Intrinsic如何用软件重新定义工厂自动化未来

几十年来，工业自动化基本遵循同一套逻辑：生产线越来越快，机器人越来越强，软件持续升级，但底层模型始终相对固定——自动化系统针对特定任务工程化设计，一旦需要调整，灵活性的代价既昂贵又耗时。

这一模式正在受到越来越多的挑战。

如今，制造商面临巨大压力：他们需要生产种类更多的产品，更快地切换生产批次，应对劳动力短缺，同时还要将人工智能融入现有生产体系。

问题已不再是工厂是否会引入AI，而是如何在不推倒重建整个生产系统的前提下完成这一转变。

在2026年Automate展会上，谷歌旗下AI机器人公司Intrinsic给出了迄今为止最清晰的答案。

Intrinsic并未发布新款机器人，而是推出了一款名为"Intrinsic Intelligence Cell"的模块化机器人工作单元，其设计核心是软件而非硬件。

该工作单元由IntrinsicOS驱动，定位为参考架构，供制造商、机器设备制造商和系统集成商按需定制。

这套方案将AI、工业机器人与模块化自动化整合进一个生产单元，无需大量工程改造或重新编写机器人程序，即可针对不同制造任务进行重新配置。

在Automate 2026展会现场，该系统使用发那科工业机器人完成电子产品装配演示，展示了AI辅助感知、运动规划与操作在单一软件环境中协同运行的能力。

这一演示的意义远不止于单次展示。

Intrinsic并非将AI视为现有自动化系统的附加模块，而是将智能定位为未来制造系统的核心运行层。

"物理AI"这一术语在机器人行业日益普及，但其含义因场景而异。

Intrinsic对其的定义是：能够在工业环境中理解、推理并与物理世界交互的AI。

这远不是一个大语言模型就能胜任的任务。

工业AI必须解读传感器数据、理解三维几何结构、规划机器人运动、适应动态变化的条件，并能在实时状态下安全执行任务。

Intrinsic Intelligence Cell将上述能力整合进一套模块化架构，支持多品牌机器人、多种工具及不同生产流程。

制造商无需在产品更换时重建整条自动化产线，而是可以通过软件、AI技能和模块化硬件完成工作单元的重新配置。

对于生产批次频繁变动的混合型制造场景，这将大幅压缩工程投入与部署周期。

尽管大型制造商历来是工业自动化的主导力量，Intrinsic认为AI有望让先进机器人技术惠及各类规模的企业。

机床上下料是一个典型应用场景。

未来的数控加工单元无需专业机器人程序员，操作人员可通过简化的软件界面部署AI驱动的能力，包括自动感知、机器人运动规划和智能抓取。

Intrinsic表示，目前已与Trinity Automation、MartinSystems等数控自动化专业公司展开合作，将上述能力集成到新一代机加工产品中。

目标明确：帮助中小型制造商在无需大量内部机器人专业知识的前提下引入机器人技术。

对Intrinsic路线最有力的验证，或许来自制造业本身。

该公司表示，Intrinsic Intelligence Cell的定制版本将于今年晚些时候在富士康生产设施中进行电子产品装配应用的试点。

若试点成功，将证明模块化AI工作单元能够突破展会演示的局限，真正进入大规模工业生产。

对于一个长期被批评过度渲染AI能力的行业而言，真实的生产部署案例最终将比技术演示更具说服力。

开放性是贯穿Intrinsic战略的一条核心主线。

该公司并非构建一个垂直整合的机器人生态系统，而是专注于不同硬件平台之间的互操作性。

Automate展会的演示采用发那科机器人，体现了双方持续深化的合作关系。

整个工作单元在设计上兼容不同的硬件与软件组件，同时允许AI能力在不同生产环境中保持一致运行。

对于在现有自动化设备上积累了数十年投资的制造商而言，这种互操作性的价值可能不亚于AI本身。

Intrinsic还致力于扩大工业机器人应用开发者的来源。

其与Open Robotics联合发起的"AI for Industry挑战赛"，聚焦于制造业最难攻克的自动化难题之一：线缆与电气连接器的灵巧操作。

赛事反响超出预期。

目前已有来自115个国家、代表1600支团队的逾5000名参赛者报名。

值得关注的是，机器人专业人士在参赛者中占比极低。

据Intrinsic披露，93%的参赛者熟练掌握Python，73%具备ROS使用经验，而直接从事机器人领域工作的参赛者仅占14%。

这组数据表明，此前将工业机器人视为高门槛领域的软件开发者，正表现出越来越浓厚的兴趣。

参赛者在包括Gazebo、谷歌DeepMind的MuJoCo以及英伟达Isaac Sim在内的开源仿真环境中开发解决方案，并进而在Intrinsic软件平台和工业视觉模型上完成验证。

最终入围者将远程将算法部署至Intrinsic位于加利福尼亚州总部的真实工业工作单元上。

从历史上看，工业机器人一直由机械工程驱动，机器人的负载能力、重复定位精度、速度和可靠性决定着竞争优势。

这些特性依然重要，但随着AI的崛起，差异化竞争的重心正日益向软件层迁移。

感知模型、机器人技能、运动规划、编排软件与开发环境，其重要性可能与机器人本身不相上下。

Intrinsic的定位，正是深耕这一软件层。

该公司并不直接与机器人制造商正面竞争，而是致力于提供一个智能平台，让不同硬件平台得以执行更强大、更具适应性的制造任务。

更深远的影响在于：工厂或许将日益走向软件定义。

生产单元可通过软件更新完成重新配置，而非依赖机械层面的重新设计；机器人能力可通过下载AI技能来扩展，而非借助繁琐的工程项目；中小型制造商也能获得此前只有大型企业才能负担的自动化能力。

这一愿景能否实现，取决于工业AI在严格受控的演示场景之外被验证的速度。

但发展方向已愈发清晰。

未来的工厂，或许并不依赖全新的机器人，而是依靠智能软件架构，让现有机器人具备远超从前的适应能力。

Intrinsic的模块化Intelligence Cell，正是这一未来的早期缩影。

Q&A

Q1：Intrinsic Intelligence Cell是什么？它能解决什么问题？

A：Intrinsic Intelligence Cell是谷歌旗下AI机器人公司Intrinsic推出的模块化机器人工作单元，以软件为核心驱动，由IntrinsicOS提供支持。它的核心价值在于让制造商无需重建整条生产线，仅通过软件、AI技能和模块化硬件即可完成生产任务的重新配置，显著降低高混合制造场景中的工程投入与部署周期。

Q2：Intrinsic的工业AI方案对中小型制造商有什么意义？

A：Intrinsic认为AI可以降低先进机器人技术的使用门槛。以机床上下料为例，未来的数控加工单元无需专业机器人程序员，操作人员通过简化软件界面即可部署AI感知、运动规划和智能抓取等能力。Intrinsic已与Trinity Automation、MartinSystems等公司合作，将相关能力集成到新一代机加工产品中，帮助中小制造商在无需大量内部专业知识的前提下引入机器人技术。

Q3：Intrinsic的AI for Industry挑战赛参与情况如何？

A：该挑战赛由Intrinsic与Open Robotics联合发起，聚焦线缆与电气连接器的灵巧操作问题。目前已吸引来自115个国家、超过5000名参赛者报名，代表1600支团队。其中93%的参赛者熟练掌握Python，73%具备ROS经验，但直接从事机器人领域的参赛者仅占14%，说明大量软件开发者正在进入工业机器人领域。