# 从感知到行动：物理 AI 如何重塑企业核心竞争力 > **合规声明（生成式 AI 服务）**：前述特定亚马逊云科技生成式人工智能相关的服务目前在亚马逊云科技海外区域可用。亚马逊云科技中国区域相关云服务由西云数据和光环新网运营，具体信息以中国区域官网为准。 > > **完整资料：如果想了解更多内容可以访问:https://events.amazoncloud.cn/china-summit-on-demand/ > > **免责声明**：本摘要仅为便于您了解峰会内容而提供，我们不对其完整性及准确性作出任何保证，且不构成任何建议或结论。相关内容仅供参考，实际内容以峰会回放视频为准。 ## 一、基础信息 - **会议类型**：专题演讲 - **Persona**：通用业务用户 - **时间信息**：6月23日 | 16:30 - 17:00 - **标题**：从感知到行动：物理 AI 如何重塑企业核心竞争力 - **PDF 资料**：无 - **视频回放**：有 ## 演讲人信息 ### 会议信息 - **地点**：上海世博中心（2026 亚马逊云科技中国峰会） - **日期**：2026年6月23日（Day 1） - **时间**：16:30 - 17:00 - **会议类型**：专题演讲 - **面向 Persona**：通用业务用户 ### 客户 / 合作伙伴演讲人 - **郭大江 Mike Guo**（德勤中国）：德勤中国亚马逊云科技联盟主管合伙人 ## 二、会议资料 PDF 转录内容 （本场次无 PDF 资料） ## 三、会议回放视频转录内容 谢谢各位 大家下午好啊 我是最后一个讲 但希望这个 last but not least 最后一个讲 应该是能给大家带一点不一样的东西 我相信大家听了一下 我可能也有点 稍微的犯点困了是吧 所以我今天来换个新的话题 然后我除了这个身份以外 其实我也是德勤亚太物理人工智能 卓越中心的合伙人 所以我今天在分享的话题 是 Physical AI 因为今天整个大会场可能主流 都是在讲 Agentic AI 等等这些 在屏幕后面的数字化世界里的 AI 但是现在其实有一个 非常非常前沿比较新的事情 新的事物叫物理人工智能这个词 我相信大家可能已经有所耳闻 尤其是今年年初 黄仁勋在 GTC 上面特别强调了这样一件事情 就物理人工智能这件事情 已经进入了我们的社会 可能我飞快的这些互动 大家知道什么是物理人工智能吗 对这个是有什么概念感觉吗 或者说我们周边的生活里面 什么样的事情会让你们感觉 它叫物理人工智能 OK 机器人是一方面 这个具身智能 自动驾驶对 一个很好的例子 自动驾驶 它当然实际上是在一个二维平面上 但它确实就是 具身智能的一个最直接的体现 是什么 就是我只把我的目的地告诉你 我的目标是什么 然后过程我完全不干预 你自主化的去决定 怎么样把我从 A 点送到 B 点 过程中的一切 你按照我们物理世界的规则来运行 就跟人开车一样 该红灯停绿灯行 或者有人来我要避让 该刹车该减速该变道 所谓的物理人工智能就是什么 把自动化变成自主化 让机器会思考 而不是在一个限定好的环境下 限定好的边界条件下 用预先编制好的程序去执行 那个从前叫做自动化 所以今天我们聊的物理人工智能 说的是什么呢 说的就是 我只把我的结果要求告诉你 过程你自己去执行 你自己决定 自己找方法用最优的方式 当然这背后少不了大模型 对吧 世界模型 它和我们平时讲的大语言模型还不一样 以及所有的垂类模型 我的小脑 我的 VLA 等等 我后面会展开讲 所以物理人工智能 这里文字比较多 我就不一一念了 大家可以看 我想告诉大家 这个物理人工智能的时代 现在已经到来了 那么这里就有一个解释 其实我们大家知道最早开始 关于 AI 这件事情来讲 AI 其实不是一个很新的话题 其实20年前就有人工智能 AI 这样的说法 其实这个甚至会提得更早 20年前的所谓的人工智能是什么呢 它就是一个 判别式算法 所以那时候判别式 AI 我们可以把叫做 AI 但它实际上就是一堆的 if-else 判断语句 各种的选择 