五大頭部“甲方”談：我們需要怎樣的具身智能？ - 科技行者

作者 | 金旺

欄目 | 機器人新紀元

如果說2025年是具身智能量產之年，那么，2026年將會是具身智能場景化落地之年。

這一年，也將考驗那些明星具身智能團隊，在經歷了技術突飛猛進的這幾年后，能否在商業化上向投資人、向整個產業交出一份滿意的答卷。

那么，真正的具身智能產業應用方，有哪些痛點希望可以通過具身機器人來解決？

在近日的i?Robot機器人產業加速營開營儀式上，我們看到主辦方智友·雅瑞科創平臺將中石油、京東、長城、聯想、施耐德電氣幾家對具身機器人有強需求，又高度關注這一產業的“甲方”邀請到了現場。

這些“甲方”在現場，道出了他們在實際產業場景中遇到的（希望可以通過具身機器人解決的）問題。

在國家發布“人工智能+”行動計劃后，能源行業是最先響應的行業之一，中石油也發布了自己的人工智能+實施方案，并將具身智能作為實施方案中的重要部分。

昆侖數智作為中石油直屬的數智化專業公司，是集團公司主要的技術支持團隊之一。中石油昆侖數智能硬件研發部副部長陳冰指出，中石油所在的行業是一個典型的復雜工業場景：

“從找油找氣開始，勘探是第一步，這個階段會有地面檢波器放置、水下檢波器放置、天上的無人機勘察；

找到油氣之后，接下來需要鉆井、建設油氣田，這時候會建設大量油氣田場站，包括聯合站處理廠等等；

等到將油氣開采出來后，我們用集輸管線將它們連接起來，并通過長輸管道進行遠距離輸送；

沿著長輸管道建設有大量油氣場站，比如增壓站、分輸站。

天然氣會跨過門站，進入到各個城市，也就是城市燃氣管線；原油進到煉油廠，產品就是大家熟悉的汽油、柴油、潤滑油等等。

最后到了銷售環節，有儲油儲氣庫、加油站、便利店。

所以我們的場景比較多，痛點也比較多。”

這其中，陳冰特別談到兩個痛點：

第一，對復合移動機器人防爆輕量化機械臂的需求，目前石油產業用到的防爆作業類機器人普遍高大、笨重、實用性不強；

第二，對高安全性VLA模型的需求，現在的VLA模型不適用于工業復雜環境和高危場景，這些場景不允許有失誤，失誤就意味著事故，所以需要高安全性的VLA模型。

作為一家以供應鏈為基礎的技術型服務企業，京東2025年在具身智能領域的投入尤其高調。

據京東智能機器人業務部負責人介紹，京東對于具身智能的應用很堅定，目前在物流、倉儲、零售等諸多場景已經開始測試應用：

在零售場景，在全國20多個京東MALL中，京東已經在與一些具身智能合作伙伴就一些實際場景進行探索，例如導覽導購、物品揀選、物品歸納的場景化部署，與此同時，京東也在做數據采集和模型訓練，所以他們在公開場合也做了沖咖啡場景、揀選場景、疊衣服整理場景；

在配送場景，京東已經官宣要做無人化的配送站，這其中很多場景京東已經開始探索，其中部分場景京東也需要與合作伙伴共建。

此外，京東也在無人藥房、無人零售等場景，也在進行具身智能場景化落地。

京東智能機器人業務部負責人還特別提出，在具身智能場景化落地過程中，商業化落地的賬要算得過來。

不過他也指出，初期真機部署賬一定是算不過來的，要比人工作業高很多，但其中的關鍵在于長遠預期與當下ROI的關系是否能夠有一個清晰的判斷。

施耐德電氣是能源管理和自動化領域一家全球化企業，得益于人工智能對于電力需求的激增，施耐德電氣的業務得到了迅猛發展，包括在國內數十座工廠，已經處于24小時滿工狀態，作為離散制造業的代表，施耐德電氣對于具身智能同樣有著自己的需求。

施耐德電氣全球供應鏈資深精益專家王海同樣提到，“制造業對于ROI有著極致的追求，與此同時，制造業也對確定性、效率有著極高的要求。”

