AI的「第一杯咖啡」：當具身智能走進工廠，人機協作的邊界在哪里？

3月31日，在第27屆ITES深圳工業展暨"具身覺醒，智造躍遷"峰會現場，鈦媒體聯合ITES深圳工業展、工創聯，邀請到臨界點AGILINK市場總監韓曉璇、帕西尼感知科技區域負責人李星，與主持人李非凡展開了一場關于"物理AI"落地的深度對話。

這場對話跳出技術愿景的空談，聚焦具身智能從0到1的產業落地痛點，兩位深耕產業鏈的從業者坦誠分享一線實踐經驗，既拆解了當前產業發展的核心困境，也明確了落地路徑與未來趨勢。對話核心圍繞具身智能技術突破、成本控制、場景落地、人機協作四大維度展開，兩位嘉賓結合自身企業實踐，全方位解讀了產業發展現狀與未來可能。

談及具身智能落地的核心困境，兩位嘉賓達成共識，當前產業最大的難題在于大腦層（決策層）、執行層、數據層難以形成閉環，行業標準缺失導致技術路線"百家爭鳴"、適配成本高企。即便觸覺傳感器已實現從萬元級到百元級的成本突破，多數場景的ROI仍難算平賬。更關鍵的是，工業場景的VLA與消費級Demo完全是"兩碼事”，前者的核心追求是良品率與一次直通率，而非無邊界的泛化能力。

與此同時，兩位嘉賓也分享了各自企業的突破：臨界點是智元旗下專注靈巧操作的核心子公司，憑借全鏈條自研能力深度融合智元具身智能生態，現已實現靈巧手規模化量產，單月交付2000臺，創行業紀錄。帕西尼則完成超十億B輪融資、估值破百億，自研六維力傳感器打破國外壟斷，構建了從傳感器到人形機器人的全鏈路布局。

當被問及人機協作的終極形態，韓曉璇用"養兒防老"的生動隱喻點透核心邏輯："人和具身智能機器人的關系，就像一個成年人養育一個小孩，初期投入很多養育成本，等他成長起來就能給你提供價值。"

李星則認為："人不會被AI替代，但會被掌握AI的人淘汰"，并明確指出，現階段機器人的核心任務是先把老師傅的SOP學明白，而工人的角色將從"操作者"向"定義者"和"決策者"轉型。

此外，對話還明確了場景落地的核心方向：靈巧手已在高壓帶電巡檢等特種作業場景實現商業閉環，未來將向精密制造、物流分揀等領域拓展；成本控制上，帕西尼計劃通過拓展消費電子賽道進一步攤薄傳感器成本，臨界點則將依托上游硬件降本優化產品結構。

這場對話沒有承諾觸手可及的產業爆發，卻道出了物理AI落地最誠實的現狀：大部分場景仍算不平賬，但隨著核心硬件持續降本、人力成本不斷升高，一升一降之間，具身智能的商業化空間正在逐步打開。

同時，2026年作為具身智能數據元年，海量真實工業數據的采集與訓練，以及行業標準的逐步完善，將成為推動產業規模化發展的關鍵力量。

以下是本次對話內容實錄，略經編輯：

李非凡： 各位直播間前的觀眾朋友們大家好，非常歡迎大家！今天上午我們看到由鈦媒體、ITES深圳工業展以及工創聯合帶來的直播節目。我們今天的直播主題正如背景板上寫的："物理AI現場"。今天非常高興邀請到兩位嘉賓，和我一起探討，在這個時代，如何在垂直場景中實現AI應用。

過去一年，大模型已經有了基本的行業規則和架構。那么，如何讓大模型更好地應用在工業生產環境中？也就是我們常說的具身智能，如何讓AI更好地觸摸現實場景和環境？

從今天開始，我們兩天時間將和大家一起分享，在產業端如何思考從零到一的問題。以前我們談了很多AI的愿景，今天更多落實在產業落地的從零到一，思考我們帶來的問題和如何解決麻煩。

