跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

人形机器人进入量产,工厂成为人工智能新前沿

中国一座智能工厂开始生产1万台工业人形机器人,节奏达到每十分钟一台,标志着人形机器人从实验室演示走向大规模制造。

科技分析王雅琴发布: 2026年10月4日5 分钟阅读资料来源 5
人形机器人进入量产,工厂成为人工智能新前沿

从原型到生产线的转变,比多数分析人士预想的更快。最明显的信号来自中国的一座新工厂。它现在每十分钟就下线一台人形机器人。

Construction Physics 称这座工厂为全球首座万台级工业人形机器人智能工厂。这个说法意味着行业已经走出小批量测试,进入真正的量产。部署速度正在改变投资者对这个行业的看法。他们把资金投向物理人工智能,将其视为继生成式语言模型之后的下一个主要收入来源。

具身智能的经济账

初创公司正在募集创纪录的资金。据 Construction Physics 报道,NEURA Robotics 和 Figure AI 分别融资14亿和10亿美元。Apptronik 拿到52000万美元。中国的宇树科技上市,募资约9亿美元。Agility Robotics 计划今年晚些时候通过 SPAC 跟进。这样的资金规模说明,行业已经越过了概念验证阶段。

为 Construction Physics 撰稿的 Brian Potter 认为,推动进步的主要不是硬件,而是机器人人工智能的进展。他说,近期能力提升的大部分来自专门开发、用来控制机器人的 AI 模型。这些模型通常被称为策略(policy),它们把传感器数据和指令映射为具体的机器人动作。目标是造出能应对非结构化环境的自适应智能体。在人类工人与机器近距离协同的工厂车间里,这是关键要求。

VLA 范式

支撑这些机器人的技术架构正逐渐统一到视觉-语言-动作模型,也就是 VLA。Potter 解释说,VLA 以文本、图像和机器人状态信息为输入,输出一系列机器人动作。这种架构依赖注意力机制和 transformer 结构,正是让大语言模型取得成功的那套组件。

Figure、宇树、Physical Intelligence 和英伟达等公司都在采用 VLA 路线的不同变体。Physical Intelligence 于2025年发布的开放权重 pi0.5 VLA 已在业内广泛使用。它不是该公司最先进的模型,但是一个常见的基线。

VLA 是否会一直是机器人 AI 的主要范式,目前并不十分明朗,但到目前为止,它们是控制机器人非常常见的方法。

这些模型带来了以往无法达到的自主水平。机器人现在能感知环境并实时调整动作。对于需要精度和灵活性的制造任务,这种适应能力必不可少。分拣包裹或组装复杂部件,都需要这种响应能力。Generalist AI 的 GEN-1.5 模型显示,机器人能从少量示例中学习,这意味着初始训练与实际运行能力之间的差距正在迅速缩小。

从演示到部署

过去一年,演示视频越来越惊艳。专家提醒,看这些视频要打很大折扣。Figure 展示了自家机器人连续数小时分拣包裹,还能自主把洗碗机里的碗碟卸下来。Physical Intelligence 演示了一台机器人煮咖啡,还在巧克力工厂里折纸箱。这些画面很抓眼球,但它们只能说明机器人具备某种能力,并不能证明工业上可行。

真正的考验是长时间运行中的一致性和可靠性。丰田是推动大规模部署的主要玩家之一。CarBuzz 报道,丰田投入的机器人规模可能超过特斯拉的 Optimus 计划。公司计划在全球工厂部署40万台人形机器人。其公开目标还包括培训新的人类员工。

这一策略说明这项技术有双重用途。它提高生产效率,同时充当下一代工厂工人的培训工具。川崎重工业给出了类似的时间表。据日经亚洲报道,这家日本企业计划到2030年推出完全自主的人形 AI 机器人。把重点放在完全自主上,说明其长期愿景超出了眼前的工厂应用。

人形机器人竞赛

竞争是全球性的,而且激烈。在中国,第二届世界人形机器人运动会展示了机器人完成的高难度体能项目,包括短跑和拳击。Startup Fortune 报道,一台中国机器人跑100米的速度超过了博尔特的历史最好成绩。这条新闻标题抓住了公众对这些机器人体能的好奇。

不过 Nation.Cymru 指出,真正的考验不是短跑或拳击,而是洗衣服、重复性工厂作业这类日常任务。能否可靠、安全地完成这些任务,将决定它们的商业成败。现代汽车集团也在大动作。Evrim Ağacı 指出,该公司发布了 Atlas 机器人手,并大举招揽人才。

现代正在其新加坡中心用机器人和 AI 重新定义工厂车间。新加坡经济发展局还启动了一个物流自动化中心。这说明政府在积极支持把这些技术整合进本地经济。尽管前景乐观,挑战依然存在。这项技术仍处于早期阶段。从实验室走向工厂车间的过程充满困难。

安全问题、监管障碍,以及对可靠供应链的需求,都是障碍。这些机器人的成本仍然很高,只有资金雄厚的大型制造商才用得起。对规模较小的企业来说,这笔账是否划算,目前还没有答案。

工作的未来

人形机器人的崛起不只是技术故事,也是经济和社会故事。随着这些机器承担更多任务,制造业工作的性质会改变。一些岗位会被取代,另一些岗位会被创造出来。丰田策略中的培训环节显示,这些机器人可能成为人机协作新模式的桥梁。

眼下,重点是把产量做上去,并证明可靠性。中国那座1万台规模的工厂是一个重要里程碑,但这只是开始。随着更多公司进入这一领域、技术逐步成熟,人形机器人在工业场景中的扩张会很快。未来几年将决定这项技术是兑现承诺,还是停留在小众 curiosities。从投资规模看,行业显然押注于前者。

评论 0

资料来源

5
  1. 01Understanding the AI That Drives RobotsEN
  2. 02Someone ‘Torturing’ LLMs in a Robot Prison Has Triggered the Dumbest Debate in AI YetEN
  3. 03Against the Personal Agents Theory of EverythingEN
  4. 04Musk explains why Tesla Robotaxi isn't running at night, and Lidar is the answerEN
  5. 05How robotics and physical AI can responsibly tackle key physical security challengesEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

王雅琴

王雅琴

人工智能、模型与技术

王雅琴负责FLASH24的人工智能、模型与技术报道,覆盖科技、人工智能与模型、媒体与互联网领域。她习惯直接查阅技术文档、模型卡与官方博客,而非依赖新闻稿,对未经核实的参数和跑分数据一概不放行。每篇报道前,她会逐项核对基准测试结果,对照论文原文与开源代码,确认版本号、数据集和评测条件是否一致。她常联系开发者与研究人员求证细节,也盯着各大厂商的发布会和论文截稿日期,横向比较同类模型的实际表现。私下她自建服务、折腾家庭网络,这让她对部署成本和真实算力需求有直观判断。她的原则是:没有可复现来源的数字,不写进稿子。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。