ACE Robotics押注，人形機器人的「大腦」可能在2027年底迎來自己的「ChatGPT時刻」。公司董事長王曉剛表示，世界模型能力提升，加上持續蒐集真實環境數據，可能讓具身智能——也就是能理解並作用於物理世界的AI——出現重大躍進。134

不過，這項預測指的是可能出現的技術拐點，並不代表人形機器人在2027年就會立刻具備通用能力。王曉剛提出的時間表也顯示，即使突破在2027年底出現，具身世界模型要跨產業廣泛商用，仍可能需要再等約4至5年。34

機器人的「ChatGPT時刻」究竟代表什麼？

ChatGPT讓大眾首次大規模接觸到先進語言模型的能力。對機器人而言，對應的突破將是出現更強的通用「大腦」：它不只在事先安排好的展示環境中完成動作，而是能把感知、物理推理與行動串聯起來，適應不斷變化的現場。1

世界模型之所以受到重視，是因為它試圖建立對物理環境運作方式及其變化的理解。環境數據則提供真實互動、任務執行與失敗案例，這些內容很難只靠實驗室模擬完整重現。

AI模型仍是機器人走入現實的主要瓶頸

機器人面對的問題，比主要在文字或數位介面中運作的AI更棘手。它們必須處理不完整且帶有雜訊的感測器訊號，理解陌生場景，在不確定性下規劃，並安全執行動作。

一個模型能產生看似合理的答案，不代表它就能可靠地抓取物品、在失誤後自行修正，或應對工作場所中突如其來的變化。路透社報導指出，AI模型是限制機器人現實世界智能的主要瓶頸。1

這也說明，下一個關鍵進展未必只是再推出一款機器人平台。若同一套「大腦」能超越訓練時的情境並泛化到不同任務，它理論上就能提升多種機器人硬體的能力；但這個前提本身仍有待驗證。

數據難題同樣不容小覷

物理世界的訓練數據昂貴、蒐集速度也慢。有效數據不能只記錄成功動作，還必須涵蓋不同環境、物件、人類行為與各種邊界案例。若資料只來自少量示範，機器人可能學會重複某項工作，卻不代表它真正理解如何處理陌生條件。

ACE據報已蒐集約10萬小時數據，但公司認為，對於其追求的具身智能廣度而言，這個規模仍然不足。5因此，ACE把數據採集放在與模型開發同等重要的位置，而不是將其視為次要資源。

這帶來一個重要含義：即使模型品質快速提升，進展仍可能受制於物理世界訓練數據的數量、多樣性與有效性。基準測試可以證明模型在特定測驗中表現良好，卻不能單獨證明它能在倉庫、飯店或商店中長時間穩定工作。

ACE與宇樹的預測有何不同？

ACE對2027年底的預測，與宇樹科技創辦人王興興所提出的估計大致一致。王興興曾表示，機器人大腦可能在2至3年內迎來「ChatGPT時刻」。13

這些說法較適合被理解為業界預期，而不是已獲獨立驗證的確切時間表。它們反映出業界相信模型、數據與運算能力的進步可能加速，但不保證相關能力一定按期出現，也不保證在不同任務上都能同樣有效。

技術突破，不等於馬上能賺錢

ACE預計，廣泛商業化將比技術拐點晚約4至5年。34模型變強之後，企業仍需完成多項實際工作：

• 在真實運作環境中驗證安全性與可靠度；
• 讓模型與不同機器人本體、感測器及控制系統整合；
• 降低硬體與日常營運成本；
• 從可重複的工作流程中持續蒐集足夠數據；
• 證明機器人不只適合舞台展示，也能在實際工作中創造足夠價值。

換句話說，2027年可能是模型能力的里程碑，但商業里程碑很可能要更晚才到來。對評估人形機器人的企業而言，關鍵問題不只是新模型能否成功完成一次任務，而是能否以可負擔的成本，在安全前提下穩定地重複完成。

ACE如何試圖縮短這段距離？

以Kairos與基準測試建立模型底座

ACE的開源Kairos世界模型是其策略核心。路透社報導稱，ACE的旗艦模型在基準測試中擊敗英偉達模型；但報導同時提醒，基準測試表現不能直接視為真實部署能力較強的證明。1

