當具身智能走進工廠：沒有星辰大海，只有一本算不清的賬

同樣的機器人，在蘇州的現代化工廠里，1.6到2年就能攤平成本；但在成都、重慶的產業帶，這個價格會讓老板直接搖頭。這不是技術問題，是地理經濟學問題——長三角一個普工年薪18到20萬，而西南地區的人力成本可能只有三分之一。具身智能產業，正被這道無形的墻切割成兩個世界。

更殘酷的現實是：就算在愿意買單的長三角，"好用"的標準也遠未達成。工業場景要求99%以上的良率、千分之幾的誤差容忍，而實驗室里流暢的Demo，在真實的產線上頻頻碰壁。年輕人不再進工廠，產線上干活的幾乎都是40到50歲的老師傅——人口結構的倒逼，才是工廠老板們不得不算賬的真正原因。

3月31日，在第27屆ITES深圳工業展現場，鈦媒體聯合ITES深圳工業展、工創聯，邀請到領智機器人總經理湯爾英、珞石機器人具身智能創新中心總經理蔡德勝、樂聚機器人助理副總裁張大鵬，與主持人李非凡展開了一場關于工業具身智能落地的深度對話。

他們的回答里沒有星辰大海，只有一本算不清的賬、一群招不到的工人，以及一個殘酷但清晰的共識：大部分場景目前仍算不平賬，但隨著核心硬件降本、人力成本升高、真實工業數據的積累，一升一降之間，商業化空間正在逐步打開。

以下是本次對話內容實錄，略經編輯：

主持人：
第一個問題您的公司是垂直于什么賽道提供什么樣的解決方案，包括對于產業，你們扮演一個什么樣的角色和什么樣的看法。

張大鵬：
人形機器人過去一年多時間非常火，火的主要是表演展示。我們公司走了一條跟別人不一樣的路，我們從前年9月份開始正式推出了對實際場景產生價值的展廳導覽機器人。從那時候開始，公司就明確我們要做對產業有價值的人形機器人。之后隨著本體能力的提升、成本的下降，我們把重點移到了工業制造和商業服務場景。

湯爾英：
我們在自己的產線用我們自己的具身機器人做CNC上下料。原來用AMR，現在用雙臂具身智能方案，節奏比原來還節省，從5秒縮短到3點幾秒。因為我們有18個生產基地，有很多場景可以去落地。我們的邏輯是：說的再多，還不如去做去落。我們除了上下料，還在質檢上面做實驗，1月份可以鋪一條代替人工的手工線。

蔡德勝：
珞石機器人成立11年了，最早從工業機器人做起，現在也在做具身智能產品，產品主要還是機械手臂。我們的目標比較聚焦，聚焦在工業現場的產線落地，這和公司的基因和行業應用有關聯。目前做的最大的幾個產業是汽車零部件和3C電子，主要聚焦在上下料，隨后會探索柔性裝配場景。

主持人：
張總，樂聚在服務、教育、工業上都有應用案例，能否跟我們分享一個實際的工業場景案例？究竟從實驗室到工廠，人形機器人在真實產線上遇到的最大水土不服是什么？你們如何解決這樣的問題？

張大鵬：
這是一個特別好的問題。市場上很多做人形的廠家前期都是從教育過來的，我們面臨的一個很大問題是產品成本跟客戶預期差距較大。但現在看來很快就會達到一個平衡點，因為人力成本的提升是不可逆的?，F在年輕人、尤其是00后很少進工廠，長三角尤其明顯。我們機器人的成本在持續下降，技術在持續迭代，硬件穩定性也在持續提升，所以這個交叉點會來得非?？臁，F在市場上有一些好的模型已經發出來了，這是我們能夠進入工廠被客戶接受的重要原因。

主持人：
人形機器人在工業場景中，您覺得有所為有所不為的邊界在什么地方？

張大鵬：
短期之內受制于模型跟本體能力、小腦能力的界限。一些跟物流領域相關的行為是比較好做的，比如倉庫工廠總裝車間里物品的流通、抓拿放這些動作，因為機器人操作時對精度要求不是很高。當然我們的目標是要把所有高危、高壓、高熱的崗位盡量做到無人化，證明這個產業形態存在的價值，這可能是我們這一代機器人企業存在的意義。

