夜雨聆风大家好，这里是初号机的另一面。
前面陆续写了 KUKA、FANUC 和安川，也一直在围绕 Physical AI 做一些研究。
最开始的时候，我关注的还是一个偏技术向的问题：视觉放在哪里，规划怎么进入控制链，VLM、VLA 能做到什么程度，边缘侧需要多少算力，机器人又应该开放到什么深度。
但东西看得越多，我反而越来越觉得，这些可能都不是最核心的问题。
模型变化实在太快。今天大家讨论 VLM，明天讨论 VLA，过一段时间又会出现新的 Agent 框架。如果一家工业机器人公司始终围着最新模型追，每一次都重新做一套产品，基本是不现实的。
所以现在我更关心另一个问题：
如果 AI 进入工业现场，那么机器人本身应该先变成什么样，才能更好地基于变化去变化？
这可能比讨论某一个 Physical AI Demo 更值得关注。
一、AI越往现场走，工业机器人的基本盘反而越重要
先说一个不那么性感的判断。
AI 越往工业现场走，工业机器人过去最传统的那些能力反而越重要。运动控制、伺服、安全、实时性、轨迹精度和异常处理，并不会因为大模型越来越强就被替代，因为工厂真正害怕的从来不是机器人“不够聪明”，而是轨迹突然不稳定、节拍不可预测，或者一个上层应用异常以后影响整条产线。
因此，我并不太相信“大模型直接接管整个机器人控制器”会成为主流工业路线。
更加现实的分工，仍然是让 AI 去理解环境、识别对象、选择任务和生成目标，而真正的运动执行、控制权仲裁、安全继续留在成熟的机器人控制系统里。欧盟的MR以及CRA法规，最新颁布的ISO 10218 依然分别围绕工业机器人，以及机器人应用与机器人单元提出了Functional Safety 和 Cybersecurity的要求。
安川 MOTOMAN NEXT 的架构就是一个很典型的例子。它把视觉、AI、路径规划和用户应用放到相对独立的自主控制单元中，而机器人控制模块继续负责机器人任务和运动执行。安川在 2026 年进一步展示的 Agentic Robot System 中，也仍然强调 Machine Vision、Path Planning、Force Sensing 等标准服务作为生成式 AI 和现场机器人之间的桥梁。
这和此前研究 ACU 时得到的结论基本一致：外部智能可以决定机器人“去哪里、做什么”，但控制节拍、安全和最终执行边界仍然由机器人控制系统掌握。
所以我现在更愿意把 Physical AI 理解成一种重新分层：
AI开始负责过去难以编码的不确定性，机器人继续负责工业现场必须保证的确定性。
真正发生明显变化的，可能不是控制器最底层，而是控制器上面的软件世界。
二、从“能不能调用机器人”，走向“算法怎样正式成为机器人产品”
传统工业机器人长期以来是一种高度完整、但相对封闭的产品。
机器人本体、控制器、示教器、机器人语言，再加上一些视觉、力控和工艺软件包，就能够组成一套完整体系。
后来各家开始逐渐开放，ROS、SDK、网络接口、高速或者实时通信接口越来越多。这当然很重要，但研究安川 ACU 以后，我有一个感受越来越强烈：
有接口和有平台，其实是两件事。
过去解决的是“外部计算机能不能调用机器人”，现在的问题则进一步变成：算法运行在哪里，如何安装和升级，多个应用怎样管理版本，模型如何部署，日志在哪里查看，应用异常以后怎么办，以及视觉、规划和机器人控制怎样按照统一方式组合起来。
安川 ACU 真正值得研究的地方，并不只是控制柜里增加了一台边缘计算机，而是它开始为算法定义一套正式进入机器人产品的方式，包括 SDK、容器、标准服务、应用安装、权限和生命周期管理。
KUKA也在沿着类似方向发展。除了 iiQKA.AI Vision 和 iiQKA.AI OS 这样的边缘 AI 环境之外，KUKA 在 2026 年又公布了 KUKA AMP，明确把它定位成位于 AI Agent 与物理硬件之间的平台层，希望统一语义、动作和数据，让 Physical AI 从 Demo 进一步走向工业部署。
FANUC走的则是另外一种路线：牢牢守住机器人本体、控制器和可靠性，同时不断增强外部连接。2026 年 FANUC 与 Google 的合作已经直接展示 AI Agent 操作 FANUC 机器人，同时还在加强与 NVIDIA 在仿真、强化学习、模仿学习和 Physical AI 部署上的协同。
实现方式虽然不同，但共同趋势越来越明显：
控制内核继续保持确定性，而控制器之上的软件边界越来越开放。
如果把视野稍微从机器人抬高一点，其实工业自动化行业已经有人在前面走了很久。西门子的 Industrial AI，不是在原来的自动化体系之外突然增加一个 AI 产品线，而是在自动化、工业软件、数字孪生、Industrial Edge 等多年积累的基础上继续叠加 AI。
西门子在 2026 年和 NVIDIA 进一步提出 Industrial AI Operating System，希望把 AI、数字孪生、工业数据和自动化连接到设计、工程、制造和运营的完整链路中；更值得注意的是，双方明确提出会先在自己的技术体系和运营中使用这些能力，再向外扩展。
这其实给机器人行业一个很直接的启发：
Agent出现以前，最好先保证自己的工业能力已经能够被软件稳定调用。
