车间主任不需要机器人后空翻：西门子南京工厂试点具身智能上岗

铁道西千儿哥 2026-10-14 19:18 北京

具身智能下半场，靠才艺吃不上饭

2026年，人形机器人在才艺表演赛道，已经卷到头了。

这两年，你能在手机上刷到的花活，几乎都被它们演了一遍。打拳、跳舞、跑酷，动作一个比一个惊险。机器人的进步，在传播里被简化成了同一件事：今天又解锁了什么新动作。看多了，你几乎要以为它们明天就能踏进家门。

实际上，最能兑现价值、又最能检验机器人成色的地方，不在舞台，而是工厂。

在大洋彼岸，特斯拉Optimus被曝已经进到了工厂搬物料。虽然国内厂商也在拼命把故事从“会动”讲向“量产”，量产数字从几千台一路喊到了万台，可真到了工厂门口，会后空翻的机器人，就是迈不进去。

如果你见过真正在工厂里干活的工业机器人，会发现它们动作平淡，抓、放、走、停，没有复杂动作的惊艳表现和观赏性，日复一日。工厂考虑的，从来不是“它能做什么”，而是“它能不能替人干活”。

舞台上，一个动作够惊艳，做一次就赢了；工厂里，同一个动作得一天重复几千次，次次不出错。前者是秀场，后者是生产现场，两套标准之间隔着的，不是一个动作的距离，光靠才艺，是无法持证上岗的。

自动化工厂的缝隙里，还站着人

夜里十点，电子厂的SMT车间还亮着灯。

贴片机以每秒几十次的速度把元器件打上电路板，精度以微米计，这是人类工业自动化最成熟的样子。可就在这些机器之间，装满物料的料箱，还在靠人一箱一箱地搬。一个班下来，负责转运的工人在设备和料仓之间来回走，步数能到一两万。

偌大的自动化工厂，一个岗位要不要交给机器人，先看的不是设备行不行，是账。

一条专门的自动化产线，定制设备、开发工艺、调试上线，前期投入巨大，建成后还只能干一件事。它能不能回本，取决于两件事：一是量足够大，二是产品不轻易变。比如汽车厂焊装车间的机械臂，一台车卖几十万辆，同一套动作重复几十万次，账才算得过来。

但眼下，制造业里更多是：今天搬这种料箱，明天产品又换个型号；今天这条线缺料，明天隔壁车间要取货。每种量都不大，彼此还不一样，为其中任何一件单独搭建自动化产线，都是亏损。

工业界把这叫做自动化的长尾。头部大批量、标准化的任务，早被机械臂吃掉了；尾巴上那些零碎的活，因为算不过账，几十年来一直留在人手里。车间里推着料车来回走的人，就是这条长尾本身。

西门子数控（南京）有限公司总经理周郁荣，在今年工博会的一场圆桌上举了个最不起眼的例子——给自动化线体补料。听起来一台AGV加个柔性夹爪就行，真要做才知道，背后是规划编程、硬件控制、信号对接、软件开发一整套，成本高得很，他的原话是“很不经济”。就像给一条会改道的河修桥，桥还没修好，河道已经变了。

具身智能之所以被盯上，是因为它第一次让这类“算不过账”的活，有了重新算的可能。周郁荣说，它的两个特点恰好对准了这些半结构化的场景：能自己拿主意，不用工程师逐条写程序；能感知环境、随时调整，位置变了、批次变了，它能跟着变。

南京工厂（SNC）自己就是这样的场景，多品种、小批量、换型频繁。为了判断机器人值不值得用，他们没有先看它能干什么，而是先想清楚自己要什么。

他们关心的问题很实在：换个地方，它还能不能接着干？能不能一台机器干几种活？能不能不依赖工程师逐条编程，自己看懂现场？能不能和现有的PLC（工业控制器）、自动化设备顺畅配合……没有一个问题是问它动作有没有人快。工厂从来不考核一个员工的上限，考核的是成本、稳定和配合。

最后的选型，甚至让一些参观者意外。他们没有选看上去更先进的双足机器人，而是选择了轮式机器人。前者站着就要不断调整身体、维持平衡，对机器人来说，电就是体力，平衡上消耗的每一度电，都是从续航里扣的；工厂地面平整，绝大多数任务用不上双足的特殊动作。

