分享好友 行业资讯首页 行业资讯分类 切换频道

物理AI从制造创新走向产业转型

2026-11-19 08:0040로봇신문 / Robot Newspaper

这篇文章是作者于17日与工商部和KOTRA共同举办的"2026年世界日产品出口大战"未来产业和替代市场进入战略论坛发布的"物理AI,通过制造创新产业大转型 通过机器人引进增强产业竞争力方案"的主要内容的总结. (编辑)

现在,人工智能已经开始体现.

人工智能长期留在计算机屏幕中.写作,创建图像,编写分析报告是很好的,但在现实工厂里收集零部件,判断例外情况,在人一样的空间里安全工作是很困难的.但这些边界正在迅速变化.视觉语言行动模型 (VLA模型) 结合机器人的身体,使物理AI进入制造现场.

根据国际机器人联合会 (IFR) 的World Robotics2025:2024年全球工业机器人新安装量约为54万台,运行中的工业机器人约为4.66万台.因此,工业自动化基础已经广泛建立.现在制造业的竞争力看来取决于如何将灵活的智能赋予工业机器人.特别是在多种产品的小量生产,工艺更改,检查和物流过境的不规则工作中,物理AI的经济性将得到评估.

美国是学习平台,

全球竞争的形势是明显的.英伟达试图掌握机器人学习的平台,而不是直接制造和销售机器人.GR00T机器人基础模型与爱奇艺模拟,万能数字双胞胎,基于宇宙的大数据库结合,从模型开发和系统验证,到实际现场部署,都试图建立物理AI生态系统.未来的附加价值不仅集中在机器人硬件上,还集中在学习数据,模拟环境,CUDA等软件开发工具和操作平台上.

特斯拉正在走另一条路.这是基于FSD (Full Self-Driving) 的自动驾驶中积累的视觉AI和自主芯片设计,电动动力主动器,电池,制造线与其人体机器人优化器结合的垂直结合战略.但声明的生产目标和演示绩效不应与商业现场实际混为一谈.最终特斯拉的机器人竞争力将取决于在工厂内部如何稳定地重复工作,包括维护成本,以及证明哪些生产力提高.

中国在源代码,供应链,产量速度和现场数据积累方面处于领先地位.Unitry扩大了开发者可访问的机器人平台,UbiTech推动了在汽车制造现场的利用,AziBot是致力于机器人数据和平台的形式.而不是等待完美的通用机器人出现,首先投入到特定任务,并将试验失误积累成数据,使机器人成为训练学习资产.

这一变化的背景可以列为三个因素:老龄化和熟练工人短缺导致的劳动力减少,取代规范化工作的现有自动化限制,以及VLA等多模式AI的急剧发展.从机器人只重复预定轨道的水平,发展到认知周围,选择工作并重新学习执行结果的时代.物理AI不是新的机器操作方式,而是作为改变制造业范式本身的创新技术.

韩国制造业的真正资产是

如果美国的优势是AI模型和计算平台,而中国的优势是供应链和现场应用速度,那么韩国现在应该从哪里提升?答案是全球级的制造现场.韩国在半导体,汽车,电池,电,精密机器领域的工艺复杂性,质量要求水平,设备运营经验都同时积累.因为这本身可以成为物理AI的学习和验证所需的独特资产.

韩国是机器人密度高的制造强国,但仅仅安装了大量机器人并不能成为自主制造强国.实际工厂中,计算机支持设计CAD;计算机支持工程CAE;计算机支持制造CAM;制造实验室运行系统MES;可编程逻辑控制器PLC;检测费用和质量系统各存在.作者回顾的一些中小企业的现场情况更为严重,数据的格式和识别器是模糊的,熟练的隐性知识工程师的个人经验和Excel文件,工作表表格在各处散布.安装连接,知识也就像是被切断了.

