由中國汽車技術研究中心有限公司、中國汽車工程學會、中國汽車工業協會、中國汽車報社聯合主辦的第二十二屆中國汽車產業發展（泰達）國際論壇（以下簡稱“泰達汽車論壇”）於2026年9月17日至9月20日在天津市濱海新區舉辦。本屆泰達汽車論壇將圍繞“智綠築基·生態蓄勢·共創共贏”的年度主題，邀請重磅嘉賓展開深入研討。

在9月18日“新賽道生態專場：具身智能新賽道”中，清研精準聯合創始人、首席生態官陳超發表題為《讓機器人真正走進汽車工廠：從測試驗證到具身智能的規模交付》的演講。

清研精準聯合創始人、首席生態官  陳超

以下是演講實錄：

各位好！我們是一家既不做汽車、也不造機器人的公司，希望藉此契機談一談如何利用汽車測試驗證領域的相關能力，幫助具身智能公司快速實現工業場景的批量交付。

具身智能已經成為國家重點關注的發展方向，其發展的幾個拐點也已經到來：一是產業政策拐點，二是相關技術拐點，三是現實需求變化——製造業勞動力結構變化，即現階段我們究竟需要機器人為人類做什麼？

現階段，站在我們的角度理解，國家可能更希望機器人在第一階段幫助中國解決一個最現實的問題，就是許多工業場景中的勞動力越來越少，年輕人不願意進廠從事簡單、重複的工作。這個問題怎麼辦？既然國家政策和技術都已經朝着這個方向發展，我們應當思考如何幫助機器人快速找到需要它們的地方，以及找到之後，如何讓機器人快速接手工作，幫助我們解決這些問題。

汽車產業，對整個機器人行業的發展和應用具有非常大的幫助。自動駕駛是近年來物理AI實現規模化應用的重要代表之一，並且已經在許多場景實現了商業和技術閉環。自動駕駛可以理解為一個移動智能體，它要解決的是如何讓移動智能體在人類世界中自由穿行。相比之下，具身智能和機器人面對的是另一類複雜挑戰，尤其需要解決智能體與真實環境交互的問題。雖然它要解決的問題更難，但我們認為，自動駕駛走過的無論是彎路還是成功的路徑和經驗，對具身智能都有很大幫助。

我們是一家長期服務工業製造業的企業，源自清華大學李克強教授團隊，主要是面向整個汽車產業鏈及其他工業領域提供各類落地方案。目前，國內幾乎所有主流新能源汽車品牌和主流零部件公司都是我們的客户，並且我們實現了“客户即股東、股東即場景”的目標。多年來，我們與汽車產業及其他製造業持續打交道，在理解制造業及其實際需求方面積累了一些經驗。

第一，自動駕駛為我們提供了非常好的範式。雖然自動駕駛和具身智能都屬於物理AI的重要應用方向，但兩者最終的實現路徑有很大不同。自動駕駛最大的特點和優勢，是較好地界定了安全邊界。什麼叫安全？在自動駕駛領域，安全邊界通常可以通過車輛與環境之間的碰撞風險等指標進行定義。但對機器人來説，它遇到了一個新問題：機器人與真實世界發生交互時，往往要求兩個物體緊密接觸，這就需要解決更復雜的問題。以力學為例，這個力到底多大合適？力大了，可能會把操作對象捏碎；力太小了，又可能抓不住，難度非常大。

第二，我們具有較強的工業化能力，長期面向不同客户、不同場景持續交付，深刻理解工業場景。對客户來説，它希望明確機器人在哪個場景、花多少錢、解決多大的問題，對此我們有一些客觀認識。根據多年的工業經驗，我們之所以反覆強調工業是現階段具身智能較適合落地的場景，是因為它滿足機器人實現批量交付、產業化和商業化的三個前提：

一是使用方有資金、有意願。這一點很關鍵。如果客户沒有資金，也沒有采購機器人的意願，整個商業邏輯的起點就是錯的。

二是客户有資金、有意願之後，機器人公司要有能力滿足客户需求，包括滿足生產節拍、安全邊界等要求。

三是，我們可以預見在未來機器人可以解決千行百業中的各種問題，但現階段很多行業、很多場景仍有人願意從事，也適合由人完成。在這一階段，機器人不應擠佔適合人類、且人類願意從事的工作。因為從最基本的底層邏輯來説，勞動是人類的基本權利，現階段不應剝奪這種權利。在滿足前述條件的情況下，我們應當如何幫助機器人？我們總結認為，現階段特別適合機器人完成的工作，是工業製造場景中動作相對簡單、但工作環境相對不友好的任務。

