起源：：CSmezii玩梗,法餐不如英餐作者：： 简兰盈：：

对话优艾智合：：工业具身智能大规模落地必要在“利用中泛化”

工业具身智能最值得关注的样本。。。

AIX财经（AIXcaijing）原创

作者 | 王汉星

编纂 | 阮梅

科技行业往往偏心那些颠覆性叙事，，，好比“iPhone时刻”，，，好比马斯克设想的通用具身智能，，，能够进厂打螺丝、、进家庭做保姆、、上火星建基地，，，一台机械人包揽所有。。。

这类故事让人兴奋，，，也足够遥远。。。

眼下，，，具身智能公司正密集涌现。。。它们大多脱胎于AI大模型或硬件制作，，，把工业视为一个期待被驯服的利用场景，，，从尝试室启程，，，朝着工厂的方向进发。。。

但有一家公司的蹊径与此相反。。。

2017年，，，优艾智合首创人、、CEO张朝辉与几位早期主题成员在西安交通大学的尝试室里成立了一家机械人公司，，，成立的昔时就实现了首个兼具“手”“眼”“脚”的移动操作机械人产品的开发与初步打磨。。。这个功夫点，，，比“具身智能”这个概念在中国真正火起来早了将近六年。。。

和其他由于VLA技术成熟才决定做机械人的公司分歧，，，它是在持续服务工业客户的过程中，，，一路从节制论、、强化学习、、深度学习，，，走到今天的大模型时期。。Ｄ芄凰，，，它是一家从工厂里长出来的具身智能公司。。。

这个出身，，，决定了它对于一个主题问题有着截然分歧的答案：：工业具身智能，，，到底怎么能力大规模落地？

这就涉及到一个关键概念——泛化。。。通俗来说，，，就是一台机械人在学会一项工作之后，，，能不能急剧迁徙到另一个场景、、另一个工种，，，而不必要重新训练。。。这在工业场景里，，，难度极高。。。

工信部数据显示，，，我国一共占有41个工业大类、、207个中类、、666个小类，，，背后关联的垂直出产场景可能罕见十万个。。。例如，，，制作矿泉水瓶和加工晶圆，，，从设备到流程到操作尺度，，，险些没有任何共通之处。。。

大无数具身智能公司的思路是，，，在出厂前把泛化做到位，，，训练一个足够全能的大脑。。。优艾智合的答案分歧，，，与其追求出厂即全能，，，不如让机械人在利用过程中持续成长，，，通过极低样本量的急剧迁徙训练，，，让它在进入一个新场景后迅速成为纯熟工。。。

优艾智合副总裁关健以为，，，将来的工业具身智能肯定是群体化存在的，，，它不是100个全能的机械人各干各的，，，而是一群各有千秋的机械人集群化地去实现一个工作。。。

这套逻辑，，，优艾智合称之为“利用中泛化”，，，产品状态上对应的是“一脑多态”。。。

支持这样判断的，，，是优艾智合在工业领域9年的索求与实际。。。

2020年，，，成立三年的优艾智合选择了工业领域里最难啃的骨头，，，启动以晶圆加工为主题的半导体制作行业智能物流技术战术布局。。。

晶圆搬运对机械人的靠得住性和安全性要求极高，，，一盒晶圆的价值动辄五六十万甚至上百万，，，一次搬运失误所带来的损失都是一家创业公司无法接受的。。。

但他们看中的，，，刚好是这个场景的战术价值：：半导体工厂的物流环节是整条出产线上最后一个依赖人为的环节，，，用机械人代替它，，，不只是节俭人为成本，，，而是实现了出产全流程的智能化、、自动化，，，意思不亚于“从工业2.9到工业3.0的跃迁”，，，是价值最高的突破口。。。

啃下半导体这块硬骨头后，，，目前，，，优艾智合的重要产品以移动操作机械报答主，，，覆盖半导体、、能源化工、、锂电、、3C等垂直工业场景提供工业物流和巡检服务。。。

以2024年收入计，，，优艾智合在全球及中国工业移动操作机械人市场均位列第一，，，市场份额别离达6.1%和12.0%；在半导体领域稳居中国第一。。。2022年至2024年，，，其营收从7790万元增长至2.55亿元，，，年复合增速达80.9%。。。

如今，，，这家公司已向港交所递交招股书，，，走到上市关口。。。

站在2026年这个功夫节点，，，工业具身智能正处在指数级增长的发作前夕，，，优艾智合作为一家在工业领域“土生土长”的具身智能公司，，，是这场海潮中最值得关注的样本。。。

