車企想要的機器人，不需“性感”，但要“不出錯還干得久”

過去兩年，具身智能的熱度一路攀升。

機器人跑步、跳舞、疊衣服、做家務(wù)，幾乎每隔一段時間，行業(yè)都會出現(xiàn)新的演示視頻。從模型能力到機器人本體，具身智能不斷刷新著外界的期待。

然而，與消費市場的躁動不同，汽車行業(yè)的態(tài)度明顯更為冷靜。

車企當(dāng)然關(guān)注模型進展，也關(guān)注本體能力，但一項技術(shù)能不能真正走進工廠，看的不是演示效果，而是工程驗證。從完成一個動作到適應(yīng)每天數(shù)百上千輛汽車的連續(xù)生產(chǎn)節(jié)拍，這中間隔著一整套制造體系。

7月3日，在蓋世汽車主辦的2026具身智能產(chǎn)業(yè)場景融合大會上，一場題為“車企需要什么樣的具身智能伙伴——從技術(shù)展示到規(guī)模化交付”的熱點對話，將這個問題推向了前臺。北京銀河通用機器人副總裁兼工業(yè)事業(yè)部總經(jīng)理倉玉、中國長安汽車副總工程師譚穎聰、FMC3 Robotics聯(lián)合創(chuàng)始人兼COO樊堅強、上汽通用動力科技智能設(shè)備技術(shù)負責(zé)人徐嘯順、中國一汽總裝工藝主任宋偉佳，五位嘉賓從不同視角，討論了具身智能落地汽車產(chǎn)業(yè)面臨的現(xiàn)實問題。

工廠缺的機器人是什么樣的？

第一個話題是機器人在汽車行業(yè)的應(yīng)用場景優(yōu)先級。

嘉賓們提到的，幾乎都是那些長期存在、卻始終沒有太好解決方案的崗位，包括搬運、上下料、質(zhì)量檢測、高壓作業(yè)、底盤裝配、線束插接、零部件分揀等。這些場景有不少共同點，它們未必有多復(fù)雜，卻常年消耗著大量人力。有些崗位勞動強度高，有些影響職業(yè)健康，還有一些直接關(guān)系到整車質(zhì)量和生產(chǎn)安全。

物流是不少嘉賓提到的切入口。倉玉認為，高負載搬運、投料、分揀、回收等場景標準化程度較高，更容易形成完整閉環(huán)，也更有希望率先實現(xiàn)機器人的規(guī)模化交付。

圖片來源：小米機器人

主機廠更關(guān)注質(zhì)量、安全以及生產(chǎn)一致性。譚穎聰以車身間隙斷差檢測為例，人工完成一次全檢往往需要一到兩個小時，很多企業(yè)只能做抽檢。如果具身智能能夠勝任連續(xù)檢測，效率更高，結(jié)果也更穩(wěn)定。

安全和職業(yè)健康是另一條主線。電芯組裝、化工品操作這類崗位，企業(yè)首先考慮的是降低安全風(fēng)險。在徐嘯順看來，高壓帶電操作、化工原料涂膠等工序，機器人同樣具有較高的應(yīng)用價值。因為企業(yè)首先考慮的應(yīng)是降低安全風(fēng)險，而不是追求技術(shù)的酷炫。

從整車制造一線的視角來看，其當(dāng)前重點關(guān)注的場景集中在三個方向：安全風(fēng)險高的崗位、職業(yè)健康壓力大的崗位，以及整車質(zhì)量一致性強相關(guān)的工位，比如強電連接、底盤裝配、線束插接等場景。

這折射出車企對具身智能的一套判斷：新技術(shù)進場，不應(yīng)是從最復(fù)雜的工作開始，而是應(yīng)該優(yōu)先填補傳統(tǒng)自動化覆蓋不到、人工又長期承壓的環(huán)節(jié)。在汽車生產(chǎn)線上，一項技術(shù)的價值很少取決于能力的上限，更多取決于它能否長期、穩(wěn)定地守住同一個工位。

