要点

类人机器可以走路、跳舞和拳击，但在凌乱且不可预测的真实世界环境中可靠地完成实用任务仍然困难。ACE Robotics 董事长王小刚预测，如果世界模型的进展与从真实环境中大量收集数据相结合，具身人工智能可能在 2027 年底达到自身的“ChatGPT 时刻”。公司目标在两年内收集数千万小时的操作数据，并将其系统部署到多家零售地点，计划寻求上市。 一个重要重点是克服当前真实世界训练数据的短缺， 公司认为这是将机器人从示范转向可靠商业使用的关键。

情绪分析

• 整体基调是谨慎乐观，反映出对技术进步的强烈信心，同时清晰认识到仍有挑战。叙述强调近期的资金、行业支持和具体部署计划，这些有助于积极的前景。同时，尤其是高质量真实世界训练小时的稀缺，使时间表与可行性保持现实与审慎的视角。这种平衡产生了带有明显警示的中度正面情绪。

文章正文

类人机器人在物理能力上已展示出令人印象深刻的表现——走路、跳舞，甚至模拟格斗——但要将这些示范转化为在不可预测的真实世界环境中可靠且有用的行为，仍是一项重大技术障碍。ACE Robotics 董事长王小刚认为，所谓世界模型的改进 AI 模型与大幅扩展的真实世界训练数据汇聚，可能会将具身智能推向类似语言模型的 ChatGPT 那样的突破时刻。王预计，如果当前的发展轨迹持续并且数据收集加速，这个转折点可能在 2027 年底到来。

ACE Robotics 成立于 2025 年 7 月，并获得包括蚂蚁集团与商汤科技在内的投资者支持，迅速吸引关注与资本。公司在 2026 年上半年筹集了超过 1 亿美元，并公开表态在法规允许时寻求首次公开募股。与募资与公司里程碑并行，ACE 正优先收集大量真实世界数据。王指出，到目前为止业界大约累积了 10 万小时的相关机器人数据——他认为这个数量不足以训练健壮的具身基础模型。为了解决这一缺口，ACE 计划在未来两年内收集数千万小时的环境与交互数据，这一规模扩展被公司视为下一阶段模型训练所必需。

具身 AI 指的是能感知周围、建模世界状态、推理可能的动作，然后通过传感器与执行器执行那些动作的系统。世界模型通过预测物体与环境对动作的反应来增强这项能力：例如估计当机器人伸手去抓杯子或跨过障碍物时会发生什么。这些预测能力对于在多样且非结构化场景中的安全与有效运行至关重要。 没有大规模、多样且真实的训练数据，这类预测模型在面对新颖情境时容易变得脆弱。

其他组织正在采取互补策略。研究人员开发了可穿戴外骨骼等设备以捕捉人体动作用于机器人训练，主要的机器人与 AI 公司也在构建针对导航、操作与环境模拟的专用模型套件。波士顿动力在迈向量产类人机器人方面取得进展，并指出 AI 的改进是关键推动力，而阿里巴巴等公司也推出了面向真实任务的机器人模型集合。

商业部署仍是核心目标。ACE 计划在未来一年内将其技术推广到一个门店网络，利用现场运营既提供实用服务又收集更多训练数据。这种部署与数据双管齐下的策略旨在加速学习循环：在真实环境中运行的机器人产生能改进模型的数据，而改进的模型则使机器人行为更有能力与可靠性。如果成功，这种迭代方法可以缩短从实验室原型到现场产品的路径。

尽管如此，重大障碍仍然存在。收集与整理数千万小时有意义且带标注的交互数据在后勤与技术上都是挑战。确保安全性、在多样环境间的泛化能力以及法规合规性，都是会影响商业级具身智能多快普及的额外难题。ACE 所提出的时间表——在 2027 年底达到具有变革性的“ChatGPT 时刻”——依赖于建模、数据获取与真实世界测试的协调进展。

总结来说，ACE Robotics 预测具身 AI 在更大世界模型与海量真实世界数据集的推动下，近期可能迎来关键拐点，并有强大的资金与实际部署计划作为支撑。虽然前景乐观，但前进的道路需要克服高质量训练数据持续稀缺的问题，并确保系统在受控示范之外能够可靠泛化。

关键见解表