對(duì)話微億智造：工業(yè) 具身智能的終局可能在哪里。

作者｜Li Yuan

編輯｜鄭玄

過去兩年，人形機(jī)器人和具身智能持續(xù)升溫，融資、Demo、技術(shù)敘事共同推動(dòng)行業(yè)進(jìn)入高關(guān)注周期。但熱潮向前推進(jìn)的同時(shí)，另一個(gè)問題也越來越清晰：工業(yè)場(chǎng)景并不會(huì)因?yàn)橐粋€(gè)新概念的出現(xiàn)而自動(dòng)降低門檻。

直到今年，一批喊出「進(jìn)工廠」的公司真正走到工業(yè)現(xiàn)場(chǎng)后，行業(yè)才更清楚地看到：Demo 能跑通，不等于系統(tǒng)能在工廠里長期、穩(wěn)定、低故障地運(yùn)行。Figure AI 這樣的明星公司也開始從展示技術(shù)想象，轉(zhuǎn)向證明連續(xù)作業(yè)能力。

資本和產(chǎn)業(yè)端的關(guān)注點(diǎn)正在發(fā)生變化：企業(yè)到底有哪些可復(fù)制的落地場(chǎng)景？客戶為什么愿意買單？ROI 能不能算得過來？

極客公園最近接觸到的微億智造，正是一家在這個(gè)階段更值得我們研究的公司。

微億智造是一家工業(yè)具身智能公司，從公司早期開始將當(dāng)時(shí)的先進(jìn)生產(chǎn)力——有AI感知的機(jī)械臂帶進(jìn)工廠。此后，微億智造持續(xù)沿著真實(shí)產(chǎn)線需求升級(jí)具身能力：從感知到執(zhí)行，再進(jìn)一步補(bǔ)上決策與反饋，讓機(jī)器人不只是完成固定動(dòng)作，而是能在復(fù)雜、非標(biāo)、高約束的工業(yè)現(xiàn)場(chǎng)中理解任務(wù)、判斷狀態(tài)并穩(wěn)定作業(yè)。

目前，微億智造的具身智能機(jī)器人已經(jīng)在工業(yè)場(chǎng)景中落地外觀檢測(cè)、焊接、打磨、裝配等環(huán)節(jié)，今年以來，也在向最前沿的物流場(chǎng)景的分揀、碼籠、碼垛等任務(wù)上延伸。

在這一波具身智能的浪潮中，很多人看不懂微億智造，以為產(chǎn)品用了機(jī)械臂的形態(tài)就等于不是具身智能。不過，近年來共識(shí)正在收斂——工業(yè)場(chǎng)景需要最適合它的物理形態(tài)，而這并不一定是人形。

2023年以來，微億智造的訂單規(guī)模持續(xù)增長，研發(fā)投入也不輸許多通用機(jī)器人公司。

2023 年至 2025 年，公司研發(fā)投入分別為 1.78 億元、1.65 億元和 2.35 億元，占各期總收益的比例分別為 41.1%、27.5% 和 29.6%。近三年算力投入從0.52億元增至1.51億元。

這組數(shù)據(jù)指向的，正是工業(yè)具身智能需求正在被真實(shí)驗(yàn)證的現(xiàn)實(shí)場(chǎng)景：一方面，訂單增長說明工廠端確實(shí)在為這類能力買單；另一方面，持續(xù)高比例的研發(fā)與算力投入，也說明微億智造并不是在做傳統(tǒng)自動(dòng)化項(xiàng)目，而是在圍繞感知、決策、執(zhí)行和反饋能力持續(xù)加碼。

我們采訪了微億智造董事長兼 CEO 張志琦。他聊到了從 2018 年起，公司如何一步步把 AI 技術(shù)落到工業(yè)現(xiàn)場(chǎng)；也聊到了在真實(shí)工廠里，VLA 哪些能做，哪些暫時(shí)還不能做，以及工業(yè)具身智能的終局可能在哪里。

01

從 2018 年開始，把 AI 引入傳統(tǒng)機(jī)械臂

極客公園：微億智造把自己的產(chǎn)品稱為“工業(yè)具身智能機(jī)器人”。但從外形上看，它似乎仍然是機(jī)械臂、相機(jī)、工裝和產(chǎn)線設(shè)備的組合。比如外觀檢測(cè)，傳統(tǒng)機(jī)械臂也能做，工業(yè)具身智能機(jī)器人也能做。兩者到底有什么區(qū)別？

