國臺辦：島內綠媒惡意炒作抹黑 暴露其挑撥兩岸對立對抗的險惡用心
2025-12-17 11:46 7,857次浏览閱讀提示 近期，人形機器人在各大展會和活動中頻頻亮相，展現出強大創新力和蓬勃發展活力。從實驗室到千家萬戶，其商業化落地還需突破技術、成本等難題。專家認為，未來，可以通過建設大規模數據採集工廠等方式，加快部分場景的商業化落地，以更好跨越「最後一公裡」。 格鬥臺上，4臺身高約1.3米的人形機器人兩兩對抗，直拳、勾拳、側踢，連招行雲流水……在不久前舉辦的世界人工智慧大會上，一場人形機器人格鬥賽引發關注。 今年，被認為是人形機器人量產「元年」，人形機器人頻頻亮相各大展會，展現出強大創新力和蓬勃發展活力。2025世界機器人大會上，200餘家國內外機器人企業參展，人形機器人整機企業數量創下新高；2025世界人形機器人運動會開賽在即，500餘臺人形機器人將在538個比賽項目中大顯身手…… 作為機器人技術的集大成者，人形機器人承載著新一輪科技革命和產業變革的厚望。迎來量產的人形機器人如何從實驗室到千家萬戶？其商業化落地還面臨哪些挑戰、需要突破哪些藩籬？對此，《工人日報》記者展開了採訪。 產業發展有基礎，技術細節存卡點 「看它走路搖搖晃晃，跑兩步就摔跤，感覺還不是很靈活。」來自鄭州的謝嘉豪觀看了近期舉辦的2025RoboCup巴西機器人足球世界盃的多場賽事，在他看來，一些參賽的人形機器人在運動能力上還有提升空間。這也道出了當前該產業面臨的困境之一。 根據工信部發布的《人形機器人創新發展指導意見》(以下簡稱《意見》)，今年，我國將初步建立人形機器人創新體系。工信部相關負責人在解讀《意見》時表示，我國人形機器人產業前期已有一定基礎，但在一些方面仍存在短板弱項。 據了解，智能能力、運動能力和本體能力技術卡點，是當前人形機器人面臨的主要發展瓶頸。有業內專家將這三類能力比作人類的「大腦、小腦、肢體」，它們對人形機器人的發展至關重要。 「人形機器人的運動控制、感知能力目前存在技術卡點，導致它們看起來『笨笨的』。」飛上天傳媒CEO宋宇飛及其團隊針對人形機器人賽道開展了多項研究，他告訴記者，在運動控制方面，部分人形機器人的電機雖能提供高瞬時功率，但持續運行時散熱不佳，致使關節溫度升高、扭矩精度下降，且當前的機器視覺和傳感器技術尚不足以讓機器人準確感知複雜環境，「這也是為什麼人形機器人在運動時容易摔倒」。 而在人形機器人的運動能力和本體能力之外，多位受訪專家指出，類似於人類「大腦」能力的智能能力在技術細節方面仍需不斷完善。 對此，高工機器人研究總監蔡炳貞分析認為，機器人需要先感知外界信息，再把信息傳給「大腦」，「大腦」要加以理解、分析、推理、決策，再指揮「小腦」控制運動，現有的人形機器人大模型推理速度、邊緣計算算力相對不足，由此帶來延時性問題，進而導致整套動作流程耗時較長。 供應鏈進一步完善，價格有待更「親民」 從幾年前的幾百萬元一臺，到今年的幾萬元一臺，人形機器人售價總體呈下降趨勢。特別是今年以來，多個品牌產品進入量產階段，價格降幅更為明顯。7月，國內某品牌推出的一款人形機器人，售價為3.99萬元起。 不過，人形機器人要進一步實現家用，現階段的成本和售價仍然較高，有消費者表示，「期待隨著國產供應鏈進一步完善，售價能夠更加『親民』。」 人形機器人為什麼「有些貴」？蔡炳貞認為，目前，無論是人形機器人的「大腦」「小腦」技術，還是關節模組等硬體技術，都還沒有實現標準化和統一，各個零部件主要由各機器人廠家設計定製，導致定製成本較高。 對於如何進一步降低人形機器人成本，宋宇飛建議，一方面，企業應當繼續提高自研自產能力，通過自研自產電機、3D雷射雷達等核心部件，不斷降低硬體成本；另一方面，也應持續優化設計與生產工藝，如減少模具成本和零部件數量，提高裝配效率。 上海大學智慧機器人團隊成員張哲瑞告訴記者，我國具有完整的人形機器人產業鏈，如果人形機器人的技術問題得以更好地解決，大規模量產和降低成本都有望實現。 「技術進一步成熟之後，產業鏈上下遊才能有相對統一的產線進行大規模生產。實現這種大規模量產後，人形機器人進入千家萬戶才有可能。」