8.2
深览指数
科技虎嗅··AI 生成
机器人进厂前，第一问：为什么不用传统自动化？
核心结论是：机器人（具身智能）在工业场景中真正值得切入的，不是传统自动化已解决的重复任务，而是「小批量、高混合、频繁换型」的柔性需求，因为「变化本身已成为主要成本」。作者朱亚娟（腾讯 Robotics X 实验室生态负责人）基于一线进厂测试经验，提出了一套清醒务实的场景筛选框架：先排除「太适合自动化」的任务，再算清客户的真实成本账（实验室 20% 指标 vs 产线 80% 系统问题）。文章区分了专业服务（30分可落地）与工业操作（98分仍不够）的不同账目逻辑，并指出了产业分工（模型/本体/集成商/客户）不成熟的现状。适合关注机器人落地、具身智能商业化、工业自动化的从业者与投资人阅读。原文 ↗
核心观点
- ▍机器人（具身智能）在工业场景中最值得解决的任务是「小批量、高混合、频繁换型」—— 变化本身已经成为主要成本的任务，而传统自动化每次换型都需要重新付出改造成本。
- 01年收入 2000 万元以上的工厂，中国有超过 50 万家，对应至少 10 万亿元量级的工业底盘，证明机器人进入工业市场潜力巨大。
- 02日化工厂中，一款口红可能有 20 种颜色，包装随节日变化，一个批次可能只有几千件，今天生产完明天就换款，体现了高频换型的真实需求。
- 03朱亚娟分享了「20% 和 80%」的经验性说法：模型的节拍和成功率解决了客户付款前 20% 的问题，剩下 80% 在于工厂的经营系统（换型时间、维护成本、停线损失、生命周期成本）。
- 04实验室中成功率从 99% 变 98% 可接受，但产线上一次抓取失败卡住下一道工序可能导致整线停线，说明「失败一次」的真实代价完全不同。
- 05服务场景账目更直观：假设门店机器人方案年成本 10 万元，折合每天约 300 元，店长只需判断「它每天能否帮我多赚 300 元」，朱亚娟因此相对看好专业服务类机器人更早跑出收入闭环。
- 06跨本体复用困难：机械臂长度、自由度、末端执行器、传感器、工艺和安全边界直接改变动作本身，今日能够跨本体复用的只是能力链条中的一部分。
- 07数据规模不应盲目追求：100 万小时若重复同一种动作，不如更少但覆盖更多任务变化的数据有价值；质量大于规模，规模大于失败样本。
反方 / 局限
- — 文章虽看好专业服务场景，但也承认其矛盾：30 分的导览机器人可落地，但从 30 分走到 90 分（替代专业角色）距离依然遥远，「会说话」和「会服务」不是同一件事。
- — 作者指出整个产业「最后缺的不是更大的模型，而是有人把它接进现场」—— 传统工业有集成商角色，但具身智能产业缺了这一环，导致模型/本体公司必须亲自扎进现场，难以规模化。
10 分钟 · 4 卡片 · 11 资料
读原文 →