近日，，，「AIX财经」与优艾智合副总裁关健进行了一次深刻对话。。。

01. 从工厂中成长出来的具身智能公司

AIX财经：：为什么说优艾智合是工厂中成长出来的具身智能公司？你们最大的差距点是什么？

关。。：：我们是一个很典型的在工业场景下诞生的机械人公司，，，并不是有了VLA才有了优艾智合，，，而是在服务工业客户的过程中不休发展起来的。。。

所以我们和其他具身智能公司的蹊径齐全分歧。。。大无数新成立的人形机械人企业，，，是基于VLA技术成熟后诞生的，，，而优艾智合是从服务工业客户启程，，，逐步吸纳节制论、、强化学习、、深度学习，，，再到引入VLA技术，，，形成持续演进的智能系统。。。

zbo智博1919com指标不是走进千家万户，，，而是让工业机械人更智能、、提升客户价值和利用天堑。。。

AIX财经：：家用机械人和工业机械人，，，哪一个门槛更高？

关。。：：直接对比家用和工业的进入门槛是偏颇的。。。

家用场景追求泛化性，，，工业场景追求极致的效能与靠得住性。。。叠被子从10秒到15秒在家用场景中齐全不要紧，，，但在工厂就意味着产能损失50%。。。工业的尺度化不是天然的，，，而是为了工厂这种工业场景，，，在从前一百年的发展傍边，，，不休地对效能有更高的追求，，，对靠得住性有极致的把握，，，而后才催生出来。。。

工业的分工是百年演进的了局，，，从手工业时期一小我完玉成流程，，，到今天极致分工下的专业工种。。。每个工种都必要持久训练能力成为纯熟工，，，这和家庭场景中一小我做多种家务齐全分歧。。。

AIX财经：：在训练模型上，，，工业场景和家用场景的逻辑有区别吗？

关。。：：区别巨大。。。

当我们讨论家庭场景的时辰，，，一个机械人具备了能做全品类家务能力的时辰，，，它去你家里边或许率能够做完所有的家务。。。也就是说，，，它只有能在一个家庭里面实现所有的家务工作，，，那么它到90%的家庭里面都是能够通用的。。。

但在工业里面我们所会商的差距是极大的。。。我们哪怕就把工业局限在制作业来讲，，，制作一个矿泉水瓶和制作一颗逻辑芯片，，，它是齐全分歧的，，，它所选取的设备流程，，，它的出产逻辑都全方位的不一样。。。对于工业而言，，，训练出来一个机械人就能适应所有的工业岗位，，，这是绝对不成能的。。。

在模型训练上，，，若是想要进入家庭，，，它就必要训练全场景家务的数据，，，这是一个天然的重大的海量数据，，，是个天文数字。。。

但对于工业而言，，，并不是要一站式的训练这个机械人去实现所有工种的纯熟水平，，，而更多的是让这个机械人在占有一个根基操作的底层基础上，，，让它可能急剧地被训练成为某一个行业的纯熟工。。。

在优艾智合所构建的具身智能大模型中，，，对于数据训练是分层的。。。我们先要在出厂的层面实现对这个机械人基础能力模型的训练。。。出厂后，，，再通过100到200条低样本量的训练，，，让机械人可能急剧地把握某一项纯熟出产能力。。。

AIX财经：：为什么选择半导体行业作为切入点？

关。。：：这里面现实上是有一些逻辑的。。。

若是在一小我工出产占比很高的工厂里面去做自动化物流，，，它的价值只是用机械人去代替人为，，，节俭人为成本，，，仅此而已。。。

但若是进入一个只有物流环节在使用人为的出产场景，，，那么它就是一个量变引发质变的节点，，，用机械人代替最后一个非自动化环节，，，进而实现出产全流程的智能化、、自动化，，，这为客户带来的价值远超降低人为成本。。。