否则再聪明的 Agent，也没有多少真正的工业能力可以调度。
三、AI时代真正需要重新整理的，是机器人公司已经拥有的那些能力
继续往下推，我觉得传统机器人厂商真正有价值的东西，可能并不是重新训练一个基础大模型。
通用模型可以合作，GPU可以买，开源框架也可以使用；机器人公司几十年来真正积累下来的，是机器人控制、运动规划、视觉、力控、仿真、工艺、诊断以及设备运行数据。
问题在于，这些能力过去往往分散在控制器、工艺包、工程软件和各种接口里。
AI时代真正值得做的，是把它们重新整理成更加标准、受控和可组合的 Robot Services，让上层算法真正能够使用。
写机器人写久了以后，很容易天天盯着 KUKA 做了什么、FANUC 又接入了谁，多少有一点在小圈子里圈地自萌。有时候跳出去看看完全不相关的行业，反而更容易看清这种变化。
比如支付宝和企业微信。
支付宝并没有因为 Agent 出现以后重新发明支付，而是在把已有的支付、收单、风控和资金安全能力重新组织成 AI 可以使用的商业基础设施。现在支付宝的 AI 支付平台已经直接面向 AI 应用、Agent、API、Skill 和 MCP 服务商，支持订阅、按量付费以及 Agent 支付等产品形态。
企业微信的变化也很有意思。官方 wecom-cli 已经明确面向“人类和 AI Agent”，把消息、文档、待办、日程、会议和通讯录等既有能力开放出来，而且不是只停留在 API 层面，而是进一步提供 Agent Skills，每个 Skill 再定义具体的触发条件和工作流程。
这两个产品看起来和机器人八竿子打不着，背后的产品逻辑却非常接近：
成熟企业面对 Agent，并不是重新造一遍自己的业务，而是把过去已经成熟的专业能力重新整理成 AI 可以调用的能力。
机器人其实也是一样。
未来上层调用者可以是大模型、VLA、传统算法，也可以是客户自己的软件，但下面真正应该稳定存在的，仍然是运动、视觉、力控、规划、仿真、诊断和数据这些经过工业验证的能力。在这些能力之上，故障诊断、程序迁移、仿真评估等比较稳定的流程，还可以进一步 Skill 化。
当然，工业机器人不能简单照搬互联网产品。创建一个待办失败和机器人运动执行错误，完全不是同一个风险等级，所以 Robot Services、Skill、Agent 与实时控制之间仍然必须保持明确边界。
沿着这个逻辑继续往下走，类似安川 ACU 的独立边缘智能单元就很有意思。如果给这种产品形态一个更加通用的名字，我觉得 Robot Intelligence Unit，RIU 是个不错的概念。
RIU 真正的价值不是 Jetson、Linux 和 Docker，而在于它是不是一个 Robot-native 平台：能不能真正理解机器人状态、坐标系、程序、Tool、运动、视觉和力控，并且在明确的权限与安全边界内承载新的算法和应用。
硬件只是载体，真正重要的是机器人能力开始被服务化，并为后面的 Skill 和 Agent 留出稳定的工业接口。
四、技术架构最终还是要回到市场：哪些工位值得重新自动化一次
讲到这里，很容易继续往 Agent、Skill、VLA 和数字孪生上堆概念，但对于工业场景而言，技术上能做和市场上值得做，中间隔着很远。
工业机器人发展几十年以后，高度结构化、批量足够大而且 ROI 清晰的工位已经被自动化得相当充分。反过来看今天仍然大量依赖人工的岗位，其中很多并不是机器人完全做不了，而是现场的不确定性让传统自动化方案做起来太贵。
结合自己对汽车以及电子行业的应用理解，有一些自己的思考，比如：线束会弯曲和缠绕，随机来料的位置和姿态不断变化，装配存在公差和接触状态差异，焊接、打磨等工艺又需要根据现场情况进行调整。
这些任务既不是完全开放的现实世界，也没有结构化到只靠固定程序和治具就能轻松解决，我更愿意把它们称为半结构化场景。
这里真正值得关注的是，一批原本就存在自动化价值的工位，因为工程成本过高而始终算不过经济账。AI、视觉、力控和规划如果能够降低处理不确定性的成本，自动化的边界就有机会继续向外扩展。
其实安川自己在介绍 MOTOMAN NEXT 时，也直接把传统示教再现机器人难以覆盖的未自动化领域、劳动力不足以及多品种变量生产列为开发背景。
所以 Physical AI 的市场入口不应该从“AI最擅长做什么”开始寻找，而应该反过来问：
制造业还有哪些高价值人工环节迟迟没有被自动化，而AI能够让这笔经济账重新成立？
最终到底是线束、连接器、自适应焊接还是多型谱上下料，不能因为技术团队做出了一个不错的 Demo 就直接决定。行业空间、人工工位规模、客户过去为什么没有自动化、部署成本以及后续复制效率，都应该进入产品判断。
对于本身就是制造业的机器人企业来说，还有一个很重要的优势：可以先拿自己开刀。
机器人诊断可以先给内部研发和售后使用，程序生成、选型、仿真和测试也可以先进入自己的工程流程，其中稳定、重复的工作逐渐沉淀成内部 Skill。相比实验室 Demo，这些能力只要长期被真实用户使用，很快就会暴露出到底有没有价值。
这也是为什么我觉得公司级的 FDE（Forward Deployed Engineering）能力会越来越重要。
