英偉達創始人兼CEO黃仁勛曾豪言，“人工智能的下一個浪潮是具身智能”。

AI大模型、具身智能、深度學習技術的興起和火熱，讓機器人從過往重復單一任務，有望向自主感知、自主決策、自主執行的未來世界邁進。

AI與機器人的深度結合，是時代和技術發展的必由之路。目前，AI技術在工業機器人的應用已經廣泛滲透到AI工業質檢、預測性維護、智能化倉儲、安全預警等多個環節，工業機器人的智能化正全力加速。

在此背景下，日前，以“萬物向新 蓄力篤行”為主題的2024(第十一屆)高工機器人年會暨高工金球獎頒獎典禮在深圳機場凱悅酒店圓滿落幕，并邀請10余位智能制造大咖代表出席“數智化專場”進行分享。

在以“從產線智能到智能工廠”為主題的圓桌對話上，主持人高工機器人產業研究所所長盧瀚宸與領志光機電自動化總經理紀順文、騰訊云智能制造總經理梁定安、華立企業股份智能整合事業部協理張志豪、軒田智能智能制造方案部總監陳先鋒、361°技術負責人圍繞“AI與機器人智能化應用機遇”、“AI賦能解決工業場景痛點”、“智能工廠轉型升級瓶頸”等熱門話題展開討論。

AI+工業機器人=?

高工機器人產業研究所所長盧瀚宸：對于AI和機器人的結合有怎樣的期待?

領志光機電自動化總經理紀順文：現階段，我希望無論是利用AI技術還是仿真模擬技術，讓機器人在作業現場實現快速調機，這對于工業應用案例能否成功、企業成本控制都非常關鍵。

騰訊云智能制造總經理梁定安：工業自動化時代，機器人的智能不斷升級，結合人工智能大模型，機器人通過信號、數據、傳感器等輸入和交互的形式會更加豐富，機器人向具身智能形態演進指日可待。

在機器人+人工智能落地的過程中，數據的處理、打標簽、訓練、部署、迭代、安全保障……這一系列工程化的問題，同樣需要在座的制造企業和專家共同去思考、去擁抱、去轉型。

華立企業股份智能整合事業部協理張志豪：我最近主要關注出海東南亞打造集成方案，觀察到海外企業存在擴產后勞動力短缺、勞動力素質不高的問題，那么AI技術賦能機器人，怎么協助企業節省成本，讓企業更好完成自動化，幫助用戶完成訓練，這是一個突破口。

軒田智能智能制造方案部總監陳先鋒：就機器人在物流行業的應用來說，最關鍵的是系統調度的及時性，以及對節拍的把握，目前我比較看好復合機器人、雙臂機器人，行動方式是通過移動底盤，能夠在工廠平滑運行，如果具身智能機器人擁有雙手臂和眼睛，未來在工業場景的應用會很廣。

AI+工業的“可為與不可為”?

盧瀚宸：AI+工業有哪些不建議做的?哪些領域AI發揮的作用相對有限?

梁定安：作為一個新興事物，AI大模型的成與敗，我們暫時不去下結論。在實際應用中，許多企業在嘗試大模型應用時會遇到很多卡點，包括算力卡采購難、網絡搭建難、算法工程化人才招募難……

現在我國人工智能賽道供應鏈正在形成，包括制造業、機器人產業的細分領域里誕生了許多專業AI技術團隊，如果能把具備國際水平的AI智能廠商和中國工業產業鏈有機地結合起來，將會是我們從中國制造邁向中國“智造”的轉折點，在此鼓勵更多企業嘗試進行對大模型的探索。

紀順文：AI+工業非常有挑戰性的點在于，我們把參數、資料輸入給AI，得出一個答案最優解，但這些數據和資料透露出去后，別人可能同樣搜索到這家企業的最優解，但假設由工業企業自己來做AI，投入非常巨大，如果有第三方跨界來做私有部署，保障好數據安全，在制造業會應用地更廣。

張志豪：在AI的使用上，我們可以使用類似GPT的通用大模型建立企業基礎模型，再結合企業、部門、個人的個性化需求進行私有化模型訓練，目前只有頭部企業能在AI上有大規模的投入，一般企業怎么運用大模型，產生自己所需要的AI智能化應用，這是一個值得探討的方向。

陳先鋒：我建議一個“不做”，目前不同機器人廠商的調度系統還不能融合，希望不要設置門檻，不要一家廠商先入為主，彼此能夠互相融合，給企業主更多一點選擇。

一個“要做”，在機器人現場調試上，通過AI大語言模型的學習，完成高效調試。比如我完成1臺機器人的數據提取和調試后，通過AI大模型和機器學習，讓其他20臺機器人自主完成現場調試，這類技術和應用非常值得投入和推廣。

智能化轉型的瓶頸

盧瀚宸：從智能產線到智能工廠，存在哪些明顯的瓶頸?

紀順文：很多制造企業希望走向智能化，但企業的管理者、技術人員沒有明確的智能化想法，并且在設備通用性、投資力度上也存在問題。

近年來工業機器人、復合機器人的平均售價都在下調，出現了智能化轉型的機會，比如我們可以通過引入協作機器人、物流自動化設備，先從搬運、打包這些流程自動化開始切入，逐步幫助企業智能化轉型。

梁定安：以AI視覺在工業質檢上的應用為例，想要讓AI算法能夠達到企業真實質檢要求，比如精準度優化到99.9%甚至99.99%，這需要輸入大量垂直場景的樣本圖片，讓AI不斷進行正負樣本學習和打標簽。

但在具體應用中，很多難題不在算法技術本身，而是圖片樣本數量不夠。所以智能化的難點，一方面在于算法怎么降低對圖片數據的依賴，另一方面，企業怎么去格式化地搜集基礎數據，幫助算法不斷優化準確率。

張志豪：第一點，數據搜集很重要，如果基礎設備老舊，沒有必要為了智能化而去打造智能工廠。

第二點，在智能化之前，要先實現可視化，工廠運行到哪一個生產環節，終端要做到數據的可視化呈現。難點在于，如果沒有第一步的數據搜集和統籌，很難實現可視化。

陳先鋒：數字化的痛點在企業主這邊，第一是過去的設備不具備數字化能力，無法交互，尤其是國外一些設備，通信傳輸接口無法開放兼容。

第二是調度系統，很多傳統制造企業在布局系統時并沒有考慮到智能制造的方向，像MCS、MES、RDD這些上層信息化系統是缺失的。

第三是技術人才，智能制造轉型不只是拓展硬件、軟件，企業也面臨數字化技術人員儲備不足的難點。