10月12日至16日，第二十六届中国国际工业博览会在国家会展中心(上海)举行，总展览面积31万平方米，吸引来自24个国家和地区的3200余家展商。机器人展覆盖工业机器人、协作机器人、人形机器人、核心零部件及智能制造解决方案。官方对本届工博会的表述中，“人工智能+制造”和产业化、工程化成为鲜明主线。

　　2026年工博会上，搬运、装配、插拔、检测等具体生产工序成为机器人企业集中展示的场景。不少具身智能企业也将展示重点放到真实工位和场景应用上。从本体、零部件、工业软件到模型和应用场景，AI正沿着不同入口进入制造流程。

　　机器人走进真实产线

　　今年工博会上，越来越多企业开始回答一个问题——机器人能否真正放进工厂？

　　在工博会开幕式上，“上海市加快发展新一代智能制造行动”正式启动，提出到2028年人工智能在制造业应用场景突破2000个，推出300个高水平智能体，工业机器人密度达到600台/万人，并推动8000台人形机器人进工厂。

　　政策与企业动作共同显示，中国制造业与AI的融合正加快从技术展示走向产业落地。

　　节卡机器人副总裁常莉在工博会期间提出一个颇为直接的判断：“不看展台，看产线。”她认为，从Demo进入场景，关键不只是机器人能完成某个动作，而是能不能形成作业闭环。

　　节卡此次全球首发Kargo50重载轮式人形机器人。JAKA Kargo系列机器人已在某全球头部汽车零部件企业的智能大灯工厂实现批量化投产。

　　真实产线的严苛要求，倒逼了技术的快速迭代。据节卡介绍，经过研发团队驻场优化，不到一个月时间，该机器人单箱作业节拍便从最初的105秒压缩至28秒；其料箱场景的“原子技能”(标准化基础作业单元)从12个拓展至78个；同类全新场景的部署周期从12个月缩短至57天。

　　这种从“样机演示”到“规模化应用”的跨越，并非单纯依靠硬件堆叠。在Kargo的底层，是节卡自研的JAKA EVO具身智能操作系统。该系统采用“大脑+小脑”的分层智能体架构：云端大模型充当“大脑”完成视觉感知与任务规划，边缘端模型和底层控制系统充当“小脑”，以1kHz的高频响应守住工业现场的确定性执行，从而解决大模型“幻觉”与工业生产必须绝对安全可靠之间的矛盾。

　　横向看本届工博会，其他企业也在寻找各自进入真实生产的入口。

　　它石智航将线束装配作为切入口。线束形态柔软、位置易变化，长期以来较依赖人工经验。其AWE具身原生基座模型目前已应用于线束装配、精密插接、自主上下料、多品分拣等任务；企业还尝试通过“作业—数据—进化”的闭环，让真实产线产生的数据反过来训练模型。

　　“模型定义能力的上限，本体决定落地的边界。”它石智航联合创始人陈同庆在工博会论坛上说。据企业介绍，它石智航目前已覆盖国家卓越级智能工厂中的39类应用场景，并实现了百台机器人在柔性装配产线的集群部署与协同作业。

　　乐聚则把“部署”本身作为需要解决的问题。其Taskor工业部署方案允许开发者通过图形化方式编排机器人动作，企业称可将单机部署时间从数月缩短至数小时；现场夸父5W展示纸箱拆垛、料箱搬运、小件上料等工位，相关工业方案已进入汽车、通信、家电、物流等10多个行业。

　　人形机器人仍处于快速扩张与持续验证并行的阶段。

　　Counterpoint Research数据显示，2026年上半年全球人形机器人出货量超过2.2万台，同比增长接近300%；上半年智能制造约占全球人形机器人出货量的13%，仓储物流约占5%；文娱商演、数据生产与科研等应用合计仍在六成以上。

　　宇树科技创始人王兴兴在工博会期间也表示，机器人在工厂的落地和试点已经开始，但要实现大规模应用，泛化能力和效率仍需进一步提升。

　　两类进展因此同时存在：一边是协作机器人、工业机器人等已有较成熟本体和工业客户基础的产品，正把AI能力进一步嵌入既有产线；另一边是人形机器人快速增加出货和试点，但距离更广泛的工业应用仍需要持续验证。

