重點

類人機器人會走路、跳舞和拳擊，但在髒亂且不可預測的真實世界環境中可靠地完成實用任務仍然困難。ACE Robotics 董事長王小剛預測，如果世界模型的進展與從真實環境中大量蒐集數據相結合，具身式人工智慧可能在 2027 年底達到自身的「ChatGPT 時刻」。該公司目標在兩年內蒐集數千萬小時的操作數據，並將其系統部署到多家零售據點，且計畫尋求上市。 一大重點是克服目前真實世界訓練數據短缺， 公司認為這對於將機器人從示範推向可靠的商業使用至關重要。

情緒分析

• 整體基調是審慎樂觀，反映出對技術進步的強烈信心，同時清楚認識到仍存的挑戰。報導強調近期的資金、業界支持和具體部署計畫，這些都有助於正面展望。與此同時，尤其是高品質真實世界訓練時數的稀缺，為時間表與可行性帶來現實且謹慎的觀點。這種平衡產生了帶有明顯警語的中度正面情緒。

文章正文

類人型機器人在物理能力上已展現令人印象深刻的表現──走路、跳舞，甚至模擬格鬥──但要把這些示範轉化為在不可預測的真實世界環境中可靠且有用的行為，仍是一項重大技術障礙。ACE Robotics 董事長王小剛主張，所謂世界模型的改進 AI 模型與大幅擴展的真實世界訓練數據匯聚，可能會將具身智能推向類似語言模型的 ChatGPT 那樣的突破時刻。王預期，如果當前的發展軌跡持續並且數據收集加速，這個轉折點可能在 2027 年底到來。

ACE Robotics 成立於 2025 年 7 月，並獲得包括螞蟻集團與商湯科技在內的投資者支持，迅速吸引關注與資本。該公司在 2026 年上半年募得超過 1 億美元，並公開表達在法規允許時尋求首次公開募股的雄心。與募資與企業里程碑並行，ACE 正優先蒐集大量真實世界資料。王指出，截至目前業界大約累積了 10 萬小時的相關機器人數據──他認為這個數量不足以訓練強健的具身基礎模型。為了解決這一缺口，ACE 計畫在未來兩年內蒐集數千萬小時的環境與互動數據，這種規模擴增被公司視為下一階段模型訓練所必需。

具身式 AI 指的是能感知周遭、建模世界狀態、推理可能的動作，然後透過感測器與執行器執行那些動作的系統。世界模型透過預測物體與環境對動作的反應來增強這項能力：例如估計當機器人伸手去抓杯子或跨過障礙物時會發生什麼。這些預測能力對於在多樣且非結構化場景中的安全與有效運作至關重要。 如果沒有大規模、多樣且真實的訓練數據，這類預測模型在面對新穎情境時風險會變得脆弱。

其他組織則採取互補策略。研究人員開發了像可穿戴外骨骼這樣的設備以捕捉人類動作用於機器人訓練，主要的機器人與 AI 公司也在構建針對導航、操作與環境模擬的專用模型套件。波士頓動力在邁向可量產的類人機器人方面取得進展，並指出 AI 的改進是關鍵推動力，而阿里巴巴等公司也推出了面向真實任務的機器人模型集合。

商業部署仍是核心目標。ACE 計畫在未來一年內把其技術推廣到一個門店網絡，利用現場運營既提供實用服務又收集更多訓練數據。這種部署與數據雙管齊下的策略旨在加速學習迴圈：在真實環境中運行的機器人產生能改善模型的數據，而改良的模型則使機器人行為更有能力與可靠性。如果成功，這種反覆迭代的方法可以縮短從實驗室原型到現場產品的距離。

儘管如此，重大障礙仍然存在。蒐集與整理數千萬小時有意義且帶標註的互動數據在後勤與技術上都是挑戰。確保安全性、在多樣環境間的泛化能力以及法規合規性，都是會影響商業級具身智慧多快普及的額外難題。ACE 所提出的時程──在 2027 年底達到具有轉折性的「ChatGPT 時刻」──依賴於建模、數據獲取與真實世界測試的協調進展。

總結來說，ACE Robotics 預測具身式 AI 在較大世界模型與龐大真實世界數據集的推動下，近期可能迎來關鍵轉捩點，並有強大的資金與實際部署計畫作為支撐。雖然前景樂觀，但前進的道路需要克服高品質訓練數據持續稀缺的問題，並確保系統在受控示範之外能可靠地泛化。

關鍵洞見表