工博会的具身展台「静悄悄」

「宇树这次的展台真小。」

在今年工博会上，我们听到一位观众经过宇树科技展台时发出了这样的感慨。

当时离闭馆这一「下班时间」还有两个多小时，展台上的机器人们已经集体进入了「摸鱼」时间。没有接连不断的运动表演，自然也少了围观的人群。

而此前的 WAIC 和 WRC ，具身公司们都是显眼的主角。虽然两场大会也在展示上下料、分拣等实际作业能力，但格斗、奔跑和互动表演仍然吸引着大量观众。

到了工博会，具身展台则显得有点静悄悄。

工博会今年已经是第 26 届了，本次工博会以「智能经济，智造无界」为主题，汇集了来自 24 个国家和地区的 3,200 余家企业。从数控机床、工业自动化、机器人，到集成电路、新材料、智慧能源，10 大主题展覆盖了制造业从基础材料、核心零部件到整机装备和生产系统的多个环节。

机器人只是其中一个专业展区，却也聚集了 400 余家海内外企业，其中人形机器人展区有 38 家企业参展。

不过，逛下来会发现，这里的展台更强调它们能在生产过程中完成什么工作。

优必选展台上的机器人忙着码垛、上下料和搬运；三菱电机把一条模拟生产线搬进展馆，让机械装置按照系统指令完成拼豆图案；更多传统工业机械臂则按照固定程序，反复执行抓取、搬运与加工动作。

这些机器人少有拟人化的设计，也不需要复杂的舞台表演。

就连零部件厂商的广告都格外直白。在展馆连接区域的大屏上，来福谐波直接打出了「买谐波，找来福」的宣传语。

相比兼具科技展示和公众互动属性的 AI 大会、机器人大会，工博会长期面向工业设备制造商、系统集成商和制造业客户。

在这里，机器人首先是一种生产设备，其次才是令人兴奋的新技术。

那些经常占据科技头条的具身智能新锐，来到成熟工业自动化企业的主场，也需要回答一个更加现实的问题：

工厂已经有大量能够稳定干活的机器人，为什么还需要具身智能？

四种机器人同台，轮式变成了新宠

本届工博会上，双足机器人并不算常见，轮式仿佛成了主流新宠。

一位从事具身机器人场景落地的工作人员告诉我们，一些客户早期采购双足机器人，希望将其用于工厂；经过实际探索后，部分项目又转向轮式机器人。

原因并不复杂。在平整的工业环境中，轮式底盘通常更容易兼顾移动效率、稳定性和负载能力。相比之下，双足行走虽然能够适应部分复杂地形，但在这些工位上未必能体现优势。

不过，一圈逛下来，就会发现 轮式机器人能做的的工作，仍主要集中在上下料、分拣、拆码垛和搬运等任务。 而传统固定机械臂虽然不具备移动能力，却可以依靠成熟的运动控制和较高的重复定位精度，持续完成大量工业工序。

拓斯达展台将这种差异展示得十分直观。它家的同一个展台上，4 种机器人配置各忙各的。

固定的机械臂反复擦拭手机屏幕；配备两指夹爪的双臂机器人分拣异形工件；轮式机器人移动到指定位置搬箱码垛；另一款带灵巧手的产品则负责摆 pose 。

它们的机械结构、操作方式和智能化程度并不相同，但都围绕具体的工业任务展开。

工作人员介绍，传统自动化设备可以按照预设程序完成固定工序，不一定需要额外引入 AI。当物料的位置、形状或规格发生变化时，则可以通过相机、视觉算法或模型训练，提高机器人的适应能力。

对于长期抓取同一种物料的工位，如果机械臂和简单夹爪已经能够稳定完成任务，那么增加灵巧手和复杂模型，未必能带来与成本相匹配的收益。

相反，如果机器人需要面对位置随机、形状多变的物料，感知与自主调整能力才可能更加重要。

相比双足机器人，轮式结构有更快的移动能力，但实际工作效率仍有待检验。

在拓斯达展台，工作人员介绍，一款轮式机器人的底盘最高移动速度约为 1.5 m/s。不过，移动只是完成任务的一部分，机器人到达指定位置后，还需要识别物料、调整机械臂姿态，再完成抓取和放置。

