21世纪经济报道记者邓浩
4月14日，龙旗科技南昌平板制造工厂。四台智元精灵G2机器人站在MMIT测试工站前，完成流水线取料、高精度放置、治具对接、成品回流全闭环操作——循环往复，全程无剪辑、无预演，持续了8个小时。
智元把这场直播称为“全球首个具身智能工业产线规模落地实证”。实测数据显示，机器人8小时0故障，整体作业成功率高达100%；单个作业流程仅需18–20秒，每小时可完成310件产品。
数字背后透露一个更直白的信号：机器人真的可以在高速流水线上“打工”了。智元合伙人、高级副总裁、具身业务部总裁姚卯青认为，对比传统机械臂，精灵G2在泛化能力、部署速度与柔性化上优势显著。
他预计，到2028年，3C制造领域具身智能的渗透率可以达到50%，而对于彼时智元的市场占比，其表示：“我们在生产应用和场景，可以做到全球超过三分之二的出货。”
不过，姚卯青在现场也向21世纪经济报道说了一句更冷静的话：“具身智能还没有出现通用性的雏形完整形态。”此次精灵G2主要是使用通过真机强化学习形成类人作业策略。工业场景一般是确定性很强的任务，泛化性要求没有家庭场景那么高，但对节拍成功率、稳定性要求高。
四个月研发超预期
龙旗是国内头部的ODM厂商，为多家品牌代工平板、手机。这次合作的工位是MMIT测试——对组装完成的平板进行性能检测。核心动作是上下料：从流水线取平板，放入测试箱，测试完再取出放回。
动作看起来简单，难点在于节拍和精度。3C产线上下游紧密咬合，单站节拍要求在20秒左右，成功率必须达到“四个9”。龙旗科技机器人业务部总经理李龙回忆，去年双方启动项目后，联合团队把产线所有环节跑了一遍，最终选定测试上下料作为切入点。“我们要很现实地承认，现在的机器人是有边界的，不是所有事情都能解决。”
项目刚上手时，机器人完成整个动作周期需要100多秒。姚卯青说，从硬件稳定性、底层软件性能到多工序联合作业的工作流编排，“一路优化，最终到了现在的18~20秒”。
这期间双方做了大量联调。李龙举例，人靠视觉判断测试箱门是否打开，机器人如果也用视觉识别，效率太慢。通过通信信号触发，可以省掉视觉等待的时间。
从项目启动到正式并线，历时4个月。李龙透露，一开始预估要半年。目前已有“多台”精灵G2在产线稳定运行，累计连续运行140小时。智元计划2026年第三季度将部署规模扩大至百台量级。
这个速度在3C行业意味着什么？传统自动化改造一条产线，从方案设计到调试上线，动辄需要半年到一年，且一旦产品换型，产线还可能作废。而精灵G2的场景标定最快15分钟完成，产线换型重训不超过4小时，设备复用率高达95%。
姚卯青说，这次项目沉淀了一套可复用的方法论和产品形态。比如智元AI发布周第五天推出的Genie Studio Agent，正是面向工业场景开发的工具，客户可以在产品里通过可视化方法配置编排工作流，在仿真环境中快速验证。
物理AI快速上量
在直播的硬核数据之外，姚卯青对行业整体节奏给出了更长的时间表。
他认为，当前具身智能的瓶颈之一是数据。语言大模型有100万亿token的数据量，而具身智能只有几万小时的操作数据，“差了五六个数量级”。更关键的是，数据应该包含哪些模态尚不明确。人有视觉、听觉、触觉、力觉，机器人今天主要靠视觉和激光雷达，而没有触觉，很多事是无法完成的，“穿针引线，如果手是麻的，根本完成不了。”
为此，智元孵化了一家新公司“觅蜂科技”，定位为全球一站式数据服务平台。姚卯青透露，除了机器人真机数据，觅蜂还在布局“以人为中心”的采集方式，类似通过穿戴式设备记录人类日常生产生活中的精细操作，让具身智能学习。
对于行业普遍关心的“具身智能大模型何时到来”，姚卯青做了一个类比。“如果现在的具身智能水平类似于（当年的）BERT，那么到GPT-3水平，大概是2028年，如果要达到GPT-3.5，可能会到2030年。”
不过，姚卯青预计，到2028年，3C制造领域具身智能的渗透率可以达到50%。“3C还是一个工业场景，确定性比较强，只要大家对它进行基础的研发和投入，能够把机器人的成本快速下降到中国工人的薪资水平，这个应该是很快的。”
至于智元自己能占多少？姚卯青给出一个大胆的判断：去年全球人形机器人出货量智元占到40%，排除掉做文艺表演、情绪价值的，比例更高。“（到2028年）我们在生产应用和场景，可以做到全球超过三分之二的出货。”
这意味着，从现在开始的两年内，全球物理AI将进入快速上量期。姚卯青判断，今年、明年全行业会迅速累积到千万小时乃至一亿小时的操作数据。“只要数据质量够高、场景分布够广，可以支撑到我们到GPT-3的水平。”
而当前的机器人在产线运行，距离真正的“泛化”还尚远。李龙坦言，机器人最难操作的可能是理线的环节，因为它需要的感知太复杂了。未来工厂，可能会是具身机器人和机械臂长期协作与共存，解决不同场景的需求。
8小时直播落幕了。对于智元和龙旗来说，接下来的问题是：百台量级部署能否按期完成？ROI能否在更多工厂被验证？当产品换型、工位变动时，机器人能否像人一样快速学习新任务？回答这些问题，可能比2028年的50%渗透率更紧迫。
热门跟贴