從這個角度來看，車企或許更愿意接納一個能解決老問題的新工具，它不需要太驚艷，但必須經(jīng)得起每天重復(fù)的檢驗。

從樣機到生產(chǎn)線，難在哪？

雖然機器人的應(yīng)用場景越來越清晰，但真正把其送上汽車生產(chǎn)線，涉及的問題遠比想象中復(fù)雜。對于機器人企業(yè)來說，一臺樣機完成了既定動作，一般就意味著技術(shù)取得了突破。但對于汽車制造來說，一次成功的演示其實離“可以用了”還差得很遠。

兩個行業(yè)對“可用”的理解，并不太一樣。機器人追求的是能力不斷突破，汽車制造追求的是穩(wěn)定、可靠和可復(fù)制。一條生產(chǎn)線每天都在重復(fù)相同的節(jié)拍，一臺設(shè)備停下來，影響的不只是一個工位，而是整條產(chǎn)線的運行。車企需要的是這樣的人形機器人，即使每天工作八小時以上、連續(xù)運行數(shù)月之后，還能保持同樣的精度、節(jié)拍和質(zhì)量。

目前，機器人行業(yè)仍處于“發(fā)展階段”。倉玉判斷，除了具備通用的具身大模型之外，行業(yè)考驗還在于體系化制造和交付能力。汽車制造經(jīng)過幾十年發(fā)展，很多環(huán)節(jié)已經(jīng)形成成熟的終檢體系。而機器人的生產(chǎn)過程中，大量工序仍然需要過程檢驗。“什么時候機器人的產(chǎn)線直接就是終檢了，規(guī)模化交付的那一天才算真正到來。這既需要一個足夠通用的大模型驅(qū)動，也需要成熟的體系化制造能力。”

圖片來源：千覺機器人

而穩(wěn)定之后，還要解決可復(fù)制的問題。一套方案在一個車型、一座工廠跑通了，不等于能快速推廣到更多基地。因為不同工廠的產(chǎn)線布局不同，車型尺寸不同，檢測點位也不同，所以對于大型汽車集團來說，更現(xiàn)實的問題是，機器人能不能做到一次開發(fā)、快速適配不同車型和不同工廠，而不是每部署一個項目都重新開發(fā)、重新標定。

樊堅強認為，目前制約規(guī)模化應(yīng)用的主要問題集中在泛化能力、執(zhí)行精度和運行速度三個方面。如果每增加一個新場景都需要重新采集數(shù)據(jù)、重新訓(xùn)練模型，部署成本很難降下來。他們正在嘗試通過世界模型、VLA和原子技能庫等構(gòu)建新的工藝基模，縮短機器人學(xué)習(xí)新工藝、新任務(wù)的時間。

但對主機廠來說，模型只是其中一個環(huán)節(jié)。真正進入工廠之后，機器人還要面對方案設(shè)計、現(xiàn)場集成、運維保障等一系列工程問題。徐嘯順分享了今年部署人形機器人的實踐經(jīng)驗：從二次開發(fā)到現(xiàn)場調(diào)試再到后續(xù)維護，每一個環(huán)節(jié)都需要機器人企業(yè)和整車企業(yè)共同參與。

畢竟，相比已經(jīng)非常成熟的工業(yè)機器人，具身機器人仍處于產(chǎn)業(yè)化初期，備件體系、維修能力、現(xiàn)場保障都需要重新建立。企業(yè)甚至要提前準備備用方案，避免機器人出現(xiàn)故障后，影響生產(chǎn)線正常運轉(zhuǎn)。

而在汽車行業(yè)利潤空間持續(xù)承壓的背景下，任何新增投入都需要證明自我價值。車企投放人形機器人下工廠同樣如此，需要考慮經(jīng)濟賬。宋偉佳透露，一汽已經(jīng)成立了具身智能公司，希望通過整車制造場景與機器人企業(yè)開展更深入的協(xié)同，達到降本提質(zhì)增效的目的。