　　从这些企业案例来看，机器人评价的重点正在发生变化——从“能不能完成动作”，转向“能不能稳定创造生产价值”。

　　AI+制造路线呈现“多元答案”

　　沿着本届工博会机器人展区继续看，会发现企业进入“AI+制造”的方式并不相同。

　　这种不同，首先体现在机器人本体形态上。

　　轮式移动操作机器人成为本届工博会上较为常见的一类工业方案。节卡此次全球首发了Kargo50重载轮式人形机器人。其JAKA Kargo系列机器人已经进入汽车零部件工厂承担料箱搬运等任务。对于大量地面平整、通道相对明确的工业场景，机器人需要长时间连续运行，并兼顾移动效率、负载和维护便利性。

　　汇川技术首次展示的InoBot W1同样采用轮式形态。其设计明显面向工业现场：底盘控制在0.6米×0.6米以内，搭载3.6度电池并采用双电池热插拔设计，液冷系统则用于满足高算力芯片在高温环境中的稳定运行需求。这背后，是汇川长期积累的伺服、PLC、运动控制等工业技术底座。

　　但在工厂里，轮式并不会是唯一答案。传统工业机器人仍承担焊接、搬运、喷涂、装配等大量成熟工序，协作机器人则继续向多品种、小批量和柔性生产环节延伸。人形机器人也在尝试进入搬运、上下料、装配等场景。不同工序对负载、精度、灵活性、续航和空间适应能力的要求并不相同，企业因而选择了不同的本体形态和技术路径。

　　如果说这一层分化回答的是“机器人以什么形态进入工厂”，那么另一层分化回答的则是：AI究竟从制造体系的哪一层进入。

　　机器人企业更多尝试把AI用于感知、规划和动作执行，西门子则从工业软件和自动化工程切入。西门子今年重点展示了工业自动化AI智能体Eigen，其主要应用是自动化工程：通过自然语言辅助PLC代码编写、HMI配置等。

　　在工博会现场，当被问及“未来大模型是否可以直接连接机器人，不再使用PLC”时，一位西门子工程师直言：“这完全是两回事。”该工程师表示，目前的AI智能体Eigen主要起辅助作用，例如自动生成标准化项目结构、缩减程序开发时间，但最终的逻辑校验和安全把关仍需依赖工程师。“它的核心价值是提升工程师的用户体验，缩短项目周期，而不是完全替代。”

　　由此看，企业进入“AI+制造”的路径，既取决于目标场景，也与自身原有能力密切相关。

　　节卡以协作机器人为起点，正以自研的JAKA EVO操作系统构建“工业物理AI全栈底座”，主攻软硬一体的通用化路线；汇川则是从伺服、PLC等工业控制底层向上延伸，推出液冷轮式具身机器人；西门子从工业软件往里切；而它石智航、乐聚等具身智能企业，则直接以通用基座模型和人形本体向下扎，瞄准线束装配、料箱搬运等工序，试图在真实产线跑出数据飞轮。

　　与此同时，传统工业机器人和协作机器人依然在大量成熟工序中持续升级。

　　这些路径解决的并不是同一个问题，也不必最终走向同一种产品形态。在真实的工业世界，没有唯一的标准答案，只有最适合真实产线的解法。

　　但无论企业选择哪种形态、从哪一层切入，机器人想要进工厂，都绕不开对底层硬件和核心零部件的消耗。这种真实落地的需求，正沿着产业链向上游传导。

　　上游率先兑现景气 

　　沿着机器人产业再往上游看，机器人与AI带来的需求变化，已经开始反映在部分上游产业链企业的订单、产能和财务数据中。

　　绿的谐波2026年半年报显示，上半年公司实现营业收入3.49亿元，同比增长38.64%；归属于上市公司股东的净利润约7011万元，同比增长31.25%。公司将收入增长归于工业机器人行业份额提升、具身智能业务规模增长以及产能扩张等因素。