在乐聚展台，根据演示屏幕呈现的作业过程粗略计算，夸父机器人完成一次物料抓取需要近一分钟。底盘运动速度可减少整体间歇时间，但还不能跟真实作业效率划等号。

不过，多家工作人员都解释，受到演示安全、空间和设备布置等因素影响，现场机器人可能没有按照正常作业速度运行，实际操作速度可能会快一倍。

而除了移动速度和操作节拍，续航、充电及维护时间，同样会影响机器人在实际工位上的有效工作时长。

毕竟，对于要算 ROI 的客户而言，真正重要的是一个班次内能够完成多少有效任务、出现多少次故障，又减少多少人工介入。

有乐观派甚至表示，约两年能够回本。而悲观派则认为没人会花几十万买机器人进厂干活。

因此， 机器人想进工厂的第一道考题，并不是会多少种动作，而是相比已有设备，能否完成更有价值的工作。 而从与大家的交流来看，即使已经有客户愿意采购，不同企业距离真正的工业化应用，仍有不小的差距。

进产线，还是进了「试用期」？

「进工厂」「进产线」，几乎成为机器人企业共同强调的方向，但不同企业所说的「进厂」，并不完全是一回事。

一台机器人出现在工厂，与它成为稳定生产的一部分，中间还隔着内部测试、客户验证、项目验收和持续运行等多个阶段。

在新松展台，工作人员介绍，一款轮式机器人已经在企业自己的工厂内部使用，主要面向搬运、分拣等重复性任务。不过，这款产品也是今年新开发的，目前仍在尝试向外部市场推广。优必选则已与汽车制造、3C 等行业客户开展合作，部分应用从工厂实训进入小规模交付阶段。它石智航围绕汽车线束装配在推进批量工厂部署。

客户的采购行为在某种程度上，决定着机器人能否走向市场。

有工作人员告诉我们，其传统工业机器人业务每年能够达到几千乃至上万台的出货规模。相比之下，现场交流涉及的新型机器人产品，累计订单据其估计仍在 100 台以内。

两类业务规模上的差异十分明显。

客户一般先采购 1 台、2 台，验证特定工位能否使用，再决定是否增加设备。有时所谓复购，也只是再增加 1 台。而当单次需求扩大到十几台、几十台时，企业才可能进一步考虑针对客户需求开发定制配置。 而 此前曾有 供应链高管告诉我们，在他们的语境里，几十台就可以称为「量产」。

某专业场景方案商工作人员介绍，一些大型客户首先找到的是知名机器人本体厂商，但具体的拆码垛、搬运和上下料任务，仍可能由合作伙伴负责软件开发和现场交付。

部分项目的开发周期约为 3 个月，本体厂商需要的时间则更久，不同工厂仍需根据物料规格、设备接口等条件进行适配。对于规模较小、定制需求较多的项目，本体厂商未必愿意投入大量研发资源；当采购数量达到数十台甚至上百台时，它们则可能选择自行承担更多开发工作。

但除了卖方愿不愿意开发，直接的约束来自价格。

拿拆码垛这一项目来说，其软硬件整体项目报价金额超过 100 万元。

从多家交流来看，现阶段参与具身机器人进产线项目的一部分客户是大型外资制造企业，涉及汽车、电机、医药等领域。一些企业会先在中国工厂进行验证，再考虑将相关方案复制到海外工厂。

有受访者坦言，部分项目仍然具有技术展示和可行性探索的性质。企业希望让管理层看到机器人能够执行生产任务，却未必计划立即用它替代人工。

这类项目的评价验收标准，自然也跟算 ROI 的项目不一样。

据介绍，客户通常会在合同中约定动作成功率、工作节拍等指标，完成指标即可交付。如果客户提出的要求明显超出目前能够实现的能力，企业可能不会承接项目。

而从事半导体自动化相关业务的 sentriXrobotic 工作人员告诉我们，其为客户提供的人形机器人键合工序自动上下料解决方案在「试用期」验证阶段，时间可能要持续半年至 1 年。