FDE的意义并不是换一个名字增加一批高级项目工程师，而是让真正懂机器人、算法、产品和业务的人进入现场，再把一次次非标问题带回产品。如果三个客户做完以后只留下三个不同项目，那还是系统集成；如果最终沉淀出了可以复用的感知、操作、异常恢复和评估能力，才开始真正变成产品。
所以第一个客户更多是在证明“能不能做”，第二个和第三个客户才是在证明“是不是产品”。
而当这些项目长期运行以后，才有机会真正变成数据资产。这里重要的并不是简单拥有多少 TB 的数据，而是长期深耕一个垂直领域以后，能够理解这些数据为什么出现、代表什么，以及最终应该怎样改变机器人的行为。
通用模型可以借，算力可以买，但机器人控制、工艺理解、现场数据以及垂直行业 Know-how，仍然只能通过真实业务一点点积累。
五、未来机器人最大的变化，也许是能够持续获得新的能力
所以虽然前面一直在讨论平台，我反而不赞成一开始就立项一个宏大的“Physical AI Platform”，把所有功能做齐以后再出去寻找应用。
更加现实的方式，是让平台从真正解决问题的产品中逐渐长出来。
先把算法部署、Robot Services 和数据基础做好，再通过故障诊断、柔性抓取、自适应装配等存在明确 ROI 的场景不断验证。随着项目增加，其中真正重复出现的感知、规划、诊断、数据服务和应用管理能力，才值得逐渐沉淀成平台。
具体的 Skill 和行业应用也不需要全部由机器人厂商自己开发。SI、行业伙伴和大型客户本来就掌握大量场景知识，机器人厂商真正应该建设的是一套能够让这些应用低成本开发和可靠部署，同时又不破坏实时控制与安全边界的基础设施。
因此，我觉得未来工业机器人的产品形态并不会因为 AI 被彻底推倒重来，更可能逐渐形成一种新的分层：
底层控制器继续保证确定性，上层智能环境越来越开放，数据和模型在真实应用中不断迭代，而具体场景由机器人厂商和生态共同扩展。
RIU也好，ACU也好，名字不是最重要的。
真正重要的是，机器人正在从一个能力基本固定的自动化设备，逐渐变成一个能够持续获得新能力的工业执行平台。
结语
AI 给传统机器人行业带来的最大变化，可能并不是某一个模型突然变得多么强。
更值得关注的，是过去封闭在设备和软件里的专业能力正在被重新打开。
机器人控制继续负责确定性，AI开始进入过去需要人处理的不确定性；原来散落的专业能力逐渐变成可调用的服务，一些稳定任务进一步变成 Skill，而真实项目再通过内部使用、FDE 和数据闭环，把一个个非标问题不断抽象成标准能力。
模型会不断变化，Agent框架会不断变化，算力也会快速升级。
但只要 AI 最终还要影响现实世界，它就总需要一副可靠的身体，同时也需要一套足够稳定的能力接口，让它知道自己能够做什么、不能做什么，以及如何安全地把一个判断转化成现实中的动作。
对传统工业机器人厂商来说，真正值得守住，同时也值得重新打开的，可能正是几十年来已经积累在这副身体里的控制、工艺、数据和工程能力。
这里是初号机的另一面，感谢阅读。
附录
安川：MOTOMAN NEXT Agentic Robot System（2026）https://www.yaskawa-global.com/newsrelease/news/179679
KUKA：KUKA AMP——Physical AI 从实验室走向工业现场（2026）https://www.kuka.com/en-de/company/press/news/2026/03/kuka-amp-nvidia-gtc
KUKA：iiQKA.AI Vision 产品介绍https://www.kuka.com/en-us/products/robotics-systems/software/application-software/iiqka-ai-vision-industrial-image-processing
FANUC：与 Google 合作推进 Physical AI（2026）https://www.fanuc.co.jp/ja/profile/pr/newsrelease/2026/news20260513.html
FANUC：加强与 NVIDIA 在 Physical AI 领域合作（2026）https://www.fanuc.co.jp/en/profile/pr/newsrelease/2026/notice20260515.html
西门子 × NVIDIA：构建 Industrial AI Operating System（2026）https://press.siemens.com/global/en/pressrelease/siemens-and-nvidia-expand-partnership-build-industrial-ai-operating-system
西门子：Industrial AI 官方专题https://www.siemens.com/en-us/company/artificial-intelligence/industrial-ai/
支付宝：AI 支付开放平台 / Agent 支付https://aipay.alipay.com/docs/overview.html
企业微信：wecom-cli 与 Agent Skills 官方开源仓库https://github.com/WecomTeam/wecom-cli