具身智能機器人，工業機器人角逐新賽道？

　　每年的工博會作為國內外工業領域核心技術和產品的集中展現平臺，被視為全球工業創新的風向標。

　　在工業4.0戰略、數字化轉型浪潮下、多模態大模型及云計算、大數據快速發展下，以先進數控機床，來回搖擺的機械臂、智慧高效的工業解決方案、智能化數字化未來工廠等新質生產力成果展示成為剛剛落幕的第24屆工博會重點。

　　ABB推出的新一代機器人控制平臺OmniCore實現人工智能、傳感器、云計算和邊緣計算系統的全面集成。和之前ABB控制器相比，OmniCore使機器人的運行速度提升25%，能耗降低20%。

　　海康推出的復合機器人通過搭載智能相機，多傳感器數據融合感知，實現移動、抓取與搬運的集成作業能力，能夠簡化復雜的物料搬運場景，實現更高效的工業自動化。

　　微億智造聯合捷勃特聯袂打造的具身智能工業機器人——“創TRON”，

　　集感知、驅動、控制、算法、云服務等技術于一體，能夠更好理解和適應復雜的工業環境，輕松解決產線的靈活性和適應性問題，精準且高效地執行各類多元化任務。

　　在工博會現場相對嘈雜的環境中，創TRON通過具身視覺模塊，仍能實時捕捉動態環境變化，進行毫秒級的實時地圖重建，確保機器人與外部環境交互的實時性，具有高強度復雜環境感知能力。

　　在現場工作人員給到的多重任務下，創TRON無需傳統示教及機器人編程，通過對圖片、視頻、動作等進行精確捕捉。結合工業垂類大模型，快速實現任務理解和拆分。且創TRON通過高速實時量產執行，做到快速實現柔性切線，將切線時間縮短至小時級。

　　此外，因創TRON機械臂實時控制頻率為1KHZ，且采用基于優化和采樣結合的方案，可做到毫秒級完成點到點路徑規劃，實時生成距離和速度最優軌跡進一步確保系統的整體實時性和準確性。隨著明年創TRON批量上市進入更多工廠“打工”，這在幫助制造業節省后期的切線及維護費用的同時，將持續助推制造業朝著智能化轉型升級。

　　不僅僅是在工博會，此前舉辦的2024年世界機器人大會，具身智能和大模型同樣成為市場關注角度。機械臂作為具身智能的重要載體，正展示出從商業化落地到具身大模態大模型新技術應用的強勢前景。

　　一、“大模型+機器人”開啟“智械時代”，數據難題何解?

　　隨著當前AI大模型技術的快速發展，這些模型通過整合感知、認知和決策能力，將機器人從單一功能的執行單元提升為具有自主學習和優化能力的智能系統。這種轉變使得機器人能夠更好地適應復雜多變的工業環境，顯著提高生產效率和柔性化水平。“大模型+機器人”讓具身智能工業機器人正開啟“智械時代”。

　　以“地表最強人形機器人”Figure 02為例，其搭載的GPT-4多模態大模型、機載視覺語言模型(VLM)及類似RT-X機器人控制等大模型和麥克風和揚聲器等硬件，不僅使其常識推理能力和任務執行智能性相較Figure01顯著提升，且能實現和人類自然地對話。此外定制AI的模型和VLM，讓Figure 02適用于工業制造、倉庫物流等輕載搬運和分揀任務，提供全自動的智能決策和執行能力。

　　但中國人工智能領軍科學家、上海交大清源研究院研究員、中國人工智能學會具身智能專委會委員劉志毅指出，具身智能工業機器人在模型訓練中，訓練數據來自多方挑戰：

　　一是數據的質量和多樣性問題。工業場景的復雜性要求模型能夠理解和處理各種情況，需大量高質量、多樣化的數據，且數據需涵蓋正常運營、異常情況、不同設備類型和各種生產流程，獲取這些數據成為重大挑戰。

　　二是專業數據標注問題。工業數據的專業性很強，需要具備深厚工業背景的專家進行標注。這些專家資源稀缺，標注過程耗時且成本高昂，而確保標注的一致性和準確性是提高模型性能的關鍵。

　　三是數據實時性要求。工業生產環境動態變化，模型需不斷用最新數據更新迭代。這就要求建立一個高效的數據收集、處理和模型更新流程，在不影響生產的情況下實現近實時的數據采集和模型更新。

