人形机器人概念持续升温，工业机器人赛道也迎来新一轮“形态重估”。相比之下，一批面向工业场景的玩家正从更具可行性的路径切入具身智能浪潮，优艾智合就是其中之一。 这家成立于2017年的机器人公司，聚焦于高复杂度、高洁净等级的工厂环境，围绕“移动+操作”双重能力，打造适配半导体晶圆厂、新能源基地、3C制造车间等场景的移动操作型机器人，其产品已落地台积电、中芯国际、华星光电、中国中车、立讯精密、延锋国际等客户。 “移动操作机器人指的是在具备自主移动能力的基础上，进一步集成了机械臂和环境感知系统，从而实现‘可移动 + 可操作’的双重能力。”2025世界人工智能大会期间，优艾智合副总裁关健在接受时代周报记者专访时表示，传统AGV几乎没有感知能力，只能沿着预设路径运行；服务型机器人则多部署在商用或办公场景，安全性、精度等方面的要求远低于工业级标准。 相比之下，移动操作机器人配备了“嗅觉”“温度感知”以及多模态信号识别系统，能对周围环境做出智能感知与分析判断，再结合自主决策能力，完成复杂操作任务。 关健：目前，业内存在两种不同的声音。一种认为人形是未来机器人的终极形态，主要目标是C端家用场景。在此过程中，工业作为训练与数据采集的“过渡场”，承担着为其走进家庭奠定技术路径的角色。 我想强调两个核心判断：第一，机器人是否“长得像人”，不是工业应用的关键问题；第二，工业领域对机器人形态并无明确边界，关键在于是否适配实际任务。 从优艾智合的实践来看，我们更倾向于使用“移动操作型机器人”这一更为精确的概念。在晶圆厂这样的复杂工业场景中，我们的机器人已经可以实现24小时连续工作，长期稳定运行。这类机器人需要根据不同细分场景不断演化和适配，而不是拘泥于某种形态。 传统的移动操作型机器人，控制逻辑基本源自控制论架构，即人类为机器人预设每一道指令。而具身智能更强调通过大规模仿真与环境交互训练，让机器人具备自主理解任务、生成控制策略的能力，从而不再仅依赖人类的逐条编程。 在我们看来，具身智能是极具潜力的前沿技术，尤其对移动操作型机器人而言，其关键能力片段可以大幅增强机器人自适应性。但这并不意味着完整照搬人形形态或全栈架构就能适配工业场景。 工业对一致性与稳定性的要求远高于消费场景，不同行业对机器人能力也有极为细致的差异。我们主张从工业实际出发，吸收具身智能中的“关键基因”，融入到现有机器人体系中，形成一个更智能的生产力集合体，而不是盲目追逐人形概念。 关健：优艾智合在早期创业阶段曾响应过超过20个行业的非标定制化需求，并没有一开始就聚焦某一垂直赛道。今天所专注的半导体晶圆厂等场景，是在长期的项目迭代与现场验证中逐步沉淀出来的。 一些场景在过程中被自然淘汰，而另一些则在持续验证中不断固化为我们专长的行业解决方案。这更像是一个演化过程，而非战略预设。 机器人可以实现微米级的精准操作，而人类即便达到毫米级，已属极限。人类在长时间重复劳动中难以保持动作稳定性，出错难免。但机器人基于数据驱动的控制系统，可以长时间稳定如一地完成精细操作。 我们服务的晶圆厂通常涉及数百至上千个盒子，每个都要经历三四百道工艺流程。如果依赖上百名工人进行系统性调度，管理成本与错误风险极高。而机器人集群可基于统一系统互联互通，高效协作。 例如，急停、安全避障、精度控制等关键任务必须在机器人本地完成，若完全依赖网络将带来巨大风险。因此，我们认为决策的优先位置在端，协同的调度任务则部署在边缘。 边缘服务器通常承载多台机器人之间的协调任务，具备较高的算力冗余。这种结构下，端控制单一机器人，边侧调度机器人集群，实现灵活协同。 关健：我们希望借助大模型实现“机器人自主生成代码”的关键技术突破，将其能力嵌入现有控制框架中，逐步提升机器人系统的自主决策与任务适配能力。 当前“一脑多态”系统类似一位刚毕业的大学生。具备基础理解能力、硬件操作技能和环境感知能力，但在每个垂直行业的专业知识还相对欠缺。 这时我们就可以引入行业小模型或行业软件作为“经验补丁”，协助其完成具体任务。华为云的盘古大模型作为底座平台，能够与“一脑多态”架构无缝衔接，构建跨行业、跨场景的智能执行能力。 未来，我们希望有更多平台伙伴接入，围绕各自熟悉的行业构建配套软件，只需告诉机器人“做什么”，系统便可自动调配动作链条。这将构成一个更具生态能力的智能平台体系。 四足机器人的优势非常直观：具备显著的越障能力，能适应崎岖、非结构化地形，尤其适用于存在台阶、碎石或植被的户外环境。它的短板也同样明显，比如续航时间有限，稳定性和负载能力相对较弱。 轮式底盘的优势在于能耗低、负载大、路径重复性高，在铺装良好的厂区地面，尤其是标准化工业车间和管廊中，表现非常稳定可靠。因此，在我们看来，一个基本的判断逻辑是：在人工铺装良好的厂区内，轮式机器人依然是主力；而在厂区之外，比如大型变电站外围、风电场、油气站等自然环境中，四足机器人更能发挥优势。