蔡炳貞說。 拓展應用場景，加快商業化落地 從實驗室到工廠，從展臺到救援現場，再從商場到尋常百姓家……跨越「最後一公裡」，人形機器人如何探索應用場景的更多可能？ 據蔡炳貞觀察，人形機器人目前主要應用於科研場景、教育場景、展覽娛樂場景、商業巡檢場景，這4類場景佔到人形機器人全部應用場景的70%以上。 近年來，國家和地方在拓展人形機器人應用場景方面進行了諸多積極嘗試。《意見》提出，加快人形機器人在特種環境應用，聚焦3C、汽車等製造業重點領域，提升人形機器人工具操作與任務執行能力，並拓展人形機器人在醫療、家政等民生領域服務應用。部分地區已展開先行先試，如北京嘗試打造高智能化和柔性化的生產線及汽車超級無人工廠，上海啟動運行全球首個全尺寸人形機器人開源社區「OpenLoong」。 宋宇飛建議，將人形機器人優先用於救援救災場景。「如在坍塌等高危場景中，機器人能進入人類難以到達的危險區域，執行探測、搜救等任務，提高作業安全性和效率。」 「人形機器人的最大優勢就是能夠適配人類社會的基礎設施。在應用場景方面，可以按從簡單到複雜、從封閉到開放的順序進行拓展。」張哲瑞分析稱，可以先從工廠等簡單的、封閉的場景推廣人形機器人，再逐步推廣至更開放、更複雜的場景。 「讓人形機器人到工廠去做『簡單勞動』其實並不簡單，核心卡點在於模型有待優化和數據稀缺。」蔡炳貞告訴記者，行業內目前主要通過遙操機器人採集數據、生成仿真數據等解決上述問題，要突破這一瓶頸，未來還需建設大規模數據採集工廠，或通過切割場景，讓一部分場景機器人先實現商業化落地。
前不久，我在做某數位化平臺的調研時，與他們的創始人談到了一個耐人尋味的話題——「為什麼中國擁有全球最完整的工業體系，卻仍有無數中小工廠困於『代工邊緣』？」 對方提到，「其實只用產業鏈集群來描述中國製造業的供應鏈能力是不準確的，至少還包括工藝協同、企業協同、行業協同、區域協同和內外協同。」 這五個協同層面，恰好揭示了傳統供應鏈體系的深層矛盾。當我們把目光從單個企業的生存困境投向更遠，會發現全球供應鏈的重組早已超越簡單的產能轉移，演變為一場由數據與算法驅動的系統性變革——而AI，正是這場變革的核心引擎。 傳統供應鏈的困境：看不見的繩索與隱性成本 傳統供應鏈的痛點往往像慢性病，其症狀在危急時刻才會被劇烈感知。而AI卻像特效藥一樣，能讓傳統供應鏈「起死回生」。 在珠三角某電子元件基地，一家主營手機配件的工廠就曾遭遇過類似問題。當海外客戶突然要修改訂單要求時，供應商需要花費三天時間核實技術要求的細節，而車間主任也只能憑經驗決定能不能修改。這種低效的信息傳遞鏈條，迫使企業不得不常年多備15%的冗餘庫存以應對不確定性。 這種依賴人工經驗的決策模式，更「坑人」的地方在於，易引發市場波動中的「群體失智」：市場一有風吹草動，就容易集體跑偏。結果就是企業看不清市場走向，要麼一窩蜂擴大生產，要麼突然集體減產，最終陷入「產能錯配—利潤壓縮」的惡性循環。 這些問題的根源，本質上是傳統供應鏈「信息孤島」與「決策滯後」的系統性矛盾，而這恰恰是AI技術的突破口。 「信息孤島」的癥結在於，在傳統供應鏈中，訂單信息需經採購、設計、生產、物流等多環節層層傳遞，每過一個節點就產生信息損耗；上下遊企業因數據標準不統一，技術參數、交付周期等關鍵信息難以對齊。例如，某汽車零部件製造商因無法實時獲取主機廠的生產計劃調整，頻繁出現生產節奏與市場需求脫節。 「決策滯後」則體現為，傳統供應鏈依賴人工經驗和歷史數據的預測模式，在突發性事件面前不堪一擊。例如2020年新冠疫情初期，全球供應鏈的混亂正是源於信息傳遞的延遲和決策的滯後。當某國港口突然關閉時，上遊製造商無法及時調整生產計劃，下遊客戶也難以重新配置物流資源時，將會導致整個鏈條陷入癱瘓。 那這困境的本質是什麼呢？是工業時代線性協作模式與數字時代動態需求之間的脫節。當市場從「大規模標準化生產」轉向「個性化柔性定製」，全球貿易要求供應鏈具備實時響應能力時，依賴人工、割裂信息、滯後決策的傳統模式也將必然被淘汰。