2026工博会观察：AI走进工厂，还要过几道关？

在工博会现场，最容易让人停下脚步的，往往是正在运动的设备。

机械臂举起庞大的工件，双臂机器人在工作台前忙碌，激光切割机让金属板边缘迸出火花。再往另一个展馆走，展台上的主角变成了芯片、加速卡和一排排算力机柜。它们看起来安静得多，却与前面那些动作有着越来越紧密的联系。

2026年10月12日至16日，第二十六届中国国际工业博览会在上海举行。今年的主题是“智能经济，智造无界”，首次设立的集成电路展——“国芯展”，也让芯片设计、制造、装备和材料，与工业应用在同一场展会上相遇。

沿着这些展台看下去，一个问题逐渐清晰：当AI开始理解指令、识别工件，甚至参与动作决策，工厂究竟需要怎样的智能？

答案藏在一次插接、一道加工工序、一套控制程序，以及它们之间能否顺畅配合的细节里。

机器人上岗，难在处理那些“不太一样”

对机器人来说，把同一个动作重复一百次，与面对一百个略有差异的工件，是两种不同的挑战。

零件的位置可能偏了一点，线束的形状可能变了，插槽可能被遮挡，上一道工序留下的误差也可能传递过来。人在操作时，会通过观察和手感不断调整；机器人要完成类似的工作，就需要把视觉、力觉和控制结合起来。

这也是今年机器人展示中值得关注的一条线索：越来越多演示开始围绕具体工艺展开，考验机器人接触工件之后的应变能力。

非夕公布的本届参展内容，就包含服务器部件插装、汽车四轮定位、复杂曲面磨削等应用。其中，服务器插装演示通过视觉与力控配合，应对移动到位后的相对位置偏差；磨削工作站则结合接触反馈和在线检测，调整加工过程。不同任务，指向的是同一个难题——如何在变化中保持操作质量。

这一点，也为理解人形和具身智能机器人提供了更实际的视角。

智元精灵G2采用轮式移动与双臂操作的组合，并配置关节力矩感知等能力。从产品设计看，它考虑的是机器人如何移动到工位、与物体接触，再完成操作。

对于工厂，机器人的形态最终要服从任务。需要跨工位移动，就要考虑底盘和定位；需要精密装配，就要考虑末端工具、力控和作业空间。双臂是否有用，也取决于工序是否需要扶持、对位或协同搬运。

因此，观看一次演示之后，更值得继续追问的是：更换一批来料，它还能不能完成？换一种产品，需要重新调试多久？遇到异常，能否识别并安全停下？

这些问题，决定了机器人能否成为生产流程中可靠的一员。

AI的能力，要经过工业系统的验证

工业AI还有一个不那么显眼的入口：工程师的电脑。

产线投入运行之前，需要完成设备选型、程序编写、驱动配置和调试。生产开始之后，又涉及故障诊断、维护和换产。即使机器人本体已经具备足够的能力，接入工厂的工作量仍然可能很大。

西门子在本届工博会上更新了Eigen工程智能体，涉及项目结构生成、多轴驱动配置等工程任务；同时宣布在中国五家工厂开放六类具身智能应用场景，覆盖分拣上料、搬运、拧紧、检测和包装等环节。

这里值得关注的是两类工作的连接：AI参与工程开发，而真实工厂为应用提供测试反馈。

工厂对AI的要求，落实到最后往往非常具体。生成的程序是否符合项目规范？设备之间能否正确交换状态？某一步执行失败，后续流程应该暂停、重试，还是转交人工？

一种合理的工程思路，是让AI承担适合它的识别、规划和辅助开发任务，同时由经过验证的控制系统与安全机制约束执行。模型能力与工业控制能力需要共同设计，才能形成可用的系统。

ABB的RobotStudio HyperReality，则把其中一部分验证工作提前到了虚拟环境。它结合NVIDIA Omniverse技术，让开发者在数字环境中模拟机器人应用，并生成用于模型训练的合成数据。

仿真的意义，也因此从“看看机械臂会不会碰撞”，延伸到了视觉与操作任务的训练：改变光照、材质或摆放方式，观察系统面对不同条件时的表现。

不过，虚拟验证仍然需要真实数据校正。现场的反光、磨损、装配误差和接触状态，都可能影响结果。数字环境能够帮助缩小问题范围，真实产线则负责检验方案是否成立。

国芯展里的算力，开始以整套系统出现

走进国芯展，芯片与工业之间的联系变得更加直观。

在机器人一侧，算力支持感知、模型推理和任务理解；在研发一侧，算力用于模型训练、仿真和数据处理。两类需求共同存在，也对应着不同的部署方式。

今年现场，沐曦展示了曦景S600超节点，天数智芯带来了天垓300 IXL144，东方算芯展示了慧算HS256集群方案。超节点成为多家企业展示的重点，关注对象从一块芯片延伸到了多卡互联与系统部署。

这背后有一个容易被参数表掩盖的问题：多颗芯片一起工作，能否让任务相应地变快？

计算单元需要交换数据，模型需要占用内存，软件需要完成任务分配。任何一个环节成为瓶颈，都可能让部分算力处于等待状态。因此，评价一套算力系统，还要看互联、内存、软件适配，以及实际任务中的利用效率。