　　四是數據安全問題。工業數據往往涉及企業核心機密，如生產工藝、設備參數等。如何在保護隱私和知識產權的前提下實現數據共享和模型訓練，是一個需要技術和管理雙重創新的復雜問題。

　　數據問題也帶來技術挑戰，火石創造產業研究院院長馮雷博士認為，一方面，工業大模型需要處理多模態數據，但多模態數據建模和可解釋的機器學習模型是當前面臨的挑戰之一。這不僅涉及技術層面的難題，還包括如何使模型更加透明和易于理解。

　　另一方面，隨著工業大模型應用的復雜性增加，單一模型已無法滿足所有需求，因此集成學習和多模型協同成為發展趨勢，但這增加了模型的復雜性和解釋性難度。

　　此外，相較于文生文、文生圖、圖生圖等通用大模型，工廠端到端閉環生態對模型訓練也帶來新的難題。

　　馮雷博士指出，在工廠內部不同部門和系統之間往往存在數據孤島問題，導致數據無法有效共享和利用。這要求工廠加強數據治理和管理，打破數據孤島，實現數據的互聯互通和共享利用。

　　劉志毅同樣指出，工廠端需打通從原料到成品的全流程數據孤島，包括供應鏈、生產、質檢、物流等環節。不同系統和設備間的數據格式和協議可能不一致，需要進行數據清洗和整合。確保數據的時間序列完整性，對于支持整個生產過程的建模和優化至關重要。

　　以劉志毅提到的質檢環節為例，微億CEO張志琦則指出，如何解決樣本數據少和模型能力判斷準確的矛盾成為難題。

　　一方面，制造業良品率提高導致樣本數據偏少，進而影響模型訓練時間。另一方面，“過殺”和“漏檢”是衡量工廠現場中間準確度的兩大重要指標。“過殺和漏檢但凡某個指標偏高，客戶認為設備無法使用后，需安排內部人員二次復驗。客戶使用AI質檢設備的意義何在?若將過殺率控制到5%以下，又對樣本數據提出更高要求。”

　　面對訓練數據難題，微億將模型開發和數據收集的閉環建到產線上去，將帶有預訓練模型的設備直接部署到產線上，把產線操作工變成“模型訓練師”，在云端自研的“人機交互式的模型訓練平臺”上對模型生成的結果進行復判和修正，模型再把修正后的結果下發給設備予以執行。

　　同時將修正過程作為模型下一輪迭代的“新樣本”，讓模型不斷學習人類老師傅的工作經驗，這樣就在產線上形成了“端云一體”的模型訓練閉環，實現設備“開箱即用”的同時，讓模型訓練獲得大量實時產線數據。

　　基于在AI質檢市場的競爭力和多年的數據沉淀，微億已擁有世界最大的非結構化工業精標數據庫。藍馳創投董事總經理、合伙人曹巍在接受媒體采訪時指出，工業機器人行業內優秀的公司會形成自己的數據閉環、硬件閉環，以及算法側的算法閉環。數據的稀缺性及數據和算法之間的迭代速度決定企業在該領域的核心能力。

　　圖源：IDC《中國AI賦能的工業質檢解決方案市場份額2023》

　　張志琦也指出，微億目前已積累一定的業務和各類的數據和模型能力，同行即使削尖腦袋去苦干三五年也很難做出來，且即使同行做出來，恐難以適應市場改變，這是微億的核心競爭力之一。

　　二、如何讓智能機器人裝上“腦子”，更接近人類?

　　除訓練數據問題外，從本屆工博會工業機器人展區來看，大部分機器人旁邊都配備一臺負責指揮和調試的“大腦”，雖是按照既定程序運行，但工作人員時不時需要檢查運行是否正常。

　　但從海外包括特斯拉超級工廠使用的KUKA和Fanuc、寶馬德國丁戈爾芬的工廠中廣泛使用的ABB和KUKA、亞馬遜全球多個倉儲中心使用數萬臺的Kiva來看，這些工業機器人在驅動和執行層面的優勢很足，也是他們一貫的技術核心。

　　然而隨著AI帶來的感知和認知能力，外企還未大力布局，具身智能在工業領域的應用處于缺失狀態。這反而給了。這反而給了國內具身智能工業機器行業一個機會，雖說短期內需攻克多重難題，但讓具身智能在工業發揮優勢，成為國內企業不可忽視的突破點。

