夜雨聆风
WELDING AI / ROBOTICS原创 · 技术、产业与人的价值
2026年5月，海油工程天津智能制造基地里，两台机械臂被四团电弧难住了。
它们要焊的是海洋油气平台导管架上的大型加强环。四根焊枪挤在有限空间里同时工作，电弧开始互相干扰。程序里设好的动作一到现场就失效，项目团队改参数、换方案，连续失败了数百次。
最后站到机器人面前的是全国技术能手刘海林。
他没有再讲一遍书本上的焊接原理。他直接模仿机械臂的姿态，把焊枪应该倾斜多少、怎样摆动、左右各停多久，一遍遍做给工程师看。工程师把这些动作拆进程序，四把焊枪才终于能够同时工作。
一个月后，这套设备投入工业化使用。公开数据很漂亮：最厚能焊70毫米钢材，一次焊接合格率超过98%，综合效率比传统模式提高40%以上。正式上岗前，团队做了近1000组实验，积累了500余项工艺数据。
机器人已经焊得更快、更稳，为什么最难的一步还要把老师傅请回来？既然经验已经写进500多项参数，为什么焊完以后仍然需要人检查、确认，甚至在质量文件上签字？
如果只看设备参数，很容易把答案归结为“传感器还不够准”或者“训练数据还不够多”。于是继续查焊接论文、企业产品、行业标准和GitHub项目，会发现只解释了一半。
焊接大模型先接走那些可以看见、可以测量、可以重复的手艺；不可见的后果、没见过的工况和最后的责任，又会把老师傅叫回现场。
01
机器人用了几十年，怎么还怕两毫米？
焊接是工业机器人最早进入的工序之一。汽车车身点焊位置固定，零件批量大，夹具能把每一件车身锁在几乎相同的位置。机器人记住轨迹以后，可以连续重复，速度和一致性都比人稳定。
可问题来了。
造船、钢结构、工程机械和海洋装备也用了很多年机器人，为什么大量焊缝依然留在工人手里？
因为这些行业交给机器人的，不是一排长得完全一样的车门。两件按照同一张图纸制造的大型构件，坡口间隙、错边量和点固位置都可能不同。钢板经过下料、运输、组对和吊装，会积累误差；电弧一起，热量又会让工件继续变形。第一条焊缝刚焊完，第二条的位置可能已经悄悄偏了两毫米。
两毫米在人眼里很小，对沿预设坐标行走的机器人却可能是一道断层。焊枪仍然走得笔直，枪口已经离开焊缝中心；电流和送丝保持稳定，突然变宽的间隙却需要更多填充。换一种零件，企业还要重新示教、重做夹具、检查碰撞。订单只有三五件时，编程和工装成本根本摊不回来。
美国焊接学会在自动化会议资料中，把零件差异、装配一致性不足和小批量生产列为长期障碍。过去常见的办法，是把上游零件做得更整齐，再用昂贵夹具强行固定。工件越大、品种越多，价格越贵。
老师傅会怎么做？他会先看坡口、摸组对，发现间隙不对便调整枪角和速度。电弧起来后，他盯着熔池边缘，听声音是否发飘，再决定走快一点还是多停一会儿。工件开始受热，他还会预判后面的焊缝往哪里跑。
机器人过去最擅长重复，老师傅每天处理的却是偏差。
02
刘海林教给机器人的，到底是什么？
老师傅把绝活传给机器人了？
刘海林做的那套动作，进入计算机以后不再叫“手感”。枪角、干伸长、行走速度、摆动幅度、摆动频率、两侧停留时间，每一个都要变成数值。打底、填充和盖面怎么排，一条宽坡口分几层、每层走几道，也要变成可以复现的焊道规划。
他是怎么判断的？
坡口角度、根部间隙和错边，对应相机、激光轮廓和点云；熔池宽度、焊趾形状和飞溅，对应高速图像；温度变化对应红外和光谱；原本靠耳朵判断的电弧状态，可以转成声音、电流和电压的时间序列。
他的判断随后被拆成一串“如果”。如果焊缝偏了，枪口往哪边修；如果间隙变宽，送丝增加多少；如果熔池开始失稳，应该减速、降电流，还是直接停枪。机器得到的不只是一条动作录像，还要有动作发生前的工况、动作发生后的结果，以及最后这道焊缝究竟合不合格。
到这里，我们才能看懂那近1000组试验和500余项工艺数据的分量。
它们不是给大模型背诵的500道标准答案。每一次失败都在补一段因果：机器看见了什么，做了什么，随后发生了什么。
