为机床工具企业提供深度市场分析                     

用户名:   密码:         免费注册  |   申请VIP  |  

English  |   German  |   Japanese  |   添加收藏  |  
沈阳机床

车床 铣床 钻床 数控系统 加工中心 锻压机床 刨插拉床 螺纹加工机床 齿轮加工机床
磨床 镗床 刀具 功能部件 配件附件 检验测量 机床电器 特种加工 机器人

机器人

电工电力 工程机械 航空航天 汽车 模具
仪器仪表 通用机械 轨道交通 船舶

搜索
热门关键字:

数控机床

 | 数控车床 | 数控系统 | 滚齿机 | 数控铣床 | 铣刀 | 主轴 | 立式加工中心 | 机器人
您现在的位置:机器人> 企业动态>埃夫特×启智如何为工业具身智能筑起“通用技术底座”
埃夫特×启智如何为工业具身智能筑起“通用技术底座”
2026-8-24  来源:-  作者:-
 

      2026年8月19日,北京亦庄。2026世界机器人大会开幕首日,A106展位前人头攒动。

      一台复合机器人在狭窄的线边通道内灵活穿行,3D视觉相机对上百种无序堆叠的汽车零部件进行毫秒级识别与位姿估计,机械臂精准抓取、转运、上料,全程无人干预。旁边的四合一柔性装配工作站里,复合机器人上料、双臂机器人智能装配与锁附、协作机器人视觉质检,三种不同构型的机械臂各司其职、协同作业。

      启智不以单体机器人炫技为目标,而是希望以通用技术底座支持多构型本体与多场景应用。

      工业机器人的“智能鸿沟”

      埃夫特做工业机器人已有近二十年。从2014年开始陆续运营,到2020年登陆科创板(688165.SH),这家公司累计向市场交付了超过10万台工业机器人。产品覆盖汽车、电子、新能源等行业,2025年机器人销量超15000台,

      但一个更深层的瓶颈一直存在。

      “传统工业机器人解决的是自动化批量生产的问题,但这只占工业场景的一小部分。”埃夫特启智研究院的副院长董志鹏博士对中国工业报说。据统计,国内工业机器人整体渗透率不足2%,大量通用制造、定制加工场景因产品非标、换型频繁,传统编程式自动化方案难以适用。

      “剩下那百分之九十多渗透不进去的原因,在于单件小批量的生产环境。”董志鹏介绍道,一台焊接机器人要焊接不同规格的钢结构,每换一个工件就得重新示教编程,调试几天、生产几天、再换型再调试。投入产出比算不过来,工厂宁可继续用人工。

      在工业场景中,客户的采购决策核心并非炫目的演示效果,而是实实在在的投资回报率、准确性、可靠性、生产节拍,以及与周边设备的协同配合能力。正是基于这一认识,埃夫特在2024年5月成立启智机器人,旨在为机器人开启心智,赋能千行百业,走进千家万户。

      自主化之轮:二十年工业积淀

      启智的底气,首先来自埃夫特在工业机器人本体上的积累。

      在核心零部件层面,埃夫特继2020年实现自主ROBOX控制器全面机型导入后,控制器自主化率达到(百分百),全面掌握了机器人底层运动控制内核。新一代自主一体化伺服驱动器进入小批量阶段,发布了最新的非线性补偿算法。核心模块实现100%自主可控。

      在工业场景下,机器人本体的坚固性和稳定性至关重要,必须能够适应各类复杂工况和污染环境,这是保证其可靠好用的基础条件。在埃夫特看来,本体设计始终是产品研发中的重点考量。

      埃夫特的EXR系列原厂防爆机器人就是一个典型。它摒弃行业常见的防爆改装方案,从源头消除点火源,通过气体防爆与粉尘防爆双重最高等级认证,已在军工、民爆、化工、医药、食品饮料等行业实现批量应用。

      (智能)喷涂机器人已成功落地海外汽车工厂,填补了国产机器人在汽车涂装车间批量应用的空白。同时,焊装机器人在国内某主流车企的生产线上实现了FDS滚边等工艺的批量覆盖,这也是国产机器人首次在汽车主机厂焊装车间实现批量交付。

      这是“自主化之轮”——二十年工业场景沉淀下来的本体能力、工艺数据库和对制造业的深刻理解。

      “埃夫特深耕工业近二十载,从研制国产首台点焊机器人,到如今打造产业公共基底。”

      智能化之轮:通用技术底座

      但仅有坚固的本体还不够。

      启智要做的,是为工业机器人装上“大脑”。这个“大脑”被命名为“智能机器人通用技术底座”——全球首个入选国家科技重大专项的智能机器人通用技术底座。

      底座由四大核心模块构成:HumanGPT(“HumanGPT人类技能大模型将真实工况中的人类操作经验蒸馏为可训练、可调用、可迁移的机器人技能。”)世界模型赋予物理世界理解与预判能力;大衍数据平台加工高质量训练数据集;墨斗IDE以低代码可视化降低开发门槛;Openmind OS向下适配硬件、向上支撑应用。

