Workr Robotics CEO：工业机器人自动化应按小时付费

工业机器人正在进入一个新阶段。人工智能、大语言模型以及所谓"具身AI"领域的技术进展，重新点燃了人们对机器人的热情——这类机器人能够理解物理世界、对其进行推理并与之交互。

谷歌DeepMind与波士顿动力等公司之间的高调合作，更引发了广泛猜测：通用型机器人或许很快就能出现在工厂车间。

然而，并非所有业内人士都认为这些进展代表着制造业即将迎来重大突破。

Workr Robotics创始人兼CEO肯·马肯（Ken Macken）持有更为务实的观点。他对AI和机器人研究的进步表示欢迎，但同时认为，当前许多吸引媒体眼球的技术能力，距离真正解决制造商每天面临的实际挑战，还有相当长的路要走。

在他看来，工厂管理者并不在乎机器人能否进行推理，他们真正关心的是：机器人能否在整个班次中准确、可靠、反复地完成某项特定任务。

Workr Robotics专注于自动化重复性工业任务，例如码垛、机床上下料以及拾取和放置操作。

公司并不追求宽泛的通用自主能力，而是强调快速部署、运营可靠性，以及一种"机器人即劳动力"的商业模式——旨在降低企业采用自动化的门槛。

在这篇访谈中，马肯探讨了为何他认为机器人行业有时会将令人印象深刻的演示与可投入生产的系统混为一谈；为何在制造环境中，运营一致性比通用智能更重要；以及制造商在追求产量的同时，为何越来越重视灵活性。

他还解释了为何传统工业机器人的购买模式让许多制造商难以说服自己投资，分享了在真实工厂环境中部署机器人所积累的经验教训，并指出：成功的自动化项目需要深入理解车间工作的实际执行方式，而不仅仅是流程图上呈现的样子。

这是一个立足当下的务实视角——关于工业机器人现状、AI真正能带来价值的领域，以及制造商在热潮背后应当关注什么。

机器人与自动化新闻：目前，围绕具身AI和推理模型存在大量热议，尤其是在谷歌DeepMind与波士顿动力合作之后。您认为这些热议对制造业而言存在夸大成分。您觉得人们在"令人印象深刻的演示"与"可量产的自动化系统"之间，最常见的误解是什么？

肯·马肯：人们把一段刷屏的演示视频当成技术可行的证据，但事实并非如此——至少现在还不是。制造商需要自动化的任务看似基础，但要求百分之百的可靠性。

看Atlas机器人做跑酷当然很有趣，但在一个混乱的工厂车间里，让机器人在整个班次中每次都准确抓取正确零件，是完全不同的挑战。

具身AI的愿景令人兴奋，我也很高兴人们在讨论它。但现实是，这项技术尚未准备好完成制造商今天所需要的工作，而混淆两者可能让人付出真实的代价。

机器人与自动化新闻：您曾表示"推理能力对制造任务而言是错误的框架"，因为工厂环境要求接近完美的可靠性。您认为机器人行业目前是否将通用智能置于制造商真正关心的运营一致性之上？

肯·马肯：是的，这种优先级的错位非常关键。制造商不在乎系统是否通用，他们在乎的是：这个系统能否每次、每个班次都完成它被雇来做的具体工作。我们不需要机器人用哲学思维去堆码垛，我们只需要它把托盘堆好。

工厂管理者真正在问的问题是："这东西能在一天之内学会我的任务吗？明天它还能稳定运行吗？"追求机器人的通用智能，解决的是制造商并不存在的问题，却忽视了他们真正需要的运营一致性。

机器人与自动化新闻：Workr的定位围绕实际部署展开，专注于码垛、机床上下料、拾取放置等重复性工厂任务。根据您的经验，制造商目前面临的最大痛点是什么？自动化在哪些领域能真正带来可量化的投资回报？

肯·马肯：我看到三个持续存在的痛点：找到可靠的员工、应对员工流失，以及达成产量目标。当自动化能让工厂获得新的产能——承接以前无法承接的订单、扩大现有业务规模并推动营收增长——才能真正带来可观的投资回报。

通用型自动化目前无法解决上述任何问题。工厂需要的是能快速产出可靠、可预期结果的专用工具，而不是缓慢的通用型新奇玩意。

机器人与自动化新闻：您的商业模式中有一个有趣之处，即"机器人即劳动力"的定价方式——按每小时约25美元收费，而非预先出售大型资本系统。您认为传统工业机器人的购买模式为何对许多制造商而言已成为一道障碍？

