對於當前的工業機器人來說，AI是不是越多越好？

在11月6日(ri)舉(ju)行(xing)的(de)第(di)八(ba)屆(jie)虹(hong)橋(qiao)論(lun)壇(tan)智(zhi)能(neng)製(zhi)造(zao)分(fen)論(lun)壇(tan)中(zhong)，第(di)一(yi)財(cai)經(jing)記(ji)者(zhe)了(le)解(jie)到(dao)，相(xiang)比(bi)於(yu)海(hai)外(wai)機(ji)器(qi)人(ren)企(qi)業(ye)，中(zhong)國(guo)的(de)工(gong)業(ye)機(ji)器(qi)人(ren)企(qi)業(ye)正(zheng)在(zai)依(yi)托(tuo)國(guo)內(nei)多(duo)樣(yang)的(de)供(gong)應(ying)鏈(lian)場(chang)景(jing)
，探(tan)索(suo)更(geng)貼(tie)近(jin)工(gong)廠(chang)實(shi)際(ji)需(xu)求(qiu)的(de)路(lu)徑(jing)。

zhongguogongyejushenzhinengqiyeweiyizhizaolianhechuangshirenjianshouxiyunyingguanpanzhengyibiaoshi，weilaizhinengzhizaodeshengji，jixuyaozaigonggeiduanqianghuadicengshujudeliyong

，yexuyaozaixuqiuduanzhongxinsikaozhixingcengderouxingyuxiaolvpingheng。

潘正頤指出，目前製造業的執行端主要依靠兩種方式，自動化設備或人工操作。“自動化設備雖然效率高，但在麵對產品頻繁更換或小批量定製時，固定的產線往往缺乏足夠的靈活性。”潘正頤說
，人工操作雖然能靈活應對變化

，但在生產效率和質量控製上又難以保證一致性。如何在兩者之間找到平衡

，正是AI工業機器人需要麵對的課題。

一位汽車零部件工廠的工程師告訴第一財經記者
，目前工廠中的工業機器人在完成質檢、裝配、上下料、打磨等工序時，仍需要人工參與調試。比如，同一台機器人在生產不同產品時，從A產品切換到B產品，往往要由工程師重新生成軌跡和動作點位
，過程煩瑣且耗時。

“針對這個需求，加入視覺算法等AI部署
，就是很好的解決方案。”潘正頤告訴第一財經記者，AI的引入並非“越多越好”，關鍵在於與實際場景的融合。他表示，通過結合視覺算法、控製數據和軌跡生成算法，工業機器人能夠識別工件與動作邏輯

，還能在不斷學習中自主優化操作流程。

“AI不在多
，有用則靈。”潘正頤說道。

一位海外工業機器人企業的技術負責人告訴第一財經記者，海外企業通常傾向於出一些“標品”方案。比如在某一些機器人解決方案中針對AI和大數據預留通訊接口。“我們可以通過這個方法來幫助工廠提升部署效率，但同時也需要工廠上下遊的數據和我們自身的係統對接。”但這也意味著，企業對場景的適配度有限。該負責人表示，如果客戶工廠的產品線較多，或是設備的數據格式、通訊協議不統一，AI算法很難快速遷移或複用。

潘正頤認為
，這是現階段國內工業機器人的潛在優勢。“中國製造業的多樣性給了工業機器人企業天然的發展優勢。”他告訴第一財經記者，從3Cdianzidaoqichelingbujian，zaidaoxinnengyuandianchi，jihumeigexingyedouyoubutongdezhuangpeiluojihecaozuojiepai，zhegeisuanfamoxingdefanhuanenglitigonglefengfudeshujuxunlianhechangjingzhicheng。“相比於海外的工業機器人，更靠近場景是中國工業機器人更大的優勢。”