对话黄培：新技术要敬畏制造业，敬畏制造业的复杂性
记者 宋笛 2025年以来，人形机器人成为一股热潮
记者 宋笛
2025年以来，人形机器人成为一股热潮。人们时常在舞台、展馆甚至马拉松赛道上看到人形机器人的身影，看它们跳舞、跑步……从事着人们休闲时才能够享有的轻松愉悦的活动，但工厂里却鲜见它们的身影。
黄培博士是国家智能制造专家委员会委员、e-works数字化企业网CEO。2002年以来，他一直从事制造业智能化转型的研究和服务。因为工作需要，黄培每年都要走访大量的制造业企业，了解其数字化转型情况。在黄培看来，制造业各个细分行业的制造工艺差异很大，应用场景众多，要让人形机器人落地，仍需要更长时间的探索与实践。
21世纪第二个十年以来，新兴技术、概念和它们的所有者“科技公司”，排队似的等待着涌入庞大的制造业，但进程缓慢，最终只有很小一部分概念和技术真正落地。
以AI（人工智能）为例，黄培说，分析式AI（判别式AI）获得技术突破已有十多年时间，在安防、商业等领域获得广泛应用，但在制造业的渗透率仍然较低，主要用于AI质检、无序抓取等环节。因为制造业企业需要考量数据采集、数据质量等基础条件，以及实施成本和投资回报等因素。
这只是原因之一。制造业拥有从小到纳米制造，广至航空航天的丰富场景、潜藏在场景中、经过数百年时间积累的工艺标准和规范。这些机器暂时无法理解的“智慧”，考验着新技术效率故事的“真伪”。
黄培说，新兴技术应用要“敬畏制造业，敬畏制造业的复杂性”。
｜对话｜
人形机器人进入工厂还处于摸索阶段
经济观察报：你每年要跑这么多工厂，在工业场景中见到过人形机器人吗？
黄培：我在武汉一家外企见过一台轮式的类人形机器人，尚未正式投入生产，还在场景中测试。更多时候，我是在“表演式销售”场景中见到人形机器人，各家机构买来给客户表演。
现在人形机器人的技术进步很快，能跑马拉松，比人跑得还快，这反映了机器人在运动能力上有很大进步，在续航、散热方面也有很多进展，但这些“跑跑跳跳”的能力在工业场景中没有太大的应用价值。
经济观察报：就是“小脑能力”。
黄培：对。现在机器人是四肢发达、头脑简单，或者说小脑发达、大脑愚蠢。
经济观察报：目前制造业摸索出什么人形机器人的应用了吗？我们已经有工业机器人，有能跟人协作的机械臂，为什么还需要人形机器人？
黄培：客观来讲，没有。大家就是跟风，买一台来试试。这很像当年制造企业试用组合机床。组合机床有很多轴可以同时加工，看起来是个非常牛的创造，后来却逐渐被市场淘汰。因为制造业发现它只能加工固定品类的产品。制造业生产讲究柔性灵活，组合机床自动化程度高，使用场景却十分刚性。
具身智能机器人最重要的能力是实现人与环境的交互，比如通过VLA模型（视觉－语言－动作）完成交互。但目前，人形机器人的交互能力还很差，有时候需要靠人反复演示动作，生成数据，供给人形机器人训练。
机器人动作训练员可能是世界上最无聊的工作之一。我之前参观过这种训练中心，训练员需要反复从货架上拿水瓶，重复几千次。这种训练成本非常高，好不容易教会机器人适应某个场景，换个场景机器人又不会了。
经济观察报：如果人形机器人理解了环境，具备了柔性能力，就能比已经用了几十年的工业机器人好用吗？它真正适用的场景是什么？
黄培：真正需要人形机器人的场景应该是“3D”，dangerous（危险的）、dull（枯燥的重复劳动）、dirty（脏的）。工厂最需要它干的是脏活、累活、苦活，但现在训练的机器人很脆弱，对环境要求很高，这存在一定场景的偏差。
经济观察报：你跟人形机器人企业接触过吗？
黄培：接触过几家。个人感觉，目前一些人形机器人厂商比起把产品做好、技术做优、应用做实，更关注融资和上市。
经济观察报：人形机器人和具身智能不完全是一个概念，工业场景中好用的机器人应该是什么样的？