正因如此，很多新技術通常會先在消費市場得到應用，之后才會逐步導入工業場景。

王海指出，在工廠中沒有什么是全自動化解決不了的，但出于對ROI的考慮，一些特殊項目就需要交給具身智能來做。

王海具體提到了四個“全自動化”——全自動化物流、全自動化倉儲、全自動化生產、全自動化配送，這四個全自動化構成了全自動化產線，不過，現在工廠中依然存在如下場景：

第一，人機協作場景，在全自動化ROI不劃算的場景中，依然需要人機協作，這類場景就會是具身智能的用武之地；

第二，純手工場景，即便是現在，制造業中依然存在純手工場景，尤其是在項目制的場景中。

例如數據中心做低壓配線這一場景，往往一個配線工人需要5-6年時間培養，即便如此流失率依然很高，具身智能就可以在此類場景發揮作用。

汽車制造被視為具身機器人核心落地場景之一，畢竟，掀起這波具身智能熱潮主要源頭的馬斯克，正是想要將具身機器人用到特斯拉的汽車制造工廠中。

實際上，汽車產業與具身機器人有諸多相似之處，長城資本總經理唐杰稱，“今天的機器人和汽車有70%的技術、零部件是同源同構的，而今天的機器人行業與2019年的智能汽車行業十分相似，智能汽車發展的經驗和教訓可以為機器人行業提供參考。”

長城資本是從2024年開始密集與具身智能團隊接觸，并將這些團隊帶到車企的制造部門一起探討合作，在這個過程中，唐杰發現：

作為已經走過了一百多年的汽車行業，自動化的應用已經非常成熟，很多已經是黑燈工廠、無人化工廠，導致具身智能進入汽車工廠后，往往只能做一些“縫補”的工作，也就是在汽車產業已經達到100分的基礎上，為它加1分。從具體落地來看，簡單一點如搬箱子、難度高的如線束拔插，因為都是柔性的、非標的應用場景，為具身智能的直接應用留下了少量空間。

不過，唐杰的思考是：

能否不僅做縫補式增量，而是用具身智能這個關鍵變量去重構存量的“100”。

例如，通過AI機械手替代傳統的工裝夾具，做到極致化的柔性制造，從成熟的“拉式生產”變成“圍繞智能裝備的自組織生產”。

在未來的超級工廠中，生產不再依賴中央調度，而是分布式自治系統，工廠內部出現“柔性微工廠”，小批量零件可以在主機廠內部柔性生產，供應鏈從“多級外協”變成“本地化整合”。

在某些制造流程，工廠可以從“線性”變成“網絡化”，工位之間不再需要嚴格的節拍同步，而是由事件驅動。

具身智能時代的生產制造將更多的設計權限開放給用戶，從“規模化制造”變成“按需個性化制造”，制造能力像云計算一樣被調用，區域集中的超級工廠可以同時生產多個車型甚至多個品牌。

長遠來看，隨著智能汽車的結構、接口、模塊化程度被重新定義，配合基于AI的檢測能力，用戶甚至可以像攢電腦一樣組裝汽車，從而實現工廠和產品都能基于AI學習持續演化。

同樣正積極在工廠中引入具身智能的，還有聯想集團。

聯想集團聯想創新加速器業務拓展負責人楊知蒙指出，“工廠追求的是高度自動化，最好是無人工廠、柔性工廠，但目前往往難以兼得。”

要想做到柔性生產，往往有兩種方案：

第一，加入人工，人可以很好地完成柔性工作；

第二，將復雜產品拆成模塊，每個模塊是固定的SKU，所以工廠也可以實現不同SKU生產，最后進行拼裝。

不過，楊知蒙也提到，目前很多場景依然無法很好地通過機器人來解決問題，以在PC生產線上擰螺絲為例，一條生產線上不同SKU的尺寸有微小差異，這就需要機器人識別出不同的SKU并高效地擰螺絲，目前看下來實現的成本可能比較高。

楊知蒙提到的另一個PC工廠中的應用場景是包裝場景，目前PC工廠中的產品包裝是將電腦放入布藝紙袋中。

這個看似簡單的工作流，工人只需要幾分鐘的學習就可以在十幾秒內完成工作，但因為紙袋很軟，筆記本從生產線上取下來的位置不固定，現在還很難通過具身機器人來完成此類工作。

從幾位“甲方”的需求中不難看出，化工、物流、汽車、制造等場景，對于具身機器人有著大量的需求，但具身機器人要在2026年進入這些場景落地，依然需要練好內功。

2026年，也將會成為具身機器人一個去偽存真的一年。