五大头部“甲方”谈：我们需要怎样的具身智能？ - 科技行者

作者 | 金旺

栏目 | 机器人新纪元

如果说2025年是具身智能量产之年，那么，2026年将会是具身智能场景化落地之年。

这一年，也将考验那些明星具身智能团队，在经历了技术突飞猛进的这几年后，能否在商业化上向投资人、向整个产业交出一份满意的答卷。

那么，真正的具身智能产业应用方，有哪些痛点希望可以通过具身机器人来解决？

在近日的i?Robot机器人产业加速营开营仪式上，我们看到主办方智友·雅瑞科创平台将中石油、京东、长城、联想、施耐德电气几家对具身机器人有强需求，又高度关注这一产业的“甲方”邀请到了现场。

这些“甲方”在现场，道出了他们在实际产业场景中遇到的（希望可以通过具身机器人解决的）问题。

在国家发布“人工智能+”行动计划后，能源行业是最先响应的行业之一，中石油也发布了自己的人工智能+实施方案，并将具身智能作为实施方案中的重要部分。

昆仑数智作为中石油直属的数智化专业公司，是集团公司主要的技术支持团队之一。中石油昆仑数智能硬件研发部副部长陈冰指出，中石油所在的行业是一个典型的复杂工业场景：

“从找油找气开始，勘探是第一步，这个阶段会有地面检波器放置、水下检波器放置、天上的无人机勘察；

找到油气之后，接下来需要钻井、建设油气田，这时候会建设大量油气田场站，包括联合站处理厂等等；

等到将油气开采出来后，我们用集输管线将它们连接起来，并通过长输管道进行远距离输送；

沿着长输管道建设有大量油气场站，比如增压站、分输站。

天然气会跨过门站，进入到各个城市，也就是城市燃气管线；原油进到炼油厂，产品就是大家熟悉的汽油、柴油、润滑油等等。

最后到了销售环节，有储油储气库、加油站、便利店。

所以我们的场景比较多，痛点也比较多。”

这其中，陈冰特别谈到两个痛点：

第一，对复合移动机器人防爆轻量化机械臂的需求，目前石油产业用到的防爆作业类机器人普遍高大、笨重、实用性不强；

第二，对高安全性VLA模型的需求，现在的VLA模型不适用于工业复杂环境和高危场景，这些场景不允许有失误，失误就意味着事故，所以需要高安全性的VLA模型。

作为一家以供应链为基础的技术型服务企业，京东2025年在具身智能领域的投入尤其高调。

据京东智能机器人业务部负责人介绍，京东对于具身智能的应用很坚定，目前在物流、仓储、零售等诸多场景已经开始测试应用：

在零售场景，在全国20多个京东MALL中，京东已经在与一些具身智能合作伙伴就一些实际场景进行探索，例如导览导购、物品拣选、物品归纳的场景化部署，与此同时，京东也在做数据采集和模型训练，所以他们在公开场合也做了冲咖啡场景、拣选场景、叠衣服整理场景；

在配送场景，京东已经官宣要做无人化的配送站，这其中很多场景京东已经开始探索，其中部分场景京东也需要与合作伙伴共建。

此外，京东也在无人药房、无人零售等场景，也在进行具身智能场景化落地。

京东智能机器人业务部负责人还特别提出，在具身智能场景化落地过程中，商业化落地的账要算得过来。

不过他也指出，初期真机部署账一定是算不过来的，要比人工作业高很多，但其中的关键在于长远预期与当下ROI的关系是否能够有一个清晰的判断。

施耐德电气是能源管理和自动化领域一家全球化企业，得益于人工智能对于电力需求的激增，施耐德电气的业务得到了迅猛发展，包括在国内数十座工厂，已经处于24小时满工状态，作为离散制造业的代表，施耐德电气对于具身智能同样有着自己的需求。

施耐德电气全球供应链资深精益专家王海同样提到，“制造业对于ROI有着极致的追求，与此同时，制造业也对确定性、效率有着极高的要求。”