条件 直到2020年开始 到2022年有了像 ChatGPT 这样的 基于 Google 提出的 Transformer 架构的大语言模型出现以后 有了生成式 AI 它会向人模拟人的思考 至少是在语言层面 数字的世界层面 它会去学着模仿人的思考来做推理 有了这个模型为基础以后 我们人类开始进入 GenAI 时代 到今天的各种各样智能体的吧 agentic 等等 那么围绕它 大家会发现我所有的对 AI 的使用 都是在一个屏幕后面 我跟它讲话 我 chatbot 跟它聊天 或者现在我上传一个照片 它帮我分析等等 它全是在数字世界里面 当然这已经是个很好的工具和助手了 对吧 但这个我们把它称之为传统 AI 了 AI 这个时代迭代很快 所以我已经把它称之为传统 AI 了 那么接下来要干嘛呢 它不光要在数字世界里面 成为我们的助手为我们服务 我们要把 AI 用到我实际的物理世界 我们的生活上 那自动驾驶就是个最直接的例子 对吧 我只要躺着就行了 让车自动去开 然后我下了车以后 车自己出去接活 还要去帮我挣钱 它像个活人一样 就是一个数字员工 它就是一个硅基生命 那么围绕它怎么会出来的呢 就有了这个大语言模型之后 上面就会有 VLA 把视觉加入进去 让它能够感知这个世界 而不只是通过我们的文字 在数字世界里面模拟的这些信号 而是它知道现实世界 比方说有摩擦力 比方说下雨天地上就会湿滑 比方说如果有雾 能见度就会变低 速度就要减慢等等 这些对物理世界的实际的思考 融入进来 然后再到了这个 这有激光笔吗 OK 就是到了 VLA A 是什么呢 Action 这个 Action 我看见了 我思考了 我还能把它返回回来 成为一个行动 作用回物理世界 有了这个为基础 就可以把它理解为人 我有了大脑之后 我还有了五官 有了五官以后 我还有了四肢 有了四肢 我能够把我看到的 和我所想的 通过四肢 返回到世界里面 做出我想做的事情 这就是现在物理人工智能 我们现在正在做的 这么一个终极形态 当然这件事情上面的话 我们 我作为德勤的 这个物理人工智能的 这个成员之一 但它不是我们一家公司 能够完成的 所以我们会再结合 很多合作伙伴 像英伟达不用说了 对吧 它的世界模型 目前在 所有世界模型里面 虽然是领先的 虽然都在成长期 包括像很多 像 ABB 等等 这些专业的 工业机器人 因为我们这边 聊的物理人工智能 我们说的是在工业级别 2B 的应用 不是说2C 2B 可能大家会想到 我家里一个扫地机器人 也算是一个小小的 物理人工智能的应用 对吧 包括未来可能人形机器人 具身智能 进入家庭 成为家庭保姆 但那个可能还有一段路要走 因为牵扯到很多方面 甚至包括法规和安全等等 我们现在讨论的是在 工业领域 2B 的领域 我们怎么样 给我们原来传统的 自动化产线去赋能 它变成一个自主化产线 去实现一个真正的 现在很多人提到的一个名词 无人工厂 黑灯工厂 那么关于这个事情的考量是这样的 我们 不光我们 包括很多大的机构 在全球都有一个判断 有这么一个预设就是 物理人工智能到了2030年 会达到一个5万亿美元 一个5 trillion US dollar 的 这样的一个市场规模 就是规模来自于什么呢 来自于大量的 带有思考能力 会自主执行任务的这样的一个 不管是人形 具身的还是机械臂式的 工业机器人的 一个全面的应用 它会有一个颠覆式的 对于我们现在所有的产业 和我们商业模式 这样的一个变化 这个变化也可以举个例子 有点像就是 我们人类在骑马出行的年代 到突然有一天 人类发明了汽车 把我用传统的这样的 骑马的出行的 交通运输等等所有这样的事情 变成一个有自动化 有汽车用引擎来驱动的这样一个 带来的变革的 带来的这个跃迁 一点不夸张的讲 物理人工智能在 接下来的这个5 到 10年里面 就会给人类在生产制造 这样的一个领域 带来同样的这样的一个大跃迁 所以 我们现在就开始了 这样一个比较前沿化的一个 研究也好 讨论也好 甚至有很多客户也亲身下场 和我们一起 在找试点的应用场景 在做这样的一个尝试 将来看到有好的应用的话 可以推广到所有的全行业里面来 