为期数日的中国国际工业博览会近日收官。本届工博会展览面积达31万平方米，汇聚3200多家展商，近300项首发首秀。与上一届人形机器人集中展示本体能力不同，今年展台关注点明显转向真实产线：观众追问的不再是机器人动作是否拟人，而是它能在车间里承担什么工序。具身智能的行业主题正从概念演示切换至交付落地。
头部厂商的展示内容印证了这一转向。汇川技术将轮式人形机器人投入弧焊工序；库卡通过“开天 KAI”平台打通数据与数字孪生；节卡则将某合作企业大灯产线的节拍从105秒压缩至28秒，部署周期由12个月缩短至57天。产线部署也不再单一押注人形构型，轮式、四足、双臂与人形机器人开始按工序需求混编协同，任务适配优先于形态统一。
行业心态的变化在本届工博会上表现得更为直接。宇树科技创始人王兴兴公开复盘称，过去十几年自己犯的最大错误是对AI相信得不够。他透露，团队将GPT-6部署到多种机器人上做任务测试，效果“非常不错”。据综合媒体报道，GPT-6 Astra在机器人控制任务中的成功率达到95％，前代模型仅为40％，在抓取、旋转、递送以及筷子等精细力控物体操作上均已具备识别与定位能力。王兴兴据此判断，具身智能的临界点“快的话甚至一两年内就有可能”到来，其时间预期已从最初的三到五年逐步收窄至最快一到两年。
不过，行业现实仍以工厂试点为主。当前具身智能方案的核心痛点集中在泛化性不足与产线稳定性欠缺两方面：机器人可在单一工位精准作业，但跨场景、跨产线迁移适配难度极大；工业生产对节拍、容错率和稳定性有刚性要求，适配不足会直接拖累整条产线效率。大模型让机器人学会了操作，但工业场景需要的是零失误的稳定量产。
相比具身智能，工业AI是本届工博会存在感不高但分量更重的暗线。IDC调研显示，36.6％的制造企业已部署2至5类工业智能体；预计到2026年底，部署超过100个智能体的企业占比将从0.4％升至13％。36氪研究院测算，2026年中国工业AI可落地市场规模约1163亿元，到2030年将突破3000亿元。展会上，海智智造发布工业基础模型HAI1.0，黑湖科技展出十余个决策型Agent，京东工业“工品智炼”平台将物料治理与合规审核封装为22个智能体，均指向AI从感知走向决策的趋势。
拓斯达则从底层架构重新定义工业机器人，聚焦本体研发与设备升级。其本体研发以“大脑+小脑+本体”三层协同保障稳定运行，降低操作门槛；设备升级基于现场数据构建“采集—训练—推理”闭环，使存量设备无需更换硬件即可升级为具备自主感知与智能分析能力的智能体，以降低转型成本。
制造AI化的内涵并不止于单点智能体。海尔周云杰在工博会开幕式上表示，真正的制造AI化不是叠加大模型、堆砌智能应用，而是让AI贯穿研发、采购、生产、供应链、服务的全链路。施耐德电气将工业AI划分为场景化、体系化、规模化三个阶段，其OEM行业能力中心负责人杨小雷认为，当前行业更多处于场景化阶段，大量工作仍是单点应用。ABB机器人中国区总裁韩晨也表示，垂直场景已有成功实践，但跨场景迁移仍然吃力，模型泛化能力不足是主要难点。
真正的瓶颈甚至不在算法。施耐德电气曾透露，一家自动化水平并不低的化工企业希望优化某台能源设备的能耗，翻开数据库却发现存在多个名称相似的点位，已无法准确判断其具体含义。中国工程院院士王坚在工博会开幕式上比喻称，工业界的数据还锁在每个人的抽屉里。王兴兴也提到同一问题：AI需要数据，但企业普遍有保密要求。此外，通用大模型动辄二三十秒的思考时间在工厂现场没有意义。京东工业CTO谷应鲲表示，产线预警要求秒级甚至毫秒级响应，京东工业采用3B、8B、32B的小模型做本地部署，一台二三十万元的服务器即可运行。中小企业的难题则在于缺硬件、缺人才、缺算力。
感知层的落地进展相对扎实。海康威视本届工博会以“物联感知+AI”为主题，展出100多款场景数字化产品，其AI超声检测方案对超声原始信号进行建模与定量分析，自动完成缺陷分类定位，识别准确率超过99.5％。海康机器人视觉产品累计出货量已超过1000万台，移动机器人下线突破20万台。工业AI的基础能力，部分正来自这些已部署在产线上的感知与移动设备。
综合来看，本届工博会释放的信号较为清晰：大模型正在缩短具身智能的技术验证周期，但工业场景的规模化落地仍受制于数据孤岛、响应时延与跨场景泛化能力。随着通用大模型厂商向物理世界延伸，本体厂商若停留在硬件思维，面临的将不只是技术路线选择问题。工业AI从单点应用走向全链路体系化，仍需数据治理与工程能力的同步推进。
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。