　　馮雷博士指出，在感知技術上需增強其傳感器技術，包括視覺、觸覺、力覺等多種傳感器，以實現對復雜工業環境的精準感知。同時，還需要不斷優化算法，提高傳感器精度和響應速度。

　　在認知技術上，工業機器人的認知能力依賴于人工智能技術的發展，特別是深度學習、自然語言處理等技術。短期內需要突破的是如何將這些技術有效應用于工業機器人，使其能夠理解和處理復雜的工業任務，實現自主決策。

　　在驅動技術，驅動技術包括伺服電機、減速器等關鍵部件，是工業機器人的核心。中國工業機器人在這些關鍵部件上仍存在一定的技術瓶頸，需要加強自主研發，提高性能和穩定性。

　　在執行技術上，執行技術直接關系到工業機器人的操作精度和效率。需要不斷優化控制算法，提高機器人的運動控制能力和精度，同時確保執行過程中的安全性和可靠性。

　　劉志毅也指出，目前工業機器人高精度傳感器、控制器、伺服電機等核心零部件仍有較大進口依賴。此外，軟硬件深度融合是一個系統性挑戰。企業需要突破傳統的機械設計思維，從系統層面考慮軟硬件協同。開發更靈活的模塊化設計，支持快速功能定制和升級，實現軟件定義硬件，提高機器人的適應性和可重構性。

　　通用AI算法需針對工業場景進行大量優化，提高精度、穩定性和實時性。開發更高效的邊緣計算算法，實現本地化的智能決策。同時，提高算法的可解釋性和可靠性，滿足工業級應用的嚴格要求。

　　張志琦也指出，微億以“眼手腦云”打造的技術戰略，曾面臨著視覺系統好比是眼睛，機械臂的運動機構類似人的手腳，兩者之間的隔閡宛如是一個瞎子背著一個瘸子，瘸子在指揮瞎子的前進后退，實際落地中困難重重，往往需要不斷地堆疊人力來彌補之間的問題，這應該是一個完整的體系，把感知、認知、規劃、驅動、控制能力相融合，才是解決這類問題的根本之道。

　　基于此，2023年微億成立專門的具身智能項目組，與國產機器人廠商捷勃特共同研發，實現工業AI與工業機器人的融合突破，打通軟硬件質檢的壁壘。

　　若“數據”“更智能”問題屬技術問題，但技術之上卻是如何讓具身智能機器人更好地滿足下游客戶需求。

　　近些年來，隨著消費者需求逐漸多樣化和個性化、中國企業出海需應對供應鏈和市場不確定的挑戰、全球化和定制化需求的融合、制造業愈發追求資源利用效率的提升、生產成本的降低和創新能力的提高，全球制造業對工廠端愈發追求柔性化生產，且成為不可逆趨勢。上文提到的海外工業機器人能“進廠打工”均建立在滿足這些企業柔性化生產的需求上。

　　但相較于海外市場，國內工業機器人應對制造業柔性生產能力仍有待提高。張志琦指出，傳統工業機器人都是在確認的、封閉的空間中運動，且只能進行單一重復動作，泛化能力弱，無法具備柔性切線能力，從源頭上限制工業機器人的普及和應用。

　　面對制造業對極致成本和柔性生產的現實需求，包括微億、遨博機器人、拓斯達、新松機器人、埃夫特智能裝備、華中數控、ABB中國等廠商推出的具身智能機械臂紛紛搭載免編程功能。

　　免編程機械臂優勢在于通過自適應技術快速適應不同的生產任務，特別是小批量多品種的生產環境。它們能夠根據不同的工藝和任務需求，自動學習新的操作路徑并快速投入使用。機械臂通過視覺傳感器、力覺傳感器等感知環境，并基于機器學習技術自動調整操作動作，可更高層次的柔性生產，無需每次任務變更都進行重新編程，進而提高工廠生產效率。

　　曹巍指出，工業機器人的下一個發展趨勢為走向輕交付和智能化，把交付做輕，最重要的是不用編程。雖然工業機器人編程可能仍需定制，但在和機器人交談過程中它能理解我要定制什么，而非是繼續請人編寫代碼。

　　張志琦指出，微億打造的具身智能機器人在攻占既有市場的同時，還能進入傳統工業機器人無法進入的靈活柔性場景，幫助工業制造企業解決在使用傳統工業機器人切線換型速度慢、效率低的問題。

