【数智化生态专场】阿童木机器人合伙人、CMO施凤财：AI+机器人在汽车产业的应用与潜能

　　由中国汽车技术研究中心有限公司、中国汽车工程学会、中国汽车工业协会、中国汽车报社联合主办，天津经济技术开发区管理委员会特别支持，日本汽车工业协会、德国汽车工业协会、中国汽车动力电池产业创新联盟、新能源汽车国家大数据联盟、中国人工智能产业发展联盟、欧洲汽车工业协会联合协办的第二十一届中国汽车产业发展（泰达）国际论坛（以下称“泰达汽车论坛”）将于2025年9月11日至9月14日在天津市滨海新区举办。本届泰达汽车论坛将围绕“增动能启新篇向全球”的年度主题，邀请重磅嘉宾展开深入研讨。

　　在9月12日“数智化生态专场：汽车行业AI大模型应用实践与趋势”中，阿童木机器人合伙人、CMO施凤财发表题为“AI+机器人在汽车产业的应用与潜能”的演讲。

阿童木机器人合伙人、CMO施凤财

以下为演讲实录：

　　 尊敬的各位行业领导、嘉宾，大家下午好。很高兴借此机会与大家分享关于“AI+机器人”在智能装备与汽车产业融合中的一些应用，以及其为汽车智能制造带来的赋能与借鉴。此前已有不少嘉宾分享了AI在智能座舱、组合辅助驾驶等方面的应用。如今，新一代新能源汽车已逐渐引入L4级驾驶系统，正在改变我们的出行方式。那么，当我们回溯至汽车制造环节，我们看一看在AI与机器人的赋能之下，汽车制造领域正在发生哪些新的变化。

　　 首先，我们来回顾行业现状。中国机器人目前占全球市场的半壁江山，这一态势已持续四年。在全球工业机器人出货量中，中国占一半，并且中国市场的规模是日本、美国、韩国、德国这四大传统制造强国各自市场的两倍，甚至是它们总和的两倍。这充分说明，中国在工业机器人的出货量与保有量上，正如中国汽车市场一样，已成为全球第一大市场。

　　 其次，中国制造业的机器人密度在持续提升，这与汽车行业密切相关。汽车行业是工业机器人使用量最大的领域。一个显著的变化是，2013年每万名工人中只有25台机器人，到2023年，这一数字已攀升至每万人470台。可以看出，在过去十年中，机器人智能制造对整个终端制造行业起到了强劲的拉动作用。我们与排名前列的新加坡、韩国相比，其最高水平约为每万人1000台机器人，我们离这一目标也已非常接近。

　　 另一个可喜的变化是，当下自主品牌汽车正在快速崛起，市场份额已超过50%，中国自主品牌的机器人也在持续增长，呈现出自主品牌向上、外资品牌向下的趋势。说到工业机器人，尤其是工业与AI结合的机器人在工厂中的大规模应用，正如屏幕上所展示的，在汽车行业应用最广泛的是大六轴机器人，焊接、涂装以及大量搬运工作都离不开机器人。其他类型的机器人在汽车零部件行业也有广泛应用，我们后续会逐一介绍。具体包括搬运、焊接、涂装等环节，尤其在整车四大工艺中，除总装工艺的机器人应用较少外，其他三大工艺的自动化率基本都超过90%，总装自动化率较低的情况，也有望随着具身智能人形机器人的推出得以改观。

　　 目前最领先的汽车制造工厂之一——赛力斯工厂，其AI与机器人应用水平具有代表性：自动化程度已超过上海特斯拉工厂，尤其在冲压、焊接和涂装三大工艺环节，基本全部由机器人完成，几乎看不到操作人员；总装环节虽仍依赖大量人工，但此前提及的六大类机器人均有应用（如大六轴机器人完成冲压件搬运），且从冲压到焊接、涂装已实现100%自动化，全程由机器人操作。

　　 人工智能体现在哪些方面？整个机器人的控制系统以及MES系统均已实现数据打通。即便在传统汽车制造工艺未被彻底颠覆的情况下，特斯拉的马斯克先生所推出的、从900吨发展到9000吨的自动冲压技术，目前也已被众多汽车厂商广泛应用。最后的物流环节同样全面采用“AI+AGV”模式，实现自动搬运和跨厂区、仓库之间的自动化物流。焊接环节中，前端搭载的AI+3D视觉系统也实现了全面自动化。

