2025年，一場由技術聚變催生的生產(chǎn)力革命正以前所未有的烈度重構中國經(jīng)濟版圖。AI撕裂數(shù)據(jù)與實體的邊界，量子計算探索物理規(guī)則的邊緣，綠色科技重塑增長的倫理、低空經(jīng)濟、機器人、大模型打開科技躍遷的大門一2025年的中國，新質生產(chǎn)力已非單純的技術選代，而是智能文明與產(chǎn)業(yè)基因的共振裂變。在這個大背景下，中國企業(yè)需要以智慧為坐標，穿透技術、組織與商業(yè)模式的“三重結界”，在數(shù)字與實體的糾纏中鍛造新物種。

2025年7月25日，由融中財經(jīng)、上海天使會主辦的“2025中國科創(chuàng)夏季投資峰會——AI未來創(chuàng)新企業(yè)峰會”在上海盛大舉行。

本次峰會將著力打造產(chǎn)業(yè)活動與資源的對接平臺，圍繞AI算法算力、大模型以及應用開展話題討論，將邀請國內(nèi)外頂尖創(chuàng)新與商業(yè)領袖，人工智能鏈主和龍頭創(chuàng)新企業(yè)以及上市公司、資本大咖齊聚一堂，共同展望2025產(chǎn)業(yè)發(fā)展、技術創(chuàng)新以及戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展的前景。

會上，由瓦特曼副總裁李碩作為圓桌主持，芯控智能創(chuàng)始人，CEO陳立，東聲智能創(chuàng)始人，CEO韓旭，研視科技董事長兼總經(jīng)理宋俊，云跡科技副總裁謝云鵬，帕西尼感知科技創(chuàng)始人兼CEO許晉誠，設序科技聯(lián)合創(chuàng)始人、首席產(chǎn)品官楊慶保作為嘉賓參與討論，圍繞“不止具身，AI賦能制造，構筑產(chǎn)業(yè)發(fā)展新優(yōu)勢”為題進行了精彩的討論與分享。

以下內(nèi)容由融中財經(jīng)整理。

具身智能落地工業(yè)，價值場景正加速打開

李碩（圓桌主持）：今年我們看到具身智能無論在項目上還是曝光度，以及投資熱點上，都是非?；馃岬?。隨著這些應用的豐富，比如在智能倉儲物流、智能裝配等一系列場景中，具身在工業(yè)制造中的應用空間和機遇主要體現(xiàn)在哪些方面，以及我們在過程中為客戶創(chuàng)造了什么樣的價值，以及未來的發(fā)展方向是如何的？

陳立：我們大部分的客戶在汽車廠，有汽車制造主機廠和零部件商以及設備集成商；像汽車主機廠，理想、小鵬、奇瑞、吉利等都是我們的客戶，而且長期使用我們軟件。這些大型客戶在芯控軟件的使用中也得到了相應的好處和便利性，比如快速方案搭建、AI Coding、自生成程序、數(shù)據(jù)管理這方面。

在汽車行業(yè)，工業(yè)機器人的硬件本體有一部分過剩，本體從2萬小時收米到8萬小時以上，比如說FANUC能做到10萬小時，代表的是三代的汽車產(chǎn)品能持續(xù)使用這個硬件。硬件過剩后，這個工業(yè)大腦變得越來越重要了，怎么能讓這個大腦控制工業(yè)機器人在類似的場景里重復去搭建新的生產(chǎn)用于新的車型？這就變成了比較好玩的課題。存量市場，比如像吉利杭州灣工廠有2萬多臺機器人，但18月要換車型出一次，留給生產(chǎn)的只有6個月；以前的設計時間非常漫長、生產(chǎn)時間非常漫長，怎么通過軟件數(shù)據(jù)的沉淀，軟件自生成新產(chǎn)品的機器人軌跡程序，讓它的調試時間從原先的兩個月變成一上午就能看到大致結果；汽車生產(chǎn)量從原先的300臺變成350臺，這是通過軟件賦能才能達到的。