焊接大模型最贵的训练数据，往往就是失败。
问题也由此变得更麻烦。普通互联网模型可以从公开网页和图片里学习，焊接数据要把工件编号、材料炉批、坡口尺寸、机械臂轨迹、电流电压、熔池视频、焊后扫描和无损检测逐项对齐。一个时间戳错了，模型可能把气孔归因到错误的参数上。极端缺陷数量少，却偏偏是最需要学习的样本。
军工、能源和海工项目还涉及图纸、工艺与质量记录保密。数据无法随便上传，训练材料自然集中在少数设备厂商和制造企业内部。
所以，焊接大模型的竞争很快就从“谁的模型名字更响”走到另一张桌子上：谁能持续拿到动作与结果对齐的数据，谁能把错误标签挡在训练集外，谁就更有可能让设备越焊越稳。
03
市面上都叫“大模型”，为什么做的不是一件事？
查到这里，还会碰到一个容易混淆的问题。
今天市场上被称为“焊接大模型”的产品，至少有三种。
第一种更像一位坐在办公室里的焊接顾问。它读取材料、板厚、接头形式、行业标准和历史工艺，用自然语言回答问题，推荐工艺窗口，生成焊接工艺规程草案。中国已经出现《焊接大语言模型的评价方法》等团体标准。标准特意说明，它面向以自然语言处理为核心的模型，单纯的图像识别和规则专家系统不在这个范围内。
这类模型能帮工程师查资料、整理WPS草案，自己握不住焊枪。
第二种更像测量员和路径工程师。机器人先用3D相机、激光和点云扫描工件，识别实际坡口、间隙、错边、点固焊与障碍物，再计算焊枪从哪里进入、用什么角度行走、怎样避开工件和另一台机械臂。许多“免示教焊接”产品主要解决这一段：工程师少拖几百个轨迹点，改成扫描、自动规划，再由人确认。
第三种开始进入焊接现场的几秒钟。机器人一边焊，一边读取熔池图像、电流、电压、声音、温度和焊缝位置。模型判断状态，控制器随即修改速度、送丝、摆动、枪姿和停留时间。焊完以后，三维扫描、超声或射线结果再返回系统，告诉它刚才的调整有没有留下缺陷。
三种产品都可能被写进“大模型”三个字里，能力边界却相差很远。一个会回答工艺问题的聊天模型，一个会识缝和规划的视觉系统，一套能在焊中修改动作、焊后接受质量反馈的控制系统，不能用同一把尺子比较。
能找到焊缝，只够拿到进场券。
能根据现场变化调整参数，机器人开始从“背动作”走向“看后果”。这也是世界模型被带进焊接的原因。
04
焊接世界模型，想学的是“这一枪下去会怎样”
2025年，Path Robotics发布了名为Obsidian的焊接基础模型。按照公司的解释，Weld World Model负责学习焊接过程：输入工件几何、传感器信号、机器人动作和工艺参数，预测接下来熔池、焊缝以及热变形可能怎样变化。Obsidian则是在这个环境中训练的强化学习智能体，部署到设备边缘以后，根据实时数据逐条焊缝作决定。
Path称其设备和内部数据场在八年里积累了数千万英寸焊接数据，传感器包括两台相机、四套激光系统和亚毫米点云。焊前、焊中、焊后的数据都会继续回流。Path官方技术页
这个思路比“把焊枪走到正确位置”多走了一层。传统机器人记住的是动作：在坐标A点起弧，沿路径B行走，用参数C收弧。世界模型还想预测动作的后果：间隙突然变宽以后，如果保持原速度，熔深和填充会怎样；热量继续累积以后，工件会不会在后面翘曲；模型此刻增加送丝，几秒之后会不会引入新的未熔合风险。
机器人越想摆脱固定程序，越需要把物理规律和老师傅的失败经验装进系统。所谓“自主”，并不是少做准备。企业要付出更多前期数据、更细的传感器标定、更严格的工艺边界，才能换来现场少示教、少停机。
Path的方案目前也有清楚的证据边界。公司没有公开模型权重、参数规模、训练数据构成和跨工艺基准。数千万英寸覆盖了哪些材料、板厚、接头与焊位，外界无法独立核验；碳钢角焊上的能力能否迁移到铝合金、钛合金、异种材料和不同保护气，也没有公开统一测试。
所以，Obsidian可以被称为Path定义的领域基础模型，也代表了一条世界模型加强化学习的商业路线。现有公开资料还不够支撑“一个模型焊遍所有工件”。