那么 主要我们会在一些 那这是我们 那这是亚马逊大会 不用讲了对吧 因为亚马逊大家可能不知道 他们其实也成立了一个 物理人工智能的部门 和我们一样 也是一个很新的部门 我相信大家在 Expo 能看到他们中间有个 一个圆圈的会场里面 叫 Physical AI 那里面有很多具身放在里面 那些具身的话是一些机器人的本体 但真正你把它看到它 不能把它就直接跟 Physical AI 物理人工智能画等号 他们之间的差别在哪里 是这些机器人会不会自主思考 对于周遭的反应和你给它下的任务 做 做出对应的动作 现在的机器人很多还是预编程的 我事先设定好个程序 它可以跳舞打武术等等 但我们要的是 怎么样给它赋予一个真正的大脑加小脑 让它能够根据我的实际工业应用场景 去自适应的变化 来做操作 那么这就回到我刚刚说的话题 我们现在对于 整个物理人工智能的判断在想说 一切应用它必须得有个场景 它必须得有它的价值所在 它并不是一个 我就是一个个人 一个兴趣爱好 对吧 我把它做成一个玩具 我买个个人自己家里 toC 的你买机器人回家玩 随便你怎么折腾 都没有关系 但对于工业应用场景来讲 它必然有它的价值体现 我的 ROI 在哪里 所以我们在目前所有通用行业里面 我们找出了这六个聚类 所有在物理人工智能 最能够实现价值场景的地方 同时我们会聚焦在生产领域 同时其他还会看到像 无人机 自主的无人机的巡检等等 包括四足机器人巡检等等 这些也已经是一定的 物理人工智能 具身智能的应用体现了 那么今天我主要会围绕在 生产领域来讲 因为在生产领域 在某一些标准化程度 自动化程度比较高的企业里面 已经开始尝试用 具身智能自主化生产 来做这样的应用了 我后面会举几个例子 给大家看 那么除此之外 剩下的这五个 会是慢慢扩散出来 最先体现价值 体现场景价值的这几个 主要的领域在突破点 那么这个生态体系 也给大家介绍一下 就是说在整个物理人工智能的 环境下面 我们是一个 从软到硬 软就是大脑 硬就是本体 加行业 因为你需要场景 三方所结合 才能实现价值的 这样的一个行为 它不是单纯的说 我就像我只是个 Agent 比方说我做个 Agent 的话 我只要有一个应用点 我做个 Agent 然后帮我干活 纯粹在屏幕后面 在现实世界里面的区别是 它不像你在数字世界里面 你可以有冗余 你可以有延迟 可以有等待 如果出了错 你可以让对话它纠正 但是物理人工智能要求 会高很多 因为它 就它这种价值属性 它不允许有一分一秒的差错 不然你就会酿成交通事故 它不像你跟 AI 聊天 随便聊 它有幻觉 没关系 你知道它有幻觉 你给它纠正 你图个情绪价值开心就好 因为我 AI 不能有一点差错 这种价值是个很极限的例子 那我在生产工艺过程中 机器人也不能出任何错 我原来是自动化的 我预编程好 我预设很清晰 它一直在做 不会错 但是我一旦要做转产 我的产线会有改变 那我的机器要重新编程 要换产 自主化的机器人就是 你把产品线变了 工艺变了 机器人本身不用变 我有大脑 我有小脑 我一看今天换的这个东西 我马上知道该怎么对付它 我就是一个熟练工 那么在这样的情况下 它是不允许有任何错误的 它不能说我今天产生了个幻觉 我今天生产错了 不好意思 我从头再来一批 那对于2B 应用 对工业生产来讲 这是不可以被允许的 所以它的要求会很高 那么在这样的一个生态下面 我们就会有像 英伟达这样的大模型 它的大模型区别于传统的 这种推理模型 我说的大模型指的是世界模型 它的要求会高很多 它是把所有三维世界里面的 包括天气 包括所有物理规则 包括所有物体形态带来的反馈 比方说我拿着一个杯子 我力气大了 可能会把杯子捏碎 我力气小了 杯子可能会捏不住 就会掉地上 等等所有这样的物理规则 全要建到这个模型里面以后 成为它的大脑 然后再通过 VLA 的垂类模型 成为指导它行动的小脑 再结合这些强大的本体 有非常灵活的关节 有非常高响应 无延迟的电机等等来驱动它 来模拟人做动作 其实别看物理人工智能 听上去是这样 但它是我们人类比方做个动作 我抓个东西 照理来看非常非常简单 但对机器人来讲 