Unitree-chefens robotprognos: Humanoida robotar kan få sitt ChatGPT-ögonblick inom tio år

Ett mycket konkret test för robotarnas genombrott

Wang Xingxing, grundare och vd för det kinesiska robotföretaget Unitree Robotics, säger att branschen närmar sig ett ”ChatGPT-ögonblick” för så kallad förkroppsligad intelligens – alltså AI som inte bara kan tolka information, utan också uppfatta och agera i den fysiska världen.

Hans definition är betydligt mer krävande än en välregisserad mässdemonstration: en robot ska kunna placeras i ett hem den aldrig har sett tidigare, ta emot enkla instruktioner via röst eller text och slutföra ungefär 80 procent av uppgifterna.

Det handlar alltså inte bara om att roboten kan gå, springa, dansa eller utföra en viss rörelse i en kontrollerad miljö. Den måste kunna förstå en ny omgivning, planera sina handlingar och hantera vardagliga situationer som den inte uttryckligen har tränats för. Wang beskrev nivån som en möjlig brytpunkt för massmarknaden.

Två–tre år – eller kanske ett helt decennium

Wangs mest optimistiska scenario är att genombrottet kan nås inom två–tre år om utvecklingen går snabbt. Om den går långsammare kan det i stället dröja fem–tio år.

Det är en bred prognos, och just spannet är viktigt. Wangs tidigare bedömning från 2025 var att ett genombrott kunde komma inom mindre än fem år. Den nya formuleringen lämnar större utrymme för att problemen med mjukvara, data, driftsäkerhet, säkerhet och ekonomi tar längre tid att lösa.

En annan branschprofil, Wang He, grundare och teknikchef för Galbot, har samtidigt förutspått ett ”ChatGPT-ögonblick” för humanoida robotar senast vid slutet av 2028. Hans bedömning bygger på att modellerna närmar sig varandra och att mängden träningsdata växer.

Men sådana uttalanden är inte detsamma som en etablerad teknisk konsensus. De beskriver snarare möjliga utvecklingsbanor – där två–tre år är ett optimistiskt utfall och fem–tio år ett betydligt mer försiktigt scenario.

Mjukvaran är den verkliga flaskhalsen

Robotarnas fysiska förmågor har utvecklats snabbt. Det är numera möjligt att visa upp maskiner som springer, gör volter och genomför avancerade koreograferade rörelser. Men sådana demonstrationer säger mindre om hur roboten klarar sig i ett rörigt och oförutsägbart hem.

Den svårare uppgiften är beslutsfattandet. En användbar robot behöver en världsmodell som hjälper den att uppfatta omgivningen, förstå orsak och verkan, planera flera steg framåt, återhämta sig efter misstag och agera säkert när situationen förändras. Unitree har pekat på att kopplingen mellan AI-modeller och fysiska robotar är en central utmaning.

Två problem sticker ut:

• Generalisering: Robotar fungerar ofta sämre när miljön, föremålen, belysningen, röran eller människornas beteende skiljer sig från träningsdata.
• Precision: Att konsekvent få handen att greppa eller placera ett föremål med millimeterprecision är långt svårare än att visa upp en stor rörelse som att gå eller dansa.

Det var också bakgrunden till temat för World Robot Conference 2026: att flytta robotar från utställningar och uppvisningar till verkliga tillämpningar i bland annat fabriker och andra miljöer.

Fysisk data är inte lika lätt att samla in som text

En viktig skillnad mot ChatGPT är mängden och typen av träningsdata. Språkmodeller har kunnat tränas på enorma mängder text från internet – i storleksordningen biljoner texttokens. För fysisk manipulation finns inget lika billigt, standardiserat och skalbart datalager.

För att lära en robot att hantera verkligheten behövs bland annat videodata, kraftmätningar, taktil information, rörelsebanor och exempel på misslyckanden. Simulationer och fjärrstyrning kan hjälpa till, men de har ännu inte bevisat att en robot säkert kan generalisera mellan olika hem, föremål och situationer.

Det gör också kalenderprognoserna osäkra. Även om hårdvaran blir billigare och tillverkningskapaciteten ökar återstår frågan om hur robotarna ska få tillräckligt mycket relevant erfarenhet från den fysiska världen.

Börsrusning betyder inte färdig produkt

Wangs uttalanden kom kort efter Unitrees uppmärksammade börsnotering i Shanghai. Aktien stängde den första handelsdagen 460 procent över introduktionskursen – en uppgång på mer än fem gånger.

Kontrasten är slående: investerarna prisade in möjligheten att humanoida robotar kan bli en ny plattformsmarknad, medan företagets egen prognos samtidigt medger att de mest krävande problemen kan ligga ett decennium bort.

Den tidiga efterfrågan tycks dessutom fortfarande främst komma från universitet, laboratorier och forskningsinstitutioner. Det visar att tekniken har fått fotfäste, men är inte i sig ett bevis på att humanoida robotar redan har hittat en bred och lönsam produktmarknad.

Hur stora är de kinesiska leveranssiffrorna?

Kina uppges ha levererat mer än 40 000 humanoida robotar under första halvåret 2026 och stå för 97 procent av de globala leveranserna. Morgan Stanley har samtidigt prognostiserat omkring 50 000 kinesiska leveranser under hela 2026, jämfört med 12 000 under 2025.

Siffrorna bör dock jämföras med försiktighet. En annan marknadsuppskattning anger att de globala leveranserna under första halvåret uppgick till 19 100 enheter, varav kinesiska leverantörer stod för 97 procent.

Skillnaden kan bero på olika definitioner av exempelvis ”leveranser” och ”försändelser”, eller på att olika robotkategorier och marknadssegment räknas in. Den övergripande bilden – att kinesiska leverantörer dominerar den tidiga volymen – stöds av uppgifterna. Däremot är det exakta antalet inte fastställt av det tillgängliga underlaget.

USA:s importregler lägger till en geopolitisk osäkerhet

USA:s federala kommunikationsmyndighet FCC har lagt till utlandsproducerade avancerade robotar, däribland humanoida robotar och fyrbenta robotar, på sin så kallade Covered List med hänvisning till nationell säkerhet och risker i leveranskedjor. Åtgärden beskrivs främst som ett stopp för godkännande och import av nya modeller, inte nödvändigtvis för alla robotar som redan finns på den amerikanska marknaden.

För Unitree kan det begränsa tillgången till en viktig marknad och göra det svårare att bygga den skala och datamängd som krävs för att förbättra robotarna. Det är ytterligare en faktor som gör att en rak tidslinje från börseufori till bred användning blir osäker.

Bedömning: verkliga framsteg, men en spekulativ tidsplan

Det finns goda tekniska skäl att vara optimistisk. Hårdvarukostnaderna sjunker, Kinas tillverkningskapacitet är omfattande och flera branschgrundare pekar mot ett möjligt genombrott omkring 2028.

Men det saknas ännu bevis för att branschen är enig om att en generell hushållsrobot kommer att klara Wangs krävande test – 80 procent av uppgifterna i ett helt okänt hem – redan då.

Den rimligaste slutsatsen är därför: trovärdiga framsteg, men en spekulativ tidsplan. Två–tre år är ett optimistiskt scenario, inte en fast prognos. Fem–tio år speglar bättre hur många olösta frågor som återstår kring mjukvara, fysisk data, precision, säkerhet, ekonomi och reglering. Unitrees börsrusning visar framför allt hur stort marknadshoppet kan bli – inte att robotarna redan är redo att sköta hushållsarbetet på egen hand.