韓旭：我們專注工業(yè)有十幾年，我們看到無論是消費電子還是汽車、鋰電，雖然大家現(xiàn)在生產(chǎn)制造的自動化水平已經(jīng)非常高了，但我們看到還有大量的工人在現(xiàn)場，為什么上下料還是對設備的操作，以及物料的搬運，我們看到這也是具身智能在工業(yè)應用時非常需要的缺口。就像3C領域有一個客戶目前放出來的需求就是一個工廠要幾千臺，因為這個動作非常簡單，我只需要針對這個工位物料靈活的上下料。剛才宋總問上下料六軸能不能搞定，其實那些都屬于把程序寫死了的，你的產(chǎn)品流過來，我固定的程序把它放到哪個夾制具上，其實有不同的工位，有不同的料，甚至是前道工藝處理完，你要把推盤搬過來，搬過來之后再一個個上。

包括汽車各個領域，這也是我們看到具身智能在垂直領域發(fā)現(xiàn)有很大的落地空間和市場的訴求。

宋俊：接著韓總的話，我們也是服務于工業(yè)的，但我覺得工業(yè)這個概念非常大，工業(yè)里面包含了147個門類，每一個門類所需要的技術和場景的特點，包括對技術的接受程度、適配性其實是不一樣的。

今天我在這里不敢妄談工業(yè)，我只講我熟悉的領域，我們公司一直是服務于冶金鋼鐵行業(yè)的。我們這邊是重工業(yè)，包括對具身、人形的應用有天然的局限性，主要是機器人的負載以及場地工況惡劣的程度，和大家傳統(tǒng)理念認知的不一樣。

我覺得對于一個行業(yè)里面使用新技術，不管是具身、人形還是AI，真正要回答的問題是給用戶提供的價值流怎么體現(xiàn)。從制造業(yè)角度來說，制造業(yè)無非是分為兩種，一種是流程制造，一種是離散制造。像我們我們所處的這個鋼鐵行業(yè)，它是一個典型的長流程的一個制造。流程制造當中最重要的其實是提流程穩(wěn)定性。

許晉誠：在汽車領域我提幾點，在那種對于人而言比較危險和高危的領域，比如組裝電池，它是相對具備高度價值的，可能在安裝中需要對應各種突發(fā)狀況，需要高泛化模型，或者本體的感知能力需要做提升。在組裝的過程中，它伴隨的危險能不能把人給去掉，直接用機器人做，這樣既能保證人的安全，也能把任務完成。這是我認為AI在汽車工業(yè)領域非常具有價值的?，F(xiàn)在像寧德等等的都有這樣的想法想把這方面給問題掉。

人對于高污染的環(huán)境一定是有損傷的，無論有再多的防護，在當下的環(huán)境里面肯定或多或少吸收到污染。對于機械行業(yè)而言，這個是我們加速幫助汽車領域或者工業(yè)領域里面進行提升，或者整體能力上的擴展，這是我們想把AI或者具身智能放在汽車工業(yè)領域的提升，并且伴隨著算法、算力跟模型數(shù)據(jù)越來越大的情況下，這個問題也會迎刃而解。

許晉誠：具身智能或者AI在工業(yè)里面的用途非常明確，我為大家說一下，有的人對于工業(yè)里面為什么要用具身智能或者人形機器人，會抱著很多疑問。

在工業(yè)里面，包含我們自己的股東，汽車廠里面大部分在總裝線上是需要人形機器人的，如果你去到比亞迪工廠，進到里面，一堆人在忙活，在里面布線，這些是需要人形機器人的地方。

具身智能在工業(yè)里面的應用非常明確，我們造出來的機器人就是在總裝線上幫助工人或者讓這個工人有更多的休息空間，進而幫助他們。在總裝線上，我們是以觸覺為主，物理接觸模態(tài)感知能力提升的人形機器人在柔性線束組裝或者插拔有非常極大的幫助，可以通過大量的觸覺感知能力，讓這個裝配成功率更高。這是具身智能在工業(yè)領域非常顯著，尤其是這些車廠為什么大量的投資在人形機器人或者具身智能的領域。

