虽然目前围绕物理人工智能的大部分讨论都集中在仍从原型到商业部署的技术上， AES 已经让机器人在公用事业规模的太阳能建筑工地上工作。
全球能源公司开发 马克西莫，一种人工智能驱动的机器人系统，旨在自动化太阳能建设中对体力要求最高的阶段之一：吊装和安装光伏模块。
Maximo 不是在工厂的可预测环境中作业，而是与施工人员一起在活动现场工作，那里的地形、天气、设备和工作条件可能会不断变化。
该系统现已安装了超过 180,000 个太阳能组件，发电量超过 100 兆瓦。据 AES 称，使用 Maximo 的机器人单日安装量已超过500块光伏组件，而使用该技术的工作人员每班每小时最多可安装 24 个模块。
Maximo 是通过该公司的创新和业务建设平台 AES Next 开发的。该项目为机器人企业的开发人员提供了一个不寻常的优势：可以使用 AES 自己的实时太阳能建设项目管道，从而可以从早期阶段就在实际操作条件下测试和完善该技术。
尼克·赫格曼Maximo 首席商务官，负责帮助该技术从内部开发和现场验证走向更广泛的商业采用。
在本次问答中 机器人与自动化新闻Hegeman 讨论了在不断变化的建筑工地上部署自主系统的技术挑战，为什么现场验证对于物理人工智能的成功至关重要，以及劳动力短缺和日益沉重的太阳能模块如何加强自动化的理由。
他还解释了为什么与现有施工流程的集成是 Maximo 发展的核心、随着部署规模的扩大，客户对机器人技术的态度如何发生变化，以及 AES 看到了可再生能源施工和现场物流自动化的下一个机遇。
尼克·赫格曼访谈
机器人与自动化新闻：建筑业长期以来被认为是最难实现自动化的行业之一，因为每个地点都不同。 Maximo 在能够在现场太阳能建设项目上可靠地部署机器人之前，必须克服哪些最大的技术挑战？
尼克·赫格曼：太阳能建设在极其艰苦的条件下进行，在开阔的沙漠中，并且经常在极端炎热的情况下进行。在贝尔菲尔德项目中，Maximo 帮助工作人员安装了 180,000 个独立模块，每个模块重达 75 磅。工作人员每天必须抬起数百次。
面临的挑战是构建足够可靠的东西，以这种速度完成这项工作，而不要求 EPC 改变其流程的任何内容。
最重要的是，不同地点、不同地形、不同天气、不同模块型号和瓦数从一个项目到下一个项目都存在巨大差异，因此系统不能依赖于每次出现在新地方时都要重新编程或重新训练。
它需要观察前方的任何物体，并自行了解深度、倾斜度和位置。我们不想改变供应链或重新发明轮子，我们希望 Maximo 能够融入现有的施工工作流程，以便尽可能简单地采用。
R&AN：你们的机器人现已完成超过 180,000 块太阳能电池板安装，自主部署容量超过 100 MW。从什么时候开始，客户不再将这项技术视为一种实验，而是开始将其视为一种实用的施工工具？
NH：Maximo 是作为 AES Next 的一部分孵化的。这为我们的团队提供了在美国各地的各种太阳能项目部署试点计划的机会。当我们从试点项目转向公用事业规模项目时，这种转变变得显而易见。客户现在指望我们能按时完成任务。
2025年12月和2026年1月，我们达到了每月20MW的安装速度。该国五个最大的 EPC 中的两个看到 Maximo 以这样的速度运行，并且在这两个案例中，他们都立即快速跟踪了技术评估流程。
观看机器人在真实条件下的大规模表演，让 Maximo 在他们眼中从“值得一看”转变为“值得优先考虑”。如今，使用 Maximo 的工作人员每班每小时安装多达 24 个模块，EPC 正在将这种性能能力构建到其标准施工工作流程中。
R&AN：与在地图道路上运行的自动驾驶汽车不同，太阳能建筑工地不断变化，地形不平坦、移动设备和附近工作的人员。 Maximo 如何使其机器人能够在如此不可预测的环境中安全高效地运行？
NH：Maximo 的安全性在机器人开启之前启动。作为标准设置的一部分，工作人员要接受培训和特定地点的安全检查，就像任何新的重型设备被引入工作现场一样。
一旦投入运行，Maximo 就会在此基础上叠加实时感知。 Max 持续识别跟踪器结构、模块和附近的任何物体，并在条件发生变化时进行自我纠正，无论是有人进入工作区域还是意外的障碍物。
R&AN：劳动力短缺仍然是建筑和可再生能源行业的一个主要问题。您的经验是否表明客户采用机器人技术主要是为了降低劳动力成本、解决劳动力短缺问题或提高项目交付速度？
