索尼 AI 桌球机器人击败职业选手、Honor 人形机器人半马破世界纪录

索尼 AI 开发的桌球机器人 Ace 在有裁判執法的正式賽制下擊敗職业选手，研究成果已刊登於《自然》期刊；同一週，榮耀（Honor）人形机器人「Lightning」在北京人形机器人半程马拉松以 50 分 26 秒完賽，打破人類世界紀錄。
（前情提要：马斯克斷言：純 AI 与机器人公司將稱霸未来，人類將成企业累贅 ）
（背景補充：暢想 RobotFi：机器人也上链，帶来哪些新玩法？）

本文目錄

切換

• Ace 是怎麼打敗人類的
• Honor Lightning 为何能跑进 51 分鐘
• Physical AI 的边界正在哪裡移动

50 分 26 秒。这个时间打破烏干达田徑运动員 Jacob Kiplimo 在里斯本創下的 57 分 20 秒人類半程马拉松世界紀錄，但打破紀錄的不是人，是一臺人形机器人。

同一週，Sony AI 的桌球机器人 Ace 在国际桌球聯合会认可規則下、持牌裁判主持的正式对決中，擊敗職业选手。研究論文登上《自然》期刊。

两件事在同一时间框架內发生，凸顯 Physical AI（人工智慧驅动物理机器在现实環境中运作）从实验室走进真实競技场的集中爆发。

Ace 是怎麼打敗人類的

Sony AI 的 Peter Dürr 领導團队在设计 Ace 时，面对的是一个特殊的工程问題：桌球的球速、旋转變化与飞行軌跡，要求感知与动作必須在毫秒內完成協调。

Ace 的硬體架構是：9 臺同步攝影机加上 3 套視覺系统，负责追蹤球的移动与旋转；8 个关節控制球拍：3 个管定位、2 个管方向、3 个管擊球力道与速度。Dürr 描述視覺處理速度时说：「快到足以捕捉人眼只能看成殘影的运动。」

訓練方法是关鍵差異。Ace 不是透过觀察人類动作学習，而是完全在模擬環境中自我訓練。这使它发展出不同於人類的擊球策略，对手难以用習慣性的读球方式预判。

成績記錄顯示：2025 年 4 月的測試中，Ace 对上精英选手的五场勝三负二；2025 年 12 月到 2026 年初，开始出现擊敗職业选手的紀錄。

输給 Ace 的选手平田真佑香描述了一種人類对決中从未遇到的困境：「因为看不懂它的反应，根本无从感知它不喜歡或不擅长什麼樣的球。」沒有情緒訊號，沒有肢體语言，对手失去了競技运动中长期仰賴的心理资訊。

Dürr 说，Ace 设计的原始目的是研究机器人如何在动態環境中快速精準地反应，同樣的感知与控制技術可以应用在製造业与服務型机器人领域。

Honor Lightning 为何能跑进 51 分鐘

2026 年 4 月 19 日，北京亦莊人形机器人半程马拉松在大興区舉行，21 公里賽道从通明湖公園延伸至南海子公園。逾 12,000 名人類跑者与 100 多臺机器人在分隔賽道上同步起跑。

榮耀（Honor）开发的「Lightning」以 50 分 26 秒完賽，均速约 25 公里每小时。比较基準：世界顶尖人類选手的半马世界紀錄是 57 分 20 秒，差距是 6 分 54 秒。

去年同一賽事，最快的机器人花了 2 小时 40 分 42 秒完賽。一年间，紀錄縮短了 110 分鐘。

比賽規則以自主導航为優先判準。另一臺 Honor 机器人在远端操控下以 48 分鐘跑完全程，但不计入正式排名。Honor 工程師表示，Lightning 开发过程中验证的結構可靠性与液冷系统，已具備工业场景部署的條件。

Physical AI 的边界正在哪裡移动

这两項突破有一个共同結構：感知速度、物理控制精度、自主決策能力的整合提升。Sony Ace 的 9 镜头感知系统对应 Lightning 的自主導航；Ace 的模擬自訓練对应 Lightning 縮短了 110 分鐘的进步曲線，底層能力在收斂。

Physical AI 的下一个戰场不是競技，而是製造、物流、服務：那些同樣需要在非結構化環境中快速感知並精準執行的场景。Ace 和 Lightning 提供的，是这套能力組合已经成熟到可以上场的第一批可量化的外部验证。