對于當前的工業機器人來說，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，中國的工業機器人企業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。

中國工業具身智能企業微億智造聯合創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行層的柔性與效率平衡。

潘正頤指出，目前制造業的執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化操作流程。

“AI不在多，有用則靈。”潘正頤說道。

一位海外工業機器人企業的技術負責人告訴第一財經記者，海外企業通常傾向于出一些“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對接。”但這也意味著，企業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、通訊協議不統一，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機器人的潛在優勢。“中國制造業的多樣性給了工業機器人企業天然的發展優勢。”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，幾乎每個行業都有不同的裝配邏輯和操作節拍，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。“相比于海外的工業機器人，更靠近場景是中國工業機器人更大的優勢。”