主持人：
客戶在對接時肯定會談到ROI的問題。投入產出比怎么計算？應用機器人有很多普通人看不到的隱性成本和衍生成本，您如何跟客戶來bargain這個過程？

張大鵬：
分區域來看。假設機器人售價35萬，在西南區域很難被接受，因為人力成本相對較低，還有大量找不到工作的人。但把目光投入到長三角、上海、蘇州、杭州、北京、深圳——一個人的成本在現代化程度較高的工廠，尤其是一些外資工廠，一年大概18~20萬，這就很可怕了，大概1.6~2年就可以被替代掉。

人力成本的提升一定是不可逆的?，F在工廠里干活的全是40歲、50歲以上的人，很少見到30歲以下的年輕人。機器人成本在下降、穩定性在提升，很快會有一個交叉點，最后工廠老板們都會更傾向于這種方式?？赡芮捌赗OI算出來1.6~2年能夠接受，但還要打開邊界，因為招不到人——人員招聘成本高、流失率大、穩定性不夠，這都是他們面臨的風險。

主持人：
湯總，您能否結合一個具體商談或對接需求的合作場景，說說如何說服客戶把ROI作為合理判斷標準，進而接受你們的方案？

湯爾英：
現在具身機器人有點難。我們更愿意去做一些緊急的、危險的、有技能需求的場景。站在工廠角度，肯定要切痛點——非常現實的第一需求。

國家在倡導，大家都在說，但真實場景下怎樣落地，大家并沒有想清楚，客戶也沒有想清楚。真實場景下算ROI其實是不太劃算的。我為什么會去做，是因為我看到了這個方向，我們要先去試點。誰先踩坑，誰就能先跑。我們先去做成視頻，讓大家來選，覺得這個場景適合你，就直接復制過去。

主持人：
蔡總，既然ROI很難說服客戶，你們如何跟客戶解釋邁向智能化、使用具身智能這一步的重要性？

蔡德勝：
我們面向的企業通常是有一定規模、體量，生產制造已經比較成熟的。解釋有兩個角度：

第一，這些企業通常有大的終端，比如蘋果、特斯拉，終端對他們有科技感的要求，這些項目有可能是從終端直接下來的，是一定要做的。

第二，前期探索肯定是投入期，ROI肯定算不過來。我們要以終局思維來看：三年、五年之后，技術成熟后能替代多少、創造多少機會、把生產效率提高多少？以這種形式考慮中期長期思路。建議把項目分成三期、四期：第一期叫POC，做概念驗證，看方向正不正確；踏出這一步后，技術逐步成熟，速度提升、續航提高，ROI慢慢算得過來，會有一個平衡點。第三期發現平衡點到了，第四期、第五期就是收益了。這個思路對大企業比較適用，因為他們本身也是分階段做的，技術有成長曲線。

最早期的工業機械臂一開始ROI也算不過來，一臺20多萬，那時候中國的人力成本更低。逐漸通過10年走下來，中國工業機器人現在占全世界50%多的銷量，成本降下來了，人工上去了。確實需要時間、需要耐心來完成這些工作。

主持人：
湯總，領智制造有80個制造基地作為試驗田，在3C產線的某個工序上，你們是怎么用自己的機器人替代傳統自動化的？

湯爾英：
我們吃的是長線，聚焦某些點。第一站解決上下料，第二站做質檢，打通之后連成線，希望達到柔性化，切換產品可以快速進行。具身智能給我們最大的好處是靈活多變。

目前已經把上下料以及自己的產線摸得七七八八，大概1月份左右一條線都跑順了。用自動化能做到的節拍，初步來看可以做到4秒。柔性化的東西一旦做上去，再通過技術進步，比如大腦進入、質檢進入，節拍會不斷縮短，就可以把這個線進行不同產品的切換。我們基本上目前已經往這個方向在推進。

