9月，机器人行业出现了两种相向而行的动作。9月10日，美国机器人模型公司Skild披露，正与英伟达、富士康合作，把模型部署到双臂机械臂上，用于Blackwell系统的精密装配。四天后，丹麦协作机器人厂商优傲发布新一代平台，重新设计控制箱和机械臂末端连接部件，让相机、传感器和AI应用更容易接入。一家做模型的公司正在借用成熟的机械臂，一家卖机械臂的公司则在为新的智能能力改造产品。
在人形机器人吸引大量关注的同时，能够感知环境、判断并生成动作的Physical AI，正在把成熟机械臂作为商业化入口，尝试进入那些仍依赖人工判断和操作的工序。甚至一些自己研发人形机器人的公司，也开始沿着这条路前进。
研发Phoenix人形机器人的加拿大公司Sanctuary AI是其中一家。今年6月，Sanctuary宣布调整路线，把Physical AI部署到现有和下一代工业机器人平台上，不再等待人形硬件走向大规模商业化。伴随这次调整，公司公布了与一家汽车一级供应商完成的概念验证：工业机械臂操作柔软的线束，向移动的目标完成插接。据公司披露，任务成功率超过99.5％，单次任务节拍2.54秒，达到客户现有产线的节拍要求。这项工作不需要先解决机器人如何行走、怎样保持全身平衡，Sanctuary可以将自己的AI放到成熟机械臂上，先验证它能否完成一道工序。
Skild则从另一端走向了同一类客户。它没有把模型绑定在自家的一种机器人上。今年3月，公司宣布与瑞士工业机器人厂商ABB、丹麦的优傲等企业合作，将模型接入不同厂商的产品。与美国芯片公司英伟达、台湾电子制造商富士康合作的装配项目，也是这条路线的一部分。到9月，Skild自称已有60多家付费客户，覆盖工厂、仓库、配送等场景。富士康项目仍处于公司所说的“正在部署”阶段，尚未单独公布安装数量和稳定运行结果。
这条路线背后，是工业机器人产业多年积累的设备和客户。国际机器人联合会9月发布的报告显示，2025年全球工厂在役工业机器人达到约500万台，当年新增安装超过60万台。这些机器并不能直接下载一个模型就完成升级，不同设备的接口、控制系统和工位条件仍需逐一处理。但AI公司已经可以从适合的机械臂和工序入手，不必等一副全新的身体研发完成。
中国机器人视觉与软件企业梅卡曼德提供了一种更早形成的商业分工。它提供工业视觉、机器人引导等产品，客户使用的机械臂可以来自不同厂商。9月24日，公司披露，其产品已兼容40多个品牌、1000多个型号的机器人手臂，累计部署超过3万台；今年上半年收入为2.373亿元。这些部署包含多年积累的视觉与引导系统，不能全部算作新一代机器人基础模型应用，但它们说明，工厂分别购买机械臂和一部分智能能力，已经是一门生意。Sanctuary和Skild可以沿用这样的分工，把模型接到成熟设备上。
不过，已有设备和软件也意味着，客户已经有一套完成工作的办法。新模型要让工厂追加投入，还得帮助它解决现有方案难以处理的问题。
工厂想交给新模型的，是那些仍要靠人临场判断的工作。有些工序，机械臂的力量和精度已经够用，操作对象却每次都不太一样。为了让机器稳定完成任务，工厂还得整理来料、设计夹具，或者反复调试。模型公司希望让机器学会应对更多变化，减少这些适配工作。
日本汽车线束供应商住友电装正在验证这种可能。9月17日，公司宣布与Skild联合开发Physical AI机器人。合作公告给出的原因很具体：线束制造包含大量复杂工序，传统机器人技术长期难以替代，因此仍然依赖人工。双方计划引入Skild的S1模型，并开展现场验证。线束的麻烦在于它很难每次都保持同一种状态。硬质零件可以通过夹具固定，柔软的线束却会弯曲、缠绕。抓住一处，其他部分也跟着变化。机械臂即使准确地回到同一个坐标，也不意味着那里还有一个可以抓取的插头。遇到这种工作，准确重复动作的能力还不够，机器人需要先判断线束现在是什么状态，再决定从哪里抓、怎样移动。住友电装希望从Skild获得的，正是让机器人学习多种任务、灵活应对复杂操作的能力。Skild此前披露的任务适配方案，是在基础模型上使用少量新任务数据继续训练，希望减少逐项编写任务程序的工作，让同一套模型进入更多应用。这种做法能否比现有方案更省调试、更少依赖人工照看，还需要现场结果证明。住友电装的项目目前仍在开发和验证阶段，尚未公布产线替代规模或成本收益。
为了接上AI，工业机器人厂商也在改造控制系统和接口。模型要拿到现场信息、把判断传给机械臂，还得与原有控制配合，这些要求正在进入工业机器人的产品设计。
日本工业机器人厂商安川先从控制系统的分工入手。今年7月，安川与日本电信企业软银公布了一项线束装箱验证。系统根据相机图像和任务指令判断线束状态，再选择抓取和操作动作。安川保留了传统控制能够可靠处理的部分，把物体状态识别、抓取点选择等功能交给AI，并将其作为模块接入原有系统。机械臂继续准确执行动作，模型处理物体每次出现的新变化。“接入AI”落到这里，是重新安排控制系统里各部分的工作。
优傲9月发布的第七代平台Gen 7，则把相应改造进一步落到了硬件连接上。机械臂末端可以直接为相机和高带宽传感器提供数据、电力等支持，减少复杂布线；力矩感知和实时数据交换等能力，则为模型获取接触信息、参与操作提供条件。模型想在工厂里完成一次插接，需要及时知道零件在哪里、接触后发生了什么，再把调整传给机器。算法之外，这些信息和动作能否顺畅传递，也决定了系统能不能工作。
中国工业机器人厂商埃斯顿则在开放控制系统和开发接口。公司披露，以自研控制系统为基础搭建RoboBase工业具身智能开放平台，开放驱动层和应用层接口。在面向锂电产业的方案中，它还提出开发垂直领域模型，根据客户产线定制本地化AI智能体。这些方案还需要具体交付结果证明价值，但产品改造的方向已经清楚：工业机器人厂商正在为新的模型提供接入控制系统、读取数据和执行动作的条件。
模型公司借成熟设备进入市场，工业机器人厂商则希望通过新能力扩大设备的用途。双方开始在更多工序上合作，也保留着各自向另一端延伸的可能——安川自己在做AI，埃斯顿也在开发模型，软硬件之间并没有形成一道固定边界。机械臂不会因为模型变强就自动获得跨工位能力，工厂是否愿意为模型带来的柔性追加投入，仍取决于换线调试时间、连续运行的人工照看成本以及出错后的恢复效率等现场指标。这一轮Physical AI的商业化进展，最终要由产线上的节拍和良率来回答。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