黄培：工业场景需要多种形态的机器人。车间环境下，肯定是轮式的更好用。一个轮式底座、双臂可升降，再加上视觉识别方案，就是一台在工业领域非常好用的机器人。如果是在巡检环节，机器狗或轮式的巡检机器人更合适。现在物流场景机器人形态很丰富，原来自动化立体仓库用堆垛机取放货物，如今用攀爬机器人顺着杆子爬上去就能取货，这些都不需要长得像人。
目前的人形机器人不是让机器适应环境，而是让人去适应笨拙的机器。我最近看过一场机器人和人的“灾难”表演现场，人类演员明明可以表演得更好，结果反而要配合机器人做些僵硬的动作，这种表演谈不上任何美感。表演完还出了篓子，一个机器人蹲在那不动了，最后工作人员只能上去把它拖下台。这些人形机器人只是看起来像人，自主控制能力和人还相去甚远。
所以现在机器人有两大流派：一派追求运动能力，另一派追求操作能力，后者致力于让机器人能和环境、人更好地交互，要让机器人听懂任务，理解它所处的物理空间和任务的关系。在工业场景，后者所追求的能力可能更重要。
经济观察报：你觉得这股人形机器人热潮的结果可能是什么？
黄培：我认为很多企业最终难以找到真正的应用场景。几年之后，可能不少人形机器人厂商会“死掉”，九死一生。作为一项新技术，需要适度超前，有一部分企业提前布局也没问题，但不能太超前，特别是在产能方面。有些领域太过超前，出货量很少，但产能扩得很快。
人形机器人不是一项新技术，历史上美国、韩国、日本都有企业想做这件事情。从出货量看，人形机器人还只是工业机器人的一个零头。最大问题是，下游整机厂的技术含量有限。如果只需要一台能跑能跳的工业机器人，已经没有多大技术门槛，直接通过OEM（代工）就可以实现。
前几天，我让同事画了一张人形机器人的产业图谱，发现做关键零部件的企业没多少，做主机厂的却一大堆。也就是说，真正做得好的是这些零部件企业，赚钱的也是他们。
AI焦虑与AI缓慢
经济观察报：你每年接触很多制造业企业主，他们会为AI感到焦虑吗？
黄培：去年DeepSeek热潮时，很多制造企业负责人非常兴奋。当时市场有点把AI神化了，这些企业觉得AI可以改变很多事。有的制造业企业花七八十万元买了“DeepSeek一体机”，结果发现只能装32B（参数量为320亿）的模型，解决不了多少实际问题。
但现在很多制造企业负责人已经看得比较清楚了，生成式AI与分析式AI并非替代关系，而是互补关系。分析式AI在质检环节所需的视觉、声音识别中，仍具有不可替代的优势，依然是AI在制造业应用的主流。生成式AI会带来一些新的场景，比如软件代码、数控代码、工业机器人代码的生成，但它只能打个初稿、提高效率，不能真正生成一个完全正确的东西。
经济观察报：智能体（Agent）的出现似乎给工业软件带来很大冲击？
黄培：最近我们在北京的一次内部研讨会上讨论了这个问题，结论是：智能体不会替代所有工业软件，它本质是一种融合了工作流软件以及RPA（机器人流程自动化）优点的智能执行系统，不仅可以连接各种软件，还可以连接各类AI模型，进而自动完成某些特定任务。
智能体可能最容易替代那些单纯做数据管理、流程管理的软件，比如OA软件。但很多工业软件有复杂的算法、内部逻辑以及非结构化数据，这些构成了“护城河”。智能体对这类工业软件的影响是：可能会大量减少需要调用软件的用户数，软件企业的收入可能会大幅降低。如果工业软件没有复杂的业务逻辑，就会沦为AI调用的一个API。
另一个门槛是安全。现在智能体的安全风险还难以评估。对制造企业而言，任何应用系统的前提是安全，数据安全、工控系统安全至关重要。
经济观察报：制造业有没有使用生成式大模型或者智能体的案例？
黄培：我们接触到一个车企做了很多智能体，用来提高流程效率、办公效率，但还没有和制造工艺结合。
经济观察报：可以理解成给老板写PPT？
黄培：可以这么理解，就是做各种报表，生成各种dashboard（可视化界面）。
经济观察报：分析式AI是不是更像一个熟练工，有一门技艺所长，会让你在生产环节很放心地把一个活交给它，但生成式AI可能更像在办公室处理工作的文员？
