Kiedy humanoidalne roboty doczekają się swojego „momentu ChatGPT”?

Innymi słowy, przełom nastąpi wtedy, gdy roboty przestaną jedynie wykonywać określone czynności, a zaczną samodzielnie rozpoznawać, co należy zrobić dalej.

Dwie prognozy, jeden trudny problem

Wang Xiaogang: techniczny przełom do końca 2027 roku

Wang Xiaogang powiedział, że ACE spodziewa się „momentu ChatGPT” dla inteligencji ucieleśnionej do końca 2027 roku. Mają do tego doprowadzić lepsze modele świata — systemy próbujące reprezentować i przewidywać zmiany w otoczeniu — oraz znacznie większe zbiory danych środowiskowych. Jednocześnie oddzielił przełom techniczny od szerokiego wdrożenia komercyjnego, które jego zdaniem może wymagać kolejnych czterech–pięciu lat.

To ważne rozróżnienie. Model może wykazać wyraźny postęp w rozumowaniu lub sterowaniu, a mimo to pozostawać zbyt drogi, niestabilny albo trudny do zintegrowania z codziennymi procesami. Kamień milowy w laboratorium i ekonomicznie uzasadniona, niezawodna „siła robocza” to nie to samo wydarzenie.

Wang Xingxing: dwa–trzy lata w najlepszym razie, nawet dekada w gorszym

Wang Xingxing opisał dwa możliwe scenariusze. W optymistycznym inteligencja ucieleśniona może osiągnąć punkt zwrotny w ciągu dwóch–trzech lat. Jeśli jednak rozwój zdolności do uogólniania i precyzyjnej kontroli fizycznej zwolni, branża może potrzebować 5–10 lat.

Jego test z zadaniami domowymi jest bardziej wymagający niż zwykła demonstracja jednej funkcji. Robot musi działać w nowym otoczeniu, rozumieć język naturalny i samodzielnie wykonywać szeroki zakres czynności.

Dlaczego „mózg” robota jest dziś wąskim gardłem?

Sprzęt rozwija się szybko, ale oprogramowanie nadal ma problem z przenoszeniem ograniczonego doświadczenia na ogromną różnorodność sytuacji w prawdziwym świecie. Obaj menedżerowie wskazali modele AI i dane treningowe jako główne ograniczenie.

Robot potrzebuje danych łączących to, co widzi, z tym, co robi: jak przedmiot reaguje na dotyk, jakiej siły użyć, co zmienia śliska powierzchnia i jak skorygować działanie po błędzie. Symulacje i nagrania pokazowe mogą pomóc, ale nie odwzorowują w pełni nieprzewidywalności mieszkań, fabryk, sklepów i innych fizycznych środowisk.

To problem innego rodzaju niż trenowanie modelu tekstowego. Robot nie może nauczyć się czynności wyłącznie z jej opisu. Musi zrozumieć zależność między percepcją, ruchem, konsekwencjami działania i poprawianiem błędów.

Jak ACE Robotics chce zdobywać dane?

ACE Robotics rozwija podejście określane jako „skoncentrowane na człowieku”. Firma wyposaża pracowników linii produkcyjnych w lekkie czujniki, aby rejestrować ludzkie działania oraz interakcje z otoczeniem. Jej celem jest zebranie dziesiątek milionów godzin danych treningowych dla modeli świata przeznaczonych do inteligencji ucieleśnionej.

Strategia ma zwiększyć liczbę przykładów z rzeczywistego świata, zamiast opierać się wyłącznie na danych generowanych przez roboty lub symulacje. Pracownicy mogą pokazywać, jak zadania wykonuje się w zmiennych warunkach, jak dostosowuje się ruchy i jak łączy poszczególne czynności w dłuższe procesy.

ACE powstało w lipcu 2025 roku, a na jego czele stoi Wang Xiaogang, współzałożyciel SenseTime. Rundę finansowania zalążkowego poprowadziła Ant Group; uczestniczyły w niej także podmioty powiązane z SenseTime i inni inwestorzy.

