汇川技术，走“自下而上”的物理AI路线

大模型浪潮实现了“知识平权”，企业获取工业知识更容易了，但工艺经验依赖长期现场实操，通用大模型填不平从知识到产线的鸿沟。

文｜刘青青
ID | BMR2004

100多米长的轮胎输送线在虚拟空间里运转；30000条轮胎在5个车间之间流转调度。这不是科幻电影的想象，而是汇川×巨通工业仿真软件的“数字工厂”。

近期，汇川技术（300124.SZ）凭借上述“数字孪生”方案，帮客户在与全球巨头的竞标中拿下欧洲订单。这样的仿真“练兵场”还出现在制造业的诸多环节,物理AI不再是概念，而是产线上正在运行的系统。

从千亿工控底盘到人形机器人布局，从单台设备的智能化改造到整厂级的数字孪生，这家公司20多年的探索，也是中国制造业智能化转型的一个样本。

01

千亿工控龙头

中国制造业的每一波浪潮里，几乎都有汇川技术的身影。

千亿工控巨头汇川技术的诞生，源于一次行业并购带来的新机遇。

25年前（2001年），华为将子公司华为电气卖给美国艾默生公司，换取资金储备，此时中国加入WTO，制造业迎来迅猛发展。2003年，华为高管朱兴明经过深思熟虑放弃高薪，带领一批前同事创业，成立了汇川技术。

创业之初，中国工控市场几乎被国外品牌垄断，国产玩家寥寥。围绕进口设备的高价格与国产设备的低性能之间的“市场缝隙”，汇川技术选择以变频器这一工业控制的核心部件起家。在中国的城镇化建设、房地产红利下，汇川技术在行业快速站稳脚跟。

到2007年，朱兴明在内部信《中国自动化发展的未来》中判断，PLC（可编程控制器）和伺服系统是“未来驱动器的王者”。汇川技术由此从变频器向伺服系统、PLC进行延伸，从自动化的驱动层进入到控制层。

2010年深交所创业板正式运行，汇川技术随之步入资本市场，登陆A股。随后，公司产品线继续向光伏逆变器、汽车空调、商用车电控、工业电机、传感器等领域扩展。

2016年，朱兴明提出“双王”战略——工业自动化与新能源汽车双轮驱动，把工控赛道带入万亿级汽车产业链。如今，汇川技术已成为当前全球第三大、中国第一大新能源乘用车动力系统（不含电池系统）第三方供应商。

2026年以来，得益于AI产业链（算力基础设施、人形机器人、储能）等核心拉动因素，汇川技术通用自动化业务需求持续增加。高盛发布的数据显示，4月、5月订单同比增速均超过40%，下一个季度（6—9月）订单增速可能进一步加速。

从城镇化、“4万亿”投资、创业板开闸，到新能源汽车爆发、能源结构转型、AI化……中国制造业的每一波浪潮里，几乎都有汇川技术的身影。它的每一次转身，都踩在产业变迁的节点上。一个在“数字层、边缘层、控制层、驱动层、执行层、传感层”形成贯通布局的工控龙头成长起来，市值一度突破2000亿元。

02

工业AI落地

基于多年积累的客户数据和公司工业Know-how，汇川技术正为行业提供工业AI解决方案和数据服务，应用集中在工艺优化、预测性维护等环节。

面对AI浪潮，朱兴明在2026年2月明确提出了公司的战略目标：“成为世界AI制造业的大模型或智能体基座的服务商。”

AI与自动化业务的结合，已是汇川技术的核心战略之一。“AI业务化”正从软硬件产品AI化、AI平台对外服务两方面落地。

在软硬件产品AI化方面，汇川技术为伺服、PLC、变频器、工业机器人等现有产品叠加AI功能，提升竞争力。比如PLC新增代码自动生成、程序一键转换；伺服嵌入边缘AI算法，预判设备寿命、诊断工况；变频器搭载智能控温、自适应参数调节；工业机器人叠加AI视觉实现工艺自适应。

在AI平台方面，基于多年积累，汇川技术已推出iFG（汇川工业智脑）平台，计划向工业客户开放。客户可基于自有数据在本地部署的平台上训练，形成自己的垂直领域AI智能体。