今天的兩位嘉賓是：臨界點AGILINK市場總監韓曉璇女士，以及帕西尼感知科技區域負責人李星先生。首先請各位分享一下各自企業的業務、優勢和特點。

韓曉璇： 大家好，我是來自臨界點的韓曉璇。我們臨界點是一家專注于機器人靈巧操作的全球化科技公司。我們圍繞機器人的感知、控制、執行和數據的鏈路，打造了以機器人五指靈巧手和工業級自適應夾爪為核心的產品，還包括開放式的具身智能數據采集裝置以及完整的解決方案。我們是國內首批實現靈巧手量產和交付的企業之一。

李星：各位老師、同行大家好，我是帕西尼感知科技的李星。今天主要圍繞具身智能落地的實際難題，和大家做務實的交流。帕西尼專注觸覺感知，解決機器人"看得見、摸不準、拿不穩"的問題。我們給AI裝上能感知真實場景的指尖，提供整體解決方案。核心團隊來自全球首個人形機器人誕生地——早稻田大學機器人實驗室。我們圍繞具身感知硬件-具身全模態實采數據-具身智能模型形成了全棧創新能力，是業內少有的全棧型企業。

公司最新情況是剛完成超十億的B輪融資，估值破百億，是國內八大估值破百億的具身智能企業之一。目前公司重點在硬件產品迭代優化、數據工廠擴產，以及全模態（含觸覺）具身智能大模型的迭代優化。我們的優勢：一是技術壁壘突出，擁有自研的霍爾陣列式多維觸覺傳感器，最新一代GEN3多維觸覺傳感器于去年8月發布，達到每秒采集百萬次、多達15種觸覺信息的全新突破，性能再度突破世界巔峰，與此同時，其價格最低僅有199元，以卓越性價比牢牢掌握高精度觸覺傳感器的定義權；二是我們擁有業內規模最大、模態最全的全模態具身智能實采數據，以百億級產能進一步夯實在具身數據領域的領先優勢；三是率先打造了基于觸覺、視覺、動作、語音的OmniVTLA模型，并以百億級具身數據為訓練語料，加速迭代場景泛化能力；最后，我們在商業化應用方面位居業內領先地位，傳感器、靈巧手、人形機器人全鏈路產品矩陣已在工業制造、精密場景中批量化應用，有大規模交付、跨區域響應的豐富經驗。

李非凡： 從AI的算法、算力到接觸現實世界的觸感，你們覺得從零到一最大的跨越難點是什么？

韓曉璇： 我覺得難點在于大腦層（決策層）、執行層以及數據層目前很難閉環。從靈巧手出發，就像李星總提到的，很難抓得準，觸覺感知存在技術難度。我們在抓取和操作的算法、數據收集上，也很難做到多維度、標準化的鏈路收集。人手上感知器非常多，人具備決策靈活性，操作時會自動克服環境變化、溫濕度、摩擦力等問題。但機器層面，很難在完整決策鏈路上快速達到自主決策。另外，整個行業對數據采集還沒有完全標準化的流程和體系。

李非凡： 您覺得標準化流程大概需要多長時間？

韓曉璇： 會有一定時間。首先，大家的接口不一致。比如靈巧手的數據接口、機械接口很難統一，行業還在百家爭鳴、技術路線未收斂的階段。有人做開源方案，有人做高端科研方案。對終端用戶或集成商來說，適配不同類型的手和機器人已經是很大的工作量。再往下一層，通訊協議也不同，即使都支持ROS框架，在原子技能或原動作層面，參數定義差距也很大。目前我們還處于比較初期的階段。

李非凡： 李總怎么看這個趨勢和進程？

李星：我們自研的觸覺傳感器,第三代單價已經做到百元級別,相比上一代大幅降低，現在最低價格已經到200元以以內。早期國產觸覺傳感器產品沒起來時，進口一片要上萬美金，經過我們的創新迭代，全行業終于迎來了用得起、用得好的高性能觸覺傳感器。