肯·马肯：因为传统模式要求制造商在不知道结果如何的情况下，就对一套僵化系统下一个巨额资本赌注——而生产流程是会变化的。当下个季度产线可能面貌全非时，为什么要在一个只为单一任务设计的系统上砸下七位数？

此外，传统机器人的销售建立在全天候24小时运行的假设之上，但这并不符合大多数工厂的实际情况。一天运行12小时、一周五天才是更现实的节奏，如此一来，你等于在为永远用不到的机时买单。

按小时为自动化付费——就像雇用一个人一样——可以大幅降低风险。Workr的定价是每小时25美元，无需前期资本投入，如果效果不达预期，随时停止付费。

在我们看来，这是消除常见自动化壁垒、帮助制造商快速解决问题的最简单方式。

机器人与自动化新闻：您的平台强调高混合品种制造和快速换型，声称换型时间可从数小时缩短至数分钟。与传统工业机器人追求最高速度和产量的优先级相比，灵活性正变得多重要？

肯·马肯：灵活性现在已是基本门槛。传统机器人是为单一任务而生，以最高速度永续执行。但明天的生产几乎总是与今天略有不同——质量差异、客户定制需求、新的SKU层出不穷。

过去人们认为必须在灵活性和产量之间做取舍，但这个说法已经过时。技术已经跟上来了，专用AI模型与自动化的结合，如今可以同时实现高速产量和处理同一产线上细微变化的能力。

还在把这件事当作权衡取舍的人，用的是上个十年的思维框架。

机器人与自动化新闻：许多AI机器人初创公司大谈自主能力，但制造商往往更关心正常运行时间、可维护性和易于集成。从将机器人部署到真实工厂环境而非受控实验室的实践中，您学到了哪些经验教训？

肯·马肯：真实工厂比任何实验室都要复杂混乱得多。实验室团队往往孤立地思考单一流程。在真实车间里，你根本不知道一台机器人牵动了多少上下游流程，直到它停机的那一刻——然后整条产线都感受到了冲击。

工厂管理者不在乎自主能力本身，他们在乎的是正常运行时间和高产出率。他们最难熬的一天，就是产线停摆的那天。作为工厂里的机器人解决方案提供商，你必须记住，你只是一个更大系统中的一个环节。

我们最大的经验教训，是尽可能多地与实际执行任务的工人交流、观察他们的操作。工厂管理者在会议室里描述的情况，几乎永远不会与任务在现实中的执行方式完全一致。工人们积累了多年的小技巧、变通方法和细微调整，这些根本没有被记录在任何地方。

如果你没有捕捉到这些，你最终做出的机器人能完美执行"描述中的任务"，却在安装到真实设备旁边的那一刻就宣告失败。纸面上的工作和车间里的工作是两件不同的事，而车间永远是最终裁判。

我见过一些初创公司部署了解决方案，自我祝贺一番，却随后发现他们并没有解决问题，只是把瓶颈转移到了别处。这是个经典错误——用锤子去拧螺丝。工具看起来很厉害，动静很大，但活儿根本没干对。

Q&A

Q1：Workr Robotics的"机器人即劳动力"定价模式具体是怎么运作的？

A：Workr Robotics采用按小时收费的方式，定价约为每小时25美元，无需制造商承担前期资本投入。这与传统工业机器人购买模式形成对比——传统模式需要厂商为固定系统一次性支付巨额费用。Workr的模式将风险大幅降低：如果机器人表现不达预期，客户可以随时停止付费，无需承担闲置资产的损失。

Q2：具身AI技术目前为何还无法满足工厂制造的实际需求？

A：尽管具身AI演示（如Atlas机器人做跑酷）令人印象深刻，但这与工厂实际需求之间存在巨大差距。制造业要求机器人在整个班次中对特定任务实现近乎百分之百的可靠性，而当前具身AI技术还无法稳定达到这一标准。工厂管理者关心的不是机器人能否"推理"，而是它能否每次、每班次都可靠地完成指定工作，现阶段的AI机器人技术尚未做到这一点。

Q3：在真实工厂环境中部署机器人时，最容易犯的错误是什么？

A：最常见的错误是只依据管理层的流程描述来设计机器人方案，而忽略了车间工人多年积累的实际操作经验——包括各种变通方法和细微调整。这些经验往往没有被记录下来。如果在部署前未能充分观察和了解工人的实际操作方式，机器人可能在"纸面流程"上运行完美，却在真实设备旁边立刻失效。此外，有些初创公司部署后才发现只是将瓶颈转移到了别处，并未真正解决问题。