ACE Robotics押注：人形机器人的“大脑”可能在2027年底迎来自己的“ChatGPT时刻”。公司董事长王晓刚表示，世界模型能力提升，以及对真实环境数据的持续采集，可能推动具身智能出现一次重大跃迁——也就是让AI不仅能处理文字和数字信息，还能理解并作用于现实世界。134

但这并不意味着人形机器人会在2027年突然变得“无所不能”。按照王晓刚的判断，即便技术拐点如期到来，具身世界模型要在各行业广泛应用，仍可能需要再等待4至5年。34

机器人版“ChatGPT时刻”究竟意味着什么

ChatGPT的意义，不只是一个模型在测试中表现出色，而是让普通用户能够直接接触并使用此前相对专业的语言模型能力。

放到机器人领域，对应的突破将是出现更通用的“机器人大脑”：它能够把视觉感知、物理推理和动作控制连接起来，在不断变化的环境中完成任务，而不是只能在经过精心布置的演示场景里重复固定动作。1

世界模型是这一愿景的核心组成部分。简单来说，它试图学习现实环境的运行规律，以及物体和场景可能如何变化；环境数据则为模型提供真实互动、任务执行和失败处理的样本。这些经验很难仅靠实验室模拟完全重建。

AI模型为何仍是最大瓶颈

机器人面对的问题，比主要运行在文字或数字界面中的AI系统复杂得多。它必须处理有噪声、并不完美的传感器信息，理解陌生空间，在不确定条件下规划行动，并以足够高的安全性执行任务。

一个模型能生成看似合理的答案，并不代表它就能稳定地抓取物体、从失误中恢复，或应对工作场所里突然出现的变化。路透社援引的报道指出，AI模型仍是限制机器人现实世界智能水平的主要瓶颈。1

这也解释了为什么“更强的大脑”可能比单纯增加一种机器人硬件平台更重要：如果模型具备足够的泛化能力，同一套基础模型理论上可以服务于不同外形、不同传感器配置的机器人。不过，前提是它不能只在训练过的场景中表现良好。

数据难题同样棘手

现实世界数据的采集成本高、速度慢，而且不能只记录成功动作。真正有价值的数据还应覆盖不同环境、物体类型、人类行为，以及各种边缘情况和失败案例。

如果数据只来自少量固定演示，机器人可能学会“照着做”，却未必真正理解如何处理陌生条件。ACE据报道目前已收集约10万小时数据，但公司认为这一规模仍不足以支撑其所追求的广泛具身智能能力。5

因此，ACE把数据采集放在与模型开发同等重要的位置，而不是将其视为辅助资源。这里的关键并非数据小时数越多越好，而是数据是否足够多样、是否准确记录了物理互动，以及这些数据能否有效转化为模型能力提升。

一项基准测试可以说明模型在特定任务上表现出色，却不能单独证明它能在仓库、酒店或商店中长期稳定工作。

ACE与宇树的预测有何不同

ACE对2027年底的判断，与宇树科技创始人王兴兴所提出的估计大致相近。王兴兴曾表示，机器人“大脑”的“ChatGPT时刻”可能在未来两到三年内到来。13

这些说法更适合被理解为行业从业者的预期，而不是已经经过独立验证的时间表。它们共同指向一个判断：模型、数据和算力的进步可能加快机器人智能化进程，但这并不能保证相关能力一定按期出现，也不能保证在不同任务中表现一致。

技术突破为何不等于马上赚钱

ACE预计，技术拐点之后，具身世界模型实现广泛商业化还要再过4至5年。34这段时间通常需要完成多项工作：

• 在真实运营环境中验证安全性和可靠性；
• 让模型适配不同的机器人本体、传感器和控制系统；
• 降低硬件采购、部署和日常运营成本；
• 从可重复的工作流程中持续获得足够数据；
• 证明机器人在非演示场景中能够带来可量化的商业价值。

换言之，2027年可能是模型能力的里程碑，而不是商业规模化的终点。对于考虑采用人形机器人的企业来说，更值得追问的不是新模型能否偶尔完成一次任务，而是它能否在大规模运营中持续、经济且安全地完成任务。

ACE试图如何缩短这段距离

Kairos与基准测试表现

ACE的开源Kairos世界模型项目是其技术路线的重要组成部分。路透社报道称，ACE的旗舰模型在基准测试中超过了英伟达的模型；但报道也提醒，基准测试领先并不等于已经证明其更适合现实世界部署。1