我們也提供這些大量的技術給他們，從而在總裝線上從現(xiàn)在只有10%的自動化率或者20%自動化提升到50%，甚至80%。

楊慶保：剛才許總提到汽車焊裝，這個我非常熟悉，因為我之前在主機廠干過。接著焊裝這塊，我們公司并不多做具身智能，很多是服務于具身智能，大家看到的焊裝線、總裝線，在物理世界布局之前已經(jīng)在虛擬空間里面設計過一遍了。

具身智能是一種新的人形機器人的可達，它在設計端要保證足夠的物理空間，以及控制它的節(jié)拍。理想跟現(xiàn)實或者設計跟物理永遠都是有差異的，你在物理空間還要做一些差異的校驗，在前期的設計空間要排除大的障礙或者大的不合理性，我們是聚焦在這一端。在你前期設計的時候，在只有初步方案規(guī)劃的時候，我們幫你生成三維空間的設計方案，這個設計方案包括了夾具、機器人的布局，包括了生產(chǎn)節(jié)拍的驗證。剛才提到吉利，我們跟他們總裝工程師聊，設計工程師有一個非常煩的活，設計完成之后，總裝工程師要在設計數(shù)模上針對幾百條checklist進行校驗，答案是比較標準的，但人就是要重復在里面找到對應的位置，進行對應的過程驗證。對我們來說，我們在前期設計空間里面完成對人的重復設計、出圖、仿真動作，快速完成設計交付。設計交付之后，接下來就回到物理空間，這就是具身智能發(fā)光發(fā)熱的點了。

AI落地工業(yè)，價值兌現(xiàn)與瓶頸顯現(xiàn)

李碩（圓桌主持）：AI場景除了具身，還有非常多的應用和技術。AI在整個工業(yè)應用中，各個企業(yè)家看到最具潛力或者最有商業(yè)價值的在什么環(huán)節(jié)？以及怎么量化經(jīng)濟效益給到客戶？AI永遠不能只在技術層面討論，為客戶帶來了什么是最重要的。以及在這個過程中，我們的規(guī)?；龅绞裁磫栴}，以及瓶頸是什么？

陳立：最早的時候，我們想通用大模型介入我們芯工廠軟件，因為我這個軟件是用來做快速方案設計，所有工作交給大模型做程序自身成，后序就不需要人工介入，直接生成PLC程序、機器人程序；但通用型大模型接入進來之后，不管是采用LLM、VLM，都發(fā)現(xiàn)了大量落地使用方面的問題，在廣告、快速消費品、影視娛樂領域犯了一些小錯誤是可以被接受的，但是在工業(yè)領域，程序代碼看上去差不多，真的導入到設備里面，能讓這個設備跑起來，那怕是80%，其實還是有一些千差萬別的。

我們現(xiàn)在的解決方案是把細節(jié)的數(shù)據(jù)再下沉，做一些標簽，類似于小腦配合大腦在做執(zhí)行控制，把程序終局歸攏到標準化、統(tǒng)一化，得到了蠻好的效果，比如包裝機械，很難想象傳統(tǒng)的包裝機械現(xiàn)在在做相關轉型升級，里面的彈簧、卡尺，稍微變化一點，都需要工藝工程師到現(xiàn)場進行細致的調整。我們針對這個方面的細致數(shù)據(jù)建模完成了之后，再導入到AI里面做強化學習，才能把現(xiàn)場調試的工時完全降下來，并能實現(xiàn)遠程調試。

類似于自動駕駛行業(yè)要經(jīng)歷的過程，我們工業(yè)自動化+AI也要經(jīng)歷這樣的過程。到底是采用華為的技術，從L2慢慢過渡到L4，還是采用特斯拉的技術全面覆蓋，這是一直在探索的解決方案，是我們應該考慮的事。

包括芯控從原先全領域的覆蓋，到現(xiàn)在垂直到激光、汽車制造、科研教儀、物流行業(yè)，甚至細致到工位，只能一步一步的采集數(shù)據(jù)來整合，才能得到下一步擁抱AI的機會，才能再有機會去覆蓋全行業(yè)。

