《经济学人》：制造业的“ChatGPT时刻”已经到来

The “ChatGPT moment” has arrived for manufacturing

人工智能有望彻底改变产品的生产方式和生产地点。

2026年1月7日 安贝格 和埃尔兰根

“你知道什么最让我印象深刻吗？我亲眼看到一个机器人捡起了一颗鸡蛋！”通用汽车董事长罗杰·史密斯在1985年惊呼道。这家美国汽车制造商在二十年前率先安装了机械臂，当时正在密歇根州萨吉诺市打造一座“未来工厂”。史密斯设想的是一种“无人值守”的自动化生产模式——完全由机器完成，无需人工干预——以此帮助公司与日本竞争对手抗衡。然而，结果却是一团糟。这些毫无智慧的机器人无法区分不同的车型，也无法正确安装保险杠或喷漆。成本严重超支。通用汽车最终关闭了这家工厂。

自那时以来，自动化技术取得了长足的进步。然而，史密斯的设想在大多数工厂仍然远远落后于现实。据国际机器人联合会（IFR）——一个行业协会——的数据显示，截至2024年，全球约有470万台工业机器人投入使用，平均每1万名制造业工人仅拥有177台机器人。在2010年代，工业机器人的年安装量持续增长，并在疫情期间的自动化热潮中激增，但之后增长趋于平缓，预计2024年将达到54.2万台。

工厂自动化设备（包括传感器、执行器和控制器）的整个市场也面临着类似的困境，过去几年，由于制造业放缓，尤其是欧洲制造业放缓，该市场的需求一直疲软。尽管在疫情期间表现出色，但自2024年初以来，该行业大型供应商的股价一直落后于其他发达国家的公司。

然而，分析师们认为2026年将是一个转折点。国际机器人联合会（IFR）预计，今年机器人年安装量将增至61.9万台。咨询公司罗兰贝格预测，经通胀调整后，工业自动化设备整体销售额的增长率将从2025年的1-2%略微上升至2026年的3-4%，并在接下来的十年中保持6-7%的增速。

部分原因是过去18个月西方国家降息带来的利好因素。但更深层次的结构性因素也是其结果。西方决策者转向补贴和关税，以鼓励制造业回流本国；在乔·拜登执政期间，工厂建设蓬勃发展。随着人口老龄化，许多制造商难以找到足够的熟练工人来维持生产线运转，导致对机械设备的需求不断增长。

此外，工业软件的进步正在帮助克服许多此前阻碍生产自动化进程的挑战。硅谷正热议如何利用最新一波生成式人工智能技术，不仅驱动功能强大的聊天机器人，还能变革制造业。“机器人领域的聊天机器人时代已经到来，”英伟达首席执行官黄仁勋于1月5日宣布。英伟达是一家芯片制造商，也是人工智能热潮中的宠儿。假以时日，工厂不仅会更加机械化，而且会更加灵活、规模更小。

在西门子位于巴伐利亚州安贝格和埃尔兰根的工厂里，我们已经可以窥见未来的雏形。西门子本身就是一家自动化设备制造商。安贝格工厂生产1500种不同型号的机器控制器，如今的产量约为1989年投产时的20倍，但员工人数却基本保持不变。许多由美国泰瑞达公司（Teradyne）旗下的优傲机器人（Universal Robots）制造的机械臂，其功能远不止捡鸡蛋。在玻璃罩内，它们快速移动，进行焊接、切割、组装和检测等操作。工人们通过连接在机器上的电脑监控和控制生产。

位于埃尔兰根的这家电子元件工厂（如图）同样充满未来感。装有屏幕的自动推车在车间里穿梭，在各个工位之间运送货物，工人们与机器人并肩工作。另一些推车则整齐地排列着，准备充电。

过去几十年，工厂硬件取得了长足的进步。曾经只能沿三个轴（上下、左右、前后）运动的机械臂，如今通常可以沿六个轴运动。传感器和摄像头引导着它们的运动。一台机器人往往能够完成多个制造步骤。随着生产规模的扩大和中国供应商的加入，它们的价格也大幅下降。

