ACE Robotics主席王曉剛預計，人形機械人的「大腦」或會在2027年底前，迎來一個類似 ChatGPT 對人工智能所帶來的重大轉折點。推動這個轉折的關鍵，將是更成熟的「世界模型」以及從真實環境收集的大量數據，令機械人不再只懂得完成預設示範，而是更能理解及應對現實世界。134

不過，這個預測講的是技術拐點，並不代表人形機械人到2027年就會變成可以處理所有工作的通用機械人。王曉剛同時估計，即使具身智能在2027年底取得突破，相關世界模型要在各個行業廣泛商用，仍可能要再等約4至5年。34

機械人的「ChatGPT 時刻」究竟是甚麼？

ChatGPT的影響，在於它將原本較難接觸的先進語言模型能力，帶到大眾日常工作和生活之中。套用到機械人身上，對應的突破會是一個更具通用性的「大腦」：它能夠將視覺感知、物理推理和實際行動連繫起來，在環境不斷變化的情況下仍能處理任務，而不只是於實驗室或特定示範場景中表現良好。1

所謂世界模型，簡單來說，是嘗試讓人工智能學懂物理環境如何運作，以及環境可能如何改變。真實環境數據則提供大量與物件、人類、工作流程、失誤及突發情況互動的例子；這些經驗很難單靠實驗室模擬完整重現。

AI模型仍是機械人走入現實的主要樽頸

人形機械人面對的問題，比主要在文字或數碼介面運作的AI更加複雜。它們要處理不完整甚至帶噪音的感應器資料，理解陌生環境，在不確定性下作出規劃，再安全地執行動作。

一個模型能夠生成看似合理的答案，不等於它可以穩定地拿起物件、在動作失敗後自行修正，或者應付工作場所突然出現的變化。路透社報道指出，AI模型是限制機械人在現實世界發揮智能的主要瓶頸。1

因此，模型能力的提升，可能比單純推出更多機械人硬件平台更關鍵。理論上，只要同一個「大腦」能夠跳出訓練時遇到的情境，便有機會套用於不同設計、不同感應器和不同用途的機械人身上。

數據不足，可能與模型本身一樣棘手

實體世界數據既昂貴，亦需要較長時間收集。有效數據不應只包括成功完成工作的片段，還要涵蓋不同環境、物件種類、人類行為，以及各種邊界情況和失誤。

如果數據只來自一小批示範，機械人或許可以學懂重複某項工作，卻未必具備處理陌生條件所需的廣泛理解能力。據報ACE目前約收集了10萬小時數據，但公司認為這個規模仍不足以支撐其希望建立的具身智能能力。5

這亦意味着，即使模型質素快速提升，進度仍可能受制於實體世界數據的數量、種類和實用程度。基準測試只能顯示模型在指定測試中表現良好，不能單憑一個分數證明它已能在倉庫、酒店或商店內長期可靠工作。

ACE與宇樹科技的預測有幾接近？

ACE預計2027年底出現「ChatGPT 時刻」，大致上與宇樹科技（Unitree）創辦人王興興的估算相若。王興興曾表示，機械人「大腦」的類似突破可能在兩至三年內出現。13

這些時間表應理解為業界對模型、數據及運算能力加速發展的預期，而不是已獲獨立驗證的保證。即使兩家公司對突破時間的看法相近，實際能力能否如期出現，以及能否在不同工作中同樣有效，仍有待部署結果證明。

技術突破，不等於即時大規模商用

ACE預計，具身世界模型在技術上出現轉折後，廣泛商業應用仍要再等4至5年。34 中間的落差，反映模型變強之後，企業仍要處理一連串實際問題：

• 在真實運作環境驗證安全性及可靠性；
• 將模型整合到不同機械人身體、感應器和控制系統；
• 降低硬件、維護和日常運作成本；
• 從可重複的工作流程收集足夠數據；以及
• 證明機械人在非舞台式測試中，確實能為企業帶來足夠價值。

換句話說，2027年可能是模型能力的里程碑，但商業里程碑或要更遲。對考慮引入人形機械人的公司而言，真正重要的問題不只是「能否完成一次」，而是能否以安全、穩定及合理成本，在大規模環境下日復日完成同一項工作。

ACE想如何由模型走向部署？

Kairos與基準測試表現

ACE的開源 Kairos 世界模型，是公司策略的核心之一。路透社報道指，ACE的旗艦模型在基準測試中勝過英偉達（Nvidia）的模型；但基準測試領先，並不等於已證明模型在真實部署中表現更好。1

