Related articles
3 月 31 日，在第 27 届 ITES 深圳工业展暨"具身觉醒，智造跃迁"峰会现场，钛媒体联合 ITES 深圳工业展、工创联，邀请到临界点 AGILINK 市场总监韩晓璇、帕西尼感知科技区域负责人李星，与主持人李非凡展开了一场关于"物理 AI"落地的深度对话。
这场对话跳出技术愿景的空谈，聚焦具身智能从 0 到 1 的产业落地痛点，两位深耕产业链的从业者坦诚分享一线实践经验，既拆解了当前产业发展的核心困境，也明确了落地路径与未来趋势。对话核心围绕具身智能技术突破、成本控制、场景落地、人机协作四大维度展开，两位嘉宾结合自身企业实践，全方位解读了产业发展现状与未来可能。
谈及具身智能落地的核心困境，两位嘉宾达成共识，当前产业最大的难题在于大脑层 （决策层）、执行层、数据层难以形成闭环，行业标准缺失导致技术路线"百家争鸣"、适配成本高企。即便触觉传感器已实现从万元级到百元级的成本突破，多数场景的 ROI 仍难算平账。更关键的是，工业场景的 VLA 与消费级 Demo 完全是"两码事」，前者的核心追求是良品率与一次直通率，而非无边界的泛化能力。
与此同时，两位嘉宾也分享了各自企业的突破：临界点是智元旗下专注灵巧操作的核心子公司，凭借全链条自研能力深度融合智元具身智能生态，现已实现灵巧手规模化量产，单月交付 2000 台，创行业纪录。帕西尼则完成超十亿 B 轮融资、估值破百亿，自研六维力传感器打破国外垄断，构建了从传感器到人形机器人的全链路布局。
当被问及人机协作的终极形态，韩晓璇用"养儿防老"的生动隐喻点透核心逻辑："人和具身智能机器人的关系，就像一个成年人养育一个小孩，初期投入很多养育成本，等他成长起来就能给你提供价值。"
李星则认为："人不会被 AI 替代，但会被掌握 AI 的人淘汰"，并明确指出，现阶段机器人的核心任务是先把老师傅的 SOP 学明白，而工人的角色将从"操作者"向"定义者"和"决策者"转型。
此外，对话还明确了场景落地的核心方向：灵巧手已在高压带电巡检等特种作业场景实现商业闭环，未来将向精密制造、物流分拣等领域拓展；成本控制上，帕西尼计划通过拓展消费电子赛道进一步摊薄传感器成本，临界点则将依托上游硬件降本优化产品结构。
这场对话没有承诺触手可及的产业爆发，却道出了物理 AI 落地最诚实的现状：大部分场景仍算不平账，但随着核心硬件持续降本、人力成本不断升高，一升一降之间，具身智能的商业化空间正在逐步打开。
同时，2026 年作为具身智能数据元年，海量真实工业数据的采集与训练，以及行业标准的逐步完善，将成为推动产业规模化发展的关键力量。
以下是本次对话内容实录，略经编辑：
李非凡： 各位直播间前的观众朋友们大家好，非常欢迎大家！今天上午我们看到由钛媒体、ITES 深圳工业展以及工创联合带来的直播节目。我们今天的直播主题正如背景板上写的："物理 AI 现场"。今天非常高兴邀请到两位嘉宾，和我一起探讨，在这个时代，如何在垂直场景中实现 AI 应用。
过去一年，大模型已经有了基本的行业规则和架构。那么，如何让大模型更好地应用在工业生产环境中？也就是我们常说的具身智能，如何让 AI 更好地触摸现实场景和环境？
从今天开始，我们两天时间将和大家一起分享，在产业端如何思考从零到一的问题。以前我们谈了很多 AI 的愿景，今天更多落实在产业落地的从零到一，思考我们带来的问题和如何解决麻烦。
今天的两位嘉宾是：临界点 AGILINK 市场总监韩晓璇女士，以及帕西尼感知科技区域负责人李星先生。首先请各位分享一下各自企业的业务、优势和特点。