驱动机器和工厂高效运转的软件领域正在发生更大的进步。麻省理工学院工业性能中心的本·阿姆斯特朗指出，机器人曾经被设计成只能执行单一任务，这使得制造商“停滞不前”，无法充分利用自动化带来的优势。如今，​​只需对代码进行一些调整，机器就可以被重新编程以执行其他工作。例如，台湾制造商富士康之前用于在早期iPhone上安装圆形“Home”键的机器人，后来被重新用于安装微芯片。这种灵活性进一步提高了机器人的投资回报率。

软件也在以其他方式改变着制造业。被称为“数字孪生”的计算机模拟技术使得产品设计和制造流程的测试更加快捷、成本更低；二维纸质蓝图已被精确的三维模型所取代。自动化设备供应商也纷纷涌入这一领域。去年，西门子以100亿美元收购了工业软件公司Altair，这是该公司有史以来规模最大的一笔收购。软件通常比硬件利润率更高，如今已占西门子工业自动化部门销售额的三分之一。

生成式人工智能有望将这种变革推向新的高度。直到最近，由于涉及众多变量，精确模拟机器人的行为往往是不可能的，这个问题被称为“模拟与现实之间的差距”。一旦光照或物体形状发生变化，模拟结果往往会失效。利用来自传感器和摄像头的大量数据训练的超大型人工智能模型或许能够解决这个问题。随着模拟变得更加精确和细致，或许可以对机器人进行编程，使其像人类一样处理物理任务，感知、理解并对情况做出反应。

利用“物理人工智能”革新制造业的前景令人振奋。本周在拉斯维加斯举行的消费电子展上，英伟达发布了一系列专为机器人设计的芯片和免费人工智能模型。10月，雄心勃勃的日本软银集团宣布将收购瑞士工业巨头ABB的机器人部门。从硅谷到上海，众多初创公司都在研发人形机器人，希望有朝一日能够取代工厂工人。埃隆·马斯克也抱有同样的愿景。

自动化行业的领军企业也在大力投资物理人工智能。西门子首席技术官彼得·科尔特认为，人工智能将成为工厂的“大脑”，就像机器成为工厂的“肌肉”一样（当然，还需要人工监督）。去年9月，西门子宣布与德国机械制造商达成协议，汇集其硬件的匿名数据，并构建用于工业用途的人工智能模型。1月6日，西门子表示将扩大与英伟达的合作，共同开发一款用于构建数字孪生的人工智能工具。去年，同样与英伟达合作的日本工业巨头日立推出了一款全新的人工智能软件平台，该平台能够采集和分析来自工厂内众多传感器和摄像头的数据，并据此调整生产操作。

现在有人谈到工厂不仅要实现自动化，还要实现自主生产。“想象一下这样的工厂：机器能在需求出现之前就预测到它们，物料无需人工干预即可无缝流动，生产线能够实时调整以应对需求变化或突发状况，”美国机械制造商罗克韦尔自动化公司的泰莎·迈尔斯在11月兴奋地说道。该公司正在新加坡的一家小型工厂试点这项理念。

这一切最终可能会催生出一种截然不同的工厂。由于每台机器人都能执行各种各样的任务，车间的设计或许不再需要围绕冗长的装配线展开。再加上硬件成本的下降，许多公司可能很快就会发现，将生产分散到多个小型工厂组成的网络中是可行的。

多年来，制造商为了追求规模经济，一直致力于建造规模越来越大的工厂，也就是所谓的“超级工厂”。但小型工厂也拥有诸多优势。它们可以建在更靠近城市中心的地方，更容易招到工人——至少在目前，这些工人仍然至关重要，而且很难找到。靠近客户也很有用，尤其是在关税持续存在的情况下。此外，更分散的生产布局可以降低单个工厂的失败引发危机的风险。未来的工厂将与史密斯设想的截然不同——甚至可能更具变革性。

本文出处：https://www.economist.com/interactive/business/2026/01/07/the-chatgpt-moment-has-arrived-for-manufacturing