Co wyróżnia model Kairos-4B?

ACE twierdzi, że jej otwartoźródłowy model ucieleśniony Kairos-4B zajął pierwsze miejsce w publicznych testach porównawczych i w przywołanym podczas konferencji zestawieniu przewyższył model Cosmos 3 firmy Nvidia. Są to deklaracje powiązane z firmą, dlatego należy traktować je jako wyniki benchmarków, a nie dowód, że humanoidalne roboty ogólnego przeznaczenia są gotowe do pracy w domach lub fabrykach.

Firma planuje również wyjść poza demonstracje laboratoryjne. ACE zapowiada umieszczenie swoich modeli AI w 1000 bezobsługowych sklepów. To pokazuje, dlaczego twórcy robotów najpierw celują w ograniczone środowiska komercyjne, gdzie procedury można łatwiej ustandaryzować niż w typowym gospodarstwie domowym.

Chiński boom robotyczny zwiększa presję, ale wymaga ostrożności

Prognozy padły w czasie ogromnego zainteresowania chińskim sektorem humanoidalnych robotów. Oferta publiczna Unitree na szanghajskim rynku STAR przyniosła około 904 mln dolarów, a zainteresowanie inwestorów indywidualnych miało ponad 8000-krotnie przewyższyć liczbę dostępnych akcji. W pierwszym dniu notowań kurs zamknął się 460 proc. powyżej ceny emisyjnej, co dało spółce wycenę na poziomie około 50 mld dolarów.

Dane o dostawach pokazują także wczesną przewagę Chin w produkcji. Smart Analytics Global oszacował, że w pierwszej połowie 2026 roku na świecie wysłano około 19 100 humanoidalnych robotów, z czego chińscy producenci odpowiadali za ponad 97 proc. całości.

Nie należy jednak utożsamiać tej liczby z dojrzałą, uniwersalną automatyzacją. W dostępnych materiałach pojawia się sprzeczne twierdzenie, że w tym samym okresie Chiny wysłały ponad 40 000 humanoidalnych robotów. Liczba ta nie zgadza się z szacunkiem 19 100 przesyłek na całym świecie i nie znajduje potwierdzenia w mocniejszych dostępnych danych.

Morgan Stanley podniósł osobno prognozę całorocznych dostaw humanoidalnych robotów w Chinach do 50 000 sztuk. Bank wskazał na szybsze niż oczekiwano przejście od demonstracji do wdrożeń komercyjnych. Prognoza dostaw mierzy jednak skalę rynku, a nie to, czy maszyny potrafią przejść opisany przez Wanga Xingxinga test wykonywania 80 proc. zadań domowych.

Najważniejszy wniosek: zdolności mogą pojawić się przed niezawodnością

Najrozsądniej nie odczytywać wypowiedzi obu menedżerów jako gwarancji, że konkretny przełom nastąpi w 2027 roku. Pokazują one raczej, że branża zbliża się do momentu, w którym o użyteczności robotów decydować będą jakość oprogramowania, dane treningowe i zdolność do uogólniania — a nie tylko silniki, baterie czy konstrukcja mechaniczna.

Prognoza ACE wskazuje na techniczny przełom do końca 2027 roku, po którym mogą nastąpić lata komercjalizacji. Przedział podany przez Unitree wyraźniej pokazuje niepewność: dwa–trzy lata, jeśli rozwój przyspieszy, albo 5–10 lat, jeśli najtrudniejsze problemy okażą się bardziej oporne.

Chiny mają już mocną pozycję pod względem finansowania, produkcji i wczesnych dostaw. Nadal nie wiadomo jednak, czy ta skala przełoży się na roboty, które będą niezawodnie działać w środowiskach, których nigdy wcześniej nie widziały. Dopóki branża nie rozwiąże problemu danych i modeli, „moment ChatGPT” dla robotycznych mózgów pozostaje prognozą, a nie gotowym produktem.