即便完成交付，机器人的长期运行能力也仍需要观察。工作人员坦言，其已交付机器人在客户工厂的实际使用时间尚未超过半年。

这也是具身机器人从技术展示走向成熟工业产品，还需要继续验证的地方。

而对于已经拥有成熟自动化设备的企业而言，提高生产效率并不只有购买新型机器人这一种选择。

传统工业机器人，以另一种方式拥抱 AI

在工博会上，西门子、三菱电机等传统工业自动化企业，也将 AI 放在了重要的展示位置。

不同的是，相比让机器人学会新的复杂动作，这些企业更多从已有的工业系统出发，希望降低设计、编程、调试和生产管理的成本。

西门子展台上，工程智能体成了重要展示内容。过去，一些控制程序和工程配置需要工程师根据设备结构、工艺参数和控制逻辑逐项编写。引入 AI 后，系统可以根据工程需求生成部分程序和配置，再由工程师进行审核和调整。

一位工作人员举例称，某些原先需要 1 个月的开发任务，借助 AI 可能缩短至 1 周。

「这个只是提高你工程的效率。」 AI 带来的收益，不一定会直接体现在生产线上，却可能让企业在设计生产流程、修改设备配置或者切换产品型号时，减少工程师重复劳动的时间 。

AI 的角色也在进一步延伸到设备之间的协调。

在三菱电机展台，一套 AI 数智化拼豆工场的模拟产线将视觉识别、机械运动和生产调度连接起来。

系统根据任务要求安排不同颜色拼豆的位置，再由控制器驱动机械结构完成动作。现场还有机器人参与物料搬运。

其中，AI 参与部分感知和调度，PLC 负责设备控制，伺服系统则驱动机械结构执行任务。

这是一种在现有工业控制体系之上增加 AI 的思路。

参与演示的机器人来自三菱电机的合作及被投企业鹿明机器人。此前，双方已围绕工业场景展开合作，并在三菱电机中国工厂试用相关柔性质检方案。对传统工业自动化企业而言，通过合作、投资和系统集成，将具身机器人引入现有工业体系，也是一条发展路径。

不过，现场工作人员也坦言，新型机器人若要在实际生产中广泛替代成熟设备，仍然需要面对成本和效率的考验。

另一条更成熟的工业 AI 路线，则来自机器视觉。

主打机器人「眼脑手」能力的梅卡曼德，虽然也有人形机器人在干活，但更多展台空间留给了视觉系统。

现场，一套机械臂与 3D 视觉系统配合，抓取位置和姿态不同的物料。

我们发现，机械臂放置的物料似乎有些歪，询问后，工作人员解释，这是刻意设计的展示方式，目的是体现视觉系统对物体位置和姿态变化的识别能力。

工业视觉系统需要面对反光金属、深色材料、微小零件等识别难题。如果相机无法准确识别物体，机械臂就难以可靠完成后续动作。通过视觉算法和深度学习，传统机械臂也能够获得一定的环境适应能力。

更进一步的探索，发生在机器人部署之前。

ABB 在本届工博会上展示了工业级物理 AI 仿真平台，该平台将工业机器人仿真与 AI 学习模型结合，让机器人能够在虚拟环境中提前进行任务训练、动作验证和流程测试，减少真实生产现场反复调试的工作量。要不要优化、怎么优化，这些账都可以提前算好。

从辅助工程开发、视觉识别，到生产调度和虚拟训练，AI 正在以不同方式进入已有的工业体系，传统工业 AI 与具身智能并不是两条泾渭分明的技术路线。

只不过，前者更多从已经成熟的设备、工艺和生产系统出发，尝试提高自动化的灵活性；后者则希望进一步扩大机器人能够承担的任务范围，让更多过去依赖人工的工位实现自动化。

不过，工业自动化已经发展多年，为何仍有不少工作依赖人工？有些场景并非完全无法实现自动化，而是因为物料特殊、现场条件复杂或需求规模有限，开发专用设备的投入难以获得足够回报。