張志琦：是的，兩個(gè)產(chǎn)品都能做外觀檢測(cè)，但它們應(yīng)用的技術(shù)不一樣，最后給客戶帶來的價(jià)值也不一樣。

微億智造 2018 年剛成立時(shí)，主要產(chǎn)品其實(shí)更像是傳統(tǒng)自動(dòng)化產(chǎn)品：一個(gè)定焦相機(jī)負(fù)責(zé)拍產(chǎn)品，把圖像采集完之后，再用 AI 模型判斷它屬于哪一類缺陷，最后把不同缺陷的產(chǎn)品分開處理。

這雖然也是使用 AI 賦能了檢測(cè)，但還不能稱之為工業(yè)具身智能，因?yàn)楸举|(zhì)上，機(jī)器做的每一步仍然是被編程設(shè)定好的。

到 2022 年左右，微億智造接到一個(gè)大客戶項(xiàng)目：為兩米多長的大型一體化壓鑄件做檢測(cè)和打磨。

這個(gè)零件有近 3000 個(gè)拍攝點(diǎn)位，客戶要求整套流程在 10 分鐘以內(nèi)完成。但傳統(tǒng)機(jī)械臂很難做到——光是按照固定軌跡打磨一遍，就要一個(gè)小時(shí)，而熟練工人只需要七八分鐘。

差距不在機(jī)械臂速度，而在判斷能力。人會(huì)先看哪里有問題，再只處理有缺陷的位置；傳統(tǒng)機(jī)械臂則只能按預(yù)設(shè)路徑把所有位置走完。這個(gè)客戶此前花了兩年多找服務(wù)商，都沒能解決。

微億智造后來重新設(shè)計(jì)了一套「查打一體」的工業(yè)具身智能機(jī)器人。它的基礎(chǔ)，是公司從 2018 年到 2020 年逐步做出的飛拍技術(shù)，讓機(jī)械臂能夠不停歇地連續(xù)拍攝，在 5 分鐘以內(nèi)拍攝 3000 個(gè)點(diǎn)位。

更關(guān)鍵的是，在這套系統(tǒng)里，點(diǎn)位和軌跡開始能由算法自動(dòng)生成。

因?yàn)檐壽E不再需要提前設(shè)計(jì)好，系統(tǒng)可以做到像人一樣先識(shí)別目標(biāo)和缺陷，再?zèng)Q定哪些地方需要打磨，生成軌跡。最后，這套設(shè)備把檢測(cè)和打磨節(jié)拍壓到了 7 到 10 分鐘之間，接近人工水平。

「看見—判斷—處理」的能力，正是傳統(tǒng)自動(dòng)化和工業(yè)具身智能的分界。

極客公園：如果說在檢測(cè)和打磨里，具身智能解決的是“先看見，再判斷，再處理”的問題，那么其他場(chǎng)景里，它和傳統(tǒng)機(jī)械臂的差別會(huì)體現(xiàn)在哪里？

張志琦：比如2024年我們展示的具身智能裝配機(jī)器人為例，差別變得更加明顯。

在一些簡單裝配任務(wù)里，我們現(xiàn)在可以做到：人做一遍，機(jī)器人看一遍，然后機(jī)器人理解人是怎么做的，再用雙臂協(xié)同完成整個(gè)裝配過程。

對(duì)工業(yè)客戶來說，示教成本非常關(guān)鍵。在真實(shí)工廠里，因?yàn)槊颗_(tái)設(shè)備安裝時(shí)都有公差，傳統(tǒng)機(jī)械臂需要每臺(tái)設(shè)備都分別示教，沒辦法符合柔性生產(chǎn)的需求，太麻煩了工廠寧愿選擇直接用人。

但我們現(xiàn)在可以做到通過一次視覺示范，讓機(jī)器人理解人是怎么做的，這會(huì)大大縮短客戶導(dǎo)入的時(shí)間。

除此之外，機(jī)器人開始能處理現(xiàn)場(chǎng)里的不確定性。

比如零件已經(jīng)抓到了，你把它拿走，它會(huì)自己再去找；它本來要沿著一條路徑去取料，你把軌跡擋住，它會(huì)想辦法繞開。過去傳統(tǒng)機(jī)械臂更多是把工程師預(yù)編程的動(dòng)作執(zhí)行出來，而有「大腦」的機(jī)器人，可以根據(jù)現(xiàn)場(chǎng)變化重新做判斷。

