400-886-5570
机器人岗位化“真干活是本质”
2026-07-17 06:46:42
本文转自：解放日报
曾雨欣
扫码看视频
本报记者 曾雨欣
7月17日，2026世界人工智能大会暨人工智能全球治理高级别会议将在上海启幕。在世博展览馆，擎朗智能已于C201展位布置好丰富的人形机器人场景，包括咖啡亭、洗衣房、甜品铺等。20多台机器人正静候观众的到来。
采访刚开始，擎朗智能创始人李通就分享了一个观察：“大家早期可能关注人形机器人的技术，但你会发现，今年开始特别关注它商业化落地的情况。”
人形机器人如何商业化？擎朗的答案是：岗位化。李通说：“真干活是本质。”
这一思路在擎朗研发专用机器人时就已见雏形。当时，李通和团队掌握了通过AI技术让机器人在复杂环境下移动、跑腿的能力，便去寻找需要这种技能的岗位，最终落地成为餐饮服务机器人。如今技术升级，机器人能掌握的技能更多了，能干的活也更多了。
擎朗的逻辑是：找到更多岗位让机器人去落地，在不同岗位上积累数据，为更复杂的场景做准备。目前擎朗部署的人形机器人涉及咖啡厅、商超、酒店等场景。李通相信，2050年，机器人会超过人的数量。
在此前的新闻发布会上，工业和信息化部科技司副司长甘小斌表示，我国大模型、智能体等加速迭代，今年人形机器人全年整机产量有望突破10万台。
-
AGV调度系统数据瓶颈：没有更多数据时的优化策略AGV调度系统数据瓶颈：没有更多数据时的优化策略很多人以为，AGV调度系统的性能提升完全依赖于数据量的持续增加，其实不然。在工业场景中，数据获取成本与调度效率之间存在显著的边际递减效应。当系统已捕获足够覆盖95%以上场景的基础数据后，单纯增加数据量对调度精度的提升不足3%，反而会引发存储冗余与计算延迟问题。底层逻辑是：AGV调度本质是有限状态空间内的路径优化问题。以某汽车总装车间为例，其AGV网络查看详情
-
AGV机器人调度系统：数据瓶颈背后的底层逻辑数据孤岛与调度效率的悖论很多人以为，AGV机器人调度系统的性能瓶颈源于算力不足或算法复杂度，其实不然。在真实工业场景中，90%的调度延迟问题源于数据孤岛与协议异构性。当多品牌AGV混编运行时，不同厂商的通信协议、定位精度、传感器采样频率差异，会导致调度系统陷入「数据解析-转换-同步」的死循环，最终表现为路径规划失效或任务队列堆积。案例：上海临港某汽车总装车间的赛制级推演2023年Q2，某头部车企在查看详情
全国统一热线
400-886-5570
苏州市苏州工业园区金鸡湖街道苏虹中路503号