例如,假设在视觉检查中发现了缺陷.真正的制造AI不仅仅是对缺陷进行分类,还必须跟踪相关产品的设计变化,工艺条件,使用部件,设备优势和工作环境.进一步分析原因,提出维修或工艺保证的候选人,并能够将实际行动结果反映在下一个判断中.在认知中结束的自动化和自我改进的自动制造系统之间的区别就在这里.

作者长期处理制造现场的质量和检测技术,发现失败记录有时比成功的工艺数据更有价值的事实.在哪些情况下,处理机器人错过了零件,在哪些照明和表面出现过度检查,熟练技术人员看到了哪些微妙的声音或振动并发现了设备错误等都必须留在数据中.因为当将这些宝贵的失败记录和隐藏数据标准化并转换为数据时,机器人的物理AI可以进化到无线工厂.

让我们一起来看看.

为此需要工厂数据的共同语言.制造本质学是表示机器能够理解设备,工艺,产品,质量,工作和故障原因之间的因果关系的知识结构.在这里,数字双胞胎和模拟结合起来,可以先在虚拟环境中学习和验证危险或高成本的工作.实际机器人工作时留下的日志数据再次用于模型改进.观察,预测,干预,测量和重新学习的飞轮循环结构正是制造AX的本质.

因此,中中型制造企业的制造AI引入策略也必须改变.而不是先投入流行的人类机器人,而应该从之前测量缺陷检查,机器倾向,流程间传输,设备检查等投资效果的工作中选择.比较工作前后缺陷率,战术时间,运行率,人力负担,安全事故风险,首先建立现场工作者可修改的操作系统,在此过程中积累的所有数据相互相互作用,基于此,企业是否可以拥有,运行和使用,必须从合同阶段开始确定.

2026年至2030年是人工智能制造业的黄金时期.

韩国未来5年不是简单的美国和中国代表的先进AI技术追逐时期.谁决定制造数据的格式,谁成为模拟学习工具的基础平台,谁不断积累现场运营的专业知识,这是决定主导权的时期.近期西门子和NVIDIA的合作显示了工业工程工具和AI计算生态系统密切结合的流程的例子.但需要外包技术和合作,但要谨慎,使核心数据和模型依赖于特定供应商的结构.

从这个角度来看,政府的制造AI转型 (M.AX) 和AI工厂政策是重要的出发点.但如果仅从量化角度来评价成绩,如建设工厂数量或引入设备数量等,则有局限性.数据兼容性,国产技术参与可能性,企业信息保护,实际生产力提高和可持续运营可能性必须一起评估.制造AI政策既是智能化工厂的过程,也是国内软件·机器人零部件·系统结合 (SI) 工业的成长基础.

五个韩国要做的事情

第一,在韩国制造业学习实际工作的制造专业化机器人基础模型是迫切需要的.第二,在保护企业资产的同时,建立可共享的远程制造数据和故障记录,模拟数据的信任体系.第三,提高缓解器和动感器,机器人手,触觉传感器,安全仪等人体关键部件的竞争力.第四,在汽车,轮,半导体,物流现场建立开放的实证线,并制定安全认证和责任标准.五,半导体,机器人制造商SI企业联合开发和验证业绩的联合生态系统.

这种策略并不意味着政府要直接开发所有机器人.私人难以投资的数据标准,测试评估基础设施,安全标准和初始验证环境由公共部门支持,机器人企业将分担解决实际客户企业生产力问题的作用. 支持业务的平衡表也应比简单的专利或示范评估更重视重复运行时间,不良量减少,投资回收期限和现场传播成果.

机器人可以自学.

物理AI竞争的最终升级点不是华丽的演示.在工厂安全安置,现场出现问题时记录失败原因,减少同样的失败,在下一个工艺中更好地工作的能力.目前制造强国韩国拥有世界顶级的工厂和工程师.现在必须将这些经验转化为物理AI机器人可以学习的资产.韩国制造业未来30年取决于谁在工厂购买多少机器人,而不是谁在工厂积累的经验基础上学习.

来源:로봇신문 / Robot Newspaper

点赞 0
举报
收藏 0
评论 0
分享 1