正因如此，很多新技术通常会先在消费市场得到应用，之后才会逐步导入工业场景。

王海指出，在工厂中没有什么是全自动化解决不了的，但出于对ROI的考虑，一些特殊项目就需要交给具身智能来做。

王海具体提到了四个“全自动化”——全自动化物流、全自动化仓储、全自动化生产、全自动化配送，这四个全自动化构成了全自动化产线，不过，现在工厂中依然存在如下场景：

第一，人机协作场景，在全自动化ROI不划算的场景中，依然需要人机协作，这类场景就会是具身智能的用武之地；

第二，纯手工场景，即便是现在，制造业中依然存在纯手工场景，尤其是在项目制的场景中。

例如数据中心做低压配线这一场景，往往一个配线工人需要5-6年时间培养，即便如此流失率依然很高，具身智能就可以在此类场景发挥作用。

汽车制造被视为具身机器人核心落地场景之一，毕竟，掀起这波具身智能热潮主要源头的马斯克，正是想要将具身机器人用到特斯拉的汽车制造工厂中。

实际上，汽车产业与具身机器人有诸多相似之处，长城资本总经理唐杰称，“今天的机器人和汽车有70%的技术、零部件是同源同构的，而今天的机器人行业与2019年的智能汽车行业十分相似，智能汽车发展的经验和教训可以为机器人行业提供参考。”

长城资本是从2024年开始密集与具身智能团队接触，并将这些团队带到车企的制造部门一起探讨合作，在这个过程中，唐杰发现：

作为已经走过了一百多年的汽车行业，自动化的应用已经非常成熟，很多已经是黑灯工厂、无人化工厂，导致具身智能进入汽车工厂后，往往只能做一些“缝补”的工作，也就是在汽车产业已经达到100分的基础上，为它加1分。从具体落地来看，简单一点如搬箱子、难度高的如线束拔插，因为都是柔性的、非标的应用场景，为具身智能的直接应用留下了少量空间。

不过，唐杰的思考是：

能否不仅做缝补式增量，而是用具身智能这个关键变量去重构存量的“100”。

例如，通过AI机械手替代传统的工装夹具，做到极致化的柔性制造，从成熟的“拉式生产”变成“围绕智能装备的自组织生产”。

在未来的超级工厂中，生产不再依赖中央调度，而是分布式自治系统，工厂内部出现“柔性微工厂”，小批量零件可以在主机厂内部柔性生产，供应链从“多级外协”变成“本地化整合”。

在某些制造流程，工厂可以从“线性”变成“网络化”，工位之间不再需要严格的节拍同步，而是由事件驱动。

具身智能时代的生产制造将更多的设计权限开放给用户，从“规模化制造”变成“按需个性化制造”，制造能力像云计算一样被调用，区域集中的超级工厂可以同时生产多个车型甚至多个品牌。

长远来看，随着智能汽车的结构、接口、模块化程度被重新定义，配合基于AI的检测能力，用户甚至可以像攒电脑一样组装汽车，从而实现工厂和产品都能基于AI学习持续演化。

同样正积极在工厂中引入具身智能的，还有联想集团。

联想集团联想创新加速器业务拓展负责人杨知蒙指出，“工厂追求的是高度自动化，最好是无人工厂、柔性工厂，但目前往往难以兼得。”

要想做到柔性生产，往往有两种方案：

第一，加入人工，人可以很好地完成柔性工作；

第二，将复杂产品拆成模块，每个模块是固定的SKU，所以工厂也可以实现不同SKU生产，最后进行拼装。

不过，杨知蒙也提到，目前很多场景依然无法很好地通过机器人来解决问题，以在PC生产线上拧螺丝为例，一条生产线上不同SKU的尺寸有微小差异，这就需要机器人识别出不同的SKU并高效地拧螺丝，目前看下来实现的成本可能比较高。

杨知蒙提到的另一个PC工厂中的应用场景是包装场景，目前PC工厂中的产品包装是将电脑放入布艺纸袋中。

这个看似简单的工作流，工人只需要几分钟的学习就可以在十几秒内完成工作，但因为纸袋很软，笔记本从生产线上取下来的位置不固定，现在还很难通过具身机器人来完成此类工作。

从几位“甲方”的需求中不难看出，化工、物流、汽车、制造等场景，对于具身机器人有着大量的需求，但具身机器人要在2026年进入这些场景落地，依然需要练好内功。

2026年，也将会成为具身机器人一个去伪存真的一年。