“我们在纺织机械的制造工厂，已经完成了上下料工序的验证。”5月12日，普罗宇宙总裁葛巾在全球合作伙伴大会上表示。

普罗宇宙是一家机器人公司，它在当天发布了大白机器人的上下料模组和数据采集解决方案。而不久前，智元机器人已经进入消费电子的生产车间。银河通用的机器人也已经踏足便利店。

这是机器人发展趋势的缩影。经过最初几年的尝鲜期，机器人正在从导览、跳舞等展示性功能，向生产力工具演进。智元机器人总裁彭志辉近日在香港具身智能产业峰会上表示，整个行业正在集体转向。

转向

葛巾称，大白机器人具备亚毫米级的操作精度。

一条制造业流水线往往涉及众多工序，操作精度在工业场景里是至关重要的指标，一个小小的误差就可能导致整条产线的停摆。

“我们的设计理念是通用的机器人本体，加上可以快速替换的末端执行器，让机器人能够实现效率提升。”葛巾说，围绕工厂效率低、换产难、精度不稳、多工序难协同等真实痛点，普罗宇宙的定位明确：懂工业更要懂落地。

目前大白机器人已完成汽车主机厂物料摆盘、家具厂产品组装、电子工厂PCB抓取、食品加工厂酸菜去根、纺织机械厂上下料等多行业的概念验证。

在大白机器人之前，智元机器人已经进入制造车间。

4 月14日，智元机器人完成一场八小时连续直播。在消费电子制造商龙旗科技的南昌平板工厂，智元的精灵G2 机器人被嵌入高速运转的生产线上：从流水线上抓取待测平板，将设备送入测试治具，测试完成后再按合格与不良品分类回流。

“全程累计做了将近3000次的任务，成功率100%。”彭志辉说。机器人企业需要在提供相同生产节拍和生产质量的情况下，帮用户创造更多价值，降低生产成本。只有达到这样的标准才有可能大规模地推广，客户才更有动力选择用机器去补充人力，而不是去招更多的人。“这笔账也是蛮重要的。”

同在4月份，银河通用的机器人Galbot G1进驻全家北京中关村鼎好店。这家门店经过一定程度的改造，而且门店内商品种类比正常全家门店里的商品种类更少。

据银河通用合伙人史雪松对媒体介绍，目前这台机器人已融入真实售卖流程，可完成熟食和冷饮的取放与递交，支持咖啡制作与交付。

类似的零售门店，也是机器人企业热切想要进入的场景。

“最近两三个月，几乎每个礼拜都有机器人厂商找到我这儿来。”多点数智副总裁张宇对第一财经记者表示，这些机器人企业想要跟这家零售数字化解决方案提供商合作。

多点数智曾为胖东来、中百集团等众多零售企业提供智能化解决方案。张宇介绍说，这些机器人企业希望在零售行业找到合适的线下场景，比如仓库、前置仓，或者门店，去做实际的数据采集，以训练机器人。

智元机器人、银河通用以及普罗宇宙的举措都显示出，机器人正在进入新的发展时期。过去几年，中国市场对于机器人的需求，主要来自于舞台表演、博物馆导览、高校研发等场景。现在，机器人开始进入工厂、零售等生产力场景了。

彭志辉认为，这是整个机器人行业正在发生的集体转向。

攀爬第二曲线

机器人已经走完尝鲜期了。

随着具身智能基础技术的突破，机器人能够像人一样动起来。它登上了央视的舞台表演，万千大众被它吸引。

大众的好奇心促进了机器人的市场需求。机器人进入博物馆做导览，在酒店开业的时候做表演，并走进清华大学等高校的实验室用于二次开发。

“这个是有价值，但是它只处在第一阶段。第一条曲线带动了过去三年机器人产业的快速发展。第一曲线从过去几年的陡峭增长，现在已经基本进入平稳状态。虽然未来可能还有增长空间，但是边际效应逐步收减。”彭志辉表示。

彭志辉认为，机器人需要向上突破第二曲线。

随着数据飞轮驱动智能化，机器人进入高阶智能阶段。机器人不仅能像人一样动起来，还要真正像人一样干活，产生生产力的价值。

中美机器人企业，都在为这一时刻做准备。

特斯拉的加州弗里蒙特工厂已经停产了老旧型号的汽车，改造后用于生产其擎天柱机器人。特斯拉方面表示，今年的第二季度将在该工厂量产第三代擎天柱机器人。Figure AI则在最新视频中，展示了两台机器人协同完成家庭环境里的工作任务，比如叠被子、收拾耳机、摆放桌椅等。

“马斯克目标也很明确，就是用机器人的规模化量产去重新定义制造业的成本结构。这个市场肯定是万亿级的规模。”彭志辉说。

作为生产力工具的机器人，显然比作为舞台表演的机器人，技术难度高多了。

舞台表演、商场导览，这些场景对智能化要求不高，对机器人的失误容忍度很高。在展示类场景，一台摔倒的机器人无伤大雅。

但在生产力场景，一台摔倒的机器人可能会延误成千上万台平板电脑的生产，全家零售门店的顾客也没时间和耐心等待它重新站起来。

张宇负责多点数智的AI战略落地，比如集成智能方面的合作。其中一项工作就是探索在零售场景，有没有可能用机器人提升效率。

据张宇观察，机器人在零售场景能做的事情还非常有限,且机器人的运行速度还赶不上普通员工。在机器人售价比较高的情况下，一些便利店还算不过来账。

高质量的数据是机器人绕不过的门槛。由于真实数据匮乏，不少机器人是在仿真数据的基础上做的训练。

“这就带来一个问题，你可以做demo演示给别人看，但真要落地到复杂的现场环境，一定要用实际数据去训练机器人。”张宇认为：“机器人走入零售门店，产生实质性效果还需要一点点时间。”

在工业场景里同样如此。“数据是具身智能的核心燃料。没有高质量规模化的数据支撑，具身智能就无法实现真正的落地应用，更难以突破技术迭代的天花板。”葛巾表示。

现在机器人刚刚进入工厂或零售门店，开始发挥有限的作用。随着机器人部署规模扩大，跑通真实环境，获取的物理世界的数据会越来越丰富。

彭志辉认为，就像iPhone重新定义智能手机，特斯拉重新定义了电动车，未来谁先把数据跟具身的循环跑通，谁就有机会定义下一代生产力的平台。

来源: 第一财经资讯