北京
工厂劳动力缺口早已是行业常态，尤其在制造流程多达数百个环节的汽车生产领域。打磨、飞拍检测、装配等工序至今仍未实现大规模自动化，而专业的技术工人却越来越少。
在上个月的WRC现场，不少客户围着「知来具身」的机器人测算节拍、评估效率，讨论机器人的精度、速度、寿命以及投资回报比。相比抓人眼球的机器人“表演”，他们更关心一个现实问题：机器能不能像人一样干得又快又好？
如何让机器人真正进入工厂工作流，是当下具身智能行业最棘手的问题。对此，成立于2021年的知来具身正在向行业给出自己的解法。
据介绍，凭借其全栈自研的“世界模型+物理AI”技术体系，知来具身的飞拍检测、力控打磨、熨烫等机器人产品目前已批量进入多个全球头部汽车零部件产线。
“机器人要解决的，不仅是工厂已经能够自动化的部分，更是传统自动化之后仍然难以覆盖的复杂任务，要能做剩下的脏活、苦活和累活。”知来具身董事长兼CEO俞琼说。
从产业现场出发 让机器人真正下工厂干活
“我们是一支有汽车行业know-how和懂AI算法的复合型团队。”俞琼说。
俞琼 2024 年初加入知来具身的选择。此前他已深耕汽车行业近三十年，曾任福特汽车STA、采购高管；知来的技术研发团队则主要来自阿里AI 团队、南京大学强化学习团队等，具备人工智能算法、机器人学习与工程化落地经验。
知来具身的技术路线可以用“世界大模型+物理AI”来概括。团队将机器人的能力拆解为四个模块：提供感知能力的视觉、负责决策的大脑、控制本体运动的小脑以及完成执行的末端执行器，从而形成完整的技术闭环。
以打磨场景为例，你可以想象传统的打磨就像“盲削”土豆皮，不管这个土豆长什么样，都挖成一个固定的形状，很容易出现过打或欠打的问题。
而知来具身基于多模态感知模型构建了一套“先感知、后执行”的作业体系，打磨机器人先由视觉系统精准识别每一个“土豆”的表面结构，再实时动态规划轨迹以做到仿形贴合，仅处理毛刺部位。相比于传统方式的“盲打”，实现“看见再打”的作业逻辑重构。
在执行层面，知来机器人在重复定位精度、末端最大线速度、连续工作续航等方面，已满足工业级的高精度、高节拍和高寿命要求。
而在连接感知与执行的大脑算法层面，知来具身构建了“通用大模型+专家模型”的双层架构，使模型准确率达到99%。
但俞琼坦言，99%远不是终点。“工业场景要求的准确率是99.99%，否则产线就连不起来。而从99%到99.9%，研发投入要翻一倍；再到99.99%，还要再翻一倍。”
遵循“从场景中来到场景中去”的原则，知来具身围绕汽车生产链形成多条产品线，其中飞拍、熨烫、打磨机器人已实现量产出货，取挂、装配、搬运机器人完成了现场验证，其他灵巧手机器人正处于研发小试阶段。
知来具身机器人产品工业场景作业示意图
营收来自汽车工业产线 未来向AI硬件制造拓展
在完成从0到1的产品验证后，知来具身正处在从1到N的规模化增长阶段。俞琼透露，随着机器人产品在真实工业场景中的持续落地和不断复购，公司销售情况持续保持高速增长。
目前飞拍检测机器人已在金属件、内饰件等多类产品中批量应用，获得安道拓、李尔集团等全球汽车座椅头部客户订单。全球汽车行业前20强零部件供应商中，已有4家成为知来具身的长期合作伙伴。
为快速提高产能，降低生产成本，知来具身去年已与某上市公司达成上千套产能的产线合作，目前，双方共建的首条生产线已正式投入使用。
知来具身正在推进落地的工业场景示意图
“我们的营收全部来自工业产线，没有表演娱乐和科教场景。”俞琼表示，知来具身以汽车行业为基本盘，未来将逐渐向AI硬件制造等行业拓展。
产品层面，知来具身正从“单机单能”向“一机多能”演进，计划在2027年中旬推出同时具备3-5种技能的机器人产品。
“我们最终的目标是让客户可以开箱即用。”俞琼表示。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
