AI与具身智能无疑是当下最受追捧的风口，但在工业场景中，两者的规模化应用远非一蹴而就。本周举行的中国工博会上，西门子、ABB机器人、施耐德电气等工业巨头均对此给出冷静的判断：工业场景要的从来不是“演示型”或“可用级”的AI，而是安全、可靠、可复现的工业级应用。谨慎并不等于悲观，他们一边指出泡沫与瓶颈，一边已在自己的工厂里开放场景、验证落地。热潮之下，工业界的这盆“冷水”，恰恰指向AI真正进入物理世界的重重门槛。
“目前工业场景对AI的应用仍较为谨慎，因为他们需要的解决方案是工业级别的应用。在工厂中，每个环节、任何时刻都必须完美运行。”西门子数字化工业集团自动化业务执行副总裁、西门子数字化工业大中华区负责人裴安咨（Achim Peltz）对澎湃新闻坦言，AI规模化应用在工业场景中并不简单，依赖于高质量的数据。
而高质量数据从何而来，是工业AI面临的第一道难关。裴安咨进一步解释称，在新的生产线收集数据相对容易，而在已有、不是那么新兴的行业里并不容易，因为数据往往分散在多个系统当中，有新机器、有旧机器，也很难做到每条生产线的数据都能对齐。“这些数据不仅要在试验室里运行有效，还要在工厂中正常运行。与自动化、软件以及行业的专业知识相结合，AI才能创造真正的价值。”
数据是工业AI的基石，安全可靠更是不可逾越的底线。
“一旦物理AI在工厂运行过程中出现AI幻觉，后果十分严重。”ABB机器人中国区总裁韩晨对澎湃新闻表示，该公司正致力于工业级物理AI的落地，“工业级”具备特殊内涵，首要就是安全性，既包含设备运行安全，也涵盖数据安全。“我们研发物理AI技术，以安全、可靠、稳定和可复现作为前提。”
他同时强调，当前不少物理AI方案的运行速度远低于人工，这在工业场景中并不具备可行性，产线不会为适配AI技术而牺牲产能。
作为物理AI的重要载体，具身智能近两年成为一级市场最受资本追捧的赛道。与此同时，围绕“具身智能泡沫论”的讨论也持续升温。
韩晨对澎湃新闻分析称，随着AI尤其是物理AI热度高涨，行业内确实存在部分概念泡沫。但工业级AI以安全、可靠、高性能为硬性标准，这些指标难以靠概念支撑，本身就是一道门槛，能够筛除掉大量不成熟的泡沫。
“我们评判技术落地的核心标尺是高性能：如果应用具身智能之后，作业速度不及人工，那么就不具备生产价值，只能作为数据采集与科研实验，不能用于正式生产。”韩晨强调，真正面向生产的物理AI，应当像传统工业机器人那样，优先替代高危、恶劣环境以及重复枯燥的岗位，解放人力。
从工业机器人到人形机器人，载体形态在演进，工业级的严苛要求却始终如一。
谈及人形机器人从概念走向实际产线的过程，裴安咨认为，最大的瓶颈在于如何满足工业级生产所需。“我们已习惯于在生产中使用工业机器人或其他辅助类的工具，但目前而言，工厂尚未批量应用人形机器人。人形机器人在工厂内适合承担一些确定性的任务，需要有精准度、重复性地工作。我们在自己的工厂里使用人形机器人，首先必须没有延迟，二是人形机器人的载重要更强。”
他强调，人形机器人在工厂批量落地最大的挑战不是动力系统，也非大脑系统，而是是否适合真正工业场景应用。“在我看来，根据人形机器人的发展速度，相信不久的将来我们可以看到更多人形机器人在工厂的产线上应用。”
正因如此，让具身智能走进真实产线、在实战中积累数据与经验，成为产业界的共同选择。制造现场工况复杂、任务多变、节拍严格、安全要求高，来自真实产线的测试反馈与数据积累，是具身智能形成可复制、可规模化工业应用能力的重要前提。
今年的工博会上，西门子宣布开放6类支撑柔性自动化、具备行业通用性的具身智能工厂应用场景，包括无序散料智能分拣与精准上料、物料容器自主搬运与流转、物料容器智能拆垛与码垛、工艺操作与质量检测、高精度螺丝拧紧、制成品灵活包装。通过在中国5家工厂开放上述实景生产环境，西门子将联合生态伙伴开展多维度测试验证，挖掘具身智能应用的跨产线、跨场景迁移潜力，推动具身智能加快落地生产现场。
“在具体应用场景中，尤其在国内头部企业开展AI技术实践时，我们首先要保证安全。AI不能产生不可控的幻觉，必须确保其决策合理、安全，并保障整个系统稳定运行。”施耐德电气高级副总裁、工业自动化业务中国区负责人丁晓红也向澎湃新闻强调，安全是工业级AI的生命线。
据其观察，工业AI已成为本届工博会最热门的话题之一，但当前的很多挑战与过去业内反复讨论的症结并没有本质区别，最根本的还是数据治理。工业企业通常经历了较长的发展周期，存在数据融会贯通的问题。“企业在不同发展阶段会形成不同的数据孤岛。进入工业AI阶段后，除了结构化数据，还有大量非结构化数据，如何把这些数据真正用好，是必须解决的问题。”
她补充称，未来还有一个很重要的概念“Context”，也就是数据的“业务上下文”。要把一个设备、一座工厂的“前世今生”联系起来，才能更好地理解现状并预测未来。“无论是当前的工业AI阶段，还是未来的智能体时代，数据治理都是根本性基础，需要产业各方共同做好。”
在丁晓红看来，工业AI已经出现很多应用场景。下一步的关键，在于进一步找到适合规模化复制的高价值场景。从现阶段来看，能源优化和预测性维护是已经具备广泛应用基础、可以进一步普及的两个方向。再往中长期看，AI最终要进入物理世界。AI在自动驾驶、机器人等方面都很有前景，但无论是自动驾驶还是工业机器人，AI本身的安全性、合规性和可靠性都越来越成为大型企业的首要考量。“另一个方向是长流程和全局优化。相较于可以在一定范围内试错的单点应用，全局优化涉及整个生产运营体系，对安全、合规、效果验证和部署方式都有更高要求。”
这一切的落地，离不开产业生态的协同与中国市场的独特优势。施耐德电气执行副总裁、中国及东亚区总裁尹正认为，作为全球制造大国，中国拥有广阔的市场、完整的产业配套、丰富的应用场景和活跃的创新生态，为科技创新、技术迭代与AI的规模化应用创造了有利条件。AI的规模化部署需要产业场景适配、体系化应用和规模复制等阶段，施耐德电气不仅在强化自身能力，更持续推动跨领域的广泛生态协同。