　　三、具身智能工業機械臂落地化速度，或快于人形機器人

　　除滿足制造業的柔性化生產外，工業機器人的成本賬和人力成本的經濟賬，實則是企業主最為Care的事。海外工業機器人售價因行業不同、行業需求、功能和負載能力不同，售價存在較大差異。

　　通常來說，基礎工業機器人價格大約在2萬到8萬美元，高端智能機器人可能達到10萬到30萬美元甚至更高。但歐美高端制造業的高利潤、高人力綜合成本讓智能機器人的“綜合性價比”優勢突出。與之相比的是，國內工業機器人在價格上占據絕對優勢，這種優勢不僅國內外競爭上成為關鍵，也是國內企業將“智能”帶進工廠的關鍵。

　　圖源：基于公開信息整理 DoNews制圖

　　在勢頭上很兇猛的人形機器人，成本居高不下，因為其使用很多價格高昂的組件，單說視覺感知就會用到很多價格昂貴的組建，如3D相機、激光雷達等。

　　對于國內制造業而言，他們利潤水平偏低且近兩年波及多行業的價格戰對制造業利潤的持續沖擊，想要讓企業主為動輒百萬級的人形機器人買單恐不太現實，更別提他們會關注人形機器人使用何種大模型技術、具備哪些能力。

　　且制造業使用工業機器人的成本不單單包括企業初始購買成本，還包括后續維護與升級成本和企業內部MES、ERP、供應鏈管理系統數據打通成本、整體解決方案成本、工業機器人和人類共同工作的協調成本等等。

　　如工業機器人真正進入工廠“打工”后，工廠不僅需額外增加安全圍欄和傳感器，保證工人安全。且機器人若發生故障除會增加新的維修成本外，也會對產線生產構成影響，進而影響工廠給下游客戶交付時間，繼而帶來成本增加。基于此，公開數據顯示，國內每萬名產業工人機器人滲透率只有392多臺，處在較低水平。

　　劉志毅指出，為提高國內工業機器人普及率，可通過優化產品設計、發展服務型商業模式降低使用門檻、利用AI提升效率是創新方向、通過AI輔助設計優化機器人結構和控制系統、通過稅收優惠、補貼等方式，鼓勵企業采用國產工業機器人等系統性措施來降低成本，但推動核心零部件國產化才是降低成本的根本途徑。通過產學研合作，突破高端減速器、伺服系統等關鍵技術。建立本土化的供應鏈體系，提高零部件的標準化和通用性，實現規模化生產。

　　馮雷博士同樣指出技術創新和自主研發是降低成本的關鍵，一方面，加強核心技術研發，推動核心零部件如伺服電機、減速器等的國產化進程。通過自主創新和技術突破，降低對進口零部件的依賴，從而從源頭上降低成本。

　　另一方面，通過技術創新提升工業機器人的性能，如提高精度、增強穩定性、優化算法等，使產品更具競爭力，從而在市場上獲得更高的認可度和市場份額。

　　仍需指出的是，相較于人形機器人，具身智能機械臂不僅具有成本優勢，且在工業自動化、物流、服務行業等領域的應用場景更為明確和廣泛，這意味著未來具身智能機械臂的大規模落地速度會高于人形機器人。

　　曹巍指出，現階段工業機器人的突出問題雖然大家有生意做，但因交付成本過高，個性化東西太多，通用性低，導致大家并不賺錢。基于此，工業機器人最值得研究的問題是如何把交付效率提升、交付成本做低及能夠做到開箱即用，做到真正的工業機器人的智能、

　　若工業機器人實現更加智能的開箱即用，或是更加智能的輕量化交付。從項目制走向產品制，工業機器人未來會是一個既賺錢、增速又快的超級市場。

　　值得注意的是，微億“創TRON”已能做到開箱即用，輕量化交付，這也是張志琦會提到預計1-2年內，“創TRON”將進一步促進具身智能工業機器人市場規模的擴大，具身智能技術會讓工業機器人的部署更加敏捷，未來工業機器人的市場規模將進一步擴大，達到100萬-150萬套/年，年產值將達到1000億-1500億的原因所在。

　　隨著未來包括ABB、微億、海康等在內的公司一起，持續賦能更多工業機器人和制造業，以及TOG端政策持續發力，高校端和企業端持續補齊技術短板，這不僅能助推更多工業機器人“進廠打工”，行業迎來“iPhone時刻”。

　　更重要的是，這能幫助制造業實現降本提效，讓國內制造業不斷做大做強。