其实很难 你要给它做很多反复的训练 告诉它 怎么样才是个最优的抓取动作 点点滴滴把它积累起来 才能够让它变成一个熟练工 来成为能够替代人 去做一些繁琐的 非常枯燥痛苦的这种 传统型的操作 用机器人来替代 那么这些就是我们在做这样事情的时候的一些合作伙伴 有模型 有本体 包括像灵巧手 因为你在做一些精细生产的时候 模拟人的手部关节的这些 这都是我们在整个生态圈里面的一些合作伙伴 那么有了这些基础以后 那么结合到我们在我拿这个来举例 就结合到我怎么让它变成一个实际能够带来 对整个生产会带来有效益的一个 可工业化应用的物理人工智能落地场景 客户的名字 我不能说 但是可以让大家知道 这是一个非常标准的 消费电子类的生产产线 就是我们大家手上拿的这些手机 这些平板等等的 这样的一家公司 为什么会先从这样的行业开始呢 因为我后面有一张图可能会 应该有一张图会提到就是 你想实现物理人工智能 它是有一个路径的 那么这路径有个非常起步的基础是 你想迅速看到效果的 一定得是自动化程度 达到70% 以上 你的生产工艺过程的标准化程度 很高的企业 才可以最低减少我的投入成本来实现 所以消费电子类产品是最符合这个行业 这个标准的 所以这个案例就在他们身上先发生了 作为一个先行者 这是实际的工站 这个机械臂在拼装一台 pad 然后在这个孪生世界里面 它把整个工艺全都在这个孪生世界里面 做了一个复刻 那么这里提到的数字孪生 跟我们传统意义上 以前大家很多年前说 我没有数字孪生 那其实是不一样 那个数字孪生是什么 就是个3D 仿真 可能更大的时候用的作用 是给领导来参观的时候 一个装门面用的 但我们这里说的数字孪生 是真正的跟物理世界的双胞胎 和物理世界的双胞胎 实时互动交互的 那么在它的背后 就有小脑 小脑用来判别说 我今天看到的 送进来的面板的材料是什么 然后它的螺丝孔在哪里 以前传统的自动化时 我一定是一个固定工艺送进来 就那么几个孔 我机械臂一定就打这几个孔 然后下一个过来 这当然效率已经很高了 对吧 替代人类的重复工作 但那只叫自动化 自动化就是说 我今天送进来的板 可以是各形态各异 大大小小 甚至放的位置 XY 轴都没有关系 以前你对这种精度要求很高 你必须放得很准 XY 它就打错了 但是物理人工智能就是说 你只要在这个机台里头 你只要往里放 我会自动识别 然后它的背后是什么呢 就是一个大脑 世界模型 它对所有材质的理解 所有光影光照的理解 来判断 哪个是我该打的螺丝孔 哪个不是 哪可能只是个阴影 甚至哪个是灰尘 我不要看错了 把灰尘点当作打螺丝孔 把它戳坏掉了 所有这些有大脑 小脑 然后通过一个孪生 孪生和我的物理世界的 实际的机械臂 联动 把整个自动化 这不叫自动化了 把整个自主化的 生产过程实现 也就是说在这里 至少在这个局部工站里面 已经实现了就是 我只要放进来的 它都会识别 然后就这种生产 这个已经在一些 比较先进的电子行业 其实名字我不说 大家可能也应该知道了 这一家 我们人人手上都拿着的 这个这些手机和平板的 这家公司里 已经在实现了 接下来它会 大范围的替代去铺开 这家生产 这个产品的企业公司 也是以 全国大范围招工 有很大的所谓的 血汗工厂所闻名的这个企业 但接下来它会 被用 机器换人的方式 来替代 然后把人类 从这种繁琐的 劳动密集型产业上面 释放出来去做更多 更有价值 更有创造性的事情 然后把这种枯燥累活 交给机器 这是物理人工智能的价值 那么讲到价值 这里就会有一个提炼 第一步 肯定是先实现机器换人 对吧 做人类的替代 但是物理人工智能的诞生 难道只是为了简单的替代人吗 其实不是 说实话 现在这个就业环境 那么不好是吧 就那么点辛苦的工作 你还拿机器人来替掉 这么多人更多人失业 这其实有悖社会伦理的 它只是一个第一步的显性的 说我确实可以在一些 可能不那么对人类 友好的工作环境下去替代人类 但它真的价值在哪里呢 当我用了一套新的工具 新的这个方法能出现以后 会对我整个企业运营的 整个供应链 带来一个溢出效应 带来一个改变 就像原来我只会骑马 我的马 最多我八匹马拉个马车 我运多少量极限了 