韓旭：我們專注在AI視覺賽道，我們也不敢說AI在工業(yè)的哪個應用最具價值和最具商業(yè)化，我們只能說AI在視覺檢測領域起到的作用非常明確。我們有大量的鋰電包括汽車相關的檢測，像鋰電、汽車和食品這幾個領域，首先解決的是剛需問題。大家看到新聞這個月蜂巢能源剛著火，去年寧德時代也著了火，去年韓國LG也著了火，都是在生產(chǎn)過程中有些問題沒有及時發(fā)現(xiàn)，導致整個工廠燒掉了。大家知道新能源汽車停在路上，甚至充著電就著火了，一定是在生產(chǎn)和制造過程中留下了安全隱患。我們認為AI視覺在整個生產(chǎn)制造環(huán)節(jié)中，像質量安全、人身安全、食品安全等各種安全的問題，解決的是剛需痛點。

從另外一個角度講，我們做的視覺不是只做這一個產(chǎn)品出貨前的終檢，我們是從整個產(chǎn)品的來料到核心的工藝到終檢，是貫穿于它整個生產(chǎn)周期。能解決什么問題？提高良率，提高產(chǎn)能。因為有些缺陷可能在第一步就出現(xiàn)了，沒有必要等到最后一步才發(fā)現(xiàn)它，越早發(fā)現(xiàn)越早的可修復，在沒有增加產(chǎn)線的情況下，用了我們的視覺，它的良率和產(chǎn)能得到大大的改善。

還有最直接的，我們?nèi)ツ耆ピ侥?，也是三星的一個核心供應商，他們的工廠一層樓里面就有800人還在做目檢，人工通過顯微鏡在看手機某個零部件上的缺陷，一個工廠四五千人。也就是說，AI視覺能直接解決的是人力成本的問題，我們能幫很多企業(yè)省幾千甚至上萬人，節(jié)省的成本也是非常重要的。包括他們質量的可追溯、數(shù)據(jù)的可追溯、品控等各個問題，我們深扎視覺檢測十年時間，實打實地看到AI+視覺在工業(yè)質檢領域實實在在給行業(yè)帶來了很多價值和改變。

宋?。褐鞒秩颂崃朔浅：玫膯栴}，這個問題也一直貫穿了我們這么多年發(fā)展以來的內(nèi)部思考和研究的路線。AI的價值到底在哪里，要分幾個層面來解讀。

第一，AI能給客戶帶來什么？檢驗一個好產(chǎn)品的唯一標準就是有沒有客戶愿意為此買單。

第二，識別到AI的價值，除了認識到在企業(yè)端、客戶端的價值之外，我們還要看對公司的價值是什么。一個好的產(chǎn)品，客戶愿意為它買單付費，但這個產(chǎn)品未必在公司端是盈利掙錢的，對公司的價值也是我們需要去評估的。

我認為AI的價值在企業(yè)端和公司端。

我們也是做AI視覺檢測的，在創(chuàng)業(yè)初期也陷入到這樣的困惑或者迷思，總感覺很多產(chǎn)品的需求非常多，客戶每天有數(shù)不清的需求提過來，我們感覺這個行業(yè)里面遍地是機會。做到后面發(fā)現(xiàn)公司不掙錢，問題在于什么地方？需求多是不是好事？未必，可能意味著需求碎片化。我們真正要把產(chǎn)品核心標準化的東西提煉出來，做到標準化、可復制、可復用。

第二，我覺得AI包括具身，它就是一種技術和工具，工具是為我所用的。我們真正在工業(yè)里面做AI的產(chǎn)品化落地的時候，你會發(fā)現(xiàn)要具備的并不是簡簡單單用AI就可以了，比如我們公司，我相信韓總也會碰到同樣的問題，你的光學架構是什么樣子的，機械架構是什么樣的，往往大部分用戶要的是一體化“交鑰匙”的解決方案或者具象化的產(chǎn)品，而不是某一個解決方案當中的模塊，這是很多做工業(yè)的AI公司要解決的。