這也解釋了為何AI在供應鏈中的應用已從「可選升級」變為「生存必需」——它不僅是技術工具，更是重構供應鏈底層邏輯的核心引擎，就是為了將「看不見的繩索」轉化為「可量化的數據流」，將「隱形成本」壓縮為「精準可控的效率提升空間」。 如何解決？構建AI驅動的「數據—算法」供應鏈體系 當傳統供應鏈的痛點被摸清楚了，解決辦法也就隨之而來，即構建一個基於AI的「數據—算法」供應鏈體系。 該體系的核心，在於AI將模糊的製造能力轉化為可量化的數據資產，並通過算法實現全領域精準協同。一些領先的數位化製造平臺已經展現出成熟的實踐，其平臺通過構建多維度的數據標籤體系，從最底層的工藝切入，將原本難以描述的工藝能力，如微米級精度的車床加工、特定材質的表面處理工藝等，轉化為機器可識別的結構化特徵。隨後，將簡單的需求流轉到工廠，讓買家和工廠直接對接；碰到需要多種工藝的複雜訂單，就重新設計、拆解，再派單給不同工廠完成，其匹配精度與效率遠超人工篩選。 這種轉變其實本質上是AI正在繪製一張實時更新的全球「製造能力圖譜」。以前，說起企業的製造能力，大家總愛簡單分成「能做」和「不能做」兩種。現在，在AI驅動的體系中，每個工廠的工藝參數、設備配置、質量認證等數據都被拆解為可動態組合的模塊。例如，醫療器械企業發布精密零件採購需求時，AI系統不僅能匹配具備相應資質的供應商，還能根據實時產能數據推薦最優生產方案——既大幅提升供應鏈匹配效率，又顯著降低冗餘成本。這種數據驅動的決策模式，正在將供應鏈管理的底層邏輯從「被動響應」轉向「主動預測」，成為全球供應鏈的核心競爭力。 其實這場變革的關鍵在哪兒呢？說到底，數據成了供應鏈裡最值錢的家當，而算法就像分配利益的規矩——誰手裡的預測模型更準，誰能更快把所有數據理順，誰就能在全球供應鏈重新洗牌的時候佔上風。 對中國製造業來說，這種靠AI撐起來的「數據加算法」模式，不光能幫那些中小工廠跳出「只能做代工」的困局，更能把咱們「工業體系全」這個大優勢，變成在全球供應鏈裡說了算的本事。這麼一來，全球供應鏈也慢慢從「扎堆在一個地方生產」變成「靠數字連在一起高效協作」了。 從中國到全球，供應鏈的「去中心化」革命 而在全球範圍內，供應鏈都在悄悄變樣——以前是層層管著、一個中心說了算，現在慢慢變成了大家各有各的職能，互相配合著來。而這場大變樣的背後，最關鍵的推手就是AI。 想像這樣一個場景——深圳的電子元件工廠接到來自巴西的定製化訂單，系統自動生成包含質量檢測標準、付款條件和物流路線的智能合約，貨物離開生產線時區塊鏈就完成支付結算，整個過程像網購一樣簡單直觀。這種看似科幻的場景，其實在阿里巴巴國際站的跨境貿易中已經初現端倪，去年該平臺就有超過三成的交易開始應用區塊鏈存證技術，實現了全流程的透明化與自動化。 現在，技術的底層邏輯正在發生質變。5G結合AI視覺算法讓跨國遠程質檢成為可能，AI算法能實時分析全球14個港口的擁堵情況，物聯網設備回傳的貨櫃溫溼度數據經AI分析後可提前預警風險……傳統供應鏈的「金字塔」結構正被徹底解構。這種變革帶來的不僅是流程簡化，更是價值創造模式的根本性轉變——過去依賴跨國物流公司和銀行的「中間層」正在消失，生產端和消費端通過。AI驅動數字網絡直接咬合。 然而，這場革命的推進遠比想像中更加複雜。在東莞的製造業集群中，我們能看到兩種截然不同的圖景並行：某家年產值5億的電子廠斥資800萬搭建工業網際網路平臺，卻因管理層對數據可視化系統缺乏理解，導致系統淪為擺設；而隔壁的模具廠則用300萬改造費用實現設備聯網，通過實時監測刀具損耗率，就將生產效率大幅度提升。 這種差異折射出轉型的深層矛盾——當數位化需要重構組織架構時，很多企業發現最大的障礙不是技術本身，而是組織慣性。實際中通常會出現花了幾個月時間搭建ERP系統，但員工習慣了手工操作，推廣難度很大。此外，數據安全和隱私保護問題也日益凸顯，如何在開放共享與風險控制之間找到平衡，是行業面臨的共同挑戰。 這些現實困境揭示：去中心化不是簡單的技術疊加，而是需要同步重構商業規則、組織文化甚至權力關係的系統工程。 供應鏈的「活」與「變」 當供應鏈「活」了起來，中國製造乃至全球產業網絡的協同與進化，才真正擁有了面向未來的無限可能。 