這個分別相當重要。公開測試有助比較指定能力，實際部署卻要面對大量環境、任務和失敗模式。Kairos或可協助ACE吸引開發者，並透過開源取得更多回饋；但它最終的價值，仍取決於模型能否由評估場景轉移到真實工作之中。

融資及可能上市

報道指，ACE獲螞蟻集團及商湯科技支持，公司亦表示希望在條件許可時推進首次公開募股（IPO）。5612 相關資金可用於模型研發、數據收集及商業拓展，但現有報道未提供一份完整且獨立核實的公司融資資料，因此不宜將所有融資說法視為已完全確認的事實。

在真實環境收集數據

ACE將實際運作數據視為策略資產。其構想的循環相當直接：機械人在真實場景執行工作，互動過程產生新的訓練數據；模型改善後，再支援更複雜的部署。45

但數據時數多，並不自動等於智能更高。數據是否具代表性、涵蓋的環境是否足夠多元、收集方式是否準確，以及數據能否真正轉化為模型改善，同樣重要。

部署目標與晶片供應

部分二手報道引述ACE的雄心目標，包括一年內將技術部署到至少1,000間商店，兩年內擴展至1萬間。這些數字應視為公司提出的目標，而不是已經完成並獲獨立核實的成果。713

同一批報道指，ACE正探索無人零售、酒店及物流等場景，並同時採用英偉達及中國內地AI晶片，以降低供應鏈風險，亦有望在日後壓低硬件成本。13 不過，現有資料未能獨立確認相關部署的完整規模，或各項晶片合作的具體安排。

2027預測的真正考驗

ACE提出的時間表相當進取，但界線亦很清楚：它預測具身智能在2027年底前出現類似 ChatGPT 的能力躍升，之後再用數年時間走向商業化。較穩妥的解讀，不是人形機械人會突然變得「甚麼都識做」，而是更成熟的世界模型配合更多元的真實世界數據，可能令機械人明顯更能適應環境。

最終答案仍要由實際部署提供：機械人能否可靠處理陌生的實體工作，能否在運作過程中產生有用數據，以及成本是否低到企業願意長期採用。在這些證據出現之前，2027年的「ChatGPT 時刻」仍然只是一項預測，而模型和數據樽頸亦會繼續是整個行業最核心的限制。145

ACE Robotics主席王曉剛預計，人形機械人的「大腦」或會在2027年底前，迎來一個類似 ChatGPT 對人工智能所帶來的重大轉折點。推動這個轉折的關鍵，將是更成熟的「世界模型」以及從真實環境收集的大量數據，令機械人不再只懂得完成預設示範，而是更能理解及應對現實世界。134

不過，這個預測講的是技術拐點，並不代表人形機械人到2027年就會變成可以處理所有工作的通用機械人。王曉剛同時估計，即使具身智能在2027年底取得突破，相關世界模型要在各個行業廣泛商用，仍可能要再等約4至5年。34

機械人的「ChatGPT 時刻」究竟是甚麼？

ChatGPT的影響，在於它將原本較難接觸的先進語言模型能力，帶到大眾日常工作和生活之中。套用到機械人身上，對應的突破會是一個更具通用性的「大腦」：它能夠將視覺感知、物理推理和實際行動連繫起來，在環境不斷變化的情況下仍能處理任務，而不只是於實驗室或特定示範場景中表現良好。1

所謂世界模型，簡單來說，是嘗試讓人工智能學懂物理環境如何運作，以及環境可能如何改變。真實環境數據則提供大量與物件、人類、工作流程、失誤及突發情況互動的例子；這些經驗很難單靠實驗室模擬完整重現。

AI模型仍是機械人走入現實的主要樽頸

人形機械人面對的問題，比主要在文字或數碼介面運作的AI更加複雜。它們要處理不完整甚至帶噪音的感應器資料，理解陌生環境，在不確定性下作出規劃，再安全地執行動作。

一個模型能夠生成看似合理的答案，不等於它可以穩定地拿起物件、在動作失敗後自行修正，或者應付工作場所突然出現的變化。路透社報道指出，AI模型是限制機械人在現實世界發揮智能的主要瓶頸。1

因此，模型能力的提升，可能比單純推出更多機械人硬件平台更關鍵。理論上，只要同一個「大腦」能夠跳出訓練時遇到的情境，便有機會套用於不同設計、不同感應器和不同用途的機械人身上。