韩晓璇： 大家好，我是来自临界点的韩晓璇。我们临界点是一家专注于机器人灵巧操作的全球化科技公司。我们围绕机器人的感知、控制、执行和数据的链路，打造了以机器人五指灵巧手和工业级自适应夹爪为核心的产品，还包括开放式的具身智能数据采集装置以及完整的解决方案。我们是国内首批实现灵巧手量产和交付的企业之一。
李星：各位老师、同行大家好，我是帕西尼感知科技的李星。今天主要围绕具身智能落地的实际难题，和大家做务实的交流。帕西尼专注触觉感知，解决机器人"看得见、摸不准、拿不稳"的问题。我们给 AI 装上能感知真实场景的指尖，提供整体解决方案。核心团队来自全球首个人形机器人诞生地——早稻田大学机器人实验室。我们围绕具身感知硬件-具身全模态实采数据-具身智能模型形成了全栈创新能力，是业内少有的全栈型企业。
公司最新情况是刚完成超十亿的 B 轮融资，估值破百亿，是国内八大估值破百亿的具身智能企业之一。目前公司重点在硬件产品迭代优化、数据工厂扩产，以及全模态 （含触觉） 具身智能大模型的迭代优化。我们的优势：一是技术壁垒突出，拥有自研的霍尔阵列式多维触觉传感器，最新一代 GEN3 多维触觉传感器于去年 8 月发布，达到每秒采集百万次、多达 15 种触觉信息的全新突破，性能再度突破世界巅峰，与此同时，其价格最低仅有 199 元，以卓越性价比牢牢掌握高精度触觉传感器的定义权；二是我们拥有业内规模最大、模态最全的全模态具身智能实采数据，以百亿级产能进一步夯实在具身数据领域的领先优势；三是率先打造了基于触觉、视觉、动作、语音的 OmniVTLA 模型，并以百亿级具身数据为训练语料，加速迭代场景泛化能力；最后，我们在商业化应用方面位居业内领先地位，传感器、灵巧手、人形机器人全链路产品矩阵已在工业制造、精密场景中批量化应用，有大规模交付、跨区域响应的丰富经验。
李非凡： 从 AI 的算法、算力到接触现实世界的触感，你们觉得从零到一最大的跨越难点是什么？
韩晓璇： 我觉得难点在于大脑层 （决策层）、执行层以及数据层目前很难闭环。从灵巧手出发，就像李星总提到的，很难抓得准，触觉感知存在技术难度。我们在抓取和操作的算法、数据收集上，也很难做到多维度、标准化的链路收集。人手上感知器非常多，人具备决策灵活性，操作时会自动克服环境变化、温湿度、摩擦力等问题。但机器层面，很难在完整决策链路上快速达到自主决策。另外，整个行业对数据采集还没有完全标准化的流程和体系。
李非凡： 您觉得标准化流程大概需要多长时间？
韩晓璇： 会有一定时间。首先，大家的接口不一致。比如灵巧手的数据接口、机械接口很难统一，行业还在百家争鸣、技术路线未收敛的阶段。有人做开源方案，有人做高端科研方案。对终端用户或集成商来说，适配不同类型的手和机器人已经是很大的工作量。再往下一层，通讯协议也不同，即使都支持 ROS 框架，在原子技能或原动作层面，参数定义差距也很大。目前我们还处于比较初期的阶段。
李非凡： 李总怎么看这个趋势和进程？
李星：我们自研的触觉传感器, 第三代单价已经做到百元级别, 相比上一代大幅降低，现在最低价格已经到 200 元以以内。早期国产触觉传感器产品没起来时，进口一片要上万美金，经过我们的创新迭代，全行业终于迎来了用得起、用得好的高性能触觉传感器。
李非凡： 标准化更多是为了投放市场时，像流水线一样降本增效、实现工业化规模化。那么，在灵巧手和具身智能行业，要进入家庭或苛刻的工业环境，成本和寿命的现状如何？
