（来源：雷峰网）

　　一、90% 的工厂，机器人还进不去

　　具身智能这两年很热，但热的地方大多不在工厂。

　　人形机器人在展会上跳舞、倒酒、叠衣服，视频传播量惊人；可一旦走进真实的工业车间，话题就迅速冷下来。原因很简单，工业现场不是实验室，它要求机器人在油污、粉尘、温差和来料不一致的环境里，连续、稳定、可核算地干活。而这恰恰是当前具身智能最薄弱的环节。

　　传统工业机器人其实已经很强了。高速、高精、大负载，在汽车焊装线、3C 装配线上可以做到毫秒级节拍；在防爆、喷涂等特种场景也有成熟方案。但它的强，是 "确定性" 的强 —— 程序写死、轨迹固定、来料一致，一旦条件发生变化，它就无所适从。

　　这正是问题所在。全球工业机械臂年增量大约五十万台，听起来不少，但放在整个制造业体量里只是一小部分。在汽车和 3C 之外的通用制造领域，工业机器人的渗透率至今不到百分之二十。剩下那八成以上的场景，不是不需要自动化，而是 "用不起"。

　　这些场景有一个共同特征：多品种、小批量、高度差异化。工件每一批都不太一样，焊缝位置会变，喷涂件的姿态会变，物流分拣的物料种类上百种。传统机器人的应对方式是，每换一种工件，工程师重新示教、重新编程、重新调试。等调试完，可能生产一周又要换型。设备成本、调试时间、人力成本叠加在一起，ROI 根本算不过来。

　　更底层的矛盾是数据。具身智能靠模型驱动，模型靠数据喂养，但工业场景的高质量数据极度稀缺。仿真数据可以无限生成，却始终与真实物理世界存在 gap；遥操作数据受限于本体控制的平滑度，采集质量参差不齐。行业里动辄宣称 "百万小时数据"，但真正能让模型迭代出可用能力的，是真实产线上、带有完整物理约束的全模态数据 ，而这类数据，你不把机器人先放进产线，就永远拿不到。

　　这就形成了一个典型的 "鸡生蛋" 困境：客户要求机器人进场就能解决问题，可模型没有真实数据就达不到客户要求；没有客户愿意先开放场景，数据飞轮就转不起来。

　　人的问题同样在倒逼。愿意从事焊接、喷涂、上下料这类底层劳动的人越来越少，这些场景往往伴有烟雾、粉尘、化学污染和极端温差；即便招到人，流动性也极大，新员工的培养周期长达一到三个月，刚上手就离职的情况屡见不鲜。年初规划的产能，年中可能因为人手不足而交付不了。

　　一边是具身智能 "雷声大、雨点小"，一边是工厂里真实存在、却迟迟无法被自动化覆盖的海量需求。缺口已经摆在那里，问题是：谁来把这件事真正做成？

　　二、埃夫特&启智的答案：双轮驱动，底座筑基

　　埃夫特&启智给出的解法，可以概括为四个字：双轮驱动。

　　一轮是 "自主化"。埃夫特&启智做了近二十年工业机器人，核心模块从控制器、驱控一体电柜到关节模组、少齿差减速机，做到了百分之百自研，全产业链国产。这是底盘，是机器人在工业现场能稳定跑起来的前提。

　　另一轮是 "智能化"。2024 年 5 月，埃夫特孵化成立启智（芜湖）智能机器人有限公司，目标很明确：为工业机器人装上 "大脑"。启智不只是做一个模型，而是做一套通用技术底座，涵盖 Openmind OS、墨斗 IDE、大衍数据平台、HumanGPT 世界模型和 HALO 技能服，被内部类比为 "机器人界的安卓"。

　　这套底座的价值，不在于参数多漂亮，而在于它回答了工业具身落地的几个根本性问题。

　　第一个问题：先有场景还是先有技术？埃夫特&启智的选择是先有场景。

　　这不是一句口号。埃夫特&启智每年做战略规划和年度经营计划，看十年、规划五年、稳稳当当做一年。去年拆解下来，工业场景被确定为核心发力方向，这倒不是因为技术上容易，而是因为埃夫特&启智有充分的客户资源，汽车、新能源、电子行业的客户愿意把真实产线开放出来，一起验证。

　　有了场景需求，再去设计硬件。复合机器人的臂安装位置、自由度数量、底盘形态，都是在场景调研之后才定下来的。启智的核心定位也不是做某一款机器人产品，而是把落地经验沉淀到底座里，形成可批量复制的技能方案，再赋能不同构型、不同场景的机器人。