這項區分相當重要。公開測試有助於比較模型在明確定義的能力上的表現，但實際部署還需要在多種環境與失敗情境中取得證據。Kairos或許能吸引開發者並累積回饋，真正的意義仍取決於它能否從評測場景轉移到物理工作現場。

資金支持與IPO規劃

相關報導稱，ACE獲得螞蟻集團與商湯科技支持，公司也表達了在條件允許時推動IPO的意向。5612若能取得持續融資，資金可用於模型研究、數據採集與商業擴張；但現有報導並未提供完整且獨立驗證的公司融資全貌，因此相關說法仍應審慎看待。

把真實環境數據視為戰略資產

ACE將現場運作數據視為重要資產，所設想的回饋循環相當直接：機器人在真實場域執行任務，互動過程產生更多訓練數據，再用改進後的模型支援更高能力的部署。45

但這個循環能否奏效，取決於數據是否具代表性，以及採集方式是否足夠精準。數據時數增加，不會自動等於智能提升；互動品質、環境範圍，以及數據與模型改進之間的連結，同樣關鍵。

部署目標與多元晶片供應

二手報導引述ACE提出的積極目標，包括在一年內將技術部署至至少1,000家商店，兩年內擴大到1萬家。這些數字應被視為公司目標，而不是已完成的成果。713

同一批報導稱，ACE正探索無人零售、飯店與物流等場景，並採用英偉達及中國本土AI晶片，以降低供應鏈風險，並有機會在未來壓低硬體成本。13目前可取得的證據，尚不足以獨立核實完整部署規模或具體晶片合作安排。

2027年預測的真正考驗

ACE的預測相當大膽，但時間點也很明確：具身智能可能在2027年底迎來類似ChatGPT的轉折，之後再經過數年才逐步商業化。較審慎的解讀，不是人形機器人將突然變得無所不能，而是更好的世界模型與更大規模的真實世界數據，可能讓機器人明顯更能適應環境。

最有說服力的證據，將來自實際部署：機器人能否可靠處理陌生的物理任務，在工作的同時持續產生有用數據，而且成本仍在企業可接受的範圍內。在這些證據出現之前，2027年的「ChatGPT時刻」仍然只是預測，而數據與模型瓶頸依舊是整個產業必須面對的核心限制。145

ACE Robotics押注，人形機器人的「大腦」可能在2027年底迎來自己的「ChatGPT時刻」。公司董事長王曉剛表示，世界模型能力提升，加上持續蒐集真實環境數據，可能讓具身智能——也就是能理解並作用於物理世界的AI——出現重大躍進。134

不過，這項預測指的是可能出現的技術拐點，並不代表人形機器人在2027年就會立刻具備通用能力。王曉剛提出的時間表也顯示，即使突破在2027年底出現，具身世界模型要跨產業廣泛商用，仍可能需要再等約4至5年。34

機器人的「ChatGPT時刻」究竟代表什麼？

ChatGPT讓大眾首次大規模接觸到先進語言模型的能力。對機器人而言，對應的突破將是出現更強的通用「大腦」：它不只在事先安排好的展示環境中完成動作，而是能把感知、物理推理與行動串聯起來，適應不斷變化的現場。1

世界模型之所以受到重視，是因為它試圖建立對物理環境運作方式及其變化的理解。環境數據則提供真實互動、任務執行與失敗案例，這些內容很難只靠實驗室模擬完整重現。

AI模型仍是機器人走入現實的主要瓶頸

機器人面對的問題，比主要在文字或數位介面中運作的AI更棘手。它們必須處理不完整且帶有雜訊的感測器訊號，理解陌生場景，在不確定性下規劃，並安全執行動作。

一個模型能產生看似合理的答案，不代表它就能可靠地抓取物品、在失誤後自行修正，或應對工作場所中突如其來的變化。路透社報導指出，AI模型是限制機器人現實世界智能的主要瓶頸。1

這也說明，下一個關鍵進展未必只是再推出一款機器人平台。若同一套「大腦」能超越訓練時的情境並泛化到不同任務，它理論上就能提升多種機器人硬體的能力；但這個前提本身仍有待驗證。

數據難題同樣不容小覷

物理世界的訓練數據昂貴、蒐集速度也慢。有效數據不能只記錄成功動作，還必須涵蓋不同環境、物件、人類行為與各種邊界案例。若資料只來自少量示範，機器人可能學會重複某項工作，卻不代表它真正理解如何處理陌生條件。