李星：我们自研的触觉传感器，第三代单价已经做到百元级别，相比上一代降本 99% 以上。我们的触觉传感器基于 6D 霍尔方案。早期国产产品没起来时，进口一片要上万美金。到我们第一、二代也得大几千人民币。第三代我们为了能让行业用得起、用得好，成本降到了上一代的 99% 以上，现在最低价格已经到 200 元以内。同时性能也有提升。
李非凡： 工业场景下，耐磨和寿命怎么样？
李星： 第三代触觉传感器使用寿命达到工业级的 1000 万次，完全满足需求。而且耐高温、耐磨、抗穿刺，甚至外部轻微破坏也能正常使用。这是我们技术路线的优越性。
李非凡： 下一代在成本、寿命、技术路径上有什么规划？
李星： 我们也在瞄准除了具身智能以外的赛道，比如消费级电子产品，希望让传感器进入这些领域，通过市场规模进一步降本。
李非凡：行业内提到了 VLA，多模态整合。大家都在追求确定性和良品率，这是商业化的必由之路。从市场角度看，工业客户真的需要一个像 ChatGPT 一样陪聊天的机器人吗？会不会为了追求通用性反而牺牲了专注度和性价比？
韩晓璇： 工业场景里的 VLA 大模型，跟普通老百姓看到的展示类 demo 背后的 VLA 是两码事。无边界 VLA 强调泛化能力，场景生活化、任务长时序、自主操作。但工业场景的 VLA 还是 VLA 技术路线，却是为特定场景做了定制化训练的模型。工业里大家追求的是生产力，以最可控的工程化成本追求最大化的生产价值。核心目标是良品率或一次直通率。我们在工业里做 VLA，是为了在同一个工艺域内做一定程度的泛化，从而在最短时间内实现规模化部署。
李非凡： 这半年灵巧手行业备受资本和媒体追捧。从行业外看，大家觉得灵巧手可能更多用在流水线上的标准化工作。在你们看来，灵巧手的未来或正在挖掘的市场需求和场景会在哪些板块？
李星：目前灵巧手应用在真实的工厂精密制造、医疗行业等。最主要不是代替人，而是完成高强度或有一定危险的工作。人可以去做创新、研发、编程等更有价值的事，让机器人去做高强度、高重复性、标准化工序的工作。
韩晓璇：在刚需或特种作业场景下，目前能实现商业闭环。比如高压带电巡检，以前用固定底座加夹爪实现开关电表箱、开门等。现在底座可以移动 （四足狗或底盘），夹爪换成灵巧手后能实现更多动作。另外，我们在一个工艺域内做泛化，把工艺分类。比如堆码垛、拆码垛，来料一致性好的规整包装，已有成熟方案。现在拓展到更高难度场景，比如纸盒因温湿度变软，或里面是食物不能挤压，传统夹爪就不适用了，我们考虑用手来做。如果能跑通最小闭环，就能伴随上游降本实现更大规模化。
李非凡： 客户会直接想"能代替几个人"，然后计算算力、云计算、服务器、维护、培训等成本。加上隐性成本后，还有性价比吗？
韩晓璇： 目前从 ROI 角度看，大部分场景算不平账。特定场景的商业化闭环可以，但通用化的综合工业装配或上下料场景还不行。不过我觉得很快了，今年之内，像李总这样的公司降本后，我们的成本也会逐步下降。另外人力成本在升高，一升一降之间空间会很大。
李非凡： 李总，下一代怎么进一步降本增效？
李星： 这是鸡生蛋蛋生鸡的问题。我们上游和下游合作伙伴的批量化，以及更多场景化需求做 POC，都会涉及大量开发成本。短期内很难真正把成本降下来。但随着技术发展、上游核心零部件降本、大规模制造业的市场化机制，未来机器人进入工厂和千家万户时，价格一定能做到非常低，这得益于中国强大的制造业供应链。我们也在探索有量的场景，比如物流分拣，和头部物流、电商平台有合作；汽车、3C、家电等制造业也在做 POC 项目。相信不久将来成本能降下来。
李非凡： 你们心目中真正的人机协作，是让机器学习人，还是让人适应机器？