　　第二个问题：数据从哪里来？埃夫特&启智的答案是真实场景、真人全模态采集。

　　行业里有两条路线：一条是大批量仿真，一条是真实数据。埃夫特&启智明确选择了后者。他们的判断是，真正有价值的数据一定来自真实场景，仿真可以辅助但不能替代。

　　为此，启智推出了 HALO 技能服，一款穿戴式的全模态数据采集设备，支持 8K 全景、深度视觉、指尖 12 点 / 手掌 60 点触觉（分辨率低于 0.01N）、sEMG 肌电、27 节点 IMU（延迟不超过 10ms）等九类数据。它的意义在于，把人类操作工在真实场景中的隐性经验，比如焊工怎么调整焊枪角度、喷涂工怎么走枪，转化为机器人可以学习的数字资产。

　　数据采集也不是一股脑地录。启智建立了分层 SOP：最底层是原子级技能（抓、拿、取、放、捏、推），中间层是组合技能，最上层是任务级技能。训练时按需检索标签数据，先训原子技能，再训组合和任务，而不是把所有数据混在一起 "大锅炖"。这种自底向上的数据组织方式，直接决定了跨场景迁移的效率。

　　第三个问题：模型怎么用才可靠？埃夫特&启智的做法是 "模型 + 规则" 混合。

　　端到端模型的泛化能力强，但在工业现场有一个致命问题：不可控。碰撞风险、精度要求、节拍约束，这些环节不能完全交给模型去 "猜"。

　　埃夫特&启智的工程策略是：让模型做它擅长的事，比如长序列规划、复杂决策、视觉理解；让传统算法和物理规则守住底线：碰撞检测、精度控制、鲁棒性保障。以线边仓分拣场景为例，模型负责长序列的抓取规划，而涉及到末端精度和碰撞风险的环节，则用基于模型的方法做二次校验。机器人先进场，把有用的数据整理出来反哺模型，模型越用越聪明，这就是数据飞轮的实际运转方式。

　　第四个问题：产线不适应机器人怎么办？埃夫特&启智选择和客户一起改造场景。

　　复合机器人在真实产线落地时遇到一个现实问题：按照人的工作方式设计的产线，机器人未必能高效执行。比如线边仓原来人工分选用三层货架，对人来说紧凑高效，但机器人的抓取空间不够。改造方案是把三层改成两层，虽然移动时间增加了，但整体节拍反而更稳定。

　　料架、料车、物料摆放方式，这些都需要和客户一起做适当升级。埃夫特&启智的判断是，未来具身智能的落地场景，一定是设备厂商和终端客户共同打造的，甚至部分人工时代的产线设计会朝着 "机器人友好" 的方向演进。

　　三、从产线到产线：落地成果说话

　　方法论讲得再好，最终要回到一个问题：埃夫特&启智到底做成了什么？

　　复合机器人是最直接的答案。 这款产品基于启智底座实现了 "手（机械臂）、眼（3D 视觉）、脚（移动底盘）" 的高精度协同控制，可以说是一种底层联动。它已经在某主机厂的真实产线上完成了长期严苛验证，具备高重复定位精度和优异的动态环境容错能力，能在产线里长时间稳定连续作业。

　　具体落地有两个场景。一个是四合一柔性装配工作站：复合机器人负责上料，双臂机器人完成智能装配与锁附，协作机器人做视觉质检，三种不同构型的设备在统一底座下协同作业，首次打通了上料→装配→质检的全流程闭环。工厂可以像 "拼乐高" 一样，基于标准化接口快速搭建适配自身产线的工作站。

　　另一个是线边仓智能分拣工作站，已经在某主机厂正式投产。这套方案由 "移动 + 抓取 + 智能识别 + 工厂物联" 组成，机器人能在狭窄通道内灵活移动，利用 3D 智能识别精准抓取上百种不同汽车零部件，打通了自动上料、智能分拣、成品上线、自动回框的全流程无人闭环，并实现任务自动下发与实时数据追溯。

　　这两个场景形成了可升级、可扩展的标准化黑灯工厂模板一条线跑通后，可以低成本复制到其他工厂和产线，后续扩容的边际成本极低。

　　智能焊接是另一个已经跑通商业闭环的方向。 针对船舶、钢结构、桥梁等中厚板行业 "多品种、小批量、高度差异化" 的痛点，埃夫特&启智的方案融合 3D 视觉、智能学习算法和数字孪生，机器人可以自动识别焊缝位置、角度和偏差，在线生成最优焊接路径并匹配工艺参数，无需人工编程即可一键启动。

　　底座的赋能体现在效率上：墨斗 IDE 的图形化界面配合大模型自动识别焊缝生成轨迹，把调试周期从传统的 72 小时压缩到 4 小时。硬件层面，±0.05mm 的重复定位精度和 12 万小时的平均无故障时间，树立了国产大负载机器人的可靠性标杆。这个方向并非停留在展台，埃夫特&启智与合作伙伴合作几年，每年已有数百台的落地量。