我的速度极限了 我能跑多远也就极限了 但突然间有了汽车 我的马力越来越大 我的引擎越来越强 我拉的货越多 我开的更远了 速度还更快了 本来一个月的地方 我可能一周能到 甚至一天能到 未来还有飞机了 可能我一小时就能到了 这种同样是从 A 地到 B 地 但是由于工具的迭代 带来这种量变到质变 颠覆性的变化的时候 会对你的行业本身 带来一个变革性的推动 我原来用马开快递公司 你觉得我能覆盖几个地方 但我现在有飞机了 我瞬间会变成一个全球型的公司 我可能甚至不一定做快递 我会做别的事情 所以我们物理智能的目的 虽然眼前大家看到的可能 都是在一些比较显性的地方 但未来它要实现的目标 也就是我前面也说到的 5万亿美元的价值从哪来 是真正带来商业模式的改变 当你的工具发生了质变 你的思维方式会发生变化 你的企业的运行方式会变化 这是我们希望有物理人工智能 带来的价值 而不是简单的替代人工 让人类去失业 其实不是 而是让它更好的来服务人类 在这样的一个模式演变下 对吧 其实就是这句话 所谓的解锁革命性的全新服务 突破想象机身就是 你用新的工具去打开 你可能本来想不到你能做的事情 但你突然发现我有了这个工具 我能做到以前我都不敢想的事情 你自然而然会衍生出新的商业运营模式 接下来会有两个客户案例 给大家做分享 来讲到这一块 那么既然讲到的这个 物理人工智能是什么 对吧 大家有了解 那么我们讲的今天是2B 的部分 对吧 2B 的部分 那既然是企业在应用 绕不开一个亘古不变的话题 就是我干这个事 ROI 是什么 因为你个人 应用各种新技术也好 什么也好 其实你有满足的核心价值是 我的情绪价值 对吧 我买个机器人回来怎么玩 怎么开心 我养个 Agent 我自己玩 是我情绪价值 但对企业来讲 如果我投入资金 想用机器人 或者机器人的具身智能来赋能的话 我肯定是要有成本 但我不是为了我企业老板 我个人情绪价值开心 我把自己包装成玩家 我买一堆机器人 我一定是要用它产生价值 这个话题绕不开 那么产生价值这件事情来讲 所有新鲜事物进入这个世界 都会绕不开一个微笑曲线 对吧 大家都知道 一开始东西很好 啊 希望值很高 其实 AI 也经历过这个时代 然后突然发现好像不是那么回事 大家用了半天发现没什么价值 啪 又掉下来 掉下来后回归理性以后 找到了真正的价值场景以后 重新开始起来 进入一个微笑曲线的成长期 物理人工智能 作为一个新鲜事物 来到这个世界上 逃不开这个规律 所以 一定会有这样一个阶段 恰恰现在 在整个世界上面 大部分企业里面 都还停留在这 所以这个呢 就是我们想讨论的一个点 对于在这个阶段里面 大家怎么认知 可能这个阶段 这个甜点的到来 可能会很长 但也可能很短 然后这个 GAP 成本与收益的 这个盈亏平衡的厚度 可能会很厚 但也可能很薄 刚才我举例的那个客户企业 它就是 GAP 很薄 盈亏平衡点来的很快 因为它本身所具备的这个基础 它的标准化制造程度很高 所以它很快的可以用 物理人工智能去赋能 实现新产品的快速迭代 新产品的快速投产等等 那么对于很多传统行业 可能没那么容易 所以势必绕不开 这样子一个阶段 那么这个阶段对于所有企业来讲 它是个挑战 因为很多人可能会看到它 望而却步 成为观望者 但是我想强调的是说 它是一定会有这一天的 那么就看 你为了这一天的到来 愿意在这个甜点到来之前 投入多少 做多少的尝试 让自己成为在这个行业里面的领先者 所以这个图 很多企业 我们现在也在做这方面的 所有的一些应用 服务实施 很多企业在问我 那我现在这个 ROI 还怎么计算 我会很明确告诉他 你现在只有 I 没有 R 不要问我 R 在哪里 你只有 I 但是我告诉他是 如果你没有这个 I 但是这是个时代的趋势 实际上你也逃不开 一样 当将来人人都 I 完以后 他们自然会有 R 的时候 等你再想到 R 的时候 你已经被淘汰了 所以你今天不要问我 R 是什么 你要想的是 你今天不 I 你可能就被干掉 你觉得要不要投入 但是这个话 听上去有点吓人 其实一般对人家讲 你不就要么就 Sell love 要么就 Sell fear 对不对 