工业智能:制造业的下一个增长机会
制造业的工业智能由积累的工艺知识、生产数据与业务理解构成,当前机会是让这些智能在决策现场可用,并与物理世界连接。Toyota Industries 打通碎片化喷漆车间数据后,分析周期从五天降至四小时以内,试点中相关喷漆缺陷减少约 25%。Rockwell Automation 新加坡工厂用维护 copilot 整合制造数据、设备手册与老员工经验,新员工掌握数百台设备排障的时间从九个月缩短到三个月。
制造业的工业智能由积累的工艺知识、生产数据与业务理解构成,当前机会是让这些智能在决策现场可用,并与物理世界连接。Toyota Industries 打通碎片化喷漆车间数据后,分析周期从五天降至四小时以内,试点中相关喷漆缺陷减少约 25%。Rockwell Automation 新加坡工厂用维护 copilot 整合制造数据、设备手册与老员工经验,新员工掌握数百台设备排障的时间从九个月缩短到三个月。
前英伟达产品营销负责人、现 Techable Ventures 创始人兼管理合伙人 Amulya Vishwanath 认为,物理 AI 目前仍处于“乐高时代”,而非外界期待的机器人“ChatGPT 时刻”。她指出,机器人手、执行器等基础软件与构件正被重新设计,通用与专用机器人同时在搭建中,这些积木终将拼成更大的产品。她还强调人才是美国市场的关键壁垒,并称自己的人脉网络能帮助创始人对接顶尖人才。
在 NVIDIA 机器人平台产品营销部门任职七年的 Amulya Vishwanath 以 Techable VC 创始人兼管理合伙人身份投资物理 AI,她认为机器人目前仍处“乐高时代”,执行器、机械手、软件和安全标准等基础模块尚在重建。她将物理 AI 定义为不止是机器人,还包括“分子、材料、药物”或工厂产线上的机器,并提出“有意识的自动化”概念。
在 NVIDIA 机器人平台负责产品营销七年的 Amulya Vishwanath 认为,机器人目前仍处于"乐高时代",执行器、机械手、软件和安全标准等基础模块都还在重建,因此尚未迎来类似 ChatGPT 的爆发时刻。她如今以 Techable VC 创始人兼管理合伙人的身份投资物理 AI,覆盖机器人、材料科学和生命科学领域。
Dyna Robotics 联合创始人兼首席科学家 Jason Ma 在 Latent Space 播客中介绍,Dyna-2 是基于超过一百万小时人类视频预训练的世界动作模型,采用扩散 Transformer 与 flow matching,先预测未来视频再生成机器人动作。
AVEVA 首席技术官 Arti Garg 提出,工业 AI 正从预测分析转向基础模型、physical AI 与 agentic AI,但因其直接作用于物理系统,安全与可靠性成为部署核心。
MIT Technology Review 与 Aventine 合作的文章指出,尽管 Elon Musk 预测 Tesla 的 Optimus 人形机器人最早 2027 年底开售、单台成本低至 2 万美元,Jensen Huang 也称人形机器人今年将达到人类水平能力,但许多机器人研究者对此持怀疑态度。Yann LeCun 在达沃斯表示,没有任何一家人形机器人公司知道如何让机器人足够智能和实用。