Kinas humanoide roboter går fra oppvisning til arbeidsliv

De andre World Humanoid Robot Games ga et todelt bilde av utviklingen innen humanoide roboter. Robotene konkurrerte i idretter og satte oppsiktsvekkende rekorder, men ble også testet i oppgaver som kabeltilkobling, lagerarbeid, restaurantdrift, kontorarbeid og beredskap. Samtidig viste besøk i Beijings innovasjonspark for «embodied AI» – kunstig intelligens som kobler sanseinntrykk til fysisk handling – at selskaper bygger komponenter, samler inn treningsdata, henter kapital og prøver å få roboter ut til kunder. 1213

Til sammen peker dette mot en bransje i en tidlig og ujevn kommersialiseringsfase – ikke et ferdig marked for allsidig robotarbeidskraft. Maskinvaren blir enklere å produsere i større skala, men nyttig arbeid krever fortsatt driftssikkerhet, standarder, tydelig avgrensede bruksområder og nok data til å håndtere variasjon i den virkelige verden.

Robotlekene blir også en arbeidstest

Lekene åpnet i Beijings nasjonale hurtigløpsarena, kjent som «Ice Ribbon», 22. august 2026. Arrangørene registrerte 666 lag og 2 056 roboter. Antall lag var 138 prosent høyere enn i den første utgaven, mens robotantallet var omtrent firedoblet. Programmet ble utvidet til 51 øvelser: 30 konkurranseøvelser og 21 scenarioøvelser. 26

Formatet er viktig fordi idrettsprestasjoner bare måler en smal del av en robots kapasitet. En robot kan løpe raskt i en kontrollert konkurranse uten å kunne utføre en monoton industrioppgave trygt, gjentatte ganger og til en kostnad som gir økonomisk mening. De arbeidsrettede øvelsene flytter derfor oppmerksomheten mot selvstendighet, fingerferdighet og evnen til å fullføre oppgaver i miljøer som skal ligne fabrikker, lager, restauranter, kontorer og beredskapssituasjoner. 1912

Kravene til selvstendighet ble også skjerpet. Omtalen av lekene beskrev et skifte fra bare å fullføre en oppgave til å gjøre det raskt, presist og stabilt – uten fjernstyring. 9

Hele maskinvarekjeden begynner å skalere

Besøkene i Beijings Zhongguancun Haidian-park for embodied AI i august tydet på at sektoren ikke lenger bare består av enkeltstående prototyper. Selskaper beskrev stadig likere robotkonfigurasjoner og kjernekomponenter. En slik konvergens kan redusere behovet for spesialtilpasning og gjøre komponentproduksjonen mer skalerbar. 13

Zhuoyu Technology sa at markedet hadde gått fra prototypeserier på rundt 10 til 50 enheter i 2024 og 2025 til større kundeutrullinger. Ifølge selskapet hadde mellom 10 og 20 kunder bestilt mer enn 1 000 enheter hver. Selskapet oppga også en månedlig kapasitet på komponenter til rundt 3 000 roboter, med et mål om 50 000–60 000 i november, samt en ordrebok omtalt som flere hundre tusen roboter. Dette er selskaps- eller bransjeopplysninger, ikke uavhengig reviderte leveringstall. 13

Også de bredere prognosene peker mot økte forventninger. Morgan Stanley hevet sitt anslag for kinesiske leveranser av humanoide roboter i 2026 fra 28 000 til 50 000 enheter, med henvisning til kommersiell validering, politisk støtte og fremdrift i leverandørkjeden. 2728 Prognoser er ikke det samme som faktisk leverte roboter, men oppjusteringen viser hvor raskt forventningene endrer seg.

Wujie Power viser hvordan kommersialiseringen finansieres

Wujie Power, som ble grunnlagt i 2025, illustrerer både kapitaltilgangen og ambisjonene i sektoren. Selskapet oppga at to robotgenerasjoner var i masseproduksjon, mens en tredje var under utvikling. Det rapporterte også mer enn 200 millioner dollar i såkalt angel-finansiering og nær 100 millioner dollar i globale ordre i første halvår 2026. Blant bruksområdene selskapet viste til, var industriproduksjon og servering i kaffebarer. Det hevdet dessuten å ha europeisk CE-sertifisering for en komplett industriell løsning. 13

Slike meldinger viser at kunder og investorer er villige til å finansiere pilotprosjekter og tidlige utrullinger før humanoide roboter har den driftssikkerheten man forventer av modent industriutstyr. De beviser imidlertid ikke at robotene allerede kan utføre bredt kommersielt arbeid selvstendig over lange driftsperioder.

Wujie Powers grunnlegger Zhang Yufeng trakk frem det sentrale skillet: På et kontrollert industriområde kan man lære en robot en smal og repetitiv ferdighet. Kommersiell service krever derimot at ferdigheten fungerer på tvers av skiftende omgivelser, brukere, gjenstander og feil. Det siste problemet er betydelig vanskeligere. 13

Ingen «killer application» er på plass ennå

Behovet i markedet er reelt, men bruksområdene er fortsatt uavklarte. Fabrikker kan tilby oversiktlige lokaler og oppgaver som gjentas. Logistikk innebærer mer bevegelse, skiftende gjenstander og strenge krav til oppetid. Butikker og serveringssteder har uforutsigbare mennesker og samhandling. I hjemmet samles alle disse utfordringene – i tillegg til et nærmest ubegrenset antall gjenstander og situasjoner.