　　财报数字之外，生产端的感受更加直观。工博会现场，绿的谐波全球业务总裁杜建斌透露，目前公司部分产品打样周期约需8周，“以前可能6周”；大货生产周期也在6至8周左右，“这段时间产能比较紧张”。他也透露，目前公司出口占比约15%至20%，一些欧美客户已开始提出海外本地化产能需求，以满足JIT(准时制)交付。

　　从核心零部件向外看，国内工控领域的头部企业汇川技术也在受益于相关需求。

　　汇川技术的伺服系统、PLC等产品是工业机器人不可或缺的核心零部件，其近年来也基于这一底座向具身智能整机延伸。汇川技术2026年半年报显示，上半年工业自动化与数字化业务实现营业收入约134.66亿元，同比增长29.15%；包括智能机器人和数字能源在内的新兴产业收入约14.67亿元，同比增长96.29%。公司解释，新兴产业收入增长主要得益于工业机器人、储能等业务订单快速增长。

　　这组数字也能解释为什么汇川会在今年工博会上同时谈伺服、工业机器人、AI平台和具身机器人——它原本就是机器人产业链的核心部件供应商，如今又推出InoBot W1，并建设iFG工业智脑平台。也就是说，它既能从机器人的增量需求中获得零部件机会，也在试图进入更完整的智能制造系统。

　　从汇川的业务变化可以看到，机器人和AI带来的增量需求，正在从整机向伺服、控制系统等产业链环节传导；与此同时，上游企业也在沿着原有技术能力向机器人本体和工业AI延伸。

　　核心零部件订单的爆发，反映的只是“造机器人”产业链的景气，工业AI在落地端依然面临现实的门槛。

　　工业AI落地，中国制造业是重要验证场

　　在工博会期间的一个圆桌论坛上，北京铂睿德佳资深合伙人朱仕水指出，当前通用智能机器人从市场化向规模化跃迁的过程中，但面临的第一个现实痛点就是“ROI算不过来”，同时制造业还普遍存在“数据孤岛”问题。

　　这两类问题，一端指向企业是否愿意持续投入，另一端则指向AI能否真正获得足够的工业数据和工艺知识。也正因此，当前“AI+制造”的重点已经不只是增加技术供给，还包括场景开放、数据沉淀和产业协同。上海交通大学教授吴建华则从技术角度指出，具身智能需要跨越的不仅是动作的泛化，还包括适应环境变化的泛化，以及最终“跨场景”的泛化能力。

　　今年1月，工业和信息化部等八部门发布《“人工智能+制造”专项行动实施意见》，提出到2027年推动3至5个通用大模型在制造业深度应用，推出1000个高水平工业智能体，打造100个工业领域高质量数据集，推广500个典型应用场景。文件明确提出，一端抓技术供给，一端抓赋能应用，促进人工智能技术与制造业应用“双向赋能”。

　　政策给出了方向，而真正决定这些技术能否落地的，仍是制造业本身。

　　西门子中国董事长肖松此前接受采访时，将中国工业市场的特点概括为 "广度、深度、速度、态度"：完整的工业体系提供多样化的训练样本和应用场景，600多万家制造企业为工业AI向细分行业纵深发展提供空间，高效供应链显著提高产品开发效率，而中国企业在新技术应用、数据共享和场景共创方面也保持较高开放度。肖松认为，这“四度”共同构成了中国工业的独特优势。

　　对工业AI而言，这些优势最终都会落到一个关键词上——场景。

　　真实、复杂而足够丰富的制造场景，既是技术验证的地方，也是模型、软件和机器人持续迭代的来源。

　　从本届工博会看，不同企业正在从机器人本体、核心零部件、工业控制、软件和模型等不同入口进入制造业。技术路线可以不同，但最终都需要在真实生产中证明价值。

　　当AI开始从数字世界走向物理世界，中国庞大而完整的制造体系，正在成为其重要的验证场。(完)

注：请在转载文章内容时务必注明出处!   

编辑：罗嵛月