几十年来，工业自动化基本上遵循相同的公式。生产线变得越来越快，机器人的能力越来越强，软件也在稳步改进，但底层模型仍然相对固定：自动化系统是针对特定任务而设计的，这使得灵活性变得昂贵且耗时。

这种模型越来越受到挑战。

当今的制造商面临着生产更多种类的产品、更快地在生产运行之间切换、应对劳动力短缺以及将人工智能集成到现有运营中的压力。

问题不再是工厂是否会采用人工智能，而是如何在不重建整个生产系统的情况下实现这一目标。

在 Automate 2026 上，Google 旗下的人工智能机器人公司 Intrinsic 提供了或许迄今为止最明确的答案。

从机器人到智能生产系统

Intrinsic 并没有推出一款新机器人，而是介绍了我的产品。t 称之为 Intrinsic Intelligence Cell——围绕软件而不是硬件设计的模块化机器人工作单元。

该工作单元由 IntrinsicOS 提供支持，旨在作为制造商、机器制造商和系统集成商可以根据自己的应用进行调整的参考架构。

该演示将人工智能、工业机器人和模块化自动化结合到一个生产单元中，无需进行大量的工程或机器人编程即可针对不同的制造任务进行重新配置。

在自动化期间。到 2026 年，该系统将使用 Fanuc 工业机器人执行电子组装，展示人工智能辅助感知、运动规划和操纵在单一软件环境中一起运行。

其重要性超出了单一演示。

Intrinsic 并未将人工智能视为现有自动化的附加组件，而是将智能定位为未来制造系统的中央操作层。

其背后的架构物理人工智能

“物理人工智能”一词在整个机器人行业中变得越来越普遍，尽管其含义常常有所不同。

Intrinsic 将其定义为能够理解、推理工业环境中的物理世界并与之交互的人工智能。

这需要的远远超过大型语言模型。

工业人工智能必须解释传感器数据、理解三维几何、规划机器人运动、适应不断变化的条件并在现实中安全地执行任务

内在智能单元将这些功能整合到一个模块化架构中，旨在支持多个机器人品牌、工具和生产流程。

制造商可以通过软件、人工智能技能和模块化硬件重新配置工作单元，而不是在产品变化时重建自动化生产线。

对于生产批次可能频繁变化的高混合制造，这可以显着减少工程成本工作量和部署时间。

从机械车间到全球工厂

虽然传统上大型制造商一直引领着工业自动化，但 Intrinsic 认为人工智能可以使各种规模的企业都能使用先进的机器人技术。

机器维护就是一个例子。

未来的 CNC 单元不需要专业的机器人程序员，而是可以让操作员通过简化的软件部署人工智能驱动的功能，例如自动感知、机器人运动规划和智能抓取

Intrinsic 表示，它已经与 Trinity Automation 和 MartinSystems 等 CNC 自动化专家合作，将这些功能集成到下一代机械车间产品中。

目标很简单：使小型制造商能够引入机器人技术，而无需广泛的内部机器人专业知识。

富士康成为早期采用者

也许对 Intrinsic 方法最有力的验证来自于

该公司表示，今年晚些时候，内部智能单元的定制版本将在富士康生产设施中进行试点，用于电子组装应用。

如果成功，该试点将证明模块化人工智能驱动的工作单元可以超越展览演示，进入大批量工业生产。

对于一个经常因过度承诺人工智能能力而受到批评的行业来说，实际生产部署最终可能比技术更重要演示。

互操作性仍然至关重要

贯穿 Intrinsic 战略的一个反复出现的主题是开放性。

该公司不是专注于构建垂直集成的机器人生态系统，而是专注于不同硬件平台之间的互操作性。

Automate 演示使用 Fanuc 机器人技术，反映了公司之间持续的合作。

工作单元本身旨在适应不同的硬件平台是和软件组件，同时允许人工智能功能在不同的生产环境中一致运行。

对于在现有自动化设备上进行了数十年投资的制造商来说，这种互操作性可能与人工智能本身一样重要。

发展工业人工智能开发者社区

Intrinsic还试图扩大构建工业机器人应用程序的开发者群体。

其与 Open Robotics 一起推出的工业人工智能挑战赛，重点关注制造业最困难的自动化之一

反应热烈。

代表 115 个国家 1,600 个团队的 5,000 多名参赛者参加了比赛。

有趣的是，机器人专业人士只占参赛者的一小部分。

根据 Intrinsic 的数据，93% 的参赛者精通 Python，73% 的人精通 Python。经验ROS，而只有 14% 直接从事机器人工作。

这些数字表明，以前可能认为工业机器人遥不可及的软件开发人员的兴趣日益浓厚。

参赛者正在使用开源仿真环境（包括 Gazebo、Google DeepMind 的 MuJoCo 和 NVIDIA Isaac Sim）开发解决方案，然后使用 Intrinsic 的软件平台和工业视觉模型进行验证。

决赛入围者最终将部署他们的算法远程连接到 Intrinsic 加州总部的物理工业工作单元。

软件成为差异化因素

从历史上看，工业机器人技术一直是由机械工程驱动的。

机器人有效负载、可重复性、速度和可靠性决定了竞争优势。

虽然这些特征仍然很重要，但人工智能的出现日益将差异化转向软件。

感知模型、机器人技能、运动计划ng，编排软件和开发环境可能会变得与机器人本身一样重要。

Intrinsic似乎将自己精确地定位在这个软件层中。

该公司的目标不是与机器人制造商直接竞争，而是提供智能平台，使不同的硬件平台能够执行更强大、适应性更强的制造任务。

工厂自动化的不同愿景

更广泛的含义是，工厂可能会变得越来越强大软件定义。

生产单元可以通过软件更新而不是机械重新设计来重新配置。

机器人功能可以通过可下载的人工智能技能而不是广泛的工程项目来扩展。

小型制造商可以获得以前为大型企业保留的自动化。

这一愿景是否实现将取决于工业人工智能在严格控制的演示之外证明自己的速度有多快。

但前进的方向似乎越来越清晰。

未来的工厂可能不是由全新的机器人定义的，而是由智能软件架构定义的，它使现有机器人的适应性大大增强。

Intrinsic 的模块化智能单元让我们对未来的样子有了初步了解。