那么，更具通用能力的机器人，能否改变这笔账？

没人装卸的圆桶，与难进的半导体车间

在工博会现场的重物装卸自动化产线前，一位桶装物料相关业务从业者提到，他们需要处理重达 50 kg 的圆桶，装卸过程十分依赖熟练工人的经验。由于圆桶的形状和重量，码放时如果姿态不合适，容易对下方的桶造成撞击，甚至导致桶体变形。这不仅关系到货物损耗，也存在工人受伤的风险。

但如今，原有的熟练工人年龄渐长，新工人又越来越难招。

「超过 30 公斤都很少。」这位人士谈到，在空间有限的集装箱内，人工搬运较重货物并不容易。

而现场很多机器人产品，单臂或双臂负载集中在 10—20 kg 左右。一位优必选员工解释，其负载设计要考虑电机、关节磨损、前后结构的平衡等因素，对于更重的，暂时满足不了。

但即使找到负载更高的机器人，要实现这样的稳定作业也不容易。

同样是搬运，圆桶与纸箱不同；50 kg 的货物与十几公斤的物料不同；集装箱内部有限的工作空间，与宽敞、规则的生产工位也不同。

机器人需要的机械结构、抓取方式、操作空间和安全策略，都可能发生变化。

工业自动化已经发展多年，但仍然存在大量这样的细分需求。部分场景可能因为市场规模有限、改造成本较高或现场条件复杂，长期依赖人工。这正是更具适应能力的机器人可能创造新价值的地方。

如果说圆桶装卸考验的是机器人的负载能力和机械适配，那么在另一些成熟工业场景中，真正困难的可能不是搬得动，而是不能出错。

半导体车间就是另一个例子。

在 sentriXrobotic 展台，工作人员介绍，公司正在利用已有的半导体行业经验，开发面向相关生产环境的机器人方案，包括在不同设备之间运送料盒等物料。

这类任务从动作上看仍然属于搬运，但客户对机器人的要求远不止将物料从一个位置送到另一个位置。不同生产设备的接口、物料规格和洁净环境要求都可能不同。机器人还必须尽量避免物料掉落、混淆或对生产环境造成不利影响。

有工作人员也谈到，即使两个工厂都在进行拆码垛，箱子的尺寸、重量、摆放方式和现场设备不同，也可能需要重新适配 。

工作人员表示，为适应不同客户，往往需要调整末端执行器，以及机器人与生产设备之间的控制配合。

「没那么简单，如果那么简单，大家都会做。」 他这样评价跨客户复制已有方案的难度。

当然，并非所有任务都需要重新训练模型或改造整个系统。有些问题通过更换夹具、调整参数就能解决，另一些则需要更深入的软件和硬件开发。

而据了解，为特定工位开发机器人的操作能力，数据采集与训练可能需要 1 至 2 个月，以覆盖不同的工件位置和工作情况。

我们期待机器人通过一个通用大脑，学会完成更多任务。但工业生产中，泛化不只是模型能否识别新的物体，也可以包括它能否与不同设备、机械结构和生产流程协同。

工业 AI 与具身智能，最终在哪里相遇？

从本届工博会来看，传统工业自动化与具身智能，并没有简单走向同一种机器人。

对于标准化程度较高、流程稳定的工序，传统工业自动化设备仍然具有优势。而对于物料变化频繁、工艺不断调整，或者原有自动化改造成本较高的场景，更具感知和适应能力的机器人，则可能创造新的价值。

不论采用哪条路线，技术能力最终都需要通过实际生产来验证。这也是具身机器人从展台走向工厂后的考题。

工博会现场，那些看起来缺少表演欲望的机器人，或许更接近工业生产每天面对的真实问题。毕竟，工厂需要的是一套稳定运行、经济高效的系统，在工位的是人，还是具身机器人。