      这四层形成了完整闭环,可以类比为机器人领域的“安卓系统”。

      启智在具身智能的后续发展中,构建面向行业共享的智能机器人通用技术底座被视为关键方向。其核心思路是依托世界模型的物理认知能力,开发出具备可复用性和可推广性的工业技能模块。

      启智将工业具身智能落地总结为“双重跨越”:第一重是0到1的能力突破,靠HumanGPT解决机器人“会不会干活”的问题;第二重是1到100的行业推广,靠通用技术底座解决“能不能快速复制”的问题。

      而打通“0到1”的关键钥匙,是HALO人类技能全模态数据采集服。

      在数据价值层面,启智认为,真实场景中产生的数据被公认为最具价值的来源。

      HALO技能服解决了具身智能行业一个核心难题:高质量工业数据的获取。

      这套可穿戴设备集成全景相机(8K分辨率)、RGBD相机、手部触觉传感器(指尖12个触觉点、手掌60个触觉点,压力分辨率0.01N)、27节点惯性动捕单元(延迟≤10ms)、表面肌电传感器等全模态传感器。

      工人穿着HALO技能服完成真实工艺操作(如:喷涂或焊接等)后,系统采集动作、视觉、力觉、触觉、姿态等多模态数据,经大衍数据平台进行数据治理与模型训练,由HumanGPT将一线工人的隐性工艺经验转化为可复用、可迁移的标准化技能。

      本届WRC上亮相的HALO技能服迎来新一代升级——从实验室装备迭代为面向工业场景的“一体化战衣”,快速穿脱、全身无外露线束、支持清洗维护。

      落地实战:从展台到产线

      线边仓智能分拣工作站(SPS)场景。这套系统已在某头部主机厂正式投产。复合机器人在狭窄的线边通道内灵活移动,利用3D智能识别技术精准抓取上百种不同汽车零部件,打通了自动上料、智能分拣、成品上线、自动回框全流程,实现无人闭环投送。单台设备分拣节拍可达10秒每件,抓取成功率高于99%。埃夫特工作人员介绍,“这不是简单的设备叠加,而是面向未来‘黑灯工厂’的可复制、可推广的自动化范本。”

      四合一智能柔性装配工作站场景。复合机器人上料、双臂机器人智能装配锁附、协作机器人视觉质检——三种不同构型的机器人在统一底座调度下协同作业。移动底盘快速定位后,双臂在视觉引导下完成精密零部件装配与智能装配与锁附,协作臂通过视觉系统检测,形成完整工作流闭环。工作人员表示,“工厂可以像拼乐高一样,快速搭建适配自身产线需求的智能工作站。”

      智能焊接工作站场景。工作人员介绍,针对船舶、钢结构、桥梁等中厚板行业,智能焊接机器人依托底座的焊缝自主识别与图形化编排,将多品种小批量钢结构的编程调试周期从“按天算”压缩到小时级。这套方案由埃夫特牵头的国家重点研发计划“自主智能弧焊机器人技术与系统”验证。

      智能喷涂工作站场景。据介绍,在赣州家具共享工厂,无标记智能喷涂方案已实现批量商用。工人穿着HALO技能服完成一次人工喷涂,系统便将工艺参数“学会”。量产阶段,面对尺寸造型不同的新型号家具,机器人无需重新示教,数秒内即生成合规喷涂轨迹,新品投产编程时长降低70%以上。

      底座之上:生态正在生长

      目前,搭载启智通用技术底座的工业机器人,已在客户生产现场持续运行超5000小时。

      这套底座依托埃夫特将近二十年服务及4000余家工厂沉淀的工艺数据库,从实验室走向了产线。

      更关键的是生态。目前,国内工业机器人已有4家接入底座,人形机器人接入3家。启智已联合哈工大、清华等8所985高校及6家头部工业机器人企业(占国内销量70%以上)共同攻关。

      据媒体报道,启智未来将从埃夫特剥离独立运营。未来,将会开放接口、标准化开发环境和生态协同,来减少行业底层重复研发的模式,旨在消除同行对于被“卡脖子”的顾虑,避免“重复造轮子”。

      “让全行业不用重复投入底层研发,降低具身智能开发门槛。”埃夫特相关负责人表示。

      埃夫特展台上,复合机器人仍在不知疲倦地运行着——抓取、转运、上料,周而复始。没有炫技,没有表演,只有一台设备在真实模拟产线上的每一天。不是更炫的动作,而是更稳的干活;不是更酷的演示,而是更低的门槛;不是更贵的硬件,而是更聪明的“大脑”。埃夫特与启智用“自主化+智能化”的双轮驱动,正在回答一个行业级命题:工业具身智能,如何从展台真正走进产线。

      “我们不做单体机器人的炫技。”

      他们要做的,让启智智能机器人通用技术底座,托举千行百业的机器人。
 
      来源:中国工业报  王珊珊 

    投稿箱:
        如果您有机床行业、企业相关新闻稿件发表,或进行资讯合作,欢迎联系本网编辑部, 邮箱:skjcsc@vip.sina.com