GitHub上的开源项目把这条边界照得更清楚。WelDX主要标准化记录焊接参数、工件、机器人和传感器坐标；LoHi-Weld提供3022张机器人MAG焊后的表面图像；WSD-DET包含7580张焊缝表面缺陷图片。它们分别解决数据格式和缺陷检测，仍缺少大规模、严格对齐的“焊前几何—焊中熔池—机器人动作—参数变化—焊后无损检测”完整数据链。WelDXLoHi-WeldWSD-DET
模型规模可以写在发布会上，数据对齐往往发生在满是焊烟的车间里。
05
焊缝看起来很漂亮，为什么还不能交货？
如果机器人已经能识别焊缝、自动规划、实时纠偏，剩下的不就是把这些模块接起来吗？
2025年一项机械化GTAW研究，用约5000张人工标注图像识别熔池、坡口、焊丝和电极，又用30组多层焊实验、83条焊道和约23万条高度剖面建立焊道几何模型。研究已经把焊丝位置纳入实时闭环，焊接参数仍主要在开始前设定，完整控制被留到后续工作。相关论文
这是一条很有代表性的进度线：机器能看懂一部分现场，也能控制一部分动作；从熔池识别走到产品合格，中间还有几道门。
第一道门是传感器。电弧亮度极高，烟尘、飞溅、镜头污染、遮挡和金属反光都会改变图像。实验室里的固定相机换到另一台设备，模型输入已经变了。2025年的一项研究测试通用多模态模型理解焊接图像的能力，GPT-4o和LLaVA在网络图片上好于真实工业图片，提示词增强也不稳定。研究者怀疑部分高分来自对网络样本的记忆。《Do Multimodal LLMs Understand Welding?》
第二道门藏在焊缝里面。枪口沿正确轨迹行走，只能证明它到了指定位置。接头能否满足强度、韧性和疲劳寿命，还取决于熔深、未熔合、气孔、裂纹、热影响区组织和残余应力。普通相机能看见表面焊道，看不见钢板内部的冶金结果。
第三道门来自时间。机器人此刻看见的熔池，是前一段时间的电流、速度、送丝、散热和夹具状态共同造成的。热量继续积累，工件可能几分钟后才翘曲。局部视觉能够追踪已经发生的偏移，却很难仅凭一帧画面预知整件构件后面的变形。
能把焊枪送到缝上，只完成了前半场。
自动焊接需要几种不同速度的反馈同时工作：毫秒级控制电弧和送丝，秒级调整熔池与轨迹，焊完以后再用三维扫描、无损检测和力学试验把结果送回工艺系统。任何一层断掉，一段漂亮的演示视频都不能直接换算成一件合格产品。
06
海油工程跑通以后，谁的生意先变？
海油工程的公开数据已经证明，柔性焊接可以进入大型海工构件。最大承载30吨、钢材厚度最高70毫米，这些数字让它越过实验室小钢板，进入重装制造现场。
但它跑通的是一个经过归类和长期验证的部件族。团队围绕海洋油气平台组块节点、深水导管架加强环和压溃环做了近1000组试验，建立500余项工艺数据，又经过约10个月现场调试和工程验证。这与随机拿来一件陌生工件、让机器人自行开焊，仍是两种难度。
管道自动焊可以作为对照。2025年，中国石油披露“四全”管道焊接检测机器人已经用于多条国内外管线，1422毫米管道单个焊口从人工约7小时缩短到机器人约1小时。新华社报道
长输管道的环焊缝形态稳定、重复量大，企业早就容易算过自动化的账。海工节点、储罐浮舱和非标钢构的差异更大，过去很多钱花在示教、夹具和现场调整上。视觉识别和自动规划开始适应实际偏差以后，机器人覆盖的订单才会从大批量标准件，慢慢挪向小批量、多品种。
由此变化的第一笔钱，并不一定来自焊得更快。
企业可能少做一套昂贵夹具，换一种相近构件时少花几小时重新示教；设备厂商从卖一台机械臂，转向持续提供扫描、工艺包、模型更新和质量追溯；制造企业手里的焊前、焊中、焊后数据，也从生产记录变成难以复制的资产。
焊接执行逐渐变便宜，工件数据、工艺验证和异常恢复开始变贵。
这个变化会把竞争从机械臂的重复精度，推到谁更懂具体材料、具体接头和具体工厂。通用模型负责给出初始能力，工厂自己的数据决定设备能不能在下一批订单里少停一次机。