这是推动从工业2.9到3.0跃迁的关键节点，，，也是价值最高的突破口。。。

我们观察了好多行业，，，自己亲自涉足了超过二十个分歧的行业，，，最后发现那时辰仅有半导体加工这一个细分场景走到了这样的环节。。。

AIX财经：：公司首创人已经提出优艾智合持久对峙技术为根，，，场景为王，，，产品为桥梁的战术，，，若是给技术场景产品的重要性排序，，，你会怎么排？

关。。：：从公司经营角度，，，场景为先——所有为创制客户价值服务；但从主题竞争力角度，，，技术为王——唯有技术能支持持久演进。。。

由于从一个公司经营层面来看的话，，，我们做的所有的技术和产品，，，肯定是要为场景服务的，，，这是一个企业应该遵从的根基道理。。。

但是若是说从我们公司的主题竞争力的角度来说，，，什么器材能让公司可能长足的发展？那它肯定是技术为王。。。今天所面对的场景不定是我们十年后的主题场景，，，场景不休的迭代，，，唯有我们整合和沉淀下来的技术，，，步崆最重要的安身立命之本和持久竞争力的起源。。。

AIX财经：：优艾智合最大的竞争壁垒是什么？

关。。：：目前是“场景”。。。我们对半导体、、新能源等细分场景的深度理解，，，蕴含硬件准入、、行业尺度、、客户价值分层，，，是当前最主题的竞争壁垒。。。

02. 具身智能的工业泛化，，，是持续成长的能力

AIX财经：：优艾智合提出的一脑多态产品状态，，，是在追求具身智能大脑的泛化性吗？

关。。：：正确来说不是。。。

当我们会商泛化的时辰，，，有两个命题：：第一，，，首先泛化是一个相对概念，，，它并不是个绝对的概念。。。工业的每一个场景的泛化性都要比家庭场景要更低。。。但是把工业的36万个场景加在一块儿，，，它要比家用场景的泛化性更宽。。。

也就是说，，，这个问题造成了我们到底要在哪一个环节来实现它的泛化？绝对泛化性到底是要在出厂之前就要实现所有的泛化，，，还是说让这个机械人在利用的过程傍边具备急剧迁徙能力，，，进而随着它的需要不休地实现泛化。。。

优艾智合是把泛化的功夫从出厂前的产品参数造成了一个机械人不休延展的能力。。。我们选择的是“利用中泛化”：：机械人出厂后，，，通过急剧迁徙能力，，，适应分歧岗位，，，而不是出厂前就实现绝对泛化。。。

AIX财经：：一脑多态的设法是从什么时辰起头产生的？

关。。：：也就是在近期，，，从2023、、2024年，，，VLA技术道理起头逐步成熟以来，，，才把它综合成了这样的一个技术框架，，，明确的提出了“一脑多态”这个标签。。。

创业早期阶段，，，我们做了好多“多脑多态”，，，散布在分歧的定制项目里。。。但2019年起，，，优艾智合起头收敛，，，把不用要的行业先做了减法，，，而后同时抽象出机械人所必要的共性调度算法，，，进而形成了初步的一致性软件架构。。。

AIX财经：：这个一脑的大脑运作模式是端到端黑盒吗？

关。。：：绝对不是。。。工业场景必须保障不变性、、一致性与数据溯源。。。大脑内部有部门？槭褂肰LA，，，但整体是可诠释、、可节制的混合架构，，，不是黑盒。。。

AIX财经：：为什么不用一脑一态，，，把具身智能做成一个什么城市的超等个别？

关。。：：一个八寸的晶圆加工厂，，，以五万片这种尺度月产能来看的话，，，或许必要80到100台机械人，，，那么是用80到100台齐全如出一辙的机械人去实现所有的工作，，，还是说把它再划分成为更细的子场景，，，用分歧状态的机械人合作出产？

显而后者更好，，，工业发展一向以来所遵循的逻辑是，，，每一个板块去追求自身这一个？榈募，，，它能力最终整合出来一个齐全的、、更高效的出产流程。。。

所以用统一状态覆盖所有工种不是最优解。。。最优解是专用化：：每台机械人针对特定工种设计，，，追求极限效能，，，再组合成整体最优的物流系统，，，这正是工业百年分工的逻辑。。。

AIX财经：：工业领域会出现涌现智能吗？

关。。：：工业的智能涌现不是在单体机械人层面发作，，，而是在集群层面。。。真正决定效能的是上层“智慧中枢”——它协调上百台机械人，，，决定分工、、调度、、协同。。。机械人本体的智能是部门的，，，集群大脑才是主题。。。

我们不仅愿是一百个相互不有关的机械人各干各的，，，由于机械人自身跟我们人是不一样的。。。我们不仅愿一个机械人去打开一台WINDOWS电脑，，，而后划着鼠标对着屏幕去捉拿数据；我们也不仅愿一个机械人拿着对讲机去跟别的一个机械人去互换。。。