NH：所有这些项目都是相关的，但 EPC 关注的关键是履行合同承诺，以预定成本按时交付项目。他们的首要任务是寻找降低项目风险的方法，但施工环境的现实使这变得越来越困难。
所有客户都希望受益于机器人技术，无论是速度、成本还是安全性，但直到最近，一直存在这样的问题：引入机器人技术会给项目带来哪些风险。真正加速客户采用 Maximo 的是易于集成和可靠的性能。
这些项目的运行已经非常紧张，以至于大多数 EPC 无法承担在未经证实的项目上冒险的风险。我们成功安装数十万个模块的记录使机器人技术不再是产品经理必须担心的另一件事，而是让他们的生活变得更轻松。
客户不再出于单一原因选择机器人，功率速度、劳动力可用性和面板重量都汇聚成一个问题，而现在，功率速度是最重要的问题。
Maximo 通过提供超过行业平均水平两倍的安装率来解决这一压力，减少重型模块所需的人员规模，并且可以将公用事业规模的时间表缩短最多两个月。
虽然 Maximo 无法取代对工人的需求，但它可以为工作人员提供一种方法来缩小部分差距，并利用他们已有的劳动力更快地行动。
R&AN：现在许多机器人公司都在推广“物理人工智能”，但实现大规模商业部署的相对较少。从您的角度来看，在该领域取得成功的技术与那些仍然令人印象深刻的演示技术有何区别？
NH：这个领域的许多公司已经筹集了数百万美元的资金，但仍然没有将机器人部署到现场工作现场。通过演示阶段的技术是从第一天起就考虑到该领域而构建的技术，这意味着在机器人遇到现场之前就进行了严格的测试。
同样重要的是支持，这就是 AES Next 内置的不同之处。 Maximo 经历了 AES 自己的结构化投资和孵化流程，该模式也帮助建立了 Fluence 等其他业务。
Maximo 的设计目的是融入现有的施工工作流程和供应链，而不是迫使 EPC 改变其施工方式，这就是为什么采用很简单，而不是强行推销。 Physical AI succeeds commercially when the people using it trust it, and that trust is earned through testing, training, and safety discipline.
R&AN：Maximo 展示了机器人技术如何实现公用事业规模太阳能建设的一个阶段的自动化。展望未来，您认为可再生能源基础设施的哪些其他部分已经准备好实现自动化，您认为未来十年机器人技术的最大机遇在哪里？
NH：太阳能组件安装是第一个为自动化做好准备的物理阶段，但它并不是唯一的阶段。我们还看到自动化在这些项目的数字方面占据主导地位，使 EPC 能够在工作发生时（而不是事后）更好地实时了解安装进度和工作人员的表现。这是故事的一个单独部分，我们很快就会分享更多内容。
展望未来，物料搬运和现场物流将成为下一个重大机遇。这涵盖了将物理组件运送到需要的位置、交付模块和塔架、接收安装所需的部件以及在活跃的施工现场移动所有部件所涉及的一切。
与安装相比，这是过程中不太明显的部分，但它同样重要，而且其背后的技术非常接近于公用事业规模的自动化。
我们还密切关注模块化和跟踪器 OEM。面板不断变得更大、更重。一些制造商已经开始调整他们的设计，考虑到自动化安装，这表明机器人技术开始影响上游硬件的设计方式。
R&AN：AES 运营着世界上最大的能源企业之一，同时还通过 Maximo 开发机器人技术。与传统的机器人初创公司相比，成为一家大型能源公司的一部分是否改变了您开发和商业化机器人技术的方式？这为更广泛的行业提供了哪些经验教训？
NH：在 AES 内部孵化给了我们一个真正的建设管道可供学习，这意味着我们不必像独立初创公司那样花费数年时间来寻找第一个站点。
Maximo 在弗吉尼亚州构思，在匹兹堡建造，几乎立即投入到 AES 自己的活跃太阳能项目中，因此我们从第一天起就经过了现场验证，因为我们是在 AES 的现场施工现场工作，而不是在受控环境中进行测试并希望获得飞行员。
这种访问使我们能够优先考虑让 Maximo 尽早进入该领域，而不是等待成品。我们可以立即将其置于真实的沙漠高温、真实地形和真实人员的环境中，并从实际条件而不是模拟中快速学习。
通过在一家已经拥有项目和管道的公司内部工作，能够实现这种快速的现场部署，这是一个真正的优势和收获。