汽車產業經過一百多年的發展，可以為機器人提供許多先進經驗。汽車產業在高速發展的同時，為什麼每年還能不斷向客户推出並廣泛應用各種新技術，而且能夠在不斷迭代中持續推動新技術規模化應用？汽車行業有一個非常經典的概念，叫HIL（Hardware-in-the-Loop），即硬件在環。這套先進理念持續助力汽車產業發展，並在自動駕駛、智能駕駛等場景中發揮重要作用。基於汽車HIL理念，我們嘗試探索建立面向機器人產業化驗證的“RIL（Robot-in-the-Loop，機器人在環）”體系。

機器人要實現在工業場景中的批量交付，需要解決以下幾個問題：

第一，機器人能夠完成的任務最終一定來自真實場景，不能只是在演示中表現得特別漂亮，一旦脱離實際生產或進入批量交付就無法運行。

第二，它一定要可控。如果機器人在工業場景中失控，可能不僅會威脅人員安全，還會引發批量交付產品的質量問題，甚至導致整條產線停線。一旦停線，造成的損失往往按分鐘計算，這是非常嚴重的問題。

第三，我們要發現機器人在作業過程中哪些做對了、哪些做錯了，為什麼做對、為什麼做錯，以及如何對它進行幫助和指導。

第四，這套能力要可以複製。我們期望機器人具備可遷移的同類工作能力——它可以在長安汽車的輪胎工廠擰螺絲，也可以在吉利、奇瑞的工廠擰螺絲。雖然工廠不同，但完成的都是擰螺絲這一任務，也就是我們所説的“可重複”。

這些能力都應通過客觀標準驗證，而不是僅作“這個機器人很厲害、很棒”的主觀評價。我們要明確什麼叫“厲害”、什麼叫“好”，以及客户的驗收標準是什麼。在工業場景中，一定要建立買方和賣方之間的客觀評價體系。在汽車行業，中汽中心在這方面做得非常優秀，長期幫助各類零部件企業和汽車企業解決這些問題。我們認為，這些先進經驗可以複製到具身智能行業。

下面列舉幾個簡單的例子，幫助場景使用方和機器人公司共同解決問題。這些場景具有“動作簡單、工作環境相對不友好”的特點，具備機器人應用探索價值，同時場景使用方也具有明確需求，並且符合公共利益導向。

1. 動力電池產線場景

動力電池測試屬於高壓電測試場景，包含各種環節。一個典型場景是動力電池生產完成後，需要進行高壓直流內阻DRC測試（DC Internal Resistance，簡稱DCR測試）。電池廠大多采用柔性生產，並且24小時作業，其中配置有各類測試裝備。所謂高壓電測試，一定會產生熱量。為了散熱，一般採用風冷。這就帶來一個現實問題：整個作業環境的噪聲較大，廠內噪聲可能達到較高水平，部分區域接近100分貝；測試環境温度也偏高。由於屬於高壓電測試，作業人員操作設備時還要佩戴絕緣手套、採取絕緣防護，自身散熱條件也不好。在此類高温、高噪聲、高強度環境下進行測試，尤其是夜間作業時，有些作業人員可能會選錯連接器。一般的錯誤動作影響可能不大，但一旦選錯連接器或者模塊，直接後果可能導致被測電池的連接部件損壞，單次損失可能達到數千元。類似問題不斷累積，每年可能給電池廠造成數十萬元損失。

現在電池廠還面臨一個更現實的問題：部分年輕勞動者對長期夜班崗位接受度降低，即使夜班工資更高，也不願意從事這項工作。夜班作業時，人的工作效率通常也低於白天。這就是非常典型的適合機器人完成的工作。機器人只需完成一個簡單動作：拿起連接器插上，再按下啓動按鈕，結束後離開。整個測試的生產節拍並不快。這是一個非常典型的場景——當使用方面臨招工難、用工難，人工操作失誤可能造成較大損失的時候，機器人技術有望幫助解決這一問題。

2. 汽車線束整理場景

我們發現，線束生產中有一道工序，是在各類連接器線束外包覆絕緣膠帶，動作很簡單，就是在線束上不斷纏繞膠帶。以前很多企業試圖使用傳統工業機器人解決，但從事過汽車行業的人都知道，不同連接器之間的線束千差萬別，智能化、定製化和柔性化生產的特點非常典型。

這裏還面臨一個重要問題：今天客户訂單增加，可能需要大量人員上崗；明天訂單減少，這個工位可能就閒置。如果配置傳統工業機器人，可能造成較大浪費和損失。由於整條產線持續流動，這一工位的操作人員不能坐着作業，必須站立並跟隨產線移動。長時間作業，一是可能損傷眼睛，二是容易造成腰肌勞損，對人並不友好。

在這個場景下，我們需要訓練機器人如何纏繞膠帶。對許多機器人本體公司而言，纏膠帶這一動作並不太難，精度要求也沒有那麼高，允許毫米級甚至厘米級誤差。因此，我們認為這是一個比較適合企業採用、也適合具身智能公司上手的任務。

