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。