我們現(xiàn)在也在做物流行業(yè)的碼籠場(chǎng)景，機(jī)器人能兼容各類箱體和包裹，設(shè)計(jì)放置策略智能分籠。這都是傳統(tǒng)機(jī)械臂做不到的。

02

當(dāng) VLA 撞上 0.1 毫米的工廠現(xiàn)實(shí)

極客公園：做到這些，我們使用的是VLA的技術(shù)嗎？普遍印象里，VLA的技術(shù)才能帶來泛化性。

張志琦：我們認(rèn)為在工廠現(xiàn)場(chǎng)，大體可以分為兩類工種：一類叫技術(shù)工種，一類叫普工。

技術(shù)工種的知識(shí)，很多時(shí)候只在老師傅身上，必須到具體現(xiàn)場(chǎng)里才能獲得。比如打磨、焊接、檢測(cè)，在技術(shù)工種這一層，我們使用的不是 VLA架構(gòu)，甚至我們認(rèn)為未來也不一定會(huì)使用 VLA 架構(gòu)。

它可能基于規(guī)則引擎，基于目標(biāo)對(duì)象理解、認(rèn)知、軌跡規(guī)劃和執(zhí)行，甚至在執(zhí)行過程中形成有效糾偏，不斷優(yōu)化軌跡，就能夠更快速、更高效地實(shí)現(xiàn)。它仍然是AI技術(shù)，但模型參數(shù)可能不需要太大——百億、大幾十億就能解決問題。

微億智造已經(jīng)積累由真實(shí)工業(yè)場(chǎng)景產(chǎn)生的、業(yè)內(nèi)規(guī)模最大的非結(jié)構(gòu)化精標(biāo)數(shù)據(jù)庫，數(shù)據(jù)量超過23TB，形成數(shù)據(jù)飛輪?，F(xiàn)在微億智造利用過往項(xiàng)目類似工藝中積累的海量精標(biāo)數(shù)據(jù)及模型，生成高效的預(yù)訓(xùn)練模型，可以大幅縮短新項(xiàng)目AI模型的訓(xùn)練時(shí)間及成本，將部署周期從傳統(tǒng)模式下的數(shù)月壓縮至數(shù)周。

而普工類，比如碼垛、上下料、分揀。普通人來了都能三十分鐘上崗，只要對(duì)物理世界有認(rèn)知就可以。

我們認(rèn)為需要去開始部署端到端的技術(shù)，用大量生活數(shù)據(jù)灌出一個(gè)操作泛化性更強(qiáng)的模型，然后再通過工廠特定場(chǎng)景進(jìn)行一定的模型泛化，再去落地實(shí)現(xiàn)。我們從二三年前開始前瞻性地去看VLA這樣的技術(shù)，今年開始項(xiàng)目POC。

極客公園：我們目前POC的項(xiàng)目情況如何？

張志琦：我們目前在 POC 幾個(gè)不同的場(chǎng)景。

物流場(chǎng)景比如無序碼籠。無序碼籠指的是箱體大小不一致，要把它碼到一個(gè)大的籠子里，供下一步物流處理。

今天，我們對(duì)箱體目標(biāo)對(duì)象的認(rèn)知，軌跡規(guī)劃怎么有效處理，異常情況怎么通過人機(jī)配合處理完畢，還不能全部算作端到端，需要一些兜底策略。

但我們?cè)谶^程中也在不斷積累數(shù)據(jù)?？蛻粢苍敢夂臀覀児步ㄟ@個(gè)場(chǎng)景。我們正在試圖解決的問題和通用機(jī)器人公司在工業(yè)領(lǐng)域試圖解決的問題是類似的。

甚至我們自己看起來，像無序碼籠這樣的任務(wù)，技術(shù)難度甚至比供料更高，因?yàn)橄渥颖旧硇枰欢ǖ牟呗匀ザ询B，而不是簡單的把快遞翻面。大箱子鋪底，小箱子找地方插進(jìn)去。如果箱子有破損、異形件、易損件，都需要特殊處理，這里面有大量人的經(jīng)驗(yàn)在起作用，對(duì)感知和決策都提出了更高的需求。

極客公園：會(huì)不會(huì)存在一種情況，VLA未來發(fā)展的足夠好，把所有原來的專用場(chǎng)景的小模型覆蓋的領(lǐng)域都覆蓋掉了？

張志琦：未來的技術(shù)發(fā)展很難判斷。至少最近三五年內(nèi)，不太可能在技術(shù)工種場(chǎng)景里用 VLA 把它替代掉，即使普工場(chǎng)景也很難馬上替代。