還有汽車總裝中的某些防雨膠帶安裝工序。車窗位置需要安裝防雨膠帶，以保證車輛具有較好的防水密閉性。工業作業現場有一面料架牆，上面放置各類防雨膠帶，目前由人工取下後逐一安裝。這一工序對人的要求和損傷相對前兩個場景小一些，但也是汽車行業中人員離職率較高的崗位，因為工作太單調、枯燥，每天反覆完成“拿取、安裝”這一件事。

此外，汽車零部件生產中還有其他各種各樣的工位，機器人要面向具體工位落地。在這個過程中，供需雙方都需要保持冷靜。一方面，場景方不要認為智能機器人出現以後，所有問題瞬間都能解決，這不符合事物發展的規律；另一方面，機器人企業也不要焦躁，認為自己的技術和技能很強，為什麼場景方用不起來。雙方都要冷靜下來，共同探討、溝通，明確哪些任務機器人能夠比人完成得更好。對具身智能而言，當前產業化瓶頸並不只是技術能力，而是如何將實驗室能力轉化為穩定、可複製、可驗收的工業能力。清研精準的作用和意義就在這裏體現出來：一方面汽車產業有需求、有要求，另一方面機器人企業想入場、想進場，中間應該怎麼辦？我們存在的價值就在這裏。

在工業製造領域，僅靠仿真，有些問題解決不了，最終仍需要真實場景。但如果直接跳出RIL環境，又會出現一個新問題。比如，車企的負責人敢不敢讓一個什麼也不會的機器人佔用一塊場地，花一年時間練習？顯然不可能，企業還要正常生產。一邊想使用機器人，另一邊又不知道機器人能不能用，如何解決這一矛盾？我們需要提出一個對汽車行業而言較為傳統、但對機器人行業相對較新的概念，即在虛擬、仿真與真實相結合的場景中解決這一客觀矛盾。其中既有1∶1的真實工位，也有虛擬工位，可以幫助機器人進行後訓練和驗證，在兩者之間打通機器人進入工業場景規模化應用的“最後一公里”，這就是我們所做的事情。

這一概念還要解決幾個問題。機器人可能完成一次、兩次沒有問題，但使用單位購買機器人，是把它定義為能夠長時間工作的生產工具，誰也不希望這個工具時好時壞。它要解決三個問題：第一，能不能反覆使用；第二，出現問題怎麼辦；第三，如何讓機器人反覆學習錯誤案例，將其轉化為先進經驗，使機器人越來越強。這些都是必須完成的工作。

這一整套邏輯很像人類的學校，我們希望在機器人企業和產業方之間建設一所“職業學校”，幫助機器人實現類似“包學、包會、包分配”的產業化閉環。第一步“包學”，就是幫助機器人開展各種技能訓練、算法訓練和真機驗證。第二步，就是像人一樣參加“畢業考試”，檢驗它到底會不會。我們可以幫助機器人開展各種真實場景和虛擬場景測試，也會借鑑汽車行業關於HIL的理論和方法，引入真實、正確的信號以及錯誤信號，判斷機器人為什麼成功、為什麼失敗，以及如何讓它今後不斷成功。汽車行業已經證明，HIL這套路徑和邏輯可以顯著加速汽車開發，並幫助汽車更好地進入真實應用場景。第三步，學會之後還要幫助機器人解決“就業”問題。比如，車企告訴我們某個工位現在招工難，機器人如果學會了這個工位所需技能，理論上車企就會需要它。這就是我們要解決的“包分配”問題，由此形成較好的商業閉環。

作為一家不做機器人本體的公司，我們希望成為多方之間的橋樑，幫助工業企業識別並提出真實需求，再把這些需求轉化為模型公司、本體公司能夠理解的語言。

對工業客户來説，他們很多時候很難提出真實需求，也很難用具身智能本體公司能夠聽懂的語言表達需求。比如工業客户可能提出一個需求：“這個工位的工人作業品質不夠穩定，給我一個機器人幫忙解決。這個工位有30萬元預算，我的需求提完了。”

對場景方而言，他認為需求已經表達完畢；但對本體公司來説，對方好像什麼也沒有説，這就需要我們這樣的企業進行邏輯語言、技術語言和需求語言的相互轉化。如果能夠做好多方溝通銜接，無論對汽車行業、具身智能行業，還是整個社會的發展，都能發揮應有作用。

最後，汽車行業經過一百多年的發展，被認為是工業皇冠上的明珠。汽車行業有許多先進經驗、先進技術，以及很好的方法論和底層邏輯，值得具身智能行業學習和借鑑。這些經驗不一定能夠百分之百複製，但底層邏輯是相通的。清研精準是一家既服務汽車行業、也服務具身智能行業的企業。我們希望做好兩者之間的橋樑，通過提出新的思路和方法，幫助相關企業推動機器人在工業領域實現規模化應用與商業化交付。

感謝各位！