　　智能喷涂则是埃夫特&启智的传统优势领域。 国内喷涂机器人市场，埃夫特&启智的市占率位居第一，全球范围内也处于前列。无标记智能喷涂方案已经在赣州家具共享工厂实现批量商用：3D 相机毫秒级点云建模，喷涂大模型自动生成轨迹，墨斗 IDE 仿真微调，实现 "所见即所得" 的低代码范式。中小企业不需要 "重复造轮子"，换型时机器人自主识别工件、重新规划路径，柔性化程度大幅提升。

　　EXR 防爆机器人是硬核实力的体现。全系摒弃行业常见的 "防爆改装" 思路，从源头消除点火源，搭载机械多圈无电池编码器，通过气体防爆和粉尘防爆双重最高等级认证，已在军工、民爆、化工等高危领域批量应用，是国产替代的标杆产品。

　　从经营数据看，埃夫特&启智的增长曲线也在验证这条路的正确性。2020 年科创板上市时，工业机器人年销量两千多台；2025 年达到一万六千多台；2026 年目标突破两万台，上半年已经完成一万台，全年百分之二十以上的增长确定性较强。五六年时间，销量增长近十倍。

　　生态层面，启智联合哈工大、清华等八所 985 高校及六家头部工业机器人企业（合计占国内销量百分之七十以上）共同攻关，目前工业机器人接入四家、人形机器人接入三家。国家先进制造产业投资基金已连续两轮投资启智。

　　四、为什么是埃夫特&启智？

　　回到最初的问题：工业具身智能的 "最后一公里"，为什么是埃夫特&启智在走？

　　答案藏在这家公司的基因里。

　　埃夫特&启智 2007 年成立，最初是奇瑞的子公司，专门做面向汽车行业的工业机器人；2014 年从奇瑞独立运营；2020 年登陆科创板，成为 "工业机器人第一股"。近二十年的工业积淀，背后是实打实的工程能力：核心模块百分之百自研，全产业链国产，牵头承担国家科技重大专项并获得本轮次单体最大支持，同时也是承担本轮次攻关任务最多的机器人企业。

　　雷峰网认为，这种积淀带来了两个关键优势。

　　第一是客户资源。 埃夫特&启智长期服务汽车、电子、新能源行业，客户愿意把真实产线开放出来一起做验证。这意味着埃夫特&启智不需要 "先做机器人再找场景"，而是在源源不断导入的客户需求中选择最合适的切入点。这在具身智能 "鸡生蛋" 的困境里，是决定性的先手优势 —— 你有场景，才能拿到数据；有数据，模型才能迭代；模型迭代了，客户才愿意买单。

　　第二是本体能力。 工业现场对机器人本体的要求极高 —— 污染、粉尘、温差、长时间连续运行，本体不稳定，再聪明的大脑也没用。埃夫特&启智近二十年积累的软硬件全栈自研能力，是启智做具身智能最坚实的底盘。喷涂机器人国内第一、防爆机器人国产替代标杆、大负载机器人 12 万小时 MTBF，这些都是本体能力的证明。

　　而启智的独立运营战略，则体现了埃夫特&启智的格局。据报道，启智未来将从埃夫特剥离独立运营，采用 "开源 + 独立运营" 模式。这样做的目的很明确：消除同行对于被 "卡脖子" 的顾虑，避免全行业 "重复造轮子"，确保通用技术底座从成立之初就面向全行业开放。一个做本体的公司，愿意把智能化底座独立出来开放给全行业，本身就是对 "为什么是埃夫特&启智" 的最好回答。

　　还有战略定力。埃夫特&启智做规划的方式是 "看十年、规划五年、稳稳当当做一年"，不追风口、不炒概念。当行业都在比拼谁的人形机器人动作更花哨时，埃夫特&启智选择把资源砸进焊接、喷涂、物流分拣这些 "不性感" 但真实存在需求的工业场景；当行业都在宣称 "百万小时数据" 时，埃夫特&启智坦诚目标是今年十一月积累到十万小时，并且强调 "笼统说多少小时没有意义，数据要和模型训练闭环"。

　　这种克制，在一个狂热的行业里反而稀缺。

　　在雷峰网看来，工业具身智能的落地，从来不是靠某一个技术突破就能完成的。它需要本体的稳定、底座的开放、数据的真实、场景的深耕，以及和客户一起改造产线的耐心。埃夫特&启智用近二十年的工业积淀做底盘，用启智的通用技术底座做引擎，用真实产线的批量落地做验证。这条 "双轮驱动" 的路，未必是最热闹的，但可能是最接近终点的。

　　当具身智能从炫技走向考核，从展台走向产线，真正能走到最后的，一定是那些愿意蹲在工厂里、和客户一起把每一个细节抠到位的公司。埃夫特&启智已经在这条路上走了很远，而它的故事，或许才刚刚开始。