工业互联网解决“连接”，AI解决“智能”，但工业AI落地有一道坎：数字世界的算法推理，要落到充满不确定性的真实物理世界，中间还有不小的距离。

汇川技术智能制造开发及应用专家方宁告诉《商学院》记者：“工业AI的应用瓶颈，不在算力在观测。”大模型的优势主要是语义理解和技术推理，但一旦进入设备控制、工艺优化、参数调整等OT侧场景，AI面对的就不再是数字空间内的文本和知识库，而是一条真实运行的生产线。

面向真实产线，工业AI要过三道“硬约束”：一是实时性，工业控制要求毫秒甚至微秒级响应，而当前大模型的推理延迟还在秒级，差距悬殊。二是安全性，工业现场对错误几乎零容忍，力矩偏差或速度波动就可能引发废品、停线乃至安全事故。文本场景里无伤大雅的大模型“幻觉”，在生产线上不可接受。三是不可观测性，传感器数据只是物理世界的切片，真正决定工艺成败的因素，可能从未被任何传感器捕捉到——这是纯数据驱动模型的天然盲区。

汇川技术把工业AI拆成两个方向：小数据AI以机理为主、数据为辅，解决“两提四节双安全”（提升品质和效率，节省成本、能耗、人力和折旧，保障人身与设备安全）；大数据AI以数据为主、机理为辅，偏向IT层和多源数据融合，用于全厂级生产调控和跨系统预测性维护。

“小数据AI用数字智慧解析场景的第一性原理，大数据AI基于多源数据完成数据分析、建模、控制、优化全流程，两者相结合，最终实现设备—产线—车间—工厂—集团的智能化应用跨越。”方宁表示。

目前，基于多年积累的客户数据和公司工业Know-how，汇川技术正为行业提供工业AI解决方案和数据服务，应用集中在工艺优化、预测性维护等环节。

以汇川技术的锂电卷绕智能控制方案为例：在锂电池电芯生产中，电芯往大容量大圈数发展，极耳对齐度控制难度随之增加，偏差识别不准、调整困难，良率下降。

该方案以工艺模型提供真实过程数据、层厚（精度0.3微米）和极耳位置，作为参数调整依据；自适应算法驱动模型自修正与迭代，适配不同设备与工况，并通过卷绕不良解析反向反馈至极片制备环节，形成全流程闭环。

03

“瞄准”人形机器人

凭借工业级零部件和场景理解两方面的积累，汇川人形机器人业务推进很快。

工业AI是物理AI主要的应用场域，人形机器人则是物理AI最受关注的终端载体。作为工控龙头，汇川技术已切入人形机器人赛道。

早在2017年，汇川技术获首批国家重点研发计划“智能机器人”重点专项支持；‌2023年‌正式组建人形机器人研发团队；到2026年已进入产业化的实质性推进阶段。

在人形机器人零部件方面，汇川技术的一体化行星关节执行器高扭矩密度、低温升，可靠运行万小时以上；七自由度仿生臂全关节集成力矩传感器，负载自重比＞0.5，灵活性与人手臂相当；无框力矩电机扭矩密度居国际前列；低压直流驱动器体积小、功率大，支持625kHz高速电流环控制。

在“AI大脑”方面，iFG平台扮演“数字员工孵化器”：iFG.DAS数据基座自动打通多系统数据，把脏数据治理成高质量语料；iFG.IDE开发平台让非专业人员几分钟内搭出场景化智能体；平台支持大模型与小模型协同——大模型处理多模态任务，小模型嵌入式实时响应，兼顾效率与隐私。

