工厂最缺人的岗位，终于等来了愿意干的员工。

又是一年一度人山人海的 WAIC，今年 AI 有多热，哥们已经从会场体感温度上理解了。

而作为资深观展人员，差评君早已悟出一个道理：

判断一个展台有没有东西，最简单的办法，就是看人群的后脑勺。

这不，我们刚逛到 H3 馆，就发现前面的人突然集体长高了半截。大伙儿又是踮脚又是举手机的，不知道的还以为里面发显卡。

差评君抬头看了眼展台名字，TARS 它石智航，听起来就挺科幻。

顺着人流拱进去，台上还真在演科幻片。魔术师邓男子正跟它石机器人小 A 搭档变魔术，俩人还在那说相声似的，聊得有来有回。

什么小黑板上写数字，跟观众玩心灵感应；拿刀刺进整副扑克牌，精准命中观众选中的那张。。。

最让差评君看傻的还是魔方。观众双手打乱一个，小 A 单手转动另一个，五根手指来回倒腾，5 秒后，两个魔方六面完全一致。

这么点时间，人类双手搓都费劲，它单手就给办了。现在的机器人，已经卷成这样了吗？

魔术表演完，差评君以为小 A 这就要下班回家了。没想到，它忙碌的一天，才刚刚开始。。。

在它石的展台中央，直接原样搬进来了一个线束工厂流水线，一群机器人围在那干得热火朝天。

差评君站在那观察了一会儿，它们要先捏起一根细细的线束，经过工装板上的路由，再把线束精准插进对应的连接器点位，如此循环往复。流水线上的线束板做完还会往下一个工位转动，按工序完成。

盯了半天，感觉机器人挺忙的，差评君也没好意思打扰它，就问了问展台的负责人，才知道它们干的这活儿，叫汽车线束装配。

啥是汽车线束呢？大伙儿可以把它理解成车辆散布全身的血管神经，负责把电力和信号传到发动机、车灯、空调、车门、传感器、摄像头等等各种部件上，重要程度不言而喻。

汽车线束装配，干的就是把电线、插头、保护套等等一堆零件，按设计图纸组合成一整套能用的成品。

这就跟拼豆似的，听起来麻烦，实则一点也不容易。想想要是有一堆电线摆在你面前，粗细长度功能各不相同，最终得靠双手一条条挑出来，位置准确、力度合适地定在板子上。。。

反正让我干，最多撑半天。

实际上，负责人也表示，“ 汽车线束这行工序细，熟练工培养慢，年轻人又不愿意进厂，行业确实一直招人难，留人也难。现在，线束工人缺口至少有两百万。”

在极度缺人的情况下，不少汽车生产厂商，是真心想把机器人接回家。

差评君本来以为机器人就是来表演的，没想到一问，它们居然已经成了天海电子等等行业龙头的天选之子，在流水线上 24h 开工，一点不用担心下台没饭吃。

不过，别看现场机器人干的挺利索，对于它们来说，这活儿还是相当有技术难度的。

线束又软又会变形，抓起来一个样，放下去是另一个样；还得把接头力度到位，准确地塞进指定位置，精度甚至要做到亚毫米级。

流水线上就更有挑战性了，速度要快，还得保质保量。万一前面的人工作出了岔子，下游工友们也跟着遭殃。

那这些机器人，是怎么说服工厂老板，放心让它们上岗的呢？

差评君在它石展台绕了一圈，发现答案也挺简单：一个脑子得好使，一个手上得有活儿。

机器人外表再炫酷，都得有个好用的脑子控制。

我们在现场发现了叫 AWE 3.5 的世界模型，正是它石机器人的大脑核心。

作为少数能够打通真实数据、世界模型、本体硬件与工业场景闭环的具身基座模型，AWE 拥有百万小时级优质人类数据、领先的泛化能力与落地应用实力。

观众可以在展台看到由 AWE 大模型驱动的各类任务：手机装盒收纳、书包打包、细小螺丝分类。。。AWE 要做的，就是帮助机器人理解眼前发生了什么，推理结果，再重新规划动作，完成任务。

AWE 正在把世界模型能力转化为可落地的执行能力。泛化不再是一个抽象的技术概念，而是机器人 “ 没见过的场景也能干、换一个东西也能做 ” 的真实表现。

其实，现在不少机器人看起来不大聪明的原因，在于它们只会背答案，只会做固定的一套题，动作一样，路线也一样。

但现实世界不可能按套路出题。魔术师递来道具，不会每次都停在同一个坐标；到了工厂打工，各种零件的位置肯定也会随时变化。

这时候，就需要 AWE 3.5 这种模型，帮机器人真正开始思考，先在脑子里先预演一遍该怎么动，想明白了再伸手，自然就不容易翻车。

不过问题又来了。这些机器人连学都没上过，是怎么变聪明的呢？

这就不得不提差评君看到的 SenseHub 数采设备了。这玩意儿，可以说是大大加快了机器人见世面的广度和速度。

各位差友可能不太了解，以前机器人的数据采集是相当困难的，基本用的都是遥操的方式，采集速度慢、成本高，成功率还低。

但它石 human-centric 的数采方式，只要戴上动捕手套和第一视角相机，像平时一样生活工作，各种动作视角都能变成第一视角教学视频。

这相当于人类上一天班，机器人旁听一天课，自然学得快了。

最后，差评君还去摸了摸它石 DexHand 的小手。

据说这只手有 21 个自由度，这意味着人能做的，它基本也能做。

再配合力感知和高精度控制，DexHand 不仅能把手指摆到位，还能知道自己用了多大劲，结合腕部的力和力矩信号判断物体状态，再调整动作。

说白了，它不像以前的灵巧手光是长得像手，也开始有了点手感。

总的来说，这一圈逛下来，差评君最大的感受是，当监工，看机器人干活儿，爽。

其实在工业生产里，不只有汽车线束装配，还有不少更危险、更辛苦的任务。

如果以后这些活儿能更多交给机器人，人类就不用守着重复、高强度又危险的工序硬扛，而是去做生产管理、流程组织、技术创新，这些更需要经验判断与创造力的工作。

而等未来更多机器人进厂，生产速度快了，出错率低了，制造成本也有机会跟着下降。落到咱们普通人身上，可能就是产品价格更便宜，质量更稳定。

从台上变魔术，到台下进工厂，机器人距离真正成为生产力到底还有多远？

至少从它石展台走出来，我觉得，这个距离已经比想象中近得多。