原因之一是 VLA 目前的精度不夠，就算強(qiáng)優(yōu)化完，也大概是厘米級(jí)，或者幾毫米級(jí)。但像 CNC 上下料這樣的場(chǎng)景，雖然屬于普工范疇，需要的誤差在0.1 毫米以內(nèi)，而且不允許出錯(cuò)，那就仍然沒法用 VLA做。

不是所有場(chǎng)景都需要上一個(gè)最大的模型，也不是所有場(chǎng)景都應(yīng)該被 VLA 覆蓋。

我們 2018 年開始做的，前面說的偏自動(dòng)化設(shè)備的「AI 賦能的智能化產(chǎn)品」，到今天仍然還是有收入。就是因?yàn)槟切﹫?chǎng)景下，原有自動(dòng)化配合簡單的 AI 能力已經(jīng)能解決好問題了，那就應(yīng)該繼續(xù)做。

極客公園：如果 VLA 不是唯一答案，物理 AI 會(huì)不會(huì)是一個(gè)更大的技術(shù)框架？您怎么理解它和工業(yè)具身智能之間的關(guān)系？

張志琦：如果從技術(shù)實(shí)現(xiàn)來看，業(yè)內(nèi)講物理 AI，很大概率是在講世界模型。也就是讓 AI 能夠理解物理空間、物理場(chǎng)景、物體之間的關(guān)系，以及物理規(guī)則本身。

具身智能更強(qiáng)調(diào)「本體」和「模型」的深度結(jié)合，物理 AI 承載的可能比具身智能更大。它不一定必須綁定某一種機(jī)器人本體。未來如果世界模型足夠強(qiáng)，機(jī)器人本體反而可能沒有那么重要。

我們認(rèn)為工業(yè)場(chǎng)景會(huì)是物理 AI 相對(duì)更早落地的方向之一。原因很簡單：工業(yè)場(chǎng)景中的對(duì)象相對(duì)有限、任務(wù)邊界相對(duì)清晰，所以技術(shù)上更容易達(dá)到可用狀態(tài)。

03

競(jìng)爭對(duì)手將是越來越不像人的人形機(jī)器人

極客公園：今年以來，微億智造的客戶情況有什么變化？

張志琦：客戶在行業(yè)層面一直在擴(kuò)展。新能源汽車、3C 消費(fèi)電子這些原有客戶，每年都持續(xù)下單，包括原有場(chǎng)景的復(fù)制和新場(chǎng)景的落地。

工業(yè)場(chǎng)景，客戶信賴是很重要的?？蛻魰?huì)覺得原來這個(gè)很好用，就會(huì)問這個(gè)新場(chǎng)景還有一堆人，能不能換。我們跟著客戶的需求再往前推進(jìn)。

今年比較欣喜的是海外也開始從 0 到 1。未來兩三年，我們希望海外收入做到 20% 到 30%。一方面，把國內(nèi)打磨過的成熟產(chǎn)品通過海外渠道快速推；另一方面，海外也有自己的需求。有些項(xiàng)目在國內(nèi) ROI 算不過來，在海外可能能算過來。

極客公園：下一步技術(shù)能力上，更關(guān)注什么部分？

張志琦：下一步是把觸覺能力進(jìn)一步打通。今天很多項(xiàng)目不太敢碰，核心就在觸覺。比如插拔、理線，都和觸覺有關(guān)。

但觸覺的技術(shù)發(fā)展遠(yuǎn)低于視覺。把觸覺加進(jìn)去，整個(gè)模型會(huì)發(fā)生很大變化，甚至不一定是語言模型。

我們的判斷是：觸覺模型加入后，視覺仍然會(huì)起重要作用。純觸覺能做的事情很少，但結(jié)合視覺判斷后，能做的事情會(huì)多很多。

從去年開始，我們已經(jīng)在做觸覺方面的前沿研究，更多是把觸覺模型做深度融合。兩套技術(shù)都在看：霍爾和視觸覺。

極客公園：未來三年，你認(rèn)為工業(yè)具身智能哪些細(xì)分賽道會(huì)進(jìn)一步爆發(fā)？

張志琦：人多的地方都有機(jī)會(huì)。哪怕具身側(cè)收入每年翻番，我也不覺得離天花板接近了。技術(shù)還要繼續(xù)提升。

但我覺得現(xiàn)在還離真正爆發(fā)很遠(yuǎn)。如果真要說爆發(fā)，那應(yīng)該是工廠里人明顯減少，甚至下降 4/5 還能生產(chǎn)。