　　 这正是“AI+3D视觉识别”在实际涂装工艺中的应用。除输送线外，其他工序基本均由机器人完成。

　　 从弧焊、电焊到喷涂，整车四大工艺中“AI+机器人”的应用水平已较为成熟：整个喷涂区域基本无人操作，车辆下线后的检测也大多借助“AI+3D视觉+机器人”完成；车辆下线进入物流环节后，如特斯拉此前展示的场景，车辆可在无人驾驶状态下自动行驶至客户手中，完成“最后一公里”交付，这一模式代表了汽车制造后段环节的未来发展趋势。

　　 现在来看动力电池。不论是磷酸铁锂还是三元锂电池，在新能源领域都非常热门。结合当前技术热点，聚焦动力电池产线（而非传统变速箱和发动机产线），以宁德时代、比亚迪等企业的电池包制造环节为例，机器人在电池制造工艺流程中的应用可通过“AI+3D视觉”技术体现——该技术相当于为机器人配备智能识别与扫描的“眼镜”，能实现瑕疵检测、点云特征分析、零部件特征识别，甚至细微到螺丝孔的特征检查与图像识别；对比此前工厂车辆下线检测需工人戴白手套人工检查断差与瑕疵的模式，当前该环节已全部由“AI+3D视觉”替代完成。

　　 接下来我们了解一下动力电池产线。当前动力电池——不论是三元锂还是磷酸铁锂——其工艺流程与整车制造较为相似，基本实现了全线打通。各家动力电池厂商的具体工艺虽略有不同，但整体流程大同小异，都是从单个电池单元逐步组装成完整的电池模组。当然，其中包含从原材料到最终产品的众多精细工序。从电芯模组到前端工序，在动力电池模块中，AI+机器人的应用程度已超过传统的变速箱和燃油发动机。燃油发动机的最后一环与汽车一样，也是总装，工序确实较为复杂。变速箱和发动机的组装目前仍以人工为主，而动力电池领域则已基本由AI+机器人主导。

　　 从特斯拉擎天柱机器人的发展及应用潜力来看，一年半前推出的第二代产品目前已进化到第三代，手部操作更精细灵活；尽管其在汽车工厂实际工作的视频尚未公开，但结合第二代产品的技术表现可推测其应用场景——在工厂环境中，该机器人初始操作指令由人工赋予后，可通过深度学习、强化学习及动作捕捉等技术掌握操作技能，且系统融入自主视觉识别能力（类似特斯拉自主导航技术），能在车间内自主规划路线、识别工位位置，独立完成电池分拣与搬运、自主上下楼梯等任务。需注意的是，当前所谓的“自主”仍基于大量前期训练实现，未来技术方向将是不依赖人工训练，通过完全自主学习与人工智能，实现在车间或家庭环境中自主路径规划、工艺操作与任务执行。

　　 目前，尽管已有大语言模型和视觉语言模型（VLM）的支持，机器人领域仍尚未形成如组合辅助驾驶那样统一的技术路线与模型架构，尚未实现广泛普及与应用。但我们相信，随着人才、技术与资金在该领域持续聚焦与研发投入，基于VLM的机器人在智能制造中的技术进化与提升将很快成为现实。

　　 美国另一家领先的机器人公司——波士顿动力（现属于韩国现代集团），其最新人形机器人可完成多项对人类而言也较复杂的工作：能自主识别需抓取物料的位置、规划路径并将产品放置到相应料架，全程无需人工干预；即便出现差错（如搬运过程中物品掉落），也能自主识别掉落位置、弯腰拾起并重新放回正确位置。该流程完全依赖深度视觉识别与人工智能算法实现，因此与L4级驾驶类似，这类机器人对芯片与算法的需求远超传统工业机器人。

　　 在技术演进的道路上，我们相信，随着视觉语言模型的真正成熟，以及在算法、边缘计算与芯片性能上的持续提升，加之算力与数据的进一步支持，具身智能将在诸多复杂工艺中发挥关键作用。尤其是在智能工厂的最后一道工序——总装车间，这一挑战不仅存在于汽车行业，也同样遍布食品、饮料、日化、3C等众多领域，目前这些环节仍高度依赖人工操作，因此人形机器人有望为该领域带来智能制造水平的显著提升。

　　 谢谢大家！