李非凡： 標準化更多是為了投放市場時，像流水線一樣降本增效、實現工業化規模化。那么，在靈巧手和具身智能行業，要進入家庭或苛刻的工業環境，成本和壽命的現狀如何？

李星：我們自研的觸覺傳感器，第三代單價已經做到百元級別，相比上一代降本99%以上。我們的觸覺傳感器基于6D霍爾方案。早期國產產品沒起來時，進口一片要上萬美金。到我們第一、二代也得大幾千人民幣。第三代我們為了能讓行業用得起、用得好，成本降到了上一代的99%以上，現在最低價格已經到200元以內。同時性能也有提升。

李非凡： 工業場景下，耐磨和壽命怎么樣？

李星： 第三代觸覺傳感器使用壽命達到工業級的1000萬次，完全滿足需求。而且耐高溫、耐磨、抗穿刺，甚至外部輕微破壞也能正常使用。這是我們技術路線的優越性。

李非凡： 下一代在成本、壽命、技術路徑上有什么規劃？

李星： 我們也在瞄準除了具身智能以外的賽道，比如消費級電子產品，希望讓傳感器進入這些領域，通過市場規模進一步降本。

李非凡：行業內提到了VLA，多模態整合。大家都在追求確定性和良品率，這是商業化的必由之路。從市場角度看，工業客戶真的需要一個像ChatGPT一樣陪聊天的機器人嗎？會不會為了追求通用性反而犧牲了專注度和性價比？

韓曉璇： 工業場景里的VLA大模型，跟普通老百姓看到的展示類demo背后的VLA是兩碼事。無邊界VLA強調泛化能力，場景生活化、任務長時序、自主操作。但工業場景的VLA還是VLA技術路線，卻是為特定場景做了定制化訓練的模型。工業里大家追求的是生產力，以最可控的工程化成本追求最大化的生產價值。核心目標是良品率或一次直通率。我們在工業里做VLA，是為了在同一個工藝域內做一定程度的泛化，從而在最短時間內實現規模化部署。

李非凡： 這半年靈巧手行業備受資本和媒體追捧。從行業外看，大家覺得靈巧手可能更多用在流水線上的標準化工作。在你們看來，靈巧手的未來或正在挖掘的市場需求和場景會在哪些板塊？

李星：目前靈巧手應用在真實的工廠精密制造、醫療行業等。最主要不是代替人，而是完成高強度或有一定危險的工作。人可以去做創新、研發、編程等更有價值的事，讓機器人去做高強度、高重復性、標準化工序的工作。

韓曉璇：在剛需或特種作業場景下，目前能實現商業閉環。比如高壓帶電巡檢，以前用固定底座加夾爪實現開關電表箱、開門等。現在底座可以移動（四足狗或底盤），夾爪換成靈巧手后能實現更多動作。另外，我們在一個工藝域內做泛化，把工藝分類。比如堆碼垛、拆碼垛，來料一致性好的規整包裝，已有成熟方案。現在拓展到更高難度場景，比如紙盒因溫濕度變軟，或里面是食物不能擠壓，傳統夾爪就不適用了，我們考慮用手來做。如果能跑通最小閉環，就能伴隨上游降本實現更大規模化。

李非凡： 客戶會直接想"能代替幾個人"，然后計算算力、云計算、服務器、維護、培訓等成本。加上隱性成本后，還有性價比嗎？

韓曉璇： 目前從ROI角度看，大部分場景算不平賬。特定場景的商業化閉環可以，但通用化的綜合工業裝配或上下料場景還不行。不過我覺得很快了，今年之內，像李總這樣的公司降本后，我們的成本也會逐步下降。另外人力成本在升高，一升一降之間空間會很大。

李非凡： 李總，下一代怎么進一步降本增效？

李星： 這是雞生蛋蛋生雞的問題。我們上游和下游合作伙伴的批量化，以及更多場景化需求做POC，都會涉及大量開發成本。短期內很難真正把成本降下來。但隨著技術發展、上游核心零部件降本、大規模制造業的市場化機制，未來機器人進入工廠和千家萬戶時，價格一定能做到非常低，這得益于中國強大的制造業供應鏈。我們也在探索有量的場景，比如物流分揀，和頭部物流、電商平臺有合作；汽車、3C、家電等制造業也在做POC項目。相信不久將來成本能降下來。