這場由數據與算法驅動的變革，正在重塑全球供應鏈的底層邏輯——從「效率優先」轉向「韌性優先」，從「成本控制」轉向「價值共創」。 過去由跨國企業主導的垂直供應鏈，正在演變為一種網狀生態。深圳無人機企業通過開放AI算法接口，吸引全球開發者為其改進飛行控制系統，使產品響應速度提升30%；蘇州的紡織廠將柔性生產線接入AI雲平臺，成為服務十幾個國家設計師品牌的「雲製造」節點，實現按單生產的毫秒級調度。這種轉變帶來的不僅是效率提升，更是價值創造邏輯的根本變革：當每個參與方都能通過數據貢獻獲得收益分成，當創新成果能在全球範圍內即時復用，供應鏈就變成了持續進化的生命體。 從大趨勢來看，AI正在悄悄改變供應鏈創造價值的方式。過去，資源怎麼分配，基本都是行業裡的大公司說了算；現在，AI的「分布式智能」慢慢接過了這活兒——算法會盯著實時數據，靈活調配產能、優化物流路線、提前預判需求，哪怕是很小的生產單元，都可能在這個過程中變成創造價值的關鍵節點。 這種變革的深層意義在於，全球供應鏈的競爭早就不拼規模大小了，而是比誰的AI算力強、處理數據快。誰能更快練出精準的預測模型，誰能更高效地把各地的數據串起來，誰就能在現在這個講究靈活、能定製的全球市場裡搶得先機。 不過，AI推動供應鏈升級，也不是沒遇到難題。比如得建立跟AI匹配的數據歸屬和交易規則，得培養既懂生產工藝又懂算法的多面手，還得琢磨怎麼讓不同文化背景的人用AI好好配合。就像深圳華強北的轉型，從以前的手工焊接小作坊，變成現在涵蓋設計、測試、融資的全鏈條數字生態，每一步突破都離不開AI技術進步和制度創新的相互帶動——算法在優化生產流程的同時，也逼著管理模式改成了「人和機器一起協作」。 在未來的產業圖景中，AI會變成供應鏈的「神經中樞」：工廠設備靠AI自己協調幹活，物流網絡跟著算法隨時調整路線，甚至消費者幾個月後想要什麼，AI都能提前半年算出來。等每個生產單元都連上AI驅動的數字網絡，整個供應鏈會變得特別有韌性，充滿活力。這可不只是技術更新換代那麼簡單，更是全球產業格局朝著「智能協同」時代走的必然結果。 (作者劉典為復旦大學中國研究院副研究員，清華大學人工智慧國際治理研究院戰略與宏觀項目主任，新著《杭州模式：DeepSeek與中國算谷》2025年5月由中信出版集團出版)
免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。
奇秀直播
「活动」首次登录送新手大礼包
- 软件大小: 387.34MB
- 最后更新: 2025-12-17 11:46
- 最新版本: v10.13.3.11
- 文件格式: apk
- 应用分类:ios-Android 趣播
- 使用语言: 中文
- : 需要联网
- 系统要求: 5.35以上
客服热线：134-3728-2817
-
-
-
-
小妲己直播
-
-
-
-
-
-
-
伊对免费下载
-
抖音成人版
-
-
-
-
-
-
-
-
- 免费真人视频网站直播下载
- 糖果直播
- 曼城直播
- 柚子直播
- 彼岸直播
- 美女直播app
- 黑白直播体育
- 魅影app免费下载安装
迷笛直播
- 春雨app直播免费看
心跳直播
- 97播播
绿茵直播
樱花直播类似软件
猜你喜欢
17
47
96485
17
2025-12-17 11:46
34726
37
2025-12-17 11:46
61384
34
2025-12-17 11:46
45893
94
2025-12-17 11:46
61842
46
2025-12-17 11:46
84391
67
2025-12-17 11:46
18729
17
2025-12-17 11:46
47526
19
2025-12-17 11:46
87914
29
2025-12-17 11:46
58793
29
2025-12-17 11:46
91
57923
98261
28697
34792
23491
58
31
62
29
57982
38714