据沐曦介绍，其展示覆盖推理、训练和科学计算GPU，并配套软件体系。燧原现场展示，也能看到机柜与板卡等不同形态的展示。对于工业用户，这些产品最终都要回答一个共同问题：现有模型和应用，怎样在这套硬件上稳定运行？

由此看，国产算力的落地工作涉及一系列配套能力：模型能否部署，工具能否调试，性能问题能否定位，系统出了故障能否得到及时支持。芯片是起点，应用能够持续运行，才形成完整的使用价值。

同时，工业现场还需要另一类算力——靠近设备的边缘与端侧计算。

爱芯元智在本届工博会上发布AX8860系列，面向大模型的边缘和端侧部署，并展示模组、推理卡与推理服务器。其合作伙伴原力灵机还演示了接口插拔质检、工业插入和柔性切削等任务。

这类产品让算力的部署位置成为设计的一部分。对响应时间、网络条件或数据管理有要求的任务，可以考虑在现场完成推理；训练、集中分析等工作，则可以使用更大规模的计算资源。

云端与现场各自承担什么，要由具体任务决定。工博会将不同层次的算力放在一起，也让这种分工有了更清楚的展示。

芯片、关节与工具，决定智能能做到多细

回到机器人展区，会发现许多影响作业结果的部件，平时都藏在机身里。

减速器、电机、传感器和末端工具，未必有整机那么醒目，却直接参与每一次动作。识别出了工件位置之后，机器人仍然需要准确伸手；规划出了插接路径之后，执行机构仍然需要控制接触力度。

现场可以看到绿的谐波等企业的减速器展示，以及尼得科的相关产品展台。这些部件与前面的AI系统共同构成了一条执行链：信息被识别、任务被计算，最后由机械结构和控制系统转化为动作。

这个过程提醒我们，模型进步与硬件进步需要相互配合。工艺越精细，对传动、感知和工具的要求往往越具体。

同样的关系，也存在于芯片产业内部。国芯展将设计、制造、封测、装备和材料集中呈现，使观众能够看到：一颗芯片进入应用之前，也要经过一整套制造流程。

把机器人和芯片放在同一场工业展会上，价值就在这里。它让看似相距很远的产品，显露出上下游之间的依赖关系。

智能制造的成绩，要在生产账本上体现

展台上，一个动作完成，观众就会看到结果。工厂里的评价周期要长得多。

系统能稳定运行多久？每件合格产品需要多少时间和能源？换产需要投入多少工程师？维护是否方便？这些因素共同决定企业是否愿意继续使用、扩大部署。

柔性作业的价值，也需要放在这样的背景中理解。

面对多品种、小批量生产，企业希望设备在切换任务时少做改造、少花调试时间。但灵活性仍然要与节拍、质量和维护成本一起衡量。适合一种工序的方案，未必适合另一种工序。

现场激光切割、焊接和各类加工设备，也为这篇工业AI叙事提供了落点：无论技术怎样更新，材料仍然要被加工成零件，零件仍然要经过装配和检验。

AI能够参与优化这些过程，而优化是否有效，需要通过良品率、停机时间、交付周期等结果来验证。

最终，这些生产能力会体现在我们熟悉的产品上。现场展示的汽车，以及其他交通装备和消费产品，把上游技术与日常生活连接起来。它们的质量、价格与供应能力，都与背后的制造体系有关。

工博会提供了一张观察工业AI的全景图

2026工博会让人看到，工业AI正在多个位置同时展开：机器人尝试处理更复杂的接触任务，工程软件引入智能体，算力企业展示系统方案，核心部件与加工设备继续完善执行能力。

这些进展处在不同阶段。有的是新品，有的是现场演示，有的是企业披露的部署案例。把它们放在一起看，能够更清楚地理解工业智能化需要完成哪些工作。

对企业而言，接下来值得持续观察的是应用的重复性：一个方案能否从展台进入工厂，再从一个工位迁移到更多工位；能否在长时间运行中保持质量，并让部署和维护越来越容易。

当这些问题得到越来越多可验证的答案，“智能经济，智造无界”就会落实为具体的生产变化。

而工博会的吸引力，也正来自这种连接：我们既能看到一只机器人怎样伸手，也能沿着它的动作，追溯到芯片、软件、关节和工艺，理解现代工业怎样把一个想法变成可以批量交付的产品。

热点科技长期关注消费电子、人工智能、智能汽车与前沿科技产业，持续开展产品评测、产业观察和科技展会现场报道。从CES、MWC到AWE、WAIC、IFA，我们始终走在现场，记录新技术与产业应用的变化。

从年初的CES、MWC，到AWE、WAIC，热点科技的报道足迹已经覆盖国内外主要科技展会。在今年的WAIC 2026和MWC 2026上，我们分别创造了1568万和1459万的全网曝光。

接下来，热点科技将继续深入展会与产业一线，为大家带来更多现场报道和产业观察，看看今天展台上的创新，如何成为明天生活中的一部分。