通用汽车(GM)近日在其底特律零号工厂(Factory Zero)安装了约50台由日本机器人公司FANUC制造的机械臂,用于协助装配线上的零部件安装。然而,此举引发了美国汽车工人联合会(UAW)的强烈不满——因为今年3月被"临时裁员"的1300余名工人至今仍未收到任何复工通知。
UAW第22地方分会主席詹姆斯·科顿表示,目前超过1000名联合会成员仍处于"无限期停工"状态。他认为,公司本可以召回这些工人,而非选择安装机器人。值得注意的是,这批临时裁员之前,通用汽车已于2025年10月在零号工厂永久裁减了约1200名工人。
当前,福特、Stellantis等多家车企也在加速推进装配线自动化进程。现代汽车更是计划在2028年前,将旗下波士顿动力(Boston Dynamics)公司生产的Atlas人形机器人部署至其位于佐治亚州的旗舰电动车工厂。
被列入裁员名单的UAW第22分会成员、工会组织者安德鲁·伯格曼对此直言:"在企业主和亿万富翁手中,技术进步被用来榨取利润、裁减工人。而技术本应让工人的工作环境更安全,让他们在不损失薪资的前提下缩短工作周。"
与此同时,底特律同一周内举行的两场会议折射出截然不同的立场——"再工业化峰会"上,创业者们高呼机器人将"以超强制造能力赋能工业基础";而在UAW代表大会上,UAW主席肖恩·费恩则警告,人形机器人与大规模自动化正在威胁工人的就业和薪资,加剧财富不平等。
"黑灯工厂"浪潮席卷全球
在美国工厂自动化步伐加快的同时,东亚企业早已在"黑灯工厂"领域先行一步。所谓黑灯工厂,指的是几乎完全由机器人运营、仅配备少量人员负责监督和故障处理的无人化工厂。
事实上,FANUC本身就是黑灯工厂的先驱之一,自2001年起便运营着一座"无灯"工厂——也就是说,通用汽车等车企目前部署的FANUC机械臂,本身就主要由其他机器人生产出来的。
如今,黑灯工厂的最新一批领跑者主要来自中国。据《华尔街日报》报道,中国汽车品牌捷途在福建省福州市建有一座专门生产SUV的黑灯工厂;豪华电动车品牌极氪则在浙江省宁波市运营着一座年产能高达30万辆的黑灯工厂。此外,小米在北京的电动车超级工厂部署了超过700台机器人,平均每76秒便可下线一辆新车。
不过,机械工程师学会指出,过度依赖全自动化工厂也会带来新的风险:人类往往更善于快速发现生产线问题,而这些问题在全自动化系统中可能迅速失控;同时,以AI为核心、以机器人为主要劳动力的高度自动化设施也面临更严峻的网络安全挑战。尽管如此,许多企业仍认为更低的人力成本和更高的产能值得冒这个险。
数据显示,到2024年,中国制造业已部署工业机器人200万台,仅当年就新增29.5万台;相比之下,日本同年新增4.45万台,美国新增3.42万台。中国最新的五年规划已将人工智能和机器人技术列为面向2030年的核心经济战略。
随着全球电动汽车普及率持续攀升,中国车企的高度自动化或将带来显著的竞争优势——而美国车企在特朗普政府取消电动车购车税收抵免、冻结联邦充电基础设施项目之后,已逐步收缩其电动车布局。
Q&A
Q1:通用汽车在零号工厂安装机器人的目的是什么?
A:通用汽车在底特律零号工厂安装了约50台FANUC机械臂,主要用于协助装配线上的零部件安装,以提高生产效率和降低人力成本。然而,此举引发争议,因为此前被"临时裁员"的1300余名工人至今仍未复工,UAW认为公司本可召回工人,而非引入机器人替代。
Q2:什么是"黑灯工厂"?目前哪些国家走在前列?
A:"黑灯工厂"是指几乎完全依靠机器人运营的无人化工厂,仅配备少量人员负责监控和故障处理。目前,中国企业在这一领域处于领先地位,例如捷途在福州的SUV工厂、极氪在宁波年产30万辆的工厂,以及小米在北京每76秒下线一辆新车的电动车超级工厂。FANUC是最早的黑灯工厂先驱,自2001年起便运营无人化工厂。
Q3:工厂自动化对工人就业有哪些潜在影响?
A:工厂自动化对工人就业影响显著。以通用汽车为例,永久裁员和临时停工已波及超过2500名工人,而机器人的引入进一步压缩了复工机会。UAW主席肖恩·费恩警告,人形机器人与大规模自动化正威胁工人薪资和就业稳定,加剧财富不平等。工会方面认为,技术进步应惠及工人,而非单纯服务于资本利益。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。