那这个明显是 Sell fear 在恐吓他 但其实我也不是在恐吓他 这确实是一个时代的趋势 而且这个节奏变得是 周期会更短 其实摩尔定律 已经不再是在18个月走了 在这个行业 可能是18周 甚至18天 大家看看这些模型 迭代的速度就知道了 一天一个样 一天一个样 所以我告诉他们 你不要问我 R 是什么 但是你一定要做这个 I 哪怕你小小的 做一些试点性的投入 在某一个环节 你认为成熟度最高 最 ready 的地方来做尝试 你也不能只是个观望 你必须拥抱他 你在某个点上找到了你的 这个所谓的甜点 找到了你的 积极性的来源 你的动力 你一定会迈出下一步 实现这条线 然后把它扩展到 融入到你的所有其他业务 但你绝对不能说 因为有这个事 我也就却步了 没有回报 我先不干了吧 那你势必会被淘汰 这个就我们就拿 AI 来看 就已经是这样子了 所以当然我也不能这么不负责 就说你只有 I 没有 R 是吧 我们会在某一个具体的点上面 去给他们来计算 在哪里 所以就回到这里 这个所谓的阻碍人类 这个人工智能部署的挑战 它才不是个阻碍 就挑战点就是 刚才 ROI 最重要的条件就是 怎么解决这个问题 试点应用的选择很重要 你肯定会有投入 投入之前按照规律来讲 一定会有在得不到回报的情况下 彷徨着投入对吧 那么在这个过程中 你怎么样尽量缩短这个周期 把这个 GAP 变薄呢 场景特别重要 场景 一定是对 基于你对自身的认知 和对于行业的整个对标的理解下 挑出一个 你自身能够最快实现这个价值的 高价值的这样一个试验场景 来作为试点 这是一定要做到的 就是我鼓励大家去拥抱 花几个月去用它 但也不是说真的让大家就拼命 只是穷花钱没有回报 那也是不负责任的 所以按这个应用场景的选择 非常重要 然后 那这里的所谓上市策略的上市 不是说企业上市股票的上市 是指的 我用了人工智能进入了我的生产以后 我的产品的上市周期 我的 New Product Launch 的这样的一个周期 你一定挑最高价值的场景 然后在你对你上市策略 最有帮助的这样的一个环境下 来做这样的一个试点 当然这个是个新鲜事物 对所有人来讲 这是一个同一起跑线的事情 所以 风险其实是不可预期 但是它又不是那么完全的不可预期 为什么 因为毕竟我有我的 我自己的这个标准化基础为边界 所以你在这个边界范围内 可控的情况下 挑一个高价值的场景 用它的赋能来做这样一个尝试 是我们现在给到所有愿意进行尝试 这样企业的一个推荐 而不要去 过多的花很大钱的全方位去拥抱 当然可能效果很好 但可能代价也会很重 很沉重 但也不要觉得 这个事可能离我很远 让别人先用吧 用了差不多了 我再来学 那也不行 那你势必会被淘汰 所以取一个中间值 就是我们现在给到所有企业的一个策略 那么有了这样的策略认知以后 那大概会能做的事情 这是一个价值主张 就它确实会是个漫长的过程 这漫长过程里面能做的事情 那么从几个比较 我们聚焦的点来讲的话就是 首先价值主张一定会出来 对吧 所谓的高价值的场景你一定要找到 找到以后 比方说很多的 因为物理人工智能更多的是在制造环境的替代 对吧 在2B 应用的环境下 或者在研发上 或者在质量上 那么找到价值场景以后 你对于企业本身的认知 还是很重要的一个护城河 就我肯定不会瞎用对吧 我明明是生产这个的 我去买个机器 生产那个事情 那你成了玩票 那就浪费钱了 那么在你自身的认知 对自己的机会下面 来做智能制造的这样的一个标准化 和所谓的金融建模就是 你怎么样把回报周期 尽量提前的这样一个设计 然后 那当然这里 这里可能是 原来是英文版它硬翻了 这里指的是一些工具 Omniverse 英伟达的 Omniverse 这样的一些孪生工具 就你找到了场景 找到了业务流程价值点以后 再结合这些先进的工具 比方说 NVIDIA Isaac Sim 比方说是英伟达的 Omniverse 等等这样的工具 去把它做这样的一个孪生 然后再和这些先进机器人结合 去落到实处 用这样的一个步骤 一步一步去做这个试点的尝试 来尽快的让物理人工智能的这个价值点 在企业里面得到体现 好 这个讲到这一段就是前面我们讲了 