首页 / 资讯详情
工业具身智能的 "最后一公里"，为什么是埃夫特&启智在走？
摘要
一、90% 的工厂，机器人还进不去具身智能这两年很热，但热的地方大多不在工厂。人形机器人在展会上跳舞、倒酒、叠衣服，视频传播量惊人；可一旦走进真实的工业车间，话题就迅速冷下来。原因很简单，工业现场不是实验室，它要求机器人在油污、粉尘、温差和来料不一致的环境里，连续、稳定、可核算地干活。而这恰恰是当前具身智能最薄弱的环节。传统工业机器人其实已经很强了。高速、高精、大负载，在汽车焊装线、3C 装配线上可以做到毫秒级节拍；在防爆、喷涂等特种场景也有成熟方案。但它的强，是 "确定性" 的强 —— 程序写死、轨迹固定、来料一致，一旦条件发生变化，它就无所适从。这正是问题所在。全球工业机械臂年增量大约五十万台，听起来不少，但放在整个制造业体量里只是一小部分。在汽车和 3C 之外的通用制造领域，工业机器人的渗透率至今不到百分之二十。剩下那八成以上的场景，不是不需要自动化，而是 "用不起"。这些场景有一个共同特征：多品种、小批量、高度差异化。工件每一批都不太一样，焊缝位置会变，喷涂件的姿态会变，物流分拣的物料种类上百种。传统机器人的应对方式是，每换一种工件，工程师重新示教、重新编程、重新调试。等调试完，可能生产一周又要换型。设备成本、调试时间、人力成本叠加在一起，ROI 根本算不过来。更底层的矛盾是数据。具身智能靠模型驱动，模型靠数据喂养，但工业场景的高质量数据极度稀缺。仿真数据可以无限生成，却始终与真实物理世界存在 gap；遥操作数据受限于本体控制的平滑度，采集质量参差不齐。行业里动辄宣称 "百万小时数据"，但真正能让模型迭代出可用能力的，是真实产线上、带有完整物理约束的全模态数据 ，而这类数据，你不把机器人先放进产线，就永远拿不到。这就形成了一个典型的 "鸡生蛋" 困境：客户要求机器人进场就能解决问题，可模型没有真实数据就达不到客户要求；没有客户愿意先开放场景，数据飞轮就转不起来。人的问题同样在倒逼。愿意从事焊接、喷涂、上下料这类底层劳动的人越来越少，这些场景往往伴有烟雾、粉尘、化学污染和极端温差；即便招到人，流动性也极大，新员工的培养周期长达一到三个月，刚上手就离职的情况屡见不鲜。年初规划的产能，年中可能因为人手不足而交付不了。一边是具身智能 "雷声大、雨点小"，一边是工厂里真实存在、却迟迟无法被自动化覆盖的海量需求。缺口已经摆在那里，问题是：谁来把这件事真正做成？二、埃夫特&启智的答案：双轮驱动，底座筑基埃夫特&启智给出的解法，可以概括为四个字：双轮驱动。一轮是 "自主化"。埃夫特&启智做了近二十年工业机器人，核心模块从控制器、驱控一体电柜到关节模组、少齿差减速机，做到了百分之百自研，全产业链国产。这是底盘，是机器人在工业现场能稳定跑起来的前提。另一轮是 "智能化"。2024 年 5 月，埃夫特孵化成立启智（芜湖）智能机器人有限公司，目标很明确：为工业机器人装上 "大脑"。启智不只是做一个模型，而是做一套通用技术底座，涵盖 Openmind OS、墨斗 IDE、大衍数据平台、HumanGPT 世界模型和 HALO 技能服，被内部类比为 "机器人界的安卓"。这套底座的价值，不在于参数多漂亮，而在于它回答了工业具身落地的几个根本性问题。第一个问题：先有场景还是先有技术？埃夫特&启智的选择是先有场景。这不是一句口号。埃夫特&启智每年做战略规划和