换句话说，里程碑不再是“机器人能做某件事”，而是“机器人能判断接下来该做什么”。

两条不同的时间线

王晓刚：技术突破或在2027年底出现

王晓刚表示，ACE预计具身智能将在2027年底前后迎来类似ChatGPT的拐点，推动力包括更强的世界模型，以及规模大幅扩张的环境数据。他同时将技术突破与广泛商业化明确区分开来：即便拐点如期到来，具身世界模型要在多个行业实现普遍应用，仍可能需要再经过四到五年。

这一点十分关键。模型在推理或控制能力上取得重大进步，并不意味着它已经足够便宜、稳定，或者能够轻松接入日常运营。科研上的突破，与一支可以被企业放心依赖的“机器人劳动力”，并不是同一个时刻。

王兴兴：最快两三年，慢则五到十年

王兴兴则描绘了两种路径：如果进展顺利，具身智能可能在两到三年内触及临界点；如果跨环境泛化和精准物理控制遇到更大阻力，行业可能需要五到十年。

他的“陌生家庭、完成八成任务”标准，也明显高于一次受控环境下的能力展示。机器人必须适应新场景、理解自然语言，并自主完成一系列彼此关联的任务。

机器人的“身体”在进步，“大脑”却仍是短板

人形机器人的电机、关节、电池和整体机械设计都在快速改进，但软件仍难以从有限经验中总结出足够通用的规则，以应对现实世界的复杂变化。两位高管都把AI模型和训练数据视为核心限制因素。

机器人需要学习的不只是“某个动作的描述”，还包括一整套感知与行动之间的关系：物体摸起来是什么感觉、应该施加多大力量、表面变滑后动作会怎样变化，以及一次操作失败后如何调整并恢复。

模拟环境和人工演示能够提供帮助，却无法完全复刻家庭、工厂、商店等场所中的随机性和细节。这也是机器人数据问题不同于文本模型训练之处：机器人必须同时学习看见什么、如何移动、动作会带来什么后果，以及如何根据反馈纠错。

ACE如何建立真实世界数据管线？

ACE Robotics正在推进一套“以人为中心”的方案：让生产线工人佩戴轻量级传感器，记录人的动作以及人与环境互动的过程。公司表示，目标是为具身世界模型积累数千万小时的训练数据。

这一路线试图扩大真实世界样本的来源，而不是只依赖机器人自身采集的数据或模拟数据。人类操作员可以展示任务如何完成、动作如何根据现场变化进行调整，以及多个动作如何串联成较长的工作流程。

ACE成立于2025年7月，由商汤科技联合创始人王晓刚领导。其天使轮融资由蚂蚁集团领投，商汤相关资本及其他投资者也参与其中。

ACE的Kairos-4B模型有何特别之处？

ACE称，其开源Kairos-4B具身模型在公开具身AI基准测试中排名靠前，并在大会提到的对比中超过英伟达Cosmos 3。这些属于公司关联的性能说法，更适合被理解为特定基准测试结果，而不是“通用人形机器人已经可以进入家庭或工厂”的证明。

ACE也在尝试把模型从实验室带入更受控的商业场景。公司表示，计划将其AI模型部署到1000家无人零售店。相比普通家庭，无人零售店的工作流程更容易标准化，因此也可能成为开发者检验机器人能力、逐步扩大应用的先行场景。

中国机器人热潮：资本和出货量先行

上述预测发布之际，中国人形机器人行业正处于高度升温阶段。宇树科技在上海科创板上市时募资约9.04亿美元，散户申购据报超额认购8000倍；公司股价收盘较发行价上涨460%，市值约达到500亿美元。

出货数据也显示出中国制造商的早期优势。Smart Analytics Global估计，2026年上半年全球人形机器人出货量约为1.91万台，其中中国厂商占比超过97%。

但“出货量”不能直接等同于通用自动化已经成熟。现有报道中还出现了“中国同期出货超过4万台”的说法，但这一数字与全球1.91万台的估计相互矛盾，也没有得到目前更有力出货数据的支持，因此不宜将其作为确定事实使用。

摩根士丹利另行将中国全年人形机器人出货量预测上调至5万台，理由是行业从展示走向商业部署的速度快于预期。可是，出货预测衡量的是市场扩张速度，并不能回答这些机器人是否已经能够通过王兴兴提出的“完成约80%家务任务”测试。

真正的结论：能力可能先于可靠性到来

两位高管的表态，最值得关注的并不是“人形机器人一定会在2027年迎来转折”，而是行业的竞争重点正在发生变化。未来决定这一品类能否真正普及的，可能不再只是电机、电池和机械结构，而是软件质量、训练数据以及跨环境泛化能力。

王晓刚的预测指向2027年底的技术突破，但也明确承认商业化还需多年。王兴兴给出的时间区间则把不确定性摆到了台面上：进展加速时可能只需两到三年，困难持续存在时则可能拖到五到十年。