黄培：两者都可以提高生产力，但方式不一样。分析式AI能够直接替代人力，原来需要很多人来完成的质检环节，现在变成机器检测，工作量可能减少了98%。目前，生成式AI还是主要扮演效率工具，并不直接改变工业的生产方式，没有那种非用不可、立竿见影的杀手级应用。制造企业AI应用需要可信、可解释，生成式AI的幻觉在关键业务也是一个致命的问题。
经济观察报：分析式AI目前在制造业领域应用情况如何？
黄培：制造业企业主要利用分析AI的视觉、听觉能力进行质检等工作。比如，有的制造业企业用分析AI在施工现场检查员工是否抽烟或按规范佩戴安全帽。许多制造企业用机器视觉、声纹识别加上AI，进行产品质检。
分析式AI在中国制造业普及率还很低，生成式AI又来了，很多人认为是换了一个技术浪潮，这是误解。
经济观察报：分析式AI出现已经十多年，为什么在制造业的落地会这么缓慢？
黄培：我举个例子，江苏丹阳集聚了大量做塑胶镜片的工厂。塑胶镜片的质检环节是非常麻烦的，因为镜片是透明的，需要大量人工检查。一个大型眼镜厂，需要七八百人做质检，包括对镜片的尺寸检测，对镜片质量的检测，泛黄的镜片就属于次品。
目前，这个细分行业正在探索具体的解决方案。如果要用AI来替代质检，就需要大量相关数据进行建模，但这类数据几乎只在特定工厂场景中才能采集到。这也是为什么新技术普及这么慢，因为制造业分类太多，新技术需要在不同场景中完成适配。
制造业企业找技术服务商也不容易。很多技术企业提供的是“交钥匙工程”，在这个过程中制造业企业没有积累太多技术能力，下次换了产品，还得重新开始，成本比较高。企业需要能够授之以渔的AI平台，从而实现举一反三。
经济观察报：你接触过大模型企业吗，他们对服务制造业感兴趣吗？
黄培：我曾和一家非常知名的国内大模型企业交流过，他们没有工业相关的事业部。从分析式AI起家的“四小龙”等科技公司，也主要关注商业、安防等传统场景。
工业太庞杂了，仅从大的层面就可以分为离散、流程、混合三类，每一类又有很多细分。从微观的纳米制造到巨大的航空航天都是工业。要服务工业AI转型，不仅需要技术能力，更需要对特定工业行业的理解，这对模型公司是很大的挑战。
百度、阿里、华为、腾讯等云商经过这些年的业务拓展，对工业的理解在加深，可能是个比较好的选择。在一些更垂直的行业，比如石化行业，可能会出现专门面向这一场景的AI技术服务商。
经济观察报：你怎么预估这轮AI对工业的影响，其影响是近似数字化转型，还是电力革命，甚至是蒸汽革命？
黄培：虽然AI有一些泡沫，但它能带来的价值是真实存在的。各种类型的AI，如果能够在工艺参数优化、生产排产优化、运输路线路径优化、节能降耗等环节发挥作用，影响都是巨大的。
GE有位前任董事长曾发出豪言，如果AI能够帮助全世界所有设备节能1%，那也是个了不起的壮举。今天我们用AI加上物联网、传感器采集数据，再加上数字孪生可能起到类似效果。
但现阶段AI在工业的整体普及率并不高，远没有达到硅谷《跨越鸿沟》一书中所描述的技术迈过鸿沟，走向大众的阶段。
敬畏制造业
经济观察报：你刚才提到了很多工业领域的热词，比如物联网、工业互联网、数字孪生，你怎么看待这些热词？
黄培：在制造业领域，一定要注意一个新的词出来以后，到底是个buzzword（热词），还是一个term（术语）。比如因为“元宇宙”这个概念，Facebook改名叫Meta，投了几百亿美元，最后发现并没有什么真正的场景。Meta的元宇宙团队自2021年初以来，累计亏损超过700亿美元。
有些公司可能想卖的是解决方案和产品，会追捧概念，但制造业企业需要实实在在能帮助提高生产力的产品。
经济观察报：2010年后，国内工业领域也一度热衷追捧各类新概念，比如一批制造业头部企业以各种方式布局“工业互联网”，之后互联网公司又提出产业互联网等概念，这些概念真的发挥实际作用吗？
黄培：工业互联网正确的理解应该是“工业互联的网”，而不是“工业的互联网”。一个工厂需要把生产、检测、试验、物流、动力等各类设备做到应联尽联。但客户不会愿意单纯为“互联”付费，设备互联一次就完成了，不可能天天有新设备需要连接。
