智能制造業日新月異，一座座智能工廠的落地，見證著機器人行業智能化的升級，但工業機器人的主要應用場景——傳統工業產線并沒有發生顛覆性的改變，智能化程度難以滿足制造業對“新質生產力”的需求。

隨著AI大模型表現出越發強大的通用性，具身智能體對物理世界的感知力不斷增強，新一輪AI技術革命，為機器人行業帶來曙光，未來，智能機器人將走向何方?

此前，2024年12月19日-21日，以“萬物向新 蓄力篤行”為主題的2024(第十一屆)高工機器人年會暨高工金球獎頒獎典禮在深圳機場凱悅酒店圓滿落幕。

在以“AI+機器人的過去、現在、未來”為主題的高峰對話上，主持人高工人形機器人聯合創始人鄭利瑤與對話嘉賓富士康科技集團首席數字官史喆博士、美的集團首席信息安全官/歐洲科學院院士劉向陽博士、智平方副總裁邱巍博士、元戎啟行技術合伙人/副總裁劉念邱、同川科技總經理沈曉龍圍繞【在AI賽道上，哪類角色真正掌握著話語權】、【大模型與通用AI的落地前景】、【智能機器人，智向何方?】等熱門議題展開討論。

AI+機器人的短板在哪?

誰掌握著話語權?

高工人形機器人聯合創始人鄭利瑤：從工廠制造的角度來看，AI+機器人的薄弱環節在哪?誰掌握著話語權?

富士康科技集團首席數字官史喆博士：最重要的是找到制約工廠效率提升的瓶頸，是什么影響了工業制造的規模化、智能化。

我認為一個很大的挑戰在于，現有的工廠組織管理方式延續了早期的架構，最早從日本工廠的IE組織(工業工程)衍生出了系統、軟件、服務等，如果未來5年，生成式人工智能技術取得重大突破，AI在工廠流程管理、報表統計等等功能都可以掌握，就不需要原有的管理方式。

為什么機器人的用量上不去，同樣是組織架構問題，智能制造行業需要一個促成變化的大事件，就像特斯拉打造出一個全球標桿的汽車工廠，超越并引領其他汽車廠去變革。大家能否認清自己的瓶頸或者問題，重新設計生產管理系統，變革生產管理組織，來適應全球化的大規模生產，這非常重要。

美的集團首席信息安全官/歐洲科學院院士劉向陽博士：現在的短板還是在應用上。從技術層面來說，AI大模型讓人類第一次真正找到了模擬大腦的方法，但大模型技術的應用還處于萌芽和發育中，沒有形成真正革命性的效應，沒有大規模地影響到每一個人。

我看到未來有3個技術方向能夠真正影響到所有人：自動駕駛、人形機器人、Agent技術。整個物理世界是基于人形來打造的，未來AI大模型的瓶頸，在于數字化的程度、數據的來源，可獲取的數據越多，AI對人類世界的仿真模擬越輕松。

同川科技總經理沈曉龍：目前，人工智能還是一個仿人類的邏輯推理能力，這個能力用在實際的工業生產中還很難被信任，現在我們正嘗試用人工智能來為工廠做一些賦能。

第一是在產品開發上。人類的產品開發和機器人感知物理世界，它們在感知上有共通之處，人類是用眼睛、皮膚等去感知，我們把工程數據輸入給AI，本質上也是讓機器人能夠理解物理世界參數和研發邏輯。

一個工程化產品的迭代周期很漫長，現階段我們使用更高的算力和算法，讓AI幫我們提升產品開發的速度，比如在減速器、關節、執行器等部件產品上，涉及到摩擦力、金屬疲勞壽命、接觸應力等復雜數據。目前在產品開發上，我們已逐漸享受到AI帶來的一些好處。

第二是用AI把生產計劃給數字化、模型化、參數化。未來機器人的智能化，更多取決于怎么理解物理世界，但物理世界太復雜，目前AI的泛化能力、數據采樣能力還遠遠不夠。

智能機器人，智向何方?

高

工人形機器人聯合創始人鄭利瑤：AI和具身智能會給行業帶來什么?機器人和智能駕駛行業在AI的認知上有什么差異?

智平方副總裁邱巍博士：第一是技術發生了變化。相比自動駕駛行業經歷的深度學習技術，這一輪以大模型為基礎的AI技術發展，讓我們看到了AI機器學習在通識教育的可能性，具備了泛化能力。

在具身智能領域，特別之處在于空間感知識別能力，可以把對三維世界的認知轉化成操作行為，機器人對工廠和周邊環境的識別力比以前更強大，我們不需要做預設編程，經過訓練后就可以輸出通用性的操作。

第二，AI技術在重塑行業的過程中，行業由誰來主導，上下游產業鏈關系可能會發生怎樣的變化。比如汽車行業，主機廠已經擁抱智能，繞過集成商，直接和芯片企業、軟件算法企業合作，建立自己的體系。

機器人一旦具備通用性，解決原有應用場景的局限性，行業規模會呈現百倍增長，當工廠和其他應用的壁壘打通，TOC 和TOB 的界限不再明顯，那么上游零部件會迎來變革，不論是供應成本，還是重量、體型、功耗等性能都會發生巨變。

元戎啟行技術合伙人/副總裁劉念邱：機器人的演變過程，有兩個核心趨勢，一個是工具屬性越來越少，AI賦予的自我決策能力越來越強;另一個是依賴的先驗信息和確定性環境越來越少，面對的不確定性越來越多。

過去機器人行業工業屬性很強，更關注產品和工作需求，當AI越來越強的時候，我們更多開始關注他的智慧能力。

我們可以把智能汽車當作一種移動機器人，把自動駕駛當作機器人的一個垂直應用，只是受眾范圍廣、需求量巨大、智能需求更加單一，正是因為需要面對非常多物理世界的不確定性，所以能夠較早地完成智能化，完成自動駕駛對物理世界認知的大模型。