知道了这个背景知道价值 知道一些方法论以后 现在这里有一个成熟度的路线图 给大家来参考是什么就是 前面说的都是一些具体的工作对吧 那么工作回到这个图里面 来怎么去映射呢 就是我们对于这个从传统的自动化 到实现物理人工智能的这个自主化 是有这么一个关键路径的 成熟度路线图 我们定义的是有四个阶段 就是我们也发布了白皮书 我们德勤和几个大的厂商 包括英伟达、亚马逊云科技 我们在行业里面发布了白皮书 对这个做了定义 我们现在所谓的企业传统企业来讲 基本都在第一和第二阶段 自动化的层面 然后这里的标准化呢 不是说我的这个工业标准的 那个标准它标准化 因为它一定跟自动化结合在一起了 因为你不标准你也没法自动对吧 这里自动化指的是什么呢 是在数据的层面 就是在 data collaboration 的层面的 这么一个标准化 就是你至少企业内部 我的神经元是打通的 我不会说我今天 某个手发麻感知不了我的终端 我不知道脚在干什么了 这个标准化的一个 来自于数据层面的打通的标准 而不是各种数据还是孤岛严重 因为大家知道 AI 的一个很重要的 驱动养料是来自于数据 我们作为一个不允许有幻觉 不能有任何偏差的物理人工智能 那个数据质量要求会更高 当你有了这两个为基础以后 就开始把这些导入到 数字世界产生孪生 让它开始帮你来做模拟运算等等这样的 大脑是开始分析的工作 当你有了这些基础以后 才会通过小脑 VLA 模型等等这些 传动回馈到物理世界里面 我通过具身也好 通过手也好 这些本体 这些硬件去把 要做的任务实现 所以是这么四个阶段 那么目前我们调研过很多企业 大部分都在这 然后很多企业开始在产生 尝试孪生 然后个别企业 就像我刚刚举例的 这个很先进的消费电子类的 就是手机制造这样的一个行业的 他们已经在某些工段实现了 我也不能说全部 因为毕竟这个新鲜事物 但他们确实在某些工段实现了物理人工智能 因为他们的基础很好 这里大家可以看到 它是有些硬性要求参数的 你不能说我一个企业 现在还全是手工制作的时候 突然间要全上物理人工智能 那等于你新开了一个厂了 你直接这么跳过去是不现实的 所以会有这么一个步骤 那么在这个关键路径上面 实现的目标 其实就部分也解释了 每一个阶段 所对应的投资回报在哪里 ROI 是什么 然后再对应相对应的落地工作 然后来实现这四个阶段 好 最后会给大家讲讲个例子 这个客户 这个客户呢 我不能说名字 保密协议 但是我能说他是个谁呢 他是我们国家 东南沿海的一家 最大的做新能源汽车电池的一家企业 我没说名字 对吧 你们自己猜到的 不能怪我 我没有违规 全世界最大的、位于东南沿海的电池企业 他们的一个电池企业 非常非常牛 他就是 你们还记得我前面说的 你怎么样去拥抱他对吧 你全 all in 肯定也成本太高 但你不理他吧 你也被淘汰 他就取了我刚说中间的方法 他挑了一个产线 一个车间 他新建了一个厂 做一款新电池 然后用了整个 就刚说的一二三阶段的 他第四阶段那个机器人在做包装 已经开始尝试了 他还甚至发了新闻稿 但是又被撤回了 有些政治原因 他现在做到三点五阶段 就接上一页的那个路线图 你还记得吧 他做三点五阶段 他把所有的这个 通过前面的自动化标准化 数字打通 加孪生 然后到最后的落地服务 做出了这么一个 可以我称之为物理人工智能 实现了三点五的这么一个工厂 然后他的效 这个重点我想说的是 你看他的效果 这几个数字怎么没出现 好 因为反正你们看了 这个差值就知道了 这是他在传统工艺上面 传统的工厂里所做的 比方说调试天数 这里面是一些成本的金额 这个变更数我这里 还是很清楚 这里大概是47个 这里大概是6个 41个的减少等等 这具体的值 这么大的一个带来的优势 所以在某些有很极端 痛点的情况下 这个物理人工智能带来的 这个 ROI 其实很大的 但很多人肯定会说了 这有点夸张吧 这个数字有点好像是 像打广告一样 其实你们可能不知道 对于这家企业来讲 它生产的这个电池 它真的是非常 tricky 因为它的所有的客户 就是那些新能源主机厂 每一单对它要求都不一样 那些电池是千奇百怪 而且电池生产过程 