由此可見，影響具身智能規(guī)模化落地的，已經(jīng)不只是技術(shù)本身。交付能力、工程體系、運維保障、成本控制，以及整車企業(yè)和機器人企業(yè)之間的協(xié)同能力等多項因素，每一項都會影響機器人能否真正進入汽車工廠，并長期穩(wěn)定地運行。

什么決定能不能留下來？

如果說工程能力是機器人進入工廠的前提，那么數(shù)據(jù)和合作方式，則決定了它能不能長期留下來。

汽車制造積累的不只是產(chǎn)品數(shù)據(jù)，更包括工藝參數(shù)、生產(chǎn)節(jié)拍、質(zhì)量標準以及長期沉淀下來的制造經(jīng)驗等。這些數(shù)據(jù)關(guān)系到企業(yè)的核心競爭力，也是主機廠最重視的部分。

倉玉認為，現(xiàn)在行業(yè)普遍追求更大規(guī)模的數(shù)據(jù)來訓(xùn)練通用基模，他建議數(shù)據(jù)采集、訓(xùn)練和推理主要在端側(cè)完成，同時建立持續(xù)的數(shù)據(jù)和模型進化管線。

目前主機廠出于安全性考量，普遍傾向于把數(shù)據(jù)保留在端側(cè)，不依賴云端訓(xùn)練。據(jù)譚穎聰介紹，近些年行業(yè)都在推進“數(shù)據(jù)同源”工作，核心是保證不同場景數(shù)據(jù)的一致性以及準確性，再基于這些場景數(shù)據(jù)來訓(xùn)練和優(yōu)化模型，而不是簡單追求更大的數(shù)據(jù)規(guī)模。在AI方向的重點工作可概括為：“用場景定義數(shù)據(jù)集，用高質(zhì)量數(shù)據(jù)集提升模型能力。”

樊堅強更是從國家競爭層面點出了數(shù)據(jù)安全的重要性。“最后一公里數(shù)據(jù)”必須掌握在本國或本公司手中，就像培養(yǎng)操作工必須由自己公司培訓(xùn)一樣。在他看來，行業(yè)需要建立關(guān)于工業(yè)數(shù)據(jù)所有權(quán)和知識產(chǎn)權(quán)的清晰標準。

圖片來源：鹿明機器人

品牌是另一個被反復(fù)提及的話題。徐嘯順認為，機器人進入車企后，應(yīng)作為品牌理念的延伸，要符合品牌定位。

宋偉佳則把品牌分內(nèi)外兩層理解。外層是用戶能直接感知到的體驗，比如紅旗品牌的智能化功能、外觀、內(nèi)飾；內(nèi)層是技術(shù)復(fù)用和技術(shù)同源，像智能駕駛、具身智能、智能制造在底層有很多共通之處。這些共通之處可以作為推進智能制造、實現(xiàn)“第二增長曲線”的戰(zhàn)略支點。

上述討論其實也反映了汽車行業(yè)的一種態(tài)度：車企愿意開放制造現(xiàn)場，也愿意嘗試新技術(shù)，但合作始終建立在長期信任之上。這種信任，既來自機器人能夠穩(wěn)定完成工作，也來自雙方對數(shù)據(jù)邊界、知識產(chǎn)權(quán)和合作方式的共識。

對于汽車行業(yè)來說，機器人最終交付的，不只是一次演示、一套模型或一項功能，而是一種能夠長期參與制造的能力。

未來會走向哪？

討論接近尾聲時，一個更深層的問題浮現(xiàn)出來：當(dāng)機器人開始承擔(dān)越來越多工位，制造體系本身會發(fā)生什么變化？未來3—5年，人形機器人批量進入汽車工廠能否成為現(xiàn)實？