这一点非常关键。公开测试有助于比较模型在明确任务上的能力，但实际部署还要面对不同环境、设备和失败模式。Kairos或许能够帮助ACE吸引开发者并获得更多反馈，但它的真正价值仍取决于能否从评测环境迁移到真实工作场景。

融资支持与IPO计划

据相关报道，ACE获得了蚂蚁集团和商汤科技等方面的支持，并表示希望在条件允许时推进IPO。5612这些资金如果到位，可能用于模型研发、数据采集和商业扩张。不过，现有材料并未提供一份完整且经过独立核实的公司融资情况。

在真实环境中采集数据

ACE将运营数据视为战略资产。其设想的反馈闭环是：机器人在真实场景中执行任务，互动过程产生新的训练数据，改进后的模型再反过来支持更复杂的部署。45

这个闭环只有在数据具有代表性、采集方式可靠的情况下才真正有效。单纯增加数据时长，并不能保证机器人的“智力”同步提升；互动质量、环境覆盖范围，以及数据与模型改进之间的联系同样重要。

部署目标与芯片供应

二手报道援引ACE的说法称，公司计划在一年内将技术部署到至少1000家门店，并在两年内扩大到1万家。这些数字应被视为公司目标，而不是已经完成并经过独立验证的结果。713

同类报道还称，ACE正在探索无人零售、酒店服务和物流等场景，并同时使用英伟达芯片与国产AI芯片，以降低供应链风险，并争取在未来压低硬件成本。13目前已有材料不足以独立核实其全部部署规模或具体芯片供应安排。

判断2027年预测能否兑现，关键要看什么

ACE给出的预测相当明确：到2027年底，具身智能可能迎来类似ChatGPT的技术拐点；之后，还需要数年时间才能实现广泛商业化。

更稳妥的理解不是人形机器人会在2027年突然变成“通用劳动力”，而是更强的世界模型和更大规模的真实世界数据，可能让机器人明显提升对陌生环境和新任务的适应能力。

最终的验证标准仍在真实部署中：机器人能否可靠处理未见过的物理任务，能否在工作过程中持续产生有用数据，以及企业是否愿意为这种能力承担成本。在这些证据出现之前，2027年的“ChatGPT时刻”仍然只是行业预测；模型能力和真实世界数据不足，也仍是机器人产业必须跨越的核心障碍。145

ACE Robotics押注：人形机器人的“大脑”可能在2027年底迎来自己的“ChatGPT时刻”。公司董事长王晓刚表示，世界模型能力提升，以及对真实环境数据的持续采集，可能推动具身智能出现一次重大跃迁——也就是让AI不仅能处理文字和数字信息，还能理解并作用于现实世界。134

但这并不意味着人形机器人会在2027年突然变得“无所不能”。按照王晓刚的判断，即便技术拐点如期到来，具身世界模型要在各行业广泛应用，仍可能需要再等待4至5年。34

机器人版“ChatGPT时刻”究竟意味着什么

ChatGPT的意义，不只是一个模型在测试中表现出色，而是让普通用户能够直接接触并使用此前相对专业的语言模型能力。

放到机器人领域，对应的突破将是出现更通用的“机器人大脑”：它能够把视觉感知、物理推理和动作控制连接起来，在不断变化的环境中完成任务，而不是只能在经过精心布置的演示场景里重复固定动作。1

世界模型是这一愿景的核心组成部分。简单来说，它试图学习现实环境的运行规律，以及物体和场景可能如何变化；环境数据则为模型提供真实互动、任务执行和失败处理的样本。这些经验很难仅靠实验室模拟完全重建。

AI模型为何仍是最大瓶颈

机器人面对的问题，比主要运行在文字或数字界面中的AI系统复杂得多。它必须处理有噪声、并不完美的传感器信息，理解陌生空间，在不确定条件下规划行动，并以足够高的安全性执行任务。

一个模型能生成看似合理的答案，并不代表它就能稳定地抓取物体、从失误中恢复，或应对工作场所里突然出现的变化。路透社援引的报道指出，AI模型仍是限制机器人现实世界智能水平的主要瓶颈。1

这也解释了为什么“更强的大脑”可能比单纯增加一种机器人硬件平台更重要：如果模型具备足够的泛化能力，同一套基础模型理论上可以服务于不同外形、不同传感器配置的机器人。不过，前提是它不能只在训练过的场景中表现良好。