我觉得更应学习场景本身。在具体场景中，如果做流水线硬件辅助，机器有自己原生的想法和调用工具的方式可能更适合 AI 指数级迭代。完全适应人只是机械化代替，没有释放 AI 的增长力和想象力。从二位垂直商业场景看，人机协作应该走哪条路径？
韩晓璇： 你看得比较远。工业场景是高标准的，目前工业具身能把现有的 SOP 学明白就不错了。首先要让具备感知和决策能力的机器人把 SOP 执行明白，然后才能规模化，客户才能更多导入。这是良性发展。至于 SOP 之后怎么发展，我觉得是人需要提供想象力，而不是 AI。AI 的自我迭代基于人的需求，会给出多种可能性，但人基于自身需求只选其中一条路径。工业场景里客户需求以终端客户为导向，服务于人。
李星： 我补充一点。现在机器人动作笨拙, 不止是机器人本体的能力不够，更重要的是具身智能模型能力还不够。让机器人拥有像人类一样在物理世界里游刃有余的常识和直觉，甚至是拥有人类能工巧匠的丰富经验，核心路径是通过模型训练。而这一路径的核心，是首先要拥有海量的可用数据，相比于大语言模型以及音视频模型，物理世界的模态更为丰富，不只有声音、视觉图像，更要有物理交互核心的触觉模态以及自体感知等数据，而这些数据在此前是极度稀缺的，因此造成了具身智能模型泛化能力的发展极为缓慢。
为了解决这一具身智能核心瓶颈，帕西尼全球首创 「以人为中心」 的高精度感知全模态实采数据采集体系，由具有产业经验、经过专业训练的采集人员主导，不仅可以在标准化的采集场景下采集多种场景的作业任务数据，还突破性地走出受控环境限制，可以在开放式场景中进行采集，这一采集方式，可以高精度捕捉触觉、视觉、空间轨迹、自体感知、语音等物理世界全模态数据，为模型训练构筑了高可靠的数据底座。
去年 6 月，我们落地全球最大的具身智能全模态数据采集与模型训练基地——天津 SUPER EID Factory，并以超 2 亿产能打造出全球首个全模态具身智能数据集 Omnisharing DB，引发行业关注，数据上架至北京国际大数据交易所、腾讯云商城等顶级平台，得到产业龙头、科研院校等多方认可。今年，我们继天津超级数采工厂之后，再建四厂，分别落地江苏宿迁、湖北武汉、四川自贡、江西赣州，共同形成百亿产能的具身智能全模态实采工厂集群，为具身智能行业发展再度注入澎湃动力。
李非凡： 在具身智能应用和人之间，工人如何更好匹配这些设备或 agent 工具，让自己价值提升而不被替代？不光在你们场景，在 IT coding、UI 场景也有类似挑战。你们场景里工人如何适应、反替代？
韩晓璇： 机器人能把人从重复劳动中解放出来。现在 AI coding 或 agent 让大家提升管理能力和创新能力。以前年轻人做执行层 （码农） 的工作，未来每个人有一堆 agent 或机器人，产线上一个人管理几十台机器人，就是管理者的工作：下清晰的需求、定标准、定流程，最终做好工艺创新和升级。这是工人层面提升的方向。至于机器人，不用太忧心，因为连 SOP 都还需要我们很大努力才能做到。人和具身智能机器人的关系，就像一个成年人养育一个小孩，初期投入很多养育成本，等他成长起来就能给你提供价值。
李星： 目前工业机器人在结构化场景已被广泛使用，证明了高效和降本增效。但在传统工业机器人做不到的非结构化场景，需要人形带灵巧手的操作智能去落地。现在大家进入数据元年，会深入细分场景、细分工况，通过穿戴式设备等采集真实工业数据，用于机器人开发。整个链路环环相扣。等模型泛化能力够了，一个人就能管理几台机器，我们给他设定需求就行。这一点我和韩总观点一致。
李非凡： 非常感谢二位今天的参与，谢谢！