最后，我建議做工業(yè)AI的企業(yè)，應該更多把注意力放在價值主張，給用戶創(chuàng)造哪些價值，讓他買單，給我們自己創(chuàng)造什么價值，能夠實現(xiàn)持續(xù)的盈利。

許晉誠：在汽車領域我提幾點，在那種對于人而言比較危險和高危的領域，比如組裝電池，它是相對具備高度價值的，可能在安裝中需要對應各種突發(fā)狀況，需要高泛化模型，或者本體的感知能力需要做提升。在組裝的過程中，它伴隨的危險能不能把人給去掉，直接用機器人做，這樣既能保證人的安全，也能把任務完成。這是我認為AI在汽車工業(yè)領域非常具有價值的。現(xiàn)在像寧德等等的都有這樣的想法想把這方面給問題掉。

人對于高污染的環(huán)境一定是有損傷的，無論有再多的防護，在當下的環(huán)境里面肯定或多或少吸收到污染。對于機械行業(yè)而言，這個是我們加速幫助汽車領域或者工業(yè)領域里面進行提升，或者整體能力上的擴展，這是我們想把AI或者具身智能放在汽車工業(yè)領域的提升，并且伴隨著算法、算力跟模型數(shù)據(jù)越來越大的情況下，這個問題也會迎刃而解。

楊慶保：AI在工業(yè)的價值點，不管是對客戶、對自身還是對工業(yè)流程的價值點也好，有幾個方面。從前期的方案規(guī)劃到設計、仿真、制造、應用，甚至后期維護，生命周期很長。這中間都是AI可以切入的點。目前來說，我們比較切入的是研發(fā)端。

第二，該解決什么問題？客戶的需求呈現(xiàn)碎片化，有句話說客戶根本不知道他想要什么，但是知道這個東西不好，我們希望通過解決方案想讓它變得好。這些問題是需要類似于我們這種定位的公司來解決的，問題和需求一直都存在，我們一直在說AI，以前解決問題嘗試了很多方式，比如流程化、標準化、自動化，為什么現(xiàn)在說AI？因為傳統(tǒng)方法的天花板比較有限。我們希望AI干的事情是它可以從數(shù)據(jù)驅動，可以在新的場景里面給我們泛化性更好的方案。

第三，客戶不愿意付費，可能就無法證明它的價值，或者這是偽需求。我們在和客戶深入交流的過程中，我們更愿意闡述數(shù)據(jù)方面的價值，很多客戶都說自己有很多數(shù)據(jù)，他們也知道數(shù)據(jù)很重要，然后呢？客戶在很多場景中是不知道怎么用這個數(shù)據(jù)，我們給客戶提供AI解決方案的時候，它的數(shù)據(jù)資產(chǎn)是從硬盤的資產(chǎn)或者存儲的資產(chǎn)變成智力資產(chǎn)，最大的價值不僅僅是當前的降本增效，而是經(jīng)驗的持續(xù)積累。算法通過數(shù)據(jù)的迭代，后續(xù)可以持續(xù)賦能到研發(fā)環(huán)節(jié)和生產(chǎn)環(huán)節(jié)，并不會由于人員的轉換或者數(shù)據(jù)的丟失，導致這個經(jīng)驗不是我們公司的，我認為這是更大的價值。

現(xiàn)在AI給客戶從實用的角度來說是兩個方面，我們一直認為現(xiàn)在解決的是效率問題，加快研發(fā)流程。在某些環(huán)節(jié)，客戶更想要的是你能幫我解決創(chuàng)造性的問題。我們認為創(chuàng)造性的問題，偏美學或者偏主觀判斷。但在工業(yè)流程里面，客戶經(jīng)常說你能不能幫我設計一個比以前更好的方案，我可能說抱歉，現(xiàn)在我還做不到，但我可以加快，讓你現(xiàn)在這些方案設計有幾十倍的效率提升。

