企业共话AI+机器人智向何方

智能制造业日新月异，一座座智能工厂的落地，见证着机器人行业智能化的升级，但工业机器人的主要应用场景——传统工业产线并没有发生颠覆性的改变，智能化程度难以满足制造业对“新质生产力”的需求。

随着AI大模型表现出越发强大的通用性，具身智能体对物理世界的感知力不断增强，新一轮AI技术革命，为机器人行业带来曙光，未来，智能机器人将走向何方?

此前，2024年12月19日-21日，以“万物向新 蓄力笃行”为主题的2024(第十一届)高工机器人年会暨高工金球奖颁奖典礼在深圳机场凯悦酒店圆满落幕。

在以“AI+机器人的过去、现在、未来”为主题的高峰对话上，主持人高工人形机器人联合创始人郑利瑶与对话嘉宾富士康科技集团首席数字官史喆博士、美的集团首席信息安全官/欧洲科学院院士刘向阳博士、智平方副总裁邱巍博士、元戎启行技术合伙人/副总裁刘念邱、同川科技总经理沈晓龙围绕【在AI赛道上，哪类角色真正掌握着话语权】、【大模型与通用AI的落地前景】、【智能机器人，智向何方?】等热门议题展开讨论。

AI+机器人的短板在哪?

谁掌握着话语权?

高工人形机器人联合创始人郑利瑶：从工厂制造的角度来看，AI+机器人的薄弱环节在哪?谁掌握着话语权?

富士康科技集团首席数字官史喆博士：最重要的是找到制约工厂效率提升的瓶颈，是什么影响了工业制造的规模化、智能化。

我认为一个很大的挑战在于，现有的工厂组织管理方式延续了早期的架构，最早从日本工厂的IE组织(工业工程)衍生出了系统、软件、服务等，如果未来5年，生成式人工智能技术取得重大突破，AI在工厂流程管理、报表统计等等功能都可以掌握，就不需要原有的管理方式。

为什么机器人的用量上不去，同样是组织架构问题，智能制造行业需要一个促成变化的大事件，就像特斯拉打造出一个全球标杆的汽车工厂，超越并引领其他汽车厂去变革。大家能否认清自己的瓶颈或者问题，重新设计生产管理系统，变革生产管理组织，来适应全球化的大规模生产，这非常重要。

美的集团首席信息安全官/欧洲科学院院士刘向阳博士：现在的短板还是在应用上。从技术层面来说，AI大模型让人类第一次真正找到了模拟大脑的方法，但大模型技术的应用还处于萌芽和发育中，没有形成真正革命性的效应，没有大规模地影响到每一个人。

我看到未来有3个技术方向能够真正影响到所有人：自动驾驶、人形机器人、Agent技术。整个物理世界是基于人形来打造的，未来AI大模型的瓶颈，在于数字化的程度、数据的来源，可获取的数据越多，AI对人类世界的仿真模拟越轻松。

同川科技总经理沈晓龙：目前，人工智能还是一个仿人类的逻辑推理能力，这个能力用在实际的工业生产中还很难被信任，现在我们正尝试用人工智能来为工厂做一些赋能。

第一是在产品开发上。人类的产品开发和机器人感知物理世界，它们在感知上有共通之处，人类是用眼睛、皮肤等去感知，我们把工程数据输入给AI，本质上也是让机器人能够理解物理世界参数和研发逻辑。

一个工程化产品的迭代周期很漫长，现阶段我们使用更高的算力和算法，让AI帮我们提升产品开发的速度，比如在减速器、关节、执行器等部件产品上，涉及到摩擦力、金属疲劳寿命、接触应力等复杂数据。目前在产品开发上，我们已逐渐享受到AI带来的一些好处。

第二是用AI把生产计划给数字化、模型化、参数化。未来机器人的智能化，更多取决于怎么理解物理世界，但物理世界太复杂，目前AI的泛化能力、数据采样能力还远远不够。

智能机器人，智向何方?

高

工人形机器人联合创始人郑利瑶：AI和具身智能会给行业带来什么?机器人和智能驾驶行业在AI的认知上有什么差异?

智平方副总裁邱巍博士：第一是技术发生了变化。相比自动驾驶行业经历的深度学习技术，这一轮以大模型为基础的AI技术发展，让我们看到了AI机器学习在通识教育的可能性，具备了泛化能力。

在具身智能领域，特别之处在于空间感知识别能力，可以把对三维世界的认知转化成操作行为，机器人对工厂和周边环境的识别力比以前更强大，我们不需要做预设编程，经过训练后就可以输出通用性的操作。

第二，AI技术在重塑行业的过程中，行业由谁来主导，上下游产业链关系可能会发生怎样的变化。比如汽车行业，主机厂已经拥抱智能，绕过集成商，直接和芯片企业、软件算法企业合作，建立自己的体系。

机器人一旦具备通用性，解决原有应用场景的局限性，行业规模会呈现百倍增长，当工厂和其他应用的壁垒打通，TOC 和TOB 的界限不再明显，那么上游零部件会迎来变革，不论是供应成本，还是重量、体型、功耗等性能都会发生巨变。

元戎启行技术合伙人/副总裁刘念邱：机器人的演变过程，有两个核心趋势，一个是工具属性越来越少，AI赋予的自我决策能力越来越强;另一个是依赖的先验信息和确定性环境越来越少，面对的不确定性越来越多。

过去机器人行业工业属性很强，更关注产品和工作需求，当AI越来越强的时候，我们更多开始关注他的智慧能力。

我们可以把智能汽车当作一种移动机器人，把自动驾驶当作机器人的一个垂直应用，只是受众范围广、需求量巨大、智能需求更加单一，正是因为需要面对非常多物理世界的不确定性，所以能够较早地完成智能化，完成自动驾驶对物理世界认知的大模型。