人形机器人的落地仍处于“蹒跚学步”阶段，具身智能如何在工业场景大显身手？

　　上海证券报记者近日调研获悉，尽管人形机器人已开始在工业制造领域进行商用测试，但距离工业场景所需的稳定性、高精度、高速度等要求尚有一定距离。工业机器人、移动机器人、协作机器人等非人形的机器人，已在细分场景里沉淀了数年，为企业带来了生产效率和效益的提升，在装上“大脑”、AI赋能后，具身智能有望率先实现在工业领域的规模化应用。

　　优艾智合联合创始人兼CTO边旭认为，由于场景确定性和技术可行性，工业机器人和移动机器人更有可能率先实现规模化应用。经过近十年的产品迭代与市场教育，此类机器人已能够显著降本增效。而人形机器人当前更多处于技术论证阶段，长远来看，二者并非竞争关系，而是共存互补。

　　具身智能不限于人形

　　在一家黑灯实验室中，一台台机械臂与AI算法、物联网等硬核科技协同配合，在重复性高、精度要求高、环境条件要求苛刻的检测场景中24小时“摸黑”工作，确保成果质量，实现了从样本分装、提取到数据分析的全流程无人化操作。

　　这一场景，诠释了工业场景中具身智能的落地形态。今年以来，具身智能概念在一、二级市场颇受关注，外界对其的定义主要是“大模型+人形机器人”。但实际上，具身智能是一个更宽泛的概念，能够与不同的硬件本体结合实现“七十二变”，包括但不限于机械臂、无人机、人形机器人等。

　　IDC中国研究经理李君兰解释道，人形机器人是具身智能机器人的高阶形态，任何能够在物理空间环境中行动并形成互动的机器人，如协作机器人、移动机器人、商用服务机器人等正加速融合人工智能技术，均可以发展成为具身智能机器人。

　　目前，人形机器人受限于技术奇点，如电机功率密度和极端非结构化环境的挑战，商业化尚需时日。而工业场景中原本较为成熟的机器人，是否能在发展具身智能上“弯道超车”？

　　IDC最新调研显示，工业用户最希望用AI技术提升机器人对环境和作业对象的自主识别能力。目前已有厂商基于工业制造领域的深耕经验，以协作机器人为载体，利用AI大模型训练机器人在装配、打磨、上下料等特定场景对作业环境、对象、工艺流程等自主识别与学习。

　　在边旭看来，工业机器人和移动机器人由于场景确定性和技术可行性，更有可能率先实现规模化应用。工业机器人已进入智能增强期，通过视觉伺服、力控模块和数字孪生技术，逐步实现环境感知和实时优化；移动机器人则在突破场景泛化瓶颈，融合激光SLAM（即时定位与地图构建）和视觉语义理解，实现高动态环境中的可靠交互。

　　以半导体制造为例，晶圆材料的脆弱性，要求机器人在移动和操作过程中具备极高的稳定性与精度。机器人需要兼具稳定的下肢移动能力和精密的上肢操作能力，才能胜任晶圆厂的上下料工作。为了满足工业场景对容错率的严苛要求，优艾智合为机器人配备的特殊“肌肉模组”，使其能够以毫米级的步幅移动，同时实现对精密零件的轻拿轻放。

　　AI能力为核心所在

　　当前，随着新一代人工智能与先进制造技术的深度融合，多家上市公司正在推动工业机器人向具身智能的跃迁。

　　埃斯顿聚焦工业具身智能、智能感知及其人工智能平台的研究开发，融合AI与机器人技术，提升工业机器人自主感知和学习的能力。埃夫特称，传统工业机器人通过与物联网、工业互联网、大数据、人工智能技术的结合，将推动具有感知、学习、决策和执行能力的智能机器人的发展。

　　而AI能力，正是实现这一转变的核心要素。李君兰介绍，AI大模型技术的加持，让机器人的感知、学习、决策、行动等能力有了显著提升。在工业场景中，AI能够为机器人的自主学习、决策提供助力，为其构建复杂的环境认知理解、任务分解规划、动作训练与校正等提供支持。

　　“具身智能的核心是打破传统AI算法与物理世界的割裂，比如协作机器人搭配视觉、力控传感器和相应AI算法，也能完成包括汽车零部件、3C产品等的装配、检测等复杂任务。”节卡机器人商用事业部檀志理说。

　　谈及机器人行业的技术趋势，檀志理认为，未来通过大模型与轻量化技术协同突破，机器人将深度融合多模态感知（3D视觉、力觉）、认知推理（大模型）与动态执行能力，形成闭环智能系统，解决车间级泛化能力。基于多模态数据的具身智能大模型将推动跨子行业、跨场景任务泛化能力提升，同时非Transformer架构的轻量化模型降低算力成本，使低功耗设备具备复杂决策能力。

　　不过，工业场景的标准化和专业化特点，决定了很难通过一套通用的软硬件系统完成所有任务分工。边旭认为，现阶段机器人厂商的核心发展方向应聚焦于智能系统的进步。他预计，未来两年，工业场景的具身智能将围绕多模态感知与决策、硬件性能突破、群体智能协同和数据驱动训练等方向快速发展。依托于云端的专家级行业垂直大模型，具身智能能够在不同细分行业实现工业批量化部署，半导体、物流和巡检、高危作业等细分场景将率先实现规模化应用。