ACE據報已蒐集約10萬小時數據，但公司認為，對於其追求的具身智能廣度而言，這個規模仍然不足。5因此，ACE把數據採集放在與模型開發同等重要的位置，而不是將其視為次要資源。

這帶來一個重要含義：即使模型品質快速提升，進展仍可能受制於物理世界訓練數據的數量、多樣性與有效性。基準測試可以證明模型在特定測驗中表現良好，卻不能單獨證明它能在倉庫、飯店或商店中長時間穩定工作。

ACE與宇樹的預測有何不同？

ACE對2027年底的預測，與宇樹科技創辦人王興興所提出的估計大致一致。王興興曾表示，機器人大腦可能在2至3年內迎來「ChatGPT時刻」。13

這些說法較適合被理解為業界預期，而不是已獲獨立驗證的確切時間表。它們反映出業界相信模型、數據與運算能力的進步可能加速，但不保證相關能力一定按期出現，也不保證在不同任務上都能同樣有效。

技術突破，不等於馬上能賺錢

ACE預計，廣泛商業化將比技術拐點晚約4至5年。34模型變強之後，企業仍需完成多項實際工作：

• 在真實運作環境中驗證安全性與可靠度；
• 讓模型與不同機器人本體、感測器及控制系統整合；
• 降低硬體與日常營運成本；
• 從可重複的工作流程中持續蒐集足夠數據；
• 證明機器人不只適合舞台展示，也能在實際工作中創造足夠價值。

換句話說，2027年可能是模型能力的里程碑，但商業里程碑很可能要更晚才到來。對評估人形機器人的企業而言，關鍵問題不只是新模型能否成功完成一次任務，而是能否以可負擔的成本，在安全前提下穩定地重複完成。

ACE如何試圖縮短這段距離？

以Kairos與基準測試建立模型底座

ACE的開源Kairos世界模型是其策略核心。路透社報導稱，ACE的旗艦模型在基準測試中擊敗英偉達模型；但報導同時提醒，基準測試表現不能直接視為真實部署能力較強的證明。1

這項區分相當重要。公開測試有助於比較模型在明確定義的能力上的表現，但實際部署還需要在多種環境與失敗情境中取得證據。Kairos或許能吸引開發者並累積回饋，真正的意義仍取決於它能否從評測場景轉移到物理工作現場。

資金支持與IPO規劃

相關報導稱，ACE獲得螞蟻集團與商湯科技支持，公司也表達了在條件允許時推動IPO的意向。5612若能取得持續融資，資金可用於模型研究、數據採集與商業擴張；但現有報導並未提供完整且獨立驗證的公司融資全貌，因此相關說法仍應審慎看待。

把真實環境數據視為戰略資產

ACE將現場運作數據視為重要資產，所設想的回饋循環相當直接：機器人在真實場域執行任務，互動過程產生更多訓練數據，再用改進後的模型支援更高能力的部署。45

但這個循環能否奏效，取決於數據是否具代表性，以及採集方式是否足夠精準。數據時數增加，不會自動等於智能提升；互動品質、環境範圍，以及數據與模型改進之間的連結，同樣關鍵。

部署目標與多元晶片供應

二手報導引述ACE提出的積極目標，包括在一年內將技術部署至至少1,000家商店，兩年內擴大到1萬家。這些數字應被視為公司目標，而不是已完成的成果。713

同一批報導稱，ACE正探索無人零售、飯店與物流等場景，並採用英偉達及中國本土AI晶片，以降低供應鏈風險，並有機會在未來壓低硬體成本。13目前可取得的證據，尚不足以獨立核實完整部署規模或具體晶片合作安排。

2027年預測的真正考驗

ACE的預測相當大膽，但時間點也很明確：具身智能可能在2027年底迎來類似ChatGPT的轉折，之後再經過數年才逐步商業化。較審慎的解讀，不是人形機器人將突然變得無所不能，而是更好的世界模型與更大規模的真實世界數據，可能讓機器人明顯更能適應環境。

最有說服力的證據，將來自實際部署：機器人能否可靠處理陌生的物理任務，在工作的同時持續產生有用數據，而且成本仍在企業可接受的範圍內。在這些證據出現之前，2027年的「ChatGPT時刻」仍然只是預測，而數據與模型瓶頸依舊是整個產業必須面對的核心限制。145