因此，工业互联网（或工业物联网）平台的商业模式是有问题的。从国内到国外，这类平台始终没有清晰的盈利模式，IBM、GE等行业巨头在这方面的尝试都没有成功。美国工业互联网联盟（IIC,IndustrialInternetConsortium）作为工业互联标准的制定者，如今早已被并入数字孪生联盟（DTC,DigitalTwinConsortium）。
经济观察报：如果从商业模式来看，工业互联网平台可能算不上完全成功，但设备互联这件事，是不是过去十几年国内工厂发生的一个很大变化？
黄培：这是中国制造业企业一门必修课。不互联，车间就是一个“黑箱”，企业不知道从何处优化。互联是必须的，至于用5G、工业Wi-Fi，还是有线联网互联，只是个技术问题。
经济观察报：中国企业把设备进行互联的原因是什么？
黄培：主要是实现设备可视化。
经济观察报：可视化又是为了什么？
黄培：可视化是为了优化。有一个真实的案例，一家大型设备制造商曾把上万台设备进行互联，原因是企业大量关键设备的OEE（设备综合效率）只有30%左右。
经济观察报：设备利用率那么低是因为产能过剩吗？
黄培：不是产能过剩，是因为排产不科学，企业不知道哪些设备的效率如此之低。互联后，这家企业的负责人把一些利用率低于10%的设备直接卖了。既然利用率还不到10%，留着干什么？
在离散制造行业，因为需要上下料，设备综合效率相对较低，如果排产科学，达到50%以上是可行的。不过，实现这一利用率的前提，是企业需要通过互联知道每台设备的状态，找到问题所在。
经济观察报：很多制造业企业可能一直处于这种状态，是什么让他们觉得必须改变，去寻找问题所在？
黄培：一个重要原因是，当时企业处于大扩产阶段，订单快速增长，但企业不可能天天购买设备。设备是很昂贵的，而联网的成本远低于购买新设备的成本。如果说企业产能永远充足，这当然不是关键问题。
但任何一家企业，如果产能总是充足的，那效益肯定不好，要么就是买了太多设备，要么就是没有足够订单。只有当你订单很多，又无法交付的时候，这才成为问题。
制造企业运行有三个核心要素，叫QCD（质量、成本、交期）。质量至少要goodenough（足够好），达到承诺；成本不能低到造成质量问题或事故；交货期是很多制造企业的共性问题，尤其中国装备制造企业，按期交货率是比较低的。
只有利用设备互联和数据采集，知道每台设备的状态和准确的工时，企业才能更准确地根据设备产能排产，充分利用现有设备，减少采购成本，创造更高的效益，这也是精益生产的理念。
经济观察报：当制造业企业完成设备互联和可视化后，还需要做什么？
黄培：在互联和可视化的基础上，企业就可以做排产优化、制造过程的追溯等。比如上次充电宝召回事件，一个供应商将电池的正负极接反，但由于没有生产批次的追溯，企业都不知道该召回哪一批，只能全部召回。
通过互联可以对生产过程进行更加精细化的管理，比如质量管理、设备管理、车间物流管理等。这对中国制造业很重要，不少制造业企业产值很高，但在两项指标上压力很大：一是应收账款很高，这和供应链的主机厂是否讲信用有关；二是自身管理问题，制成品库存比较高。
经济观察报：如果产能过剩，精益生产能起到作用吗？
黄培：任何企业健康经营的前提是有足够的订单。变压器行业现在供不应求，很多企业都在上数字化系统、赶建新工厂。但如果造出来产品卖不出去，那什么理论也不解决问题。
经济观察报：回到主题，科技公司一度非常想改造或赋能制造业，但为什么效果有限？
黄培：我们还是要敬畏“制造”本身，敬畏制造业的复杂性。制造业有各种各样的工艺，即使是从事这个行业的专业人士，也只能知道一部分。很多制造工艺我也是带着企业去现场的时候，才看明白的。
举个例子，德国有一家企业叫威图，是全世界最知名的电气柜生产企业，产品价格很高，但认可度也很高。这个行业有句话：全世界只有三种电器柜，一种是威图的，第二种是仿威图的，第三种就是质量非常差的廉价产品。