财报显示，2025年汇川新兴业务（智能机器人和数字能源）收入约18亿元，同比增长约16%；2026年一季度收入约4.89亿元，同比增长约32%。

人形机器人是汇川技术的重点战略业务，产业化从三个方面推进：

一是聚焦“核心零部件赋能”，以工业级的高可靠性、长寿命能力供应核心零部件，目前已取得部分产品订单。

二是七自由度智能仿生臂解决方案在客户端持续验证，力争2026年实现小批量销售。

三是聚焦泛人形机器人在工业场景的落地，在具体工业场景（如打螺丝、异形件分拣）实现垂类解决方案的价值闭环。

沿着“核心零部件—仿生臂—工业场景解决方案”的递进布局，汇川技术在电机、驱动、控制上的长期积累，正在转化为人形机器人业务的竞争力。

不过方宁指出，人形机器人、机械臂话题热度很高，但要清醒认识到，行业发展尚处早期，零部件和整机都在快速进化；工业体系里还有大量仿真、模拟强相关的工作，人形机器人和机械臂的市场体量并不大。

对汇川技术而言，人形机器人是战略拼图上关键的一块，却不是全部，这家公司更在意的，是把物理AI的能力沉淀进既有的工控版图，让伺服、PLC、变频器这些成熟产品在新周期里继续打开空间。

04

“迎战”物理AI时刻

汇川技术的起点不是虚拟数字世界，而是离散制造的真实生产现场。

“物理AI将是AI发展的下一个万亿级风口。”2026年7月，在英伟达年度股东大会上，英伟达CEO黄仁勋明确将物理AI定位为公司下一波增长浪潮。

英伟达2026年6月发布全球首款完全开放的全模态物理AI基础模型Cosmos 3，瞄准物理世界的数据与操作入口；西门子凭借完整的自动化硬件加工业软件底盘，打通从仿真到训练的壁垒；ABB在2025年出售机器人本体业务后，转向软件与仿真工具服务商；施耐德“架构先行”，先建软件定义自动化平台，再叠加AI能力。物理AI的竞争，已经在几家巨头之间铺开。

世界模型仿真（英伟达）、工业数据仿真（西门子）、机器人工具仿真（ABB）、自动化平台仿真（施耐德）——仿真几乎是物理AI玩家的标配。

但工业领域的物理AI并非只有仿真一条路。以汇川技术为代表的本土工控龙头，正在走一条更贴合制造业现场的差异化路线。

方宁指出，物理AI存在四大主流路线：一是以英伟达、西门子为代表的仿真派，先定义显式物理规则，再用AI做仿真加速与模型拟合；二是图灵奖得主杨立昆的隐空间因果派，抛弃像素重建，专注隐空间的状态与因果推理；三是李飞飞的空间智能派，定位于具身感知—交互层的物理AI；四是以Sora为代表的视频生成派，定位于视觉渲染层的世界模型。

不同于海外巨头自上而下做整厂仿真的思路，汇川技术选择了另一条路径——立足真实产线，走工业机理结合现场实测数据的因果落地路线。

汇川技术的起点不是虚拟数字世界，而是离散制造的真实生产现场，依托伺服、PLC、机器人等硬件载体沉淀工艺Know-how，走“机理+数据”的融合路线，把工艺经验、设备机理与现场运行数据结合起来，构建适配产线的物理智能能力。

方宁直言，工业生产环境的真实状态不可全观测，只能依靠有限传感器，用少数观测值去表征复杂物理场。

比如在高温加工中，炉膛真实温度和反应器里催化剂的真实活性都无法直接测量，只能靠间接信号推算。这种不可观测造成仿真与真实产线之间的鸿沟，仿真结果不能直接等同于现场工况。

在物理AI时代，中国制造业的短板不在顶尖仿真算法，而在海量中小企业的数字化能力鸿沟。

方宁指出，对汇川技术等本土企业来说，更适合走的路径，是把离散制造场景沉淀的工艺、数据、工程能力萃取出来，再反哺到更多行业。

在他看来，大模型浪潮实现了“知识平权”，企业获取工业知识更容易了，但工艺经验依赖长期现场实操，通用大模型填不平从知识到产线的鸿沟。汇川技术等本土工控企业要推动的是“制造技术平权”，让海量中小企业以更低门槛获得工艺优化、预测性维护、自适应控制等物理AI能力。

物理AI不只机器人与数字孪生一种叙事。这家工控龙头给出的答案是：工业物理AI的真正考场不在虚拟仿真实验室，而在轰鸣运转的真实产线。