也就是说，，，真正决定这一群机械人干得好不好的底子成分，，，不是这个机械人的硬件本体和这每一台机械人各自的智可能不够高，，，而更多的取决于在上层的那个智能体，，，它的分工是不是足够的合理。。。

就像在一个公司里面，，，员工个个是超人，，，但是他的老板是一个愚蠢的人，，，这个公司不会好。。。相反，，，若是老板是一个极端智慧的人，，，他可能用极度平淡的员工能够干出极度不平庸的事。。。

AIX财经：：这个上层智能体应该被称为什么？

关。。：：目前行业里还没有一个明确的叫法，，，我们称它是智慧中枢，，，我们将在不久颁布一个大模型，，，你会看到它到底是一个什么样的器材。。。

03. 人型还是专用，，，工业具身智能的将来是什么样的？

AIX财经：：公司去年推出了人型机械人产品矩阵，，，将来会思考让人形机械人去搬晶圆吗？

关。。：：人型机械人更多会被用在非尺度化的工业场景中。。。

技术不会颠覆已有出产力系统。。。人形机械人不会代替光刻机，，，而是去添补那些成本高、、难自动化、、但又必须有人参加的岗位，，，好比巡检、、应急响应等，，，是出产力的补充，，，不是代替。。。

好比一小我形机械人，，，无论它再智能，，，我们都不会但愿这小我形机械人拿着搓衣板去洗衣服。。。而通用的机械人，，，更多的是在当前的发展前提下，，，去添补那些还不成能极度低成本有效自动化的岗位。。。

AIX财经：：你以为工业出产场景中必要人型态的机械人吗？

关。。：：不愿定，，，人形不是尺度参数，，，而是一个概念。。。它只是在泛化场景中，，，通用可能性最大的载体。。。

AIX财经：：你们即将要颁布的模型是什么？

关。。：：它会蕴含VLA，，，但不是端到端VLA。。。我们选取“混合架构”：：用声学、、气体、、温度等非视觉信号天生Token，，，输入VLA做语义解析与作为天生，，，再由确定性指令节制执行。。。

这是为工业重构的具身智能框架，，，解决效能、、靠得住性和泛化性的“不成能三角”。。。

举一个例子吧，，，好比说当我们一个机械人要去做场务巡检。。。当这个工厂里面有安全隐患，，，第一功夫所露出出来的隐患信号并不愿定是视觉信号，，，更不成能是天然说话信号。。。它往往是一种声学信号，，，好比有异常的声音，，，这个异响的信号随之而来的是有异味，，，而后才是有异常的高温被检测到，，，最后才产生显著的视觉信号。。。

所以真正比及进入视觉信号的时辰已经晚了，，，这一个变乱苦难已经不成预防线产生了。。。

那么在这里面我们所选取的战术会偏差于用一个小的算法，，，整合声学、、气体、、视觉和温度这几个信号进行判断。。。在这个运算逻辑输入的基础上，，，它得到了一个先验的结论，，，这个结论会以TOKEN的大局输入给到VLA，，，而后VLA必要凭据这个结论去决定自己要采取什么样的操作。。。

AIX财经：：颁布这个模型的主张是什么？

关。。：：不是炫技，，，而是但愿生态同伴基于它，，，结合自身行业理解，，，拓展更多工业场景。。。我们相信它的价值在于跨行业迁徙能力，，，而不是只服务我们自己。。。

AIX财经：：你判断将来工业具身智能市场会是寡头格局，，，还是多细分龙头？

关。。：：工业市场不会像消费电子那样集中。。。它更像工业工具+ERP软件的组合：：底层有通用硬件，，，上层有专用Agent，，，中央层是高度细分的解决规划，，，会是多龙头并存的生态格局。。。

AIX财经：：距离工业具身智能大规模落地还必要几多年？

关。。：：我从小我的角度来分析一下，，，专用机械人或许从15年前起头，，，不休的发展演化而后再从分歧业业里面起头发作，，，此刻都还没有看到天花板。。。

但是具身智能的这种通用机能决定了两个可能差距化的特点，，，第一个是它在早期的适应功夫应该会更长一些，，，由于它并没有某一个具体的场景需要去牵引它实现规模化。。。

而后一旦它进入了一个场景，，，实现了这个场景内的泛化能力，，，它在规模化的速度上面要比专用机械人更快，，，由于它的每一个本体都具备肯定的泛化性。。。

专用机械人更多像一个线性增长，，，而工业具身智能将来将是指数级增长。。。