AI如何重塑工業(yè)環(huán)節(jié)，激發(fā)萬億級新動能

李碩（圓桌主持）：最后一個問題暢想一下，基于大家各自場景中，AI真正在哪些工業(yè)環(huán)節(jié)中帶來了革命性或者顛覆性的變革？讓這個產(chǎn)業(yè)或者環(huán)節(jié)真正發(fā)生了巨大的改變。

陳立：我講一下具身智能+AI。從我們的角度來講，具身智能是一個長期的有效課題，不是顯學，它能對應解決多方面的問題，包括人工成本、制造成本、人口老齡化等常見的問題，具身智能的確存在一個很好的好處，不需要學習成本，業(yè)主可以把機器認直接放到現(xiàn)場，這臺機器自己就能把這個活干起來了，所有的東西通過cloud學習，把知識輸入到本體里面，它就按照雇主的需求，第一天就把活干起來了，setup in one day,非常省成本，這是極具有活力的。

第二，目前經(jīng)濟下行，具身智能有更好的收款方式，因為它的邊界很清晰。做自動化設備，邊界不清晰，今天定了一個需求和技術協(xié)議方案，客戶第二天可以改，設備到了現(xiàn)場，客戶還是會改方案；具身智能機器人就是一個產(chǎn)品，它能嫁接AI，它的邊界很清楚，就一個本體產(chǎn)品，能很好地收到錢。

韓旭：我覺得AI+視覺特別符合這個問題。因為視覺是蠻傳統(tǒng)的行業(yè)，大家如果知道制造業(yè)的話，康奈士（音）是40多年的企業(yè)，視覺在工業(yè)里面蠻傳統(tǒng)的。但是人工智能來到視覺之前，之前的視覺技術更多是基于匹配，基于規(guī)則的對齊，這就是很大的悖論。如果缺陷的產(chǎn)生是有規(guī)律的，那這個規(guī)律就可以不產(chǎn)生，以現(xiàn)在中國制造的匠心能力來講，它既然有規(guī)律，我就可以在工藝端把它干死。也就是說，缺陷的產(chǎn)生一定是無規(guī)律的，那基于匹配是解決不了的。

我們看到一個真切的事，AI來到工業(yè)視覺之后，把缺陷檢測這件事徹底盤活了。我們10年前在推這個概念，當年我們?nèi)グ菰L客戶的時候，給個人說我們用人工智能+做視覺、做圖像分析、做缺陷檢測，大部分客戶認為我們是騙子。但是如果再在制造業(yè)說做缺陷檢測，現(xiàn)在客戶統(tǒng)一口徑是如果你沒有人工智能，他認為你不行，認為你是騙子。我們看到這是非常大的改變，確實是通過AI技術的普及，給整個行業(yè)帶來很大的變革。

再一個感觸，今天楊總講了很多數(shù)據(jù)的事，大家去暢想，一直講的是智慧決策，其實智慧決策就需要數(shù)據(jù)的沉淀。以前產(chǎn)線出了問題，包括良率有問題、工藝有問題，要找一個經(jīng)驗非常豐富的老師傅過來，其實這個老師傅本身就是數(shù)據(jù)的集合體，AI能干的最大一個事就是把經(jīng)驗的東西標準化，有了視覺，有了各種傳感器，有了具身智能，當數(shù)據(jù)維度越來越豐富，數(shù)據(jù)量越來越大的時候，我們認為智慧決策的可能性也越來越大，也要解決數(shù)據(jù)封閉、數(shù)據(jù)孤島和客戶信任的問題。

宋?。呵懊鎯晌患钨e在發(fā)言的時候，我一直在思考這個問題，主持人的提問是AI給行業(yè)帶來了哪些變革。

對于我們所服務的鋼鐵行業(yè)，大家知道鋼鐵行業(yè)是“夕陽產(chǎn)業(yè)”，我第一份工作在寶鋼，我是一個標準的鋼鐵工人。我第一次進入寶鋼的時候就聽到這個詞，為什么呢？從背后思考一下這個問題，并不是說鋼鐵這種材料沒有前途。到目前為止，它依然是人類使用最多的可再生金屬材料，往后幾十年之內(nèi)，沒有看到什么材料有這個前景能把它替換掉。為什么說它是夕陽產(chǎn)業(yè)？我們國家第一家鋼廠就是湖北張之洞的漢陽制鐵所，1890年成立的。它是典型的工藝非常固化的產(chǎn)業(yè)，我們把先進的技術導入進去以后，我們指望這個產(chǎn)業(yè)能產(chǎn)生什么變革呢？好像看不到。但從實際感受來說，我感覺到這些技術進去之后，對于行業(yè)的變革是潤物細無聲。