而轮式机器人省电、走得快，续航也长。譬如该工厂试点用的方案，双臂加起来能承重50公斤。它被安排到的岗位，承担SMT产线线头线尾的料箱搬运。这种活几乎每个电子厂都有，做通了能快速复制，投资回报也测算得过来。

而让这笔账真正松动的，是教机器人干活的成本。传统自动化换一件活，工程师就得重写一遍程序。这次的做法更像老师傅带徒弟：人先遥操作示范大约4小时，把真实动作采下来，再让大模型在虚拟环境里举一反三，把各种抓取角度、姿态都推演出来。一周备齐数据，两周跑通流程，从零开始三周上下，机器人就掌握了“识别、抓取、放置”整套技能，用到的真实数据量，比传统训练少得多。

西门子方面说明，这只是这个试点场景下的阶段性结果，模型和硬件还在迭代，效率还会往上走。

工厂不给“试错空间”

和人一样，具身智能的本事也是“练”出来的，通过后训练、强化学习，在一次次尝试里自己摸索出最优动作。它虽然更聪明，可这份聪明的前提是，得先犯错，才能学会不犯错。

但这恰恰是工厂最不能容忍犯错的地方。一次掉料，整条线可能停下来；一次机械臂冲过了头，一套模具可能报废。一台还在学习期的机器人，今天抓得稳，明天碰掉一整箱电路板，这样的员工，再聪明，车间主任也不敢要。

西门子中国研究院院长朱骁洵把这层矛盾讲得很直白：“没有一家工厂，愿意把自己的产线变成一个让AI试错的试验场。”

技能泛化和稳定，天然是矛盾的。要机器人学会更复杂的技能，回报更好，但稳定性的压力随之而来。AI越强，越爱自己琢磨新办法；工厂要的，是老办法永远可靠。周郁荣说得很重，工业场景是零容错的，这一点跟消费场景完全不一样。

这不是工厂保守。工厂对出错的警惕，是上百年生产一点点换来的，背后是良率、安全和真金白银的代价。

要让一个必须犯错才能学会的AI，进入一个不许犯错的工厂，办法是把试错也搬走。

在Process Simulate工业仿真软件里，不同品牌、不同形态的机器人，进厂之前先在虚拟车间里“考”一遍：路线会不会撞设备？节拍跟不跟得上？有人走近，能不能及时降速、停下？一直搬运会不会发热？什么时候该去充电？这些问题在虚拟世界里先跑几十万遍，暴露完，才轮到真实产线。西门子还把数字孪生和NVIDIA Omniverse打通，搭出逼真的虚拟工厂，用合成数据补充训练。

周郁荣说，真正让机器人成长的，不是海量的正常运行数据，而是试错数据，它在哪里错了、怎么改的，这些才是养分。采一万次正确动作，不如让它记住一次失败。

老师傅的手艺也在被留下来。Smart Detection平台持续记录工人的实际操作，提炼成机器人可以反复调用的技能包。过去一个工人退休，经验就跟着走了，现在这些经验能沉淀下来，换个场景接着用。

至于先做什么、后做什么，SNC的安排很克制：先干粗重重复的搬运，再去有异味、高压的环境，等灵巧手成熟，最后才碰怕静电、怕油脂的精密装配。不抢跑，也不跳步。

周郁荣说，“这条路，如果你不开始走，就永远在等待。”

机器人上岗，需要一套“交通规则”

单台机器人能稳稳上岗，工厂的下一个问题才刚开始：不是一台怎么用，是一百台怎么管。

工博会西门子展台，两块软件区之间，留出一块约3米×6米的区域，摆了一台数控机床、一台轮式具身智能机器人和一张放料盒的桌子。

机器人走到桌边，抓起一枚滚柱丝杠螺母样件——长约150毫米、外径25毫米、重约500克——带着零件走到机床前，机床门恰好打开，它伸臂完成模拟上料，门关上，再回到桌边把零件放回。

