AI越往物理世界走,中国制造业在这场竞争中的分量就越重。让机器理解一句指令,只是产品的一部分;让它以客户能接受的成本完成工作,并在不同现场长期运行,会把供应链、工程团队和服务网络一起拉进竞争。中国在这些环节的积累,有机会成为下一阶段AI普及所需要的资源。
这意味着,中国企业参与AI竞争的入口正在增加。有人供应零部件和整机,有人把智能能力装进已有产品,还有人借助真实业务参与模型研发。值得追问的是,中国企业能从中拿到多少:设备订单只是起点,能否进一步参与产品定义、留住客户,并把现场经验转成技术,才决定这份胜算能走多远。
供应链开始进入AI的研发过程
过去谈中国制造优势,常常落在技术成熟后的量产阶段。物理AI正在让这项优势提前:研究者要训练一个动作,先得有能够采集数据、执行动作、反复试验的设备。现成硬件能解决多少问题,会直接影响一个团队把多少精力放在模型上。
Hugging Face与The Robot Studio合作的开源机械臂SO-100、SO-101,是一个具体例子。开发者可以照着公开的物料清单购买部件,打印结构件,接入LeRobot软件。机械臂使用深圳飞特的舵机;SO-101还简化了配线和装配,并调整主臂电机,让它更便于人手操控。
这些选择已经进入了模型开发。Hugging Face在2025年发布SmolVLA时,明确把低成本开源硬件作为降低研究门槛的一部分,使用SO-100、SO-101进行训练和评估。团队还把社区使用SO-100采集的数据筛选、整理后用于模型预训练。
从购买部件、组装机器,到采集动作数据、训练模型,这条路径把供应商、硬件设计者、开源社区和模型团队接在了一起。中国零部件企业无需先成为模型公司,就已经参与了AI研究所依赖的硬件供给。开发团队也能复用已有的执行部件和装配方案,把工作继续推进到任务与模型。这是制造能力获得新价值的一种方式:它开始影响谁有条件做研发,以及研发怎样组织。
这种迁移也发生在整机制造。蓝思科技今年半年报披露,机器人灵巧手、关节模组及整机组装相关产品已实现批量交付,依托的是长期服务消费电子和智能汽车积累的精密制造与系统集成能力。新产品可以使用已有团队、工艺和生产体系,进入者因此不必把每一项制造能力都从头建起。
中国的相对优势正在这里显现:AI要进入的产品越多样,所需要的材料、部件、加工与装配经验就越分散。能够同时服务多种产品的产业体系,可以提供更多现成的组合。模型研发仍需投入,但一家设备公司开始尝试新的智能功能时,已有产品和供应链会给它一个更靠前的起点。
进入物理世界,也可以从已有生意开始
如果只盯着人形机器人,很容易低估这类起点的价值。大量实体设备已有明确任务和付费客户,AI能力可以沿着具体问题逐步进入,商业化也不必等待一台什么都能做的通用机器。
农业无人机已经走过了从设备交付到扩大使用的过程。按大疆今年4月发布的报告,截至2025年底,全球投入使用的大疆农业无人机超过60万台;报告同时披露,其全球服务维修中心达到3500家。与机器一起形成的,还有操作人员培训和当地服务能力。
这套业务基础的价值,在于新功能有现成的使用入口。今年7月推出的T55结合雷达、视觉和算法,按大疆的产品说明,识别到的障碍可以被记录,用于后续作业避让。研发面对的是具体的田间问题,客户也能据此判断智能化是否减少了操作负担。已有的销售和服务关系,让企业能够继续交付升级、处理故障,而不必为每项新能力重新建立一套客户网络。
工业现场提供了另一种起点。国际机器人联合会的统计显示,2025年中国新安装工业机器人约35.4万台,占全球安装量的59%。如此大的使用规模,意味着大量企业已经需要处理机器人与工序、人员、来料之间的配合。新的AI能力进入工厂,可以从这些现成问题中寻找任务。
不过,从生产经验走到模型能力,还需要有人把问题整理成可以训练和验证的工作。Google DeepMind在11月发布Gemini Robotics 2.5时,介绍了与Apptronik、奔驰开展的概念验证:Apollo 2机器人整理汽车零件,配套到生产使用的容器里。DeepMind公布的特定任务成功率为96%。这仍是试点,却已经说明合作需要深入到什么程度:模型团队、设备供应商和工厂要共同定义动作与验收结果。
中国拥有广泛的现场基础,下一步的机会也在这种合作里。熟悉生产的人能提出有价值的任务,设备企业负责适配,模型团队参与改进。工厂里原有多少台机器,并不会直接变成多少可训练的数据;把经验变成可复用的能力,需要持续投入。能组织这项工作、又能把改进装回产品的企业,才有机会从客户现场取得更长期的优势。
订单之外,谁能留下更多价值
硬件进入全球AI研发,已经有了更明确的合作形态。英伟达今年5月公布的人形机器人参考设计,采用宇树本体,搭配Sharpa灵巧手以及英伟达的计算和软件平台,面向研究者提供采集数据、训练和部署的条件。当时公布的计划是年底供货。中国本体厂商由此参与到一套国际研发平台的供给中。
这项合作同时划清了一个重要边界:英伟达公告明确,研究者保有对机器人数据、训练数据、遥测和日志的控制权。机器由谁制造,与后续数据归谁使用,是两件需要分别安排的事。设备卖得多,首先带来供货业务;制造商能否参与后续研发,还要看它与客户怎样合作。
宇树也在延伸自己的能力。今年9月,它发布了UnifoLM-WLA-1.0-Base及微调代码,官方开源页面还提供适配自家机器人、机械臂的数据采集、训练与真机部署框架。本体公司开始提供模型和工具,可以更深入地参与开发者怎样使用硬件,以及下一代硬件需要作什么调整。
沿着这条路径,中国企业争取的价值会发生变化。只承担制造,就主要靠交付与成本争订单;能够持续参与任务开发和产品改进,就更有机会影响客户选型,并获得后续服务和升级业务。真正值得观察的是,这些企业能不能从“别人给出设计,我来做”走向与客户共同决定机器应该做什么、怎样做。
国内庞大的市场也会吸引竞争者。按同一份IFR统计,中国供应商2025年在本土工业机器人市场的份额为55%,较2024年的57%有所下降。市场继续扩大,并没有让每一份新增需求都归于本土供应商。制造基础提供了入场条件,客户最终仍会选择能解决问题的产品。
因此,越接近物理AI时刻,中国胜算越大的依据,在于AI需要调动的产业能力正在变多,中国已有的积累能在更多环节发挥作用。下一步更有分量的成果,应当是中国企业凭借这些积累参与定义新产品、经营长期客户,并让制造经验不断进入自身研发。到那时,供应链接住的就不仅是一轮新增订单,还有下一代产业分工中的位置。
热门跟贴