講一下我們行業(yè)里面的數(shù)據(jù)，瓦特曼是做機器人的，數(shù)據(jù)可能比我這邊掌握的更詳實。2010年的時候，中國鋼鐵工業(yè)機器人每萬人大概是22臺，2022年是37臺，2025年是56臺，2024年是75多臺左右，今年的目標大概是123臺左右。

前面韓總分享了關于視覺技術，若干年前講到用人工智能做圖像對比分析，對行業(yè)來說是天方夜譚，今天如果你不這么做，可能被行業(yè)淘汰了，在我們行業(yè)也是如此，因為我們也是做鋼鐵行業(yè)工業(yè)視覺檢測，我第一次接觸到視覺檢測就是百事泰，2000年的時候第一次在寶鋼引入了視覺檢測系統(tǒng)，當時有卷積神經(jīng)網(wǎng)絡用的，現(xiàn)在后面的算法全部更替升級了。目前行業(yè)里面尤其是熱軋、冷軋產(chǎn)業(yè)，如果哪條產(chǎn)線不上表面缺陷檢測儀，可能產(chǎn)線的工廠設計都不會過關。

這個技術進程的速度越來越快，我們國內(nèi)排名前面的企業(yè)都提出“無AI不鋼鐵”。再結合剛才楊總講的案例來說，我們公司現(xiàn)在也在做一件事情，前不久跟國內(nèi)頭部鋼企簽的項目，在傳統(tǒng)視覺檢測的基礎上，進一步做升級。以往我們用圖像技術、視覺技術，發(fā)現(xiàn)一個產(chǎn)品缺陷之后，對它進行產(chǎn)線叫停，然后進行修正，但是沒有辦法對這個缺陷產(chǎn)生的工藝機理進行分析和判斷，因為造成缺陷的工藝機理，前面X變量太大了，你經(jīng)驗再充分，但是做這樣的工藝推導是很難的事情。

許晉誠：在整個AI或具身智能會引起最大的變革，毋庸置疑，剛剛也有說到類似于卷積神經(jīng)網(wǎng)絡之后，我們驗證了一件事情，Transformer架構在超大型數(shù)據(jù)之下，基本上可以把模型迭代到可泛化的能力。這個改革或變革基本上驗證了，在這個理論基礎之上，我能不能吞吐其他更大量的數(shù)據(jù)，而讓這個模型可以有更多的技能或者能力的提升。

對于現(xiàn)在把模型從文本數(shù)據(jù)提升到更多視覺觸覺、軌跡等，所有的數(shù)據(jù)加上去，可以借由我們的架構讓整個能力變得更加凸顯，并且泛化性更高。

它最大的問題點其實是數(shù)據(jù)量的不足，在缺乏數(shù)據(jù)的時代，文本數(shù)據(jù)基本上已經(jīng)是十萬級、百萬級、億級以上的數(shù)據(jù)量了，但文本數(shù)據(jù)是一維數(shù)據(jù)，我們需要在人形機器人或者物理世界里面，我們需要的數(shù)據(jù)遠遠不止一維數(shù)據(jù)，我們需要三維、四維、五維，在此基礎上，如何加大力度把數(shù)據(jù)量跟維度進一步提升，并且把傳感器能力進一步提升，這非常重要。剛剛說到1萬人里面只有100人有機器人……