主持人：
蔡總，珞石在協作機械臂和力控技術上有很深積累。面對小批量、多品種、頻繁換線的3C產線，傳統剛性自動化做不到的事，你們怎么用協作機械臂和力控技術解決？

蔡德勝：
具身機器人目前只能做一些相對簡單的工序，這些工序上它和傳統自動化不是競爭關系，而是互補關系。它完成的是傳統自動化很不好做的場景：小批量多品種、工件不一致、來料隨機、非標。

由它來解決會相對更好，能體現出具身機器人的泛化能力——處理一些可能沒見過或需要聯想的事。珞石結合自身積累的力覺技術、力控技術，能夠適應工件不一致的情況。在傳統位置基礎上結合力感知，來料有偏差也能適應——如果沒接觸到，還能繼續接觸；往設備里放時如果放偏了，傳統自動化只能硬壓下去，但有力覺技術可以結合力做位置調整，讓它自適應地放進去。

AI技術結合力控技術，能夠比較好地匹配小批量多品種、來料不一致的特性。能夠做一些現在自動化還沒做到的、來替代人的工序，提高成功率、產品效率。而且機器人不會疲勞犯錯，品質上也會相應提升。

主持人：
力控跟傳統詮釋的'手感'很像。剛才提到'泛化'，是往通用化發展方向。如何往下一階段做得更好、更有泛化的手感、觸覺精準定位，在通用化方向上有什么計劃？

蔡德勝：
目前在積極探索面向不一致來料的場景。思路主要有三種：第一，持續深耕臂、手這條路線；第二，結合小腦的進展；第三，靈巧手——一方面是夾爪，另一方面是末端觸覺技術，一定會不斷升級迭代，由原型機到工程化。隨著這方面進步，真正達到多模態輸入去適應場景，不光是一個方向適應，而是多個方向、幾個角度一起來做，更精準地完成柔性制造。

主持人：
大家對'好用'的定義和標準在哪里？從能用到好用，還有哪些問題沒被解決？

張大鵬：
籠統地講，到處都是機會，也同時到處都是困難。恰恰是這些難做的事，給了我們創業團隊更多可能性與空間，因為我們走在無人區，干的是別人沒干過的事、歷史上沒有發生過的事，靈活性會好一點。

具體地講，現在進入場景時面臨的最大問題可能是模型還不夠成熟。論本體，算力、機械臂、一體化關節成熟得非?？?。去年還在探討單臂做到2~3kg負載，今年下半年方向定下來要做到15kg負載，就可以在絕大部分工業場景滿足客戶使用要求。我們先滿足一部分客戶的現實需求，先生存下來。重點還是模型，還是腦子，這很重要。

湯爾英：
好用，至少回到最基本：ROI算得明白。

蔡德勝：
評價好用就兩個點：第一，能不能跟人做的一樣，甚至做得更好；第二，經濟效益能不能比人更低。一旦達到平衡點——具身智能說起來神秘，其實也沒那么神秘，跟傳統自動化一樣：比人干得快、一致性比人好、能不斷干活，花多少錢多長時間能收回成本？工廠都是這么考慮的。

具身智能最后的評價因素一定也會回到這兩點：效果和經濟效益。需要過程來逐漸達成平衡。具身智能跟傳統自動化不是競爭而是互補，有很多任務是工業自動化長久以來解決不了的，因為技術限制。具身智能就是在這個技術上做突破、不斷降本提效來達成。

小腦技術、大腦技術還有一定時間，我理解至少還需要兩年。其實我還是比較樂觀的。但回過頭看，比如自動駕駛，從無到有逐步發展起來歷經了長達10年甚至更長。蘋果一開始也在做，預估5年內能達成什么水平，最后沒達成，10年之后由中國逐漸達成。

所以還是樂觀派，但還得讓時間來檢驗。最多2~3年就會有一大步。就像波士頓動力液壓機器人兩年之前是什么狀態，現在又是什么狀態；中國的人形機器人從踉蹌到今年各種流暢的動作表演——迭代進步往往是我們很難想象的快。