對于當前的工業(yè)機器人來說，AI是不是越多越好？

在11月6日舉行的第八屆虹橋論壇智能制造分論壇中，第一財經記者了解到，相比于海外機器人企業(yè)，中國的工業(yè)機器人企業(yè)正在依托國內多樣的供應鏈場景，探索更貼近工廠實際需求的路徑。

中國工業(yè)具身智能企業(yè)微億智造聯合創(chuàng)始人兼首席運營官潘正頤表示，未來智能制造的升級，既需要在供給端強化底層數據的利用，也需要在需求端重新思考執(zhí)行層的柔性與效率平衡。

潘正頤指出，目前制造業(yè)的執(zhí)行端主要依靠兩種方式，自動化設備或人工操作。“自動化設備雖然效率高，但在面對產品頻繁更換或小批量定制時，固定的產線往往缺乏足夠的靈活性。”潘正頤說，人工操作雖然能靈活應對變化，但在生產效率和質量控制上又難以保證一致性。如何在兩者之間找到平衡，正是AI工業(yè)機器人需要面對的課題。

一位汽車零部件工廠的工程師告訴第一財經記者，目前工廠中的工業(yè)機器人在完成質檢、裝配、上下料、打磨等工序時，仍需要人工參與調試。比如，同一臺機器人在生產不同產品時，從A產品切換到B產品，往往要由工程師重新生成軌跡和動作點位，過程煩瑣且耗時。

“針對這個需求，加入視覺算法等AI部署，就是很好的解決方案。”潘正頤告訴第一財經記者，AI的引入并非“越多越好”，關鍵在于與實際場景的融合。他表示，通過結合視覺算法、控制數據和軌跡生成算法，工業(yè)機器人能夠識別工件與動作邏輯，還能在不斷學習中自主優(yōu)化操作流程。

“AI不在多，有用則靈。”潘正頤說道。

一位海外工業(yè)機器人企業(yè)的技術負責人告訴第一財經記者，海外企業(yè)通常傾向于出一些“標品”方案。比如在某一些機器人解決方案中針對AI和大數據預留通訊接口。“我們可以通過這個方法來幫助工廠提升部署效率，但同時也需要工廠上下游的數據和我們自身的系統(tǒng)對接。”但這也意味著，企業(yè)對場景的適配度有限。該負責人表示，如果客戶工廠的產品線較多，或是設備的數據格式、通訊協(xié)議不統(tǒng)一，AI算法很難快速遷移或復用。

潘正頤認為，這是現階段國內工業(yè)機器人的潛在優(yōu)勢。“中國制造業(yè)的多樣性給了工業(yè)機器人企業(yè)天然的發(fā)展優(yōu)勢。”他告訴第一財經記者，從3C電子到汽車零部件，再到新能源電池，幾乎每個行業(yè)都有不同的裝配邏輯和操作節(jié)拍，這給算法模型的泛化能力提供了豐富的數據訓練和場景支撐。“相比于海外的工業(yè)機器人，更靠近場景是中國工業(yè)機器人更大的優(yōu)勢。”