宋?。哼@個目標還沒實現(xiàn)。

許晉誠：包含埃隆馬斯克說每個人都要有一臺機器人，現(xiàn)在只是100個人只有1臺機器人，而且在工業(yè)領域，我認為還需要大幅提升。

楊慶保：現(xiàn)在AI給產(chǎn)業(yè)鏈帶來的變革，以及暢想一下未來帶來的變革。

我們現(xiàn)在在某個領域帶來的變革是什么？因為我們聚焦于設計（研發(fā)），比如在研發(fā)設計端，以前的狀態(tài)是工程師同時完成多個設計任務，或者既要做上游的3D設計，也要做下游的2D出圖?，F(xiàn)在某些客戶實施的場景里面，我們把設計過程拆的更加細，下面的事情通過我們的產(chǎn)品完成之后，他直接去做判斷題，把一個人的復合工作流程拆成流水線的作業(yè)過程，這是目前已經(jīng)實現(xiàn)的改變。

第二，在這個過程中，本質是讓人的動作從“應用題”變成了“判斷題”。目前很多高級人才在花60%的精力干初級人才的活，但是這些活都可以用AI快速替代。

設想一下未來的場景是什么樣的，我們希望人未來做“選擇題”，我們現(xiàn)在大部分解決的是工業(yè)場景中效率問題，小部分是創(chuàng)造性問題。但我們真正的目標是未來幫你解決大部分的創(chuàng)造性問題。我們想到一個場景，訂單、到設計、交付，不管在什么場景，我可能有一個快速的需求或者工藝輸入，像Agent一樣，它調用很多工具，我們到時候可能有一套算法，它快速完成方案設計、方案驗證，你選擇完成以后，直接到下游的加工過程，直接對接到無人工廠，完成整個設備的生產(chǎn)、加工、制造、發(fā)貨。真正實現(xiàn)地多品種、小批量、快速交付。現(xiàn)在還依賴于不同公司在局部標準化的實施，并沒有實現(xiàn)真正面向個人，比如To C真正變成個人的To B。

這是對未來的設想，到底什么時候能實現(xiàn)，現(xiàn)在都不敢說。

李碩（圓桌主持）：其實關于這個問題，我有一點想分享的。我們在重工業(yè)場景中，尤其是在生產(chǎn)環(huán)節(jié)，比如鋼鐵的鋼包熱修作業(yè)中，正是由于各個細分技術上的變革和發(fā)展，最終推動了該場景的無人化進程：其中感知部分的發(fā)展包括硬件和算法兩個方面，硬件方面像傳感器的升級、激光雷達的技術升級及產(chǎn)品價格降低，以及3D相機、2D視覺、毫米波雷達等傳感器的發(fā)展；算法上則有多模態(tài)多傳感融合等，從借鑒自動駕駛技術在工業(yè)場景中的感知層應用；除了感知外，還包括軌跡規(guī)劃，以及到執(zhí)行端的力控傳感器及力控算法，同時還包括了今天提到的具身智能中的仿真技術。我們認為這些技術進步使得機器人在重工業(yè)場景中實現(xiàn)去人化、無人化成為可能。

我們當初為什么做鋼鐵行業(yè)？我們并不是鋼鐵人出身，但當時因為去到了鋼鐵和有色廠里面，看到了年營收千億的集團中，很多高溫、高粉塵、高污染的環(huán)境依然由人工操作。我們工程師回到酒店后，身上臉上都是灰黑色的，但這些工人卻常年在做這樣環(huán)境中工作，我們認為這樣的場景應該由AI和機器人去完成工作。正是由于每個模塊化的AI和傳感器的進步，在感知層面，無論面對多么惡劣的工況，系統(tǒng)都能識別到目標；同時因為有力控，可以在各類復雜狀況下確保加工/打磨質量的一致性。相信未來AI在工業(yè)的發(fā)展，無論是視覺、機器人還是研發(fā)設計，以及各個零部件領域，都有非常大的空間。雖然說今天以鋼鐵為代表的重工業(yè)存在產(chǎn)能過剩問題，但它的體量實在太大了。在這么大的體量中，其中一個細分場景對于AI行業(yè)來說都會是巨大的商業(yè)機會。