Et initiativ fra Kinas departement for industri og informasjonsteknologi (MIIT) og den statlige eierskapskommisjonen SASAC i juni 2026 presset selskaper mot trening, validering og utrulling i virkelige situasjoner innen utgangen av året. Det øker presset på bransjen for å komme videre fra messer og demonstrasjoner. 13 Politikken løser likevel ikke det grunnleggende produktspørsmålet: Hvilke oppgaver skaper nok verdi til å forsvare kostnadene til en humanoid robot, inkludert vedlikehold, menneskelig oppfølging og sikkerhet?

Det mest troverdige markedet på kort sikt er derfor trolig avgrensede og repeterbare oppgaver, ikke fullt ut allsidig robotarbeidskraft. Scenarioøvelsene i Beijing er nyttige nettopp fordi de synliggjør avstanden mellom en forhåndsskriptet demonstrasjon og en arbeidsflyt som fungerer pålitelig. 113

Driftssikkerhet og standarder betyr mer enn showet antyder

Deltakere fra bransjen erkjente at mange humanoide roboter fortsatt mangler industriell driftssikkerhet og modne internasjonale standarder. Det skiller dem fra konvensjonelle industriroboter, som forventes å kunne operere i titusenvis av timer. 13

En robot som gjennomfører en imponerende øvelse én gang, har vist en bestemt kapasitet. Den har ikke nødvendigvis vist at den kan arbeide trygt og lønnsomt gjennom flere skift, med skiftende belastning, forutsigbart vedlikehold og god håndtering av feil.

For kjøperne endrer derfor de viktigste spørsmålene seg:

• Hvor ofte stanser roboten eller trenger hjelp fra et menneske?
• Kan den håndtere en uventet gjenstand, person eller hindring?
• Hvor mange timer kan den arbeide før vedlikehold er nødvendig?
• Kan den samme ferdigheten overføres mellom ulike robotmodeller og arbeidssteder?
• Finnes det et anerkjent rammeverk for sikkerhet og regelverk ved bruk?

Svarene vil bety mer for utbredelsen enn de sportslige rekordene – selv om det er rekordene som får mest oppmerksomhet.

Treningsdata blir den sentrale flaskehalsen

Samtalene i innovasjonsparken viste også et skifte fra et maskinvareproblem til et dataproblem. Oppgitte kundekrav øker fra tusenvis av treningstimer til hundretusener og etter hvert titalls millioner. Noitom Robotics sa at selskapet planla å produsere hundretusener av datatimer i 2026 og millioner i 2027. 13

Ambisjonsnivået blir tydelig når man ser på Noitoms offentlige lansering av HiPHI, et datasett med 617,5 timer høypresisjonsdata om menneskelig bevegelse og samspill med gjenstander. Datasettet er omfattende, men størrelsen illustrerer også avstanden mellom en verdifull forskningsressurs og de langt større datamengdene selskapene sier at de trenger for robuste systemer med fysisk intelligens. 4749

Dataene kan ikke uten videre brukes om hverandre. Diskusjonene beskrev tre brede nivåer:

1. Operasjonelle data av høy kvalitet: Presise eksempler fra førstepersonsperspektiv eller fjernstyring som kan lære roboten vanskelige ferdigheter, men som er dyre å samle inn.
2. Menneskesentrerte, overførbare data: Menneskelig bevegelse og samhandling registrert på en måte som kan tilpasses ulike robotkropper.
3. Simuleringsdata: Store mengder data som er relativt billige å produsere, men som begrenses av forskjellen mellom simulerte og fysiske omgivelser.

Fysisk datainnsamling ble omtalt som noe som koster tusenvis av yuan per time. Kostnadene driver frem forsøk på innsamling i langt større skala, blant annet Noitoms plan om å hente inn data fra nær 20 000 mennesker innen året etter, med hjemlige situasjoner som startpunkt. 13

Lærdommen er enkel: En humanoid robot blir ikke allsidig bare fordi kroppen ligner et menneskes. Den trenger nok variert og nøyaktig merket erfaring til å koble sammen sanseinntrykk, bevegelser, gjenstander, mennesker og konsekvenser i den fysiske verden.

Dette viser august-tallene faktisk

Robotlekene og besøkene i innovasjonsparken støtter en nøktern konklusjon:

• Bransjen skalerer. Deltakelsen i lekene, det utvidede programmet, likere komponenter, finansieringen og de rapporterte ordrene peker mot et større kommersielt økosystem. 213
• Kommersiell validering er i gang. Selskaper prøver å få roboter ut i fabrikker, logistikk, servering og andre virkelige miljøer, mens politiske initiativer øker presset for å teste dem utenfor utstillingsarenaene. 113
• Allsidig robotarbeid er ikke løst. Driftssikkerhet, standarder, økonomi, valg av oppgaver og datamengder er fortsatt åpne problemer. 13

Humanoide roboter har dermed beveget seg forbi en fase der dans, løping og forhåndsprogrammerte oppvisninger var hovedsaken. Den neste testen blir mindre spektakulær, men langt viktigere: Kan en robot utføre nyttig arbeid trygt og stabilt i tusenvis av timer – og håndtere nok variasjon i virkeligheten til å fortjene en plass i en virksomhet?