlaget

ACE Robotics satser på en «menneskesentrert» metode. Selskapet utstyrer arbeidere på produksjonslinjer med lette sensorer for å registrere menneskelige handlinger og samspill med omgivelsene. Målet er å samle inn titalls millioner timer med treningsdata til selskapets verdensmodeller for kroppsliggjort intelligens.

Tanken er å øke tilgangen på eksempler fra den virkelige verden, i stedet for å basere seg hovedsakelig på data fra roboter eller simuleringer. Menneskelige operatører kan vise hvordan oppgaver gjennomføres, hvordan bevegelser tilpasses skiftende forhold, og hvordan handlinger kobles sammen i lengre arbeidsprosesser.

ACE ble etablert i juli 2025 og ledes av Wang Xiaogang, som var med på å grunnlegge SenseTime. Ant Group ledet selskapets såkornrunde, mens SenseTime-relatert kapital og andre investorer også deltok.

Hva er spesielt med ACEs Kairos-modell?

ACE sier at den åpne Kairos-4B-modellen ledet offentlige referansetester for kroppsliggjort AI, og at den gjorde det bedre enn Nvidias Cosmos 3 i sammenligningen som ble omtalt under konferansen. Dette er påstander knyttet til selskapet og bør forstås som resultater fra referansetester – ikke som bevis på at roboter med generell bruk allerede er klare for hjem eller fabrikker.

Selskapet satser også på bruk utenfor laboratoriet. ACE har sagt at de planlegger å ta i bruk AI-modellene sine i 1 000 ubemannede butikker. Ambisjonen illustrerer hvorfor utviklere ofte starter i avgrensede kommersielle miljøer, der arbeidsflytene kan standardiseres enklere enn i en vanlig husholdning.

Kinas robotboom skaper både press og skepsis

Prognosene kom samtidig som interessen for Kinas marked for menneskelignende roboter er svært høy. Unitrees børsnotering på Shanghais teknologitunge STAR-marked hentet inn rundt 904 millioner dollar og skal ha vært overtegnet mer enn 8 000 ganger blant småinvestorer. Aksjen endte 460 prosent over emisjonskursen, noe som ga selskapet en markedsverdi på omtrent 50 milliarder dollar.

Tall for leveranser viser også Kinas tidlige produksjonsforsprang. Smart Analytics Global anslo at det globalt ble levert rundt 19 100 menneskelignende roboter i første halvår 2026, og at kinesiske produsenter sto for mer enn 97 prosent av totalen.

Tallet må ikke forveksles med moden, generell automatisering. Det finnes en motstridende påstand om at Kina leverte mer enn 40 000 menneskelignende roboter i samme periode, men dette harmonerer ikke med anslaget på 19 100 leveranser globalt og støttes ikke av de bedre dokumenterte tallene som er tilgjengelige her.

Morgan Stanley har separat oppjustert prognosen for kinesiske leveranser i hele 2026 til 50 000 roboter, med henvisning til at bransjen raskere enn ventet beveger seg fra demonstrasjoner til kommersiell bruk. En prognose for leveranser måler likevel markedsvekst – ikke om robotene består testen med 80 prosent av husholdningsoppgavene som Wang Xingxing beskrev.

Det viktigste poenget: Evne kan komme før pålitelighet

Den mest nyttige tolkningen av uttalelsene er ikke at menneskelignende roboter garantert vil nå en bestemt milepæl i 2027. Poenget er heller at bransjen nærmer seg en fase der programvare, treningsdata og evnen til å generalisere blir viktigere enn bare motorer, batterier og mekanisk design.

ACEs prognose peker mot et teknisk gjennombrudd innen utgangen av 2027, etterfulgt av flere år med kommersialisering. Unitrees tidsrom synliggjør usikkerheten: to til tre år dersom fremgangen skyter fart, eller fem til ti år dersom de vanskeligste problemene fortsatt viser seg motstandsdyktige.

Kina har allerede en sterk posisjon innen finansiering, produksjon og tidlige leveranser. Det ubesvarte spørsmålet er om dette omfanget kan føre til roboter som fungerer pålitelig i miljøer de aldri har sett før. Inntil data- og modellproblemene er løst, er robotenes «ChatGPT-øyeblikk» fortsatt en prognose – ikke et ferdig produkt.