中国已经在融资、制造能力和早期出货方面展现出明显优势。尚未解决的问题是：这种规模能否转化为一种真正可靠的机器人，让它在从未见过的环境里也能稳定工作。

在数据和模型问题得到解决之前，人形机器人的“ChatGPT时刻”仍然只是一个充满想象力的行业预测，而不是已经交付的成熟产品。

换句话说，里程碑不再是“机器人能做某件事”，而是“机器人能判断接下来该做什么”。

两条不同的时间线

王晓刚：技术突破或在2027年底出现

王晓刚表示，ACE预计具身智能将在2027年底前后迎来类似ChatGPT的拐点，推动力包括更强的世界模型，以及规模大幅扩张的环境数据。他同时将技术突破与广泛商业化明确区分开来：即便拐点如期到来，具身世界模型要在多个行业实现普遍应用，仍可能需要再经过四到五年。

这一点十分关键。模型在推理或控制能力上取得重大进步，并不意味着它已经足够便宜、稳定，或者能够轻松接入日常运营。科研上的突破，与一支可以被企业放心依赖的“机器人劳动力”，并不是同一个时刻。

王兴兴：最快两三年，慢则五到十年

王兴兴则描绘了两种路径：如果进展顺利，具身智能可能在两到三年内触及临界点；如果跨环境泛化和精准物理控制遇到更大阻力，行业可能需要五到十年。

他的“陌生家庭、完成八成任务”标准，也明显高于一次受控环境下的能力展示。机器人必须适应新场景、理解自然语言，并自主完成一系列彼此关联的任务。

机器人的“身体”在进步，“大脑”却仍是短板

人形机器人的电机、关节、电池和整体机械设计都在快速改进，但软件仍难以从有限经验中总结出足够通用的规则，以应对现实世界的复杂变化。两位高管都把AI模型和训练数据视为核心限制因素。

机器人需要学习的不只是“某个动作的描述”，还包括一整套感知与行动之间的关系：物体摸起来是什么感觉、应该施加多大力量、表面变滑后动作会怎样变化，以及一次操作失败后如何调整并恢复。

模拟环境和人工演示能够提供帮助，却无法完全复刻家庭、工厂、商店等场所中的随机性和细节。这也是机器人数据问题不同于文本模型训练之处：机器人必须同时学习看见什么、如何移动、动作会带来什么后果，以及如何根据反馈纠错。

ACE如何建立真实世界数据管线？

ACE Robotics正在推进一套“以人为中心”的方案：让生产线工人佩戴轻量级传感器，记录人的动作以及人与环境互动的过程。公司表示，目标是为具身世界模型积累数千万小时的训练数据。

这一路线试图扩大真实世界样本的来源，而不是只依赖机器人自身采集的数据或模拟数据。人类操作员可以展示任务如何完成、动作如何根据现场变化进行调整，以及多个动作如何串联成较长的工作流程。

ACE成立于2025年7月，由商汤科技联合创始人王晓刚领导。其天使轮融资由蚂蚁集团领投，商汤相关资本及其他投资者也参与其中。

ACE的Kairos-4B模型有何特别之处？

ACE称，其开源Kairos-4B具身模型在公开具身AI基准测试中排名靠前，并在大会提到的对比中超过英伟达Cosmos 3。这些属于公司关联的性能说法，更适合被理解为特定基准测试结果，而不是“通用人形机器人已经可以进入家庭或工厂”的证明。

ACE也在尝试把模型从实验室带入更受控的商业场景。公司表示，计划将其AI模型部署到1000家无人零售店。相比普通家庭，无人零售店的工作流程更容易标准化，因此也可能成为开发者检验机器人能力、逐步扩大应用的先行场景。

中国机器人热潮：资本和出货量先行

上述预测发布之际，中国人形机器人行业正处于高度升温阶段。宇树科技在上海科创板上市时募资约9.04亿美元，散户申购据报超额认购8000倍；公司股价收盘较发行价上涨460%，市值约达到500亿美元。

出货数据也显示出中国制造商的早期优势。Smart Analytics Global估计，2026年上半年全球人形机器人出货量约为1.91万台，其中中国厂商占比超过97%。

但“出货量”不能直接等同于通用自动化已经成熟。现有报道中还出现了“中国同期出货超过4万台”的说法，但这一数字与全球1.91万台的估计相互矛盾，也没有得到目前更有力出货数据的支持，因此不宜将其作为确定事实使用。

摩根士丹利另行将中国全年人形机器人出货量预测上调至5万台，理由是行业从展示走向商业部署的速度快于预期。可是，出货预测衡量的是市场扩张速度，并不能回答这些机器人是否已经能够通过王兴兴提出的“完成约80%家务任务”测试。

真正的结论：能力可能先于可靠性到来

两位高管的表态，最值得关注的并不是“人形机器人一定会在2027年迎来转折”，而是行业的竞争重点正在发生变化。未来决定这一品类能否真正普及的，可能不再只是电机、电池和机械结构，而是软件质量、训练数据以及跨环境泛化能力。

王晓刚的预测指向2027年底的技术突破，但也明确承认商业化还需多年。王兴兴给出的时间区间则把不确定性摆到了台面上：进展加速时可能只需两到三年，困难持续存在时则可能拖到五到十年。

中国已经在融资、制造能力和早期出货方面展现出明显优势。尚未解决的问题是：这种规模能否转化为一种真正可靠的机器人，让它在从未见过的环境里也能稳定工作。

在数据和模型问题得到解决之前，人形机器人的“ChatGPT时刻”仍然只是一个充满想象力的行业预测，而不是已经交付的成熟产品。