07
机器人接走持枪时间，老师傅为什么更难替代？
说到这里，最容易出现的判断是：机器人多焊一条，车间就少要一个焊工。
美国劳工统计局给出的图景没有这么整齐。它预计2024年至2034年焊工、切割工、钎焊工等就业人数仍会增长约2%，十年间平均每年约有4.56万个岗位空缺；同一份预测也明确提到，制造业自动化会限制总体用工需求。美国劳工统计局
两组判断可以同时成立，因为焊工岗位内部会先发生分层。
长焊缝、重复焊缝、高空和密闭空间会优先交给机器人。人罩在面罩下面持续持枪的时间下降，车间的瓶颈转移到上料、组对、夹具、视觉标定、传感器清洁、参数审核、无损检测和异常恢复。
机器人偏离轨迹时，需要懂焊接的人判断：相机脏了，工件装错了，坡口超差了，还是热输入已经把原来的工艺窗口推翻。模型建议增加送丝，也要有人判断它会不会带来未熔合、咬边或新的变形。
培训方式也会改变。新人过去先练手稳、眼准，今后还得会读传感器曲线、核对机械臂轨迹、看模型置信度，并知道什么情况下必须停机接管。老师傅留下的经验，会从几句只可意会的口诀，变成带工况、参数、结果和失败记录的工艺档案。
便宜的是重复持枪的时间。
变贵的是看出机器什么时候不该继续焊。
普通重复施焊岗位会承受压力，“焊接＋机器人＋工艺＋质量”的复合人员会更稀缺。陌生材料、现场返修和全位置复杂焊接也会继续依赖高手。老师傅的位置从直接控制每一处熔池，逐渐移到定义工艺边界、处理异常、训练新人和为质量负责。
这不是一场整齐的岗位替换。企业省下的是重复劳动，随后要为数据、集成、验证和更高等级的人才重新付钱。
08
焊枪越智能，为什么签字反而更谨慎？
最后还有一道门，技术演示里很少出现，产品交付时却绕不过去。
机器人焊接系统还受机器安全规则约束。ISO 10218-1:2025明确指出，焊接应用会产生额外危险；AWS D16.1则专门规范机器人弧焊系统的设计、维护、操作与集成安全。模型检测到异常以后，停机仍要依靠独立控制、联锁和现场流程，不能让它临场猜测。ISO 10218-1AWS D16.1
国际标准也没有因为AI出现而取消人的职责。ISO 15614要求通过焊接工艺试验，证明拟采用的连接工艺能够产生所需机械性能；ISO 14731继续规定焊接协调的质量任务和责任，并要求承担任务的人具备相应教育、资格和经验。ISO 15614-1ISO 14731
模型可以推荐电流、速度和送丝参数，工程师仍要确认它有没有越过批准的WPS范围。首件要不要做射线或超声检测，参数偏离后能否继续生产，返修方案是否成立，也要由制造方和合格人员决定。
当焊缝进入桥梁、压力容器、船舶和海洋平台，错误会沿着钢结构传到几十年后的使用现场。模型输出的是概率，质量文件需要的是责任人。
于是，开头那个矛盾终于有了答案。
海油工程的机器人焊得更快、更稳，恰恰因为团队没有把老师傅从系统里删掉。刘海林的动作被拆成参数，近1000组试验把参数与结果连起来，独立检测再把不合格结果挡在交付之前。机器接走了可以重复的部分，人被推到更上游，也被推到最后一道门前。
下一次，焊接机器人站在一道从未见过的坡口前，最能证明它成熟的动作，未必是继续计算。
参考资料
人民日报：机械臂“绣花”，焊接大型海工构件 新华社：我国首批自研海洋工程柔性智能焊接机器人投用 Path Robotics：Obsidian与Weld World Model AI-driven autonomous adaptive feedback welding machine Do Multimodal LLMs Understand Welding? ISO 10218-1：工业机器人安全要求 AWS D16.1：机器人弧焊安全规范 ISO 15614-1：焊接工艺评定 ISO 14731：焊接协调任务与责任 美国劳工统计局：焊工职业展望 WelDX开源项目 LoHi-Weld数据集 WSD-DET焊缝表面缺陷数据集