倉玉提出了“Design for Robot”的概念。過去幾十年，汽車工廠的工藝設(shè)計、物流動線和工位布局，幾乎都是圍繞人工建立起來的。AGV（自動搬運車）出現(xiàn)之后，整個物流體系都按照AGV的邏輯重新規(guī)劃過。他期待到2027年左右，具身智能也能推動類似的變化。

譚穎聰從組織層面呼應(yīng)了這一判斷。他認為，如果機器人在檢測、裝配等環(huán)節(jié)不斷成熟，如今圍繞人工建立的工藝流程和產(chǎn)線布局，都有可能隨之調(diào)整。 “原生智能”的組織形態(tài)，可能也不再以人為中心來設(shè)計流程和架構(gòu)。

樊堅強判斷，未來3—5年率先實現(xiàn)規(guī)模化應(yīng)用的，未必是雙足人形機器人，而可能是輪式雙臂等更貼近工業(yè)需求的產(chǎn)品形態(tài)。

在他看來，工業(yè)4.0高度專用化的產(chǎn)線已經(jīng)暴露出柔性不足的問題，影響產(chǎn)線的經(jīng)濟性。具身智能真正的價值在于提升產(chǎn)線的適應(yīng)能力，讓同一套產(chǎn)線兼容更多產(chǎn)品和工藝，而不是頻繁重建。這種從專用到通用的轉(zhuǎn)變，將是從工業(yè)4.0向工業(yè)5.0演進的核心方向。

變化已經(jīng)開始出現(xiàn)。今年以來，多模態(tài)大模型已經(jīng)能夠完成排序、抓取、搬運等長序列任務(wù)。徐嘯順表示，在家政服務(wù)等部分場景下，機器人的節(jié)拍和故障率已經(jīng)進入可接受范圍，一些標準化程度較高的工序具備了復(fù)制推廣的基礎(chǔ)。

但就汽車行業(yè)來說，人形機器人普及仍需時間。宋偉佳認為，無論技術(shù)如何發(fā)展，都要先把簡單場景做好，從搬運、小件取放、輔助裝配開始，逐步積累數(shù)據(jù)、驗證可靠性，再向更復(fù)雜的場景延伸。這樣才能助推機器人在汽車行業(yè)更快地推廣。

圖片來源：無界動力

回看整場討論，幾位嘉賓來自不同企業(yè)、不同產(chǎn)業(yè)鏈環(huán)節(jié)，他們的判斷各有側(cè)重，但都認為汽車工廠不會因為機器人出現(xiàn)而推倒重來。真正的變化是， 機器人逐步融入現(xiàn)有制造體系，工廠的生產(chǎn)方式也在與之協(xié)同演進。不過，工藝設(shè)計、產(chǎn)線布局、設(shè)備協(xié)同、組織管理等領(lǐng)域的改變，不會集中發(fā)生，而是會在一個個項目落地過程中慢慢積累。

這場熱點對話，幾位嘉賓大部分時間都在聊這些“不性感”、卻更貼近產(chǎn)業(yè)現(xiàn)實的東西：交付、工程、數(shù)據(jù)、協(xié)同、成本。

這種“不性感”，或許才是具身智能真正走向產(chǎn)業(yè)化的標志。

一項技術(shù)進入制造業(yè)，最難的從來不是技術(shù)本身，而是它能否融入一整套成熟的工業(yè)體系，并在這個體系里持續(xù)穩(wěn)定地創(chuàng)造價值。

譚穎聰提到一個概念“原生智能”，指的是工廠和組織不再以人為中心來設(shè)計流程，而是把AI能力作為底層預(yù)設(shè)，重新思考產(chǎn)線布局、工位設(shè)置和組織方式。這聽起來還很遙遠，但卻會在一個個項目落地過程中慢慢積累。

宋偉佳的一句話或許可以作為整場對話的概括：“說一萬次不如做一次。”當(dāng)大家不再爭論技術(shù)路線，而是開始討論交付周期、故障率和備件庫存的時候，具身智能才算真正邁過了從樣機走向產(chǎn)線的門檻。