单从一个搬运场景便可以看出，具身智能的场景落地要花“大力气”。回溯来看，具身智能进厂“实训”的风已经刮了快两年，其在工厂中究竟能胜任何种工作，又能达到何种水平，背后的“经济账”能否算的过来？

7月9日，智元机器人联合富临精工、安努智能举行了全球首次通用具身机器人工业现场常态化直播，上述问题的答案在这里变得更加清晰。上证报记者走进了富临精工位于四川绵阳的工厂，实探智元A2-W在工厂“上岗”情况，与产线上的工程师、企业高管对话，探寻具身智能从实验室走向工厂的突破与瓶颈。

“智元A2-W在富临工厂实现了常态化的作业、规模化的使用，其意义在于它满足了场景需求，真正创造了产业价值。”富临精工副董事长李鹏程如是评价道。

搬运场景节拍约为40秒

走进富临精工的工厂，便能看到“同事”智元A2-W的忙碌身影。A2-W为轮式设计，方形的底盘上搭载了人形机器人的“上半身”，与电影中“半人马”的形象有些神似。

面对置于地上的料箱，A2-W的上半身迅速下移，随后伸出狭长的双臂，并带动手臂多个关节翻转，将料箱稳稳搬起。随后A2-W原地转身并向目的地走去，再次下移中心，将料箱放在托盘上。

在直播中，A2-W成功完成了两班制、单班搬运800余个周转箱的任务，作业直播3小时零失误，充分展现了其在长时间、高强度、动态干扰环境下的稳定作业能力。

这一幕，并非精心排练的表演，而是已在富临精工的工厂中循环了数十天。

“A2-W超出我的期望。它自己有纠错能力和抗干扰的能力，面对异常情况它也可以不中断，能够连续作业，这本身是提升效率的一种表现。而且它具备的感知避障能力，对于不小心闯入的员工、参观者来说，安全性也有保障。”谈及A2-W“上岗”后的表现，富临精工工程中心主任邓扬如是评价道。

邓扬介绍，此前富临精工的转运主要是靠人力，但搬箱子最大的问题是劳动强度太大，轻则5公斤，重则30公斤。而且搬的频次也高，每天有上千个箱子，对人力极其不友好。“工作太枯燥了，现在的年轻人也不愿意做。”

不过，与工人相比，机器人的工作效率还有待提升。邓扬坦言，目前A2-W在搬运场景的节拍（指连续完成两次相同任务之间的间隔时间）约为40秒，人的节拍在30秒—35秒。

具身智能落地的“不可能三角”

每每提及人形机器人在工业场景的落地，绕不开的一个问题便是，已有十分成熟的工业机器人，人形机器人的“用武之地”何在？有从事工业具身智能行业的人士认为，高端制造业追求的是极致的稳定性和一致性，人形机器人的特点是灵活、通用，从供需来讲并不匹配。

智元机器人通用业务部总裁王闯对此表示，具身智能有一个“不可能三角”：泛化性、节拍与成功率。这三个指标对于人来说，也是一个“不可能三角”——不可能要一个人什么东西都会、又做得快、做得好。具身智能的终极目标是将这三个指标提高到很高的水平，但这是一件长周期的事情。

但行业的探索并不能因此却步，不可能等到所有事物都成熟后再推进，而是要“沿途下蛋”。因此，智元的第一步是约束泛化性，聚焦转运场景，而这个场景如果能做好，就能够为客户带来足够价值，市场容量已经足够大。

在约束条件下，智元选择大力优化节拍和成功率。王闯透露，今年4月，A2-W在实验室测转运成功率，就已经达到99.9%，而去年的时候这一数字只有60%左右。

为何选择转运场景，王闯介绍，团队之前也尝试了不少场景，包括分拣、喷粉等，但最后发现，上下料箱是目前相对合适的落地场景。一方面，传统复合机器人在这方面做得还不够好，工厂中仍有不少工人在搬运料箱。如果采用传统复合机器人的话，需要大量时间来改造机器人。

“我们有的客户跟我们说，他每年光是报废的机器人就有很多，因为那些机器人太‘专用’了。所以我们瞄准的是柔性制造，比如今天可以搬这个箱子，明天稍微做一些训练，就可以搬另一个箱子。”王闯解释道。

另一方面，面对一些突发异常情况，普通移动机器人可能会“束手无策”，但具身智能“搞得定”。比如工厂叉车工人要在各个产线来回穿梭，不可能做到每一次都把叉车精准地放在某个位置，这就需要机器人能灵活变通。

具身智能的另一优势在于，其培训成本更低。训练成熟后其标准化程度、一致性较高，不需要每一台都单独训练。把模型部署进去，所有的机器人可以“一呼百应”。而每个工人根据操作熟练程度不同，在产线上正式上岗需要经过长短不一的培训时间。

产业协同

助推“技术可行”走向“经济可行”

从产业链分工来看，具身智能行业可以划分为本体、算法、数据三个核心环节。在智元机器人、富临精工、安努智能此次的合作中，智元主要在本体和算法领域提供了基础性的支撑——包括机器人本体架构和基座模型。

然而，在机器人本体厂商到实际场景落地之间，还需要企业来收集垂直场景的数据，填补中间空白。安努智能则扮演了这一角色。该公司由智元机器人、富临精工、巨星新材料等产业领导者和一群自动驾驶行业量产老兵共同创建，公司董事长文宏杰介绍，公司主要负责收集实际场景的数据，并以此数据反向定义模型，突破“实验室技术到产业落地”的最后一公里难题。

富临精工则是为此开放了场景，这一互补性正是三方协同的根本原因。在李鹏程看来，富临精工在其中的角色，不仅是提供场景的用户，更是产业生态的积极参与者。“我们不仅仅是使用机器人，更重要的是我们在产业链分工中，我们可以通过不断地实践、创新，降低机器人的整体成本。随着机器人关节的规模化量产，本体成本也会快速下降，产业链也会随之受益。”

以A2-W为例，其22个自由度意味着22个关节，关节也是机器人的主要成本。而富临精工在2024年便进行了4轮关节的迭代，性能提升了一倍有余。邓扬透露：“这个迭代速度比我们做汽车零部件的速度还快，因为人形机器人的需求更新发展得太快了。”

如果零部件厂商能率先攻克关节的技术瓶颈，进一步提高其成本、可靠性，具身智能机器人的规模化应用便不再遥远。富临精工团队目前粗略计算，应用A2-W预计三年内可以“回本”，未来降本后综合成本优势将更显著。李鹏程呼吁：“必须先算好应用具身机器人的‘经济账’，推动具身智能从‘技术可行’走向‘经济可行’。”

作者：孙小程