博客

工厂工人短缺早已成为常态，尤其在拥有数百道工序的汽车制造领域。打磨、飞拍检测、装配等环节至今未能实现大规模自动化，而具备专业技能的操作工日益稀缺。

在上个月的WRC展会上，众多客户围在「知来具身」的机器人旁，测算节拍并评估效率，探讨其精度、速度、寿命以及投资回报比。相较于吸引眼球的机器人表演，他们更关注一个实际问题：机器能否像人类一样高效且高质量地完成工作？

如何让机器人真正融入工厂作业流程，是当前具身智能行业面临的最大挑战。对此，2021年成立的知来具身正在提供自己的解决方案。

据公司介绍，凭借全栈自研的“世界模型+物理AI”技术体系，知来具身的飞拍检测、力控打磨、熨烫等机器人产品已批量进入多家全球顶级汽车零部件产线。

“机器人要解决的，不仅是工厂已经实现自动化的部分，更是传统自动化后仍难以覆盖的复杂任务，要能承担剩余的脏活、苦活和累活。”知来具身董事长兼CEO俞琼表示。

从产业现场出发 让机器人真正下工厂干活

“我们是一支兼具汽车行业know-how和AI算法能力的复合型团队。”俞琼说。

俞琼在2024年初加入知来具身。此前，他在汽车行业深耕近三十年，曾任福特汽车STA和采购高管；而知来的技术研发团队主要来自阿里AI团队、南京大学强化学习团队等，具备人工智能算法、机器人学习及工程化落地经验。

知来具身的技术路线可概括为“世界大模型+物理AI”。团队将机器人能力拆解为四个模块：负责感知的视觉系统、决策的大脑、控制本体运动的小脑以及执行任务的末端执行器，形成完整技术闭环。

以打磨场景为例，传统打磨就像“盲削”土豆皮，无论土豆形状如何，都削成固定形状，容易出现过打或欠打问题。

而知来具身基于多模态感知模型构建了一套“先感知、后执行”的作业体系：打磨机器人首先通过视觉系统精准识别每个“土豆”的表面结构，再实时动态规划轨迹以实现仿形贴合，仅处理毛刺部位。相比传统“盲打”，实现了“看见再打”的作业逻辑重构。

在执行层面，知来机器人在重复定位精度、末端最大线速度、连续工作续航等方面，已满足工业级的高精度、高节拍和高寿命要求。

在连接感知与执行的大脑算法层面，知来具身构建了“通用大模型+专家模型”的双层架构，使模型准确率达到99%。

但俞琼坦言，99%远非终点。“工业场景要求的准确率是99.99%，否则产线无法连贯运行。而从99%到99.9%，研发投入要翻一倍；再到99.99%，还需再翻一倍。”

遵循“从场景中来，到场景中去”的原则，知来具身围绕汽车生产链形成多条产品线。其中，飞拍、熨烫、打磨机器人已实现量产出货；取挂、装配、搬运机器人完成现场验证；其他灵巧手机器人处于研发小试阶段。

知来具身机器人产品工业场景作业示意图

营收来自汽车工业产线 未来向AI硬件制造拓展

在完成从0到1的产品验证后，知来具身正处于从1到N的规模化增长阶段。俞琼透露，随着机器人产品在真实工业场景中持续落地并不断复购，公司销售情况保持高速增长。

目前，飞拍检测机器人已在金属件、内饰件等多类产品中批量应用，获得安道拓、李尔集团等全球汽车座椅头部客户订单。全球汽车行业前20强零部件供应商中，已有4家成为知来具身的长期合作伙伴。

为快速提升产能、降低生产成本，知来具身去年已与某上市公司达成上千套产能的产线合作。目前，双方共建的首条生产线已正式投入使用。

知来具身正在推进落地的工业场景示意图

“我们的营收全部来自工业产线，没有表演娱乐和科教场景。”俞琼表示，知来具身以汽车行业为基本盘，未来将逐渐向AI硬件制造等行业拓展。

产品层面，知来具身正从“单机单能”向“一机多能”演进，计划在2027年中旬推出同时具备3-5种技能的机器人产品。此外，公司已在雷竞技官网入口部署相关技术验证平台，以加速产品迭代。

“我们最终的目标是让客户可以开箱即用。”俞琼表示。