I et oplyst træningslokale i Shanghai gentager en tyveårig datalogistuderende den samme bevægelse hundredvis af gange om dagen. Han åbner en mikrobølgeovns låge. Han folder tøj. Han stabler træklodser. Han bærer VR-briller og exoskeletter, og ved siden af ham står en humanoid robot, der lærer af hans krop. Scenen, beskrevet af mediet Rest of World i januar, er en del af et statsfinansieret netværk af over fyrre annoncerede robotdatacentre og træningscentre, der er skudt op i provinser fra Guangdong til Shandong i løbet af det seneste år, med omkring to dusin allerede i drift. Det er Kinas svar på et dataproblem, som ingen sprogmodel kan løse: hvordan man lærer en maskine at gribe, skubbe og navigere i den fysiske verden.

To spor i samme plan

Da Kinas Nationale Folkekongres i marts vedtog den 15. femårsplan for 2026-2030, var formuleringen om kunstig intelligens bemærkelsesværdig præcis. Planen opfordrer til at “udforske udviklingsveje mod kunstig almen intelligens” og fremhæver multimodal AI, agentbaseret AI, legemliggjort intelligens og sværmintelligens som teknologiske prioriteter. Afgørende er det, at planen eksplicit adskiller AGI fra generelle stormodeller og branchespecifikke modeller og behandler dem som parallelle spor. Begrebet “通用人工智能” optrådte også i Kinas AI-plan fra 2017, men dengang i en teknisk underpassage om matematiske modeller og teori, ikke som et selvstændigt politisk spor. I 2026 har det fået en tydeligere og mere fremskudt placering. Poe Zhao, AI-analytiker hos nyhedsbrevet Geopolitics of AGI, har påpeget, at Beijings 2026-dagsorden fortsat prioriterer konkret udrulning over abstrakte AGI-ambitioner. Men selve skellet mellem de to spor signalerer en ny bevidsthed.

Hjerne, krop, kredsløb

I Silicon Valley er den dominerende teori om vejen til AGI det, der kaldes rekursiv selvforbedring. Logikken er tilsyneladende enkel. Byg en AI, der er god nok til at skrive kode og forske. Brug den til at bygge den næste generation. Gentag. Ved World Economic Forum i Davos i januar beskrev Anthropics topchef Dario Amodei mekanismen: laboratorier bygger modeller, der er dygtige til kodning og AI-forskning, og bruger dem derefter til at producere næste generation af modeller i et selvforstærkende kredsløb. OpenAIs Sam Altman har ifølge TechCrunch sat et internt mål om en fuldt automatiseret AI-forsker i 2028. Anthropics Chief Science Officer Jared Kaplan har sagt, at 70-90 procent af koden til kommende modeller allerede skrives af AI.

Det kinesiske økosystems svar ser anderledes ud. Zilan Qian, forsker ved Oxford China Policy Lab og Centre for the Governance of AI, har i en analyse for nyhedsbrevet ChinaTalk kortlagt en gennemgående arkitektur på tværs af kinesiske virksomheder og forskningsinstitutioner. Visionen følger tre trin. Først en multimodal “hjerne”, der kan opfatte verden på tværs af sanseindtryk. Dernæst en verdensmodel, der kan forudsige fysiske konsekvenser af handlinger. Endelig en legemliggjort tilstedeværelse, der genererer den type feedback, som hverken tekst eller simulering kan levere. Sammen danner de tre trin et lukket kredsløb, hvor maskinen forbedrer sig selv gennem fysisk interaktion med omverdenen.

Beijing Academy of Artificial Intelligence, et af Kinas centrale statslige AI-laboratorier, vurderer at verdensmodeller er ved at blive en konsensusretning for AGI, og at forudsigelse af næste tilstand i verden kan afløse forudsigelse af næste ord som det bærende paradigme. Zhang Bo, direktør for Institut for Kunstig Intelligens ved Tsinghua-universitetet og en pioner inden for legemliggjort AI siden 1980’erne, beskriver vejen til AGI som tre stadier af interaktion: mellem sprogmodeller og mennesker, mellem AI-agenter og den virtuelle verden, og endelig mellem legemliggjort AI og den fysiske verden.