大家可能不知道你了不了解 它不像整车 整车是个典型的离散制造 但这些新能源电池的生产过程 是跟化工一样的 它是个流程制造 不可逆的一个组装过程 它不像汽车我坏了零件 我才换一个 电池可不行 所以它其实面临了 大量的工艺变更 工程变更 因为每个单 你说上汽新能源下给它的 比亚迪下给它的 还有特斯拉下给它的 都不一样 就很像制药企业 制药企业那个 CDMO CDMO 各个药厂给我下的单 都不一样 全是小批量试制 我根本没办法做 所以他们在这种 很极端的这样的一个 生产条件下 边界约束条件下 使用了这样的一个新工具以后 先进方式以后 带来的效益的提升 是非常非常显著的 当然它之所以成为个例子 也是因为它的痛点特别痛 那些很标准化 我客户也不挑剔 我生产什么就是什么的呢 可能也没有空间去实现这个 所以它成为个例子 它是个先行者 但是有了这个先行者的例子 它一定会慢慢带动 这行业永远是先行者带动 追随者嘛 对不对 它一定会把它扩到其他企业们来 所以这个例子 会很好地看到 前面说的那些 它不只是一个虚拟世界里的 一个像游戏一样的东西 它是确实能够给实际生产 带来加持的 然后最后一个例子 这是个视频 是怎么播放 OK 这家我也不能说名字 但是它是一家 在长三角的一个 我们国家有三个字 一起总结的三家公司中的 一家新能源汽车厂 我没说过 它也是在之前就来做了个孪生 这家企业的案例 它达到了刚才我们那个路径图里面的 也是3 到 3.5 之间 这个孪生的界面 可能大家会觉得很像传统3D 仿真一样的 像是一个参观导览式的那个 其实不是 它是我们这个阶段 是它当时这个项目做完 就是它真实产线的过程 它这个项目的亮点 它是把它背后 因为大家知道整车生产 我后面一定有 ERP MES APS 排程等等这些对吧 它把所有这些传统信息化的系统 通通打通 就是我刚说的第二阶段 那个所谓的标准化 其实就是 data collaboration 它把它做成了一个 集团的一个数据底座 工业数据平台底座 然后把这个孪生平台 加到上面以后 然后再去连到 因为当时生产过程中 就是这个设备的先进性 还不像现在那么高 所以它在数据连接可能 颗粒度没那么细 但是它也连到了 这些产线上的机械臂上 然后它做到了 我全产线实时孪生过程中的 这个在线实时监控 以及对物理世界反馈的这个处理 比方说它在那个喷漆车间里面 一扇门喷完漆以后 往下到装车间前 它会有这个毫米波扫描来判 判断有没有坏点 当它判断到有坏点以后 它会自动 在软件平台里面 它会在报警跳出以后 它同时会驱动 这个机械臂旁边的一个推杆 把这个传送带上这一块推走 走到另一个线 拿去返工重新喷 然后把下一个推上去 然后继续走下一道 就是它的颗粒度 已经能做到这个层面了 当然不像 那个第一个手机 那么那么精细的程度 但它已经也做到了3.5 的 这样的一个 数字孪生加物理人工智能 这样一个回馈 它通过自动化的监控 然后把这个推出 然后它走到同时 它也把这个数据返回到了 它的管理系统里面去 它的排程系统要做调整 对吧 因为我的物料变了 所以我的排程变了 然后回到 MES 生产工单变了 然后再到 ERP 里面 我要结算我的成本 物料等等 全变 最后 一直到最后整车下线以后 它整个用这个平台 也做了打通 这两个例子是我举给大家 就是我们国内的 咱们自己的民营企业 做的比较好的两个例子 虽然没有达到 我们刚才说的这个未来期望 真正达到第四步 物理人工智能那么高 但至少已经有先行者 迈出了这一步 做出了这样子 然后最前面那个案例是 是外资企业 这个是 A 字头的一家公司 对吧 这个手机 A 字头的 他们确实是在很多 这些企业里面做的 就是在全球范围来看的话 做的比较先进的 然后在他们带动下 我们这些新兴产业 电池也好 新能源车也好 也在开始往上面迈这一步 在做这样的尝试 所以今天为大家分享 就是想告诉各位 物理人工智能的时代 已经到来了 GenAI 只是在屏幕后面 但是在我们接下来 我们每个人生活在身边 甚至说不定哪一天我们身边 我就会站着一个机器人 成为我的保姆 在家里为我们服务 谢谢 今天我分享到这里