數據不足，可能與模型本身一樣棘手

實體世界數據既昂貴，亦需要較長時間收集。有效數據不應只包括成功完成工作的片段，還要涵蓋不同環境、物件種類、人類行為，以及各種邊界情況和失誤。

如果數據只來自一小批示範，機械人或許可以學懂重複某項工作，卻未必具備處理陌生條件所需的廣泛理解能力。據報ACE目前約收集了10萬小時數據，但公司認為這個規模仍不足以支撐其希望建立的具身智能能力。5

這亦意味着，即使模型質素快速提升，進度仍可能受制於實體世界數據的數量、種類和實用程度。基準測試只能顯示模型在指定測試中表現良好，不能單憑一個分數證明它已能在倉庫、酒店或商店內長期可靠工作。

ACE與宇樹科技的預測有幾接近？

ACE預計2027年底出現「ChatGPT 時刻」，大致上與宇樹科技（Unitree）創辦人王興興的估算相若。王興興曾表示，機械人「大腦」的類似突破可能在兩至三年內出現。13

這些時間表應理解為業界對模型、數據及運算能力加速發展的預期，而不是已獲獨立驗證的保證。即使兩家公司對突破時間的看法相近，實際能力能否如期出現，以及能否在不同工作中同樣有效，仍有待部署結果證明。

技術突破，不等於即時大規模商用

ACE預計，具身世界模型在技術上出現轉折後，廣泛商業應用仍要再等4至5年。34 中間的落差，反映模型變強之後，企業仍要處理一連串實際問題：

• 在真實運作環境驗證安全性及可靠性；
• 將模型整合到不同機械人身體、感應器和控制系統；
• 降低硬件、維護和日常運作成本；
• 從可重複的工作流程收集足夠數據；以及
• 證明機械人在非舞台式測試中，確實能為企業帶來足夠價值。

換句話說，2027年可能是模型能力的里程碑，但商業里程碑或要更遲。對考慮引入人形機械人的公司而言，真正重要的問題不只是「能否完成一次」，而是能否以安全、穩定及合理成本，在大規模環境下日復日完成同一項工作。

ACE想如何由模型走向部署？

Kairos與基準測試表現

ACE的開源 Kairos 世界模型，是公司策略的核心之一。路透社報道指，ACE的旗艦模型在基準測試中勝過英偉達（Nvidia）的模型；但基準測試領先，並不等於已證明模型在真實部署中表現更好。1

這個分別相當重要。公開測試有助比較指定能力，實際部署卻要面對大量環境、任務和失敗模式。Kairos或可協助ACE吸引開發者，並透過開源取得更多回饋；但它最終的價值，仍取決於模型能否由評估場景轉移到真實工作之中。

融資及可能上市

報道指，ACE獲螞蟻集團及商湯科技支持，公司亦表示希望在條件許可時推進首次公開募股（IPO）。5612 相關資金可用於模型研發、數據收集及商業拓展，但現有報道未提供一份完整且獨立核實的公司融資資料，因此不宜將所有融資說法視為已完全確認的事實。

在真實環境收集數據

ACE將實際運作數據視為策略資產。其構想的循環相當直接：機械人在真實場景執行工作，互動過程產生新的訓練數據；模型改善後，再支援更複雜的部署。45

但數據時數多，並不自動等於智能更高。數據是否具代表性、涵蓋的環境是否足夠多元、收集方式是否準確，以及數據能否真正轉化為模型改善，同樣重要。

部署目標與晶片供應

部分二手報道引述ACE的雄心目標，包括一年內將技術部署到至少1,000間商店，兩年內擴展至1萬間。這些數字應視為公司提出的目標，而不是已經完成並獲獨立核實的成果。713

同一批報道指，ACE正探索無人零售、酒店及物流等場景，並同時採用英偉達及中國內地AI晶片，以降低供應鏈風險，亦有望在日後壓低硬件成本。13 不過，現有資料未能獨立確認相關部署的完整規模，或各項晶片合作的具體安排。

2027預測的真正考驗

ACE提出的時間表相當進取，但界線亦很清楚：它預測具身智能在2027年底前出現類似 ChatGPT 的能力躍升，之後再用數年時間走向商業化。較穩妥的解讀，不是人形機械人會突然變得「甚麼都識做」，而是更成熟的世界模型配合更多元的真實世界數據，可能令機械人明顯更能適應環境。

最終答案仍要由實際部署提供：機械人能否可靠處理陌生的實體工作，能否在運作過程中產生有用數據，以及成本是否低到企業願意長期採用。在這些證據出現之前，2027年的「ChatGPT 時刻」仍然只是一項預測，而模型和數據樽頸亦會繼續是整個行業最核心的限制。145