Begrænsningens formende kraft

Den legemliggjorte tilgang er ikke bare en intellektuel præference. Den er formet af materielle vilkår. Kinesiske virksomheder opererer under et reelt loft over beregningskapacitet som følge af amerikanske eksportrestriktioner på avancerede chips. Det forhindrer dem ikke i at automatisere kodning eller bruge AI i deres egen forskningsproces. Men det forskyder den strategiske tyngde. Hvis vejen til AGI primært handler om at skalere beregningskraft i et selvforstærkende softwarekredsløb, som de amerikanske laboratorier hævder, er Kina strukturelt bagud. Hvis vejen derimod kræver fysisk interaktion, robotinfrastruktur og industriel kapacitet, ser regnestykket anderledes ud. Chipbegrænsningen former ikke så meget, hvad kinesiske laboratorier kan gøre i praksis, som hvad de vælger at ophøje til strategi.

Kinas produktionsapparat giver substans til den prioritering. Kina installerede i 2024 næsten 300.000 industrirobotter, 54 procent af verdens samlede antal ifølge The Diplomat. I segmentet for humanoide robotter stod kinesiske virksomheder for omkring 90 procent af de globale leverancer i 2025, anført af AgiBot, Unitree og UBTech. Morgan Stanley anslår, at Kinas salg af humanoide robotter fordobles til 28.000 enheder i 2026. I marts udsendte det kinesiske industriministerium landets første nationale standardsystem for humanoide robotter og legemliggjort intelligens, udviklet i samarbejde med over 120 forskningsinstitutioner og virksomheder.

Samme handling, forskellige ord

Det mest tankevækkende ved den kinesiske udvikling er ikke, hvad der bliver sagt, men hvad der foregår under overfladen af den officielle fortælling. Shanghai Innovation Institute, et statsligt forskningslaboratorium, offentliggjorde i september 2025 forskning i et system, der automatisk opfanger interaktionsdata mellem AI-agenter og værktøjer og føder dem tilbage i modeltræningen. Laboratoriet kalder det et “selvudviklende lukket kredsløb”. Systemet opdagede selvstændigt over hundrede nye neurale netværksarkitekturer på to dage. MiniMax, en virksomhed der af kinesiske branchefolk betragtes som rent kommercielt orienteret, meddelte i februar 2026, at AI allerede genererer 80 procent af virksomhedens nye kode. Næsten alle førende kinesiske AI-virksomheder satser massivt på kodeagenter.

Teknisk set ligner meget af dette rekursiv selvforbedring. Men ingen af aktørerne bruger begrebet. De behøver ikke at gøre det. Automatisering af kodning og brug af AI til at styrke egen forskning er instrumentelt nyttigt uanset ens teori om AGI. Man kan lade AI skrive sin kode uden at ophøje netop dén mekanisme til civilisationens vendepunkt. Forskellen mellem San Francisco og Shanghai er ikke, hvad laboratorierne gør ved deres tastaturer, men hvilken fortælling de bygger om, hvad det betyder.

Resultatet er et dobbelt blindt punkt. Vestlige analytikere lytter efter et sprog, som kinesiske forskere ikke har noget incitament til at bruge, og konkluderer, at Kina ikke forfølger det, Silicon Valley betragter som den afgørende kapacitet. Beijing fremhæver sin legemliggjorte vision og sin industrielle skala, men overser måske, at de softwarekapaciteter, dets egne laboratorier opbygger i stilhed, rækker langt ud over den pragmatiske udrulning, som den officielle retorik beskriver. Begge siders forestilling om kunstig almen intelligens er formet af, hvad de allerede kontrollerer. Og begge risikerer at forveksle den andens retorik med den andens virkelighed.