盯着看会发现，它没有自己决定什么时候出发，也没有判断机床什么时候开门。抓零件是它的本事，可它什么时候出发、门什么时候开、干完回到哪，是身后的调度系统SIMOVE Fleet Manager在安排。它给机器人派活、规划路线，通知机床开门，干完再安排返回。

车间里没有孤胆英雄。一台机器人再聪明，不知道产线节拍、听不懂机床信号、避不开迎面的叉车，它带来的不是生产力，是安全隐患。

SIMOVE Fleet Manager这套软件，能调度车间里成百上千台移动设备，AGV、AMR、轮式、双足机器人都能统一管。它基于VDA 5050这样的开放标准，相当于移动设备之间的共同语言，不同厂商的设备不用各说各话。

这就是交通规则。马路上只有一辆车，司机想怎么走就怎么走；等有了一百辆车，就必须有信号灯、有通行规则。

统一调度真正值钱的地方，不是能连上多少台机器人，而是第二台的部署比第一台更快，换一家机器人厂商，也不用把前面的工作推倒重来。接入成本降下来，规模才上得去。

这牵出工厂数字化的一道老题。朱骁洵讲，制造业做了十几年两化融合，自动化和信息化至今没有完全打通，现在又来了会自己走路、自己拿主意的自主机器人。一台机器人接一台机床，工程师可以逐项调通；一百台不同品牌、不同形态的机器人同时干活，只能靠系统和标准。

比软件更不起眼的，是标准本身。

西门子和机械工业仪器仪表综合技术经济研究所，花了两年多，牵头制定了一项新的国家标准，GB/T 47859—2026《智能工厂生产系统可重构建模规则》。名字拗口，要解决的问题很朴素：给传统IT、OT系统和未来的自主系统，立一套能彼此沟通的语言。朱骁洵说，这相当于给具身智能机器人加上一个语言上的约束。

他跟很多机器人厂商聊下来，发现大家的痛点高度一致，“需要有人帮他们，把自主机器人接进传统自动化体系。”这项标准就是冲着这个问题来的，比如南京的试点已经在把正在做POC的机器人本体纳入标准体系。

定标准是这个行业最没有流量的事。但没有它，每接一台新设备都得重新定制开发，设备越多反而越乱。机器人能不能成批进厂，恰恰取决于这种不起眼的地基。

这件事没有任何一方能独自完成。

舍弗勒具身智能机器人（太仓）有限公司总经理孙海天，把这条链分成三段：模型和硬件结合造出本体，针对场景做二次开发，再和现场深度结合落地。舍弗勒这样的零部件巨头，要在里面同时扮演好几个身份：它在全球有一百多家工厂，本身就是机器人的客户，同时是零部件供应商、自动化方案商，还要管全生命周期的服务。连这样的公司都要以多重身份进场，链条每一环的成本和门槛，也就可想而知。

过去几年，具身智能行业把大部分聪明才智都花在了让机器人自己动起来上，单机智能正在变得过剩。而真正稀缺的，是让一群机器人在工厂里一起干活的系统能力。

显然，现在还远不到庆祝的时候。泛化和稳定的平衡题没有完全解出，南京工厂的机器人也还在概念验证阶段。

但要看清这个行业的真实进度，需要换一把衡量的标尺，去看教会它一个新技能，是不是比上次更便宜了；部署第二台，是不是比第一台更快了；让它进一座新工厂，是不是能少交一次学费。

这些问题的答案，比发布会上的任何动作都更接近真相。答得好，规模化是迟早的事；答不好，动作再精彩，也只是演示。

结语

最后说一个工博会上很少有人留意的细节。

展台上那台机器人反复搬运的滚柱丝杠螺母，是机器人自己关节里最吃精度的零件。它在搬的，是制造机器人的零件。

展台另一头，搭载SINUMERIK 828D的机床，正在加工这类零件；旁边的动画里，SIMOVE EMS总装方案，在把机器人的双臂和腿足组装起来。

这个产业已经开始学着制造自己，只是做得安安静静，没人注意。

而当机器人开始日复一日地补料、送料，到点自己去充电，动作平淡，没有任何戏剧性，它才算真正开始工作。

属于机器人的“平凡”时代，才刚刚开始。

特别策划

跳转微信打开