数据难题同样棘手

现实世界数据的采集成本高、速度慢，而且不能只记录成功动作。真正有价值的数据还应覆盖不同环境、物体类型、人类行为，以及各种边缘情况和失败案例。

如果数据只来自少量固定演示，机器人可能学会“照着做”，却未必真正理解如何处理陌生条件。ACE据报道目前已收集约10万小时数据，但公司认为这一规模仍不足以支撑其所追求的广泛具身智能能力。5

因此，ACE把数据采集放在与模型开发同等重要的位置，而不是将其视为辅助资源。这里的关键并非数据小时数越多越好，而是数据是否足够多样、是否准确记录了物理互动，以及这些数据能否有效转化为模型能力提升。

一项基准测试可以说明模型在特定任务上表现出色，却不能单独证明它能在仓库、酒店或商店中长期稳定工作。

ACE与宇树的预测有何不同

ACE对2027年底的判断，与宇树科技创始人王兴兴所提出的估计大致相近。王兴兴曾表示，机器人“大脑”的“ChatGPT时刻”可能在未来两到三年内到来。13

这些说法更适合被理解为行业从业者的预期，而不是已经经过独立验证的时间表。它们共同指向一个判断：模型、数据和算力的进步可能加快机器人智能化进程，但这并不能保证相关能力一定按期出现，也不能保证在不同任务中表现一致。

技术突破为何不等于马上赚钱

ACE预计，技术拐点之后，具身世界模型实现广泛商业化还要再过4至5年。34这段时间通常需要完成多项工作：

• 在真实运营环境中验证安全性和可靠性；
• 让模型适配不同的机器人本体、传感器和控制系统；
• 降低硬件采购、部署和日常运营成本；
• 从可重复的工作流程中持续获得足够数据；
• 证明机器人在非演示场景中能够带来可量化的商业价值。

换言之，2027年可能是模型能力的里程碑，而不是商业规模化的终点。对于考虑采用人形机器人的企业来说，更值得追问的不是新模型能否偶尔完成一次任务，而是它能否在大规模运营中持续、经济且安全地完成任务。

ACE试图如何缩短这段距离

Kairos与基准测试表现

ACE的开源Kairos世界模型项目是其技术路线的重要组成部分。路透社报道称，ACE的旗舰模型在基准测试中超过了英伟达的模型；但报道也提醒，基准测试领先并不等于已经证明其更适合现实世界部署。1

这一点非常关键。公开测试有助于比较模型在明确任务上的能力，但实际部署还要面对不同环境、设备和失败模式。Kairos或许能够帮助ACE吸引开发者并获得更多反馈，但它的真正价值仍取决于能否从评测环境迁移到真实工作场景。

融资支持与IPO计划

据相关报道，ACE获得了蚂蚁集团和商汤科技等方面的支持，并表示希望在条件允许时推进IPO。5612这些资金如果到位，可能用于模型研发、数据采集和商业扩张。不过，现有材料并未提供一份完整且经过独立核实的公司融资情况。

在真实环境中采集数据

ACE将运营数据视为战略资产。其设想的反馈闭环是：机器人在真实场景中执行任务，互动过程产生新的训练数据，改进后的模型再反过来支持更复杂的部署。45

这个闭环只有在数据具有代表性、采集方式可靠的情况下才真正有效。单纯增加数据时长，并不能保证机器人的“智力”同步提升；互动质量、环境覆盖范围，以及数据与模型改进之间的联系同样重要。

部署目标与芯片供应

二手报道援引ACE的说法称，公司计划在一年内将技术部署到至少1000家门店，并在两年内扩大到1万家。这些数字应被视为公司目标，而不是已经完成并经过独立验证的结果。713

同类报道还称，ACE正在探索无人零售、酒店服务和物流等场景，并同时使用英伟达芯片与国产AI芯片，以降低供应链风险，并争取在未来压低硬件成本。13目前已有材料不足以独立核实其全部部署规模或具体芯片供应安排。

判断2027年预测能否兑现，关键要看什么

ACE给出的预测相当明确：到2027年底，具身智能可能迎来类似ChatGPT的技术拐点；之后，还需要数年时间才能实现广泛商业化。

更稳妥的理解不是人形机器人会在2027年突然变成“通用劳动力”，而是更强的世界模型和更大规模的真实世界数据，可能让机器人明显提升对陌生环境和新任务的适应能力。

最终的验证标准仍在真实部署中：机器人能否可靠处理未见过的物理任务，能否在工作过程中持续产生有用数据，以及企业是否愿意为这种能力承担成本。在这些证据出现之前，2027年的“ChatGPT时刻”仍然只是行业预测；模型能力和真实世界数据不足，也仍是机器人产业必须跨越的核心障碍。145