李非凡： 你們心目中真正的人機協作，是讓機器學習人，還是讓人適應機器？

我覺得更應學習場景本身。在具體場景中，如果做流水線硬件輔助，機器有自己原生的想法和調用工具的方式可能更適合AI指數級迭代。完全適應人只是機械化代替，沒有釋放AI的增長力和想象力。從二位垂直商業場景看，人機協作應該走哪條路徑？

韓曉璇： 你看得比較遠。工業場景是高標準的，目前工業具身能把現有的SOP學明白就不錯了。首先要讓具備感知和決策能力的機器人把SOP執行明白，然后才能規模化，客戶才能更多導入。這是良性發展。至于SOP之后怎么發展，我覺得是人需要提供想象力，而不是AI。AI的自我迭代基于人的需求，會給出多種可能性，但人基于自身需求只選其中一條路徑。工業場景里客戶需求以終端客戶為導向，服務于人。

李星： 我補充一點。現在機器人動作笨拙,不止是機器人本體的能力不夠，更重要的是具身智能模型能力還不夠。讓機器人擁有像人類一樣在物理世界里游刃有余的常識和直覺，甚至是擁有人類能工巧匠的豐富經驗，核心路徑是通過模型訓練。而這一路徑的核心，是首先要擁有海量的可用數據，相比于大語言模型以及音視頻模型，物理世界的模態更為豐富，不只有聲音、視覺圖像，更要有物理交互核心的觸覺模態以及自體感知等數據，而這些數據在此前是極度稀缺的，因此造成了具身智能模型泛化能力的發展極為緩慢。

為了解決這一具身智能核心瓶頸，帕西尼全球首創“以人為中心”的高精度感知全模態實采數據采集體系，由具有產業經驗、經過專業訓練的采集人員主導，不僅可以在標準化的采集場景下采集多種場景的作業任務數據，還突破性地走出受控環境限制，可以在開放式場景中進行采集，這一采集方式，可以高精度捕捉觸覺、視覺、空間軌跡、自體感知、語音等物理世界全模態數據，為模型訓練構筑了高可靠的數據底座。

去年6月，我們落地全球最大的具身智能全模態數據采集與模型訓練基地——天津 SUPER EID Factory，并以超2億產能打造出全球首個全模態具身智能數據集Omnisharing DB，引發行業關注，數據上架至北京國際大數據交易所、騰訊云商城等頂級平臺，得到產業龍頭、科研院校等多方認可。今年，我們繼天津超級數采工廠之后，再建四廠，分別落地江蘇宿遷、湖北武漢、四川自貢、江西贛州，共同形成百億產能的具身智能全模態實采工廠集群，為具身智能行業發展再度注入澎湃動力。

李非凡： 在具身智能應用和人之間，工人如何更好匹配這些設備或agent工具，讓自己價值提升而不被替代？不光在你們場景，在IT coding、UI場景也有類似挑戰。你們場景里工人如何適應、反替代？

韓曉璇： 機器人能把人從重復勞動中解放出來。現在AI coding或agent讓大家提升管理能力和創新能力。以前年輕人做執行層（碼農）的工作，未來每個人有一堆agent或機器人，產線上一個人管理幾十臺機器人，就是管理者的工作：下清晰的需求、定標準、定流程，最終做好工藝創新和升級。這是工人層面提升的方向。至于機器人，不用太憂心，因為連SOP都還需要我們很大努力才能做到。人和具身智能機器人的關系，就像一個成年人養育一個小孩，初期投入很多養育成本，等他成長起來就能給你提供價值。

李星： 目前工業機器人在結構化場景已被廣泛使用，證明了高效和降本增效。但在傳統工業機器人做不到的非結構化場景，需要人形帶靈巧手的操作智能去落地。現在大家進入數據元年，會深入細分場景、細分工況，通過穿戴式設備等采集真實工業數據，用于機器人開發。整個鏈路環環相扣。等模型泛化能力夠了，一個人就能管理幾臺機器，我們給他設定需求就行。這一點我和韓總觀點一致。

李非凡： 非常感謝二位今天的參與，謝謝！