威图有一门工艺叫冷弯工艺，要把一个钢板连续折弯十几次。你可以想象这个难度有多大，更何况这种工艺还要在几十年中传承下去，满足批量生产的要求。类似这样的工艺还有很多。制造业是敢于实践的，不是靠理论和AI能算出来的。“试验”永远是制造业需要的。
寻找新模式
经济观察报：前段时间你接待了一个由国际电信设备企业高管组成的考察团，这是你第一次接待外企制造业高管来华考察吗？
黄培：是的，以前我们主要是组织中国企业家去德国、日本、美国考察，但这是第一次带外企到中国工厂考察。
经济观察报：他们参观了哪些地方？
黄培：主要参观了几家灯塔工厂，它们对中国的灯塔工厂很感兴趣。早期的灯塔工厂可能只是突出高度自动化，但现在机器视觉等新技术开始被用于生产线，一些灯塔工厂实现了很强的柔性生产能力。我印象最深的是一条混线生产线，标榜的不是造得多快，而是能够具备快速换型的能力。整个市场需求转向小批量、高批次的生产，未来制造业应该寻求能够快速换线的柔性自动化产线。
经济观察报：历史上的制造业强国都曾提出某种制造模式，解决了某个重大的生产问题。比如美国创造的“福特制”，解决了大规模生产的问题；日本的“丰田制”，试图解决如何精益生产的问题，那你认为中国制造业可能会带来哪种新制造模式，它能解决哪些重要问题？
黄培：现在很难下结论。但是，中国制造业正在衍生出一个优势行业：非标自动化装备与产线集成。中国的非标设备和产线是比较发达的。它可以应对客户各种各样的个性化要求。某种意义上，中国做非标装备行业，已经可以“武装”全球了。国际客户发现，中国造的非标设备既便宜又好，尤其是锂电、光伏等行业的生产装备，宁德时代一家就孵化出了不少这样的企业。这些非标智能装备不一定多么“高精尖”，但针对的特定行业和场景非常高效。
还有个很奇特的现象，中国可能有上千家企业做MES软件（生产执行系统，连接企业上层ERP系统和底层设备系统间的桥梁），这与我们行业种类比较完备有关，汽车零部件、电子、芯片、半导体、PCB、化工、制药对MES软件的需求都不一样。
经济观察报：这是不是中国制造业一个独有的特点，足够丰富？
黄培：对，中国制造业产业形态足够丰富，客户要求又很高，“很内卷”，这会倒逼各方节能降耗、减员增效。这样的市场环境，又会孕育出一些独特的生产装备、生产线、相关软件以及柔性智能生产模式，为全球制造业作出一些较大的贡献。
经济观察报：你一年能参观走访这么多企业，观察到哪些新的现象？制造企业的发展情况如何？
黄培：中国制造业分化明显。比如变压器、电力设备、PCB等行业很景气，但纺织或者和建筑、房地产相关的制造行业压力又比较大。景气行业的企业家雄心勃勃，想扩大生产，想做国际化。
这会创造出精益生产转型的需求。我最近观察到的一个现象是，有些制造企业已经做到千亿级别，自动化、数字化等设备都很齐全，现在反过头来又要学习精益生产理念。因为企业发现自动化解决不了制品库存较高等问题，数字化只能解决一部分。归根到底，还是需要建立精益生产的理念。
经济观察报：为什么我们在精益生产上和德、日等国家的差距，没有阻碍中国成为全球规模最大的制造业国家，甚至在一定程度上被视作“制造业最强的国家”？
黄培：中国制造业当然很强，但有些行业是不是“最强”值得讨论。在创新上，中国制造业特别擅长工艺创新或集成创新，能够较快地完成“引进、消化、吸收、再创新”的过程，整体偏向工艺领先型，还不能完全说是技术领先型。中国的工人很伟大，勤劳、高效，但在人效方面还有提升空间，比如造船行业，中国的生产率就不及韩国。在一些高端船舶制造领域，韩国的交付周期比我们短三分之一。
此外，中国制造业还存在比较突出的生态问题或“内卷”问题。部分制造业“龙头大哥”的账期很长，不能拉着产业链上下游一起赚钱，还要从“小兄弟”那里赚钱，这对生态是不利的。为什么大家都愿意成为“果链”企业？因为真的能获得利润和长远的发展。再比如定价权问题，中国光伏产能巨大，在世界占比极高，但行业头部公司一年仍会亏损数百亿元，说明企业缺乏竞合的理念。这也是为什么中国提出要在2035年基本实现“新型工业化”，这是一个比较客观和理性的目标。