以前工廠是把人當(dāng)機(jī)器。質(zhì)檢對(duì)眼睛傷害很大，強(qiáng)光下看產(chǎn)品，20 多歲的小姑娘看兩年，眼睛可能就不行了。拆碼垛這種重體力活，對(duì)人的腰和身體也有不可逆損傷。

極客公園：未來的競(jìng)爭中，傳統(tǒng)工業(yè)機(jī)械臂公司、微億智造這樣的工業(yè)具身智能公司，以及追求泛化 AGI 的具身智能公司，各自優(yōu)勢(shì)和短板是什么？

張志琦：我們的優(yōu)勢(shì)還是場(chǎng)景理解。很多公司說「我也能干」，那就來試試。具身最好玩的地方就是，是騾子是馬，牽出來遛遛，客戶買不買單最清楚。

在 ROI 可計(jì)算的情況下能不能完成，這是最基本的工業(yè)第一性原理。

今天我們的競(jìng)爭對(duì)手可能很多還是自動(dòng)化公司。坦白講，自動(dòng)化公司里也有能工巧匠，可以做出一些結(jié)構(gòu)和構(gòu)型，滿足柔性生產(chǎn)需求。

但中長期看，大概率是做得越來越不像人的人形機(jī)器人公司。

對(duì)于追求AGI的具身智能公司而言，估值核心還是生活場(chǎng)景，但生活場(chǎng)景又太難。走著走著就會(huì)偏向工業(yè)，又發(fā)現(xiàn)純?nèi)诵尾皇呛线m架構(gòu)，于是開始做泛人形。泛人形在生活場(chǎng)景里又有問題。

這兩年人形公司已經(jīng)開始講，我們的產(chǎn)品叫泛人形。泛人形的問題是它還要加個(gè)「人形」，因?yàn)橛腥诵喂镜陌?，還得加個(gè)頭。你說有啥差異？沒啥差異。

我覺得這些都是最早堅(jiān)持全人形結(jié)構(gòu)時(shí)，大家講給投資人聽的故事。到今天實(shí)操上，大家都會(huì)覺得有成本。多一個(gè)關(guān)節(jié)、多一個(gè)自由度，計(jì)算算力要求就會(huì)很高。一個(gè)全身四五十個(gè)自由度，要多少算力才能完成？

回到工廠場(chǎng)景里，還是那句話，工廠在意的是能解決問題。

極客公園：只做工業(yè)的話，外界會(huì)不會(huì)擔(dān)心你們?cè)谝粋€(gè)個(gè)的項(xiàng)目交付中損耗了精力，沒有更多的技術(shù)力量往更高的目標(biāo)上去走？

張志琦：這個(gè)擔(dān)心有點(diǎn)多。今天在 AI 技術(shù)投入上，微億和國內(nèi)絕大多數(shù) AI 公司是比較接近的。我們不是以項(xiàng)目交付為根本，而是以研發(fā)為核心。

我們這一代 AI 公司和上一代AI公司相比，最大的差異是：物理 AI 世界里一定有一個(gè)載體。有載體，就有和物理世界的交互，就有反饋機(jī)制，有新的數(shù)據(jù)出來。所以也一定會(huì)有一批新公司出來。

極客公園：你覺得市場(chǎng)宣傳或投資人敘事里，最不靠譜的是什么？

張志琦：以前發(fā)一個(gè)機(jī)械本體、一個(gè)人形外觀，大家就覺得這家公司能做人形。到今天，二級(jí)市場(chǎng)上這類公司也很多，但再發(fā)一個(gè)人形外觀，大家已經(jīng)不信了。

以前很多演示背后有人遙操，大家還不知道。現(xiàn)在大家慢慢理解，有些是自主，有些是遙操。這個(gè)變化的核心，是大家越來越認(rèn)識(shí)到 AI 在這里面是核心，也知道有些公司做的是運(yùn)動(dòng)控制，不做大腦。

所以對(duì)我們來說，過去可能吃虧的是外形看起來像機(jī)械臂。但現(xiàn)在我們更希望大家理解，有腦和沒腦的機(jī)械臂差別很大。

*頭圖來源：微億智造

本文為極客公園原創(chuàng)文章，轉(zhuǎn)載請(qǐng)聯(lián)系極客君微信 geekparkGO

極客一問

你如何看待工業(yè)具身智能？