广州厂二代造机器人，拿下2000台订单丨对话里工实业李卫铳

一个40年老厂的具身智能转型。

作者 | 钟宸

编辑 | 漠影

如果AGI迟迟不来，人形机器人还有没有必要做？

这是今年机器人圈被问得比较多的一个问题。大模型刚出来时，很多人相信AGI近在眼前，人形机器人会顺势迎来一次智能跃迁。几年过去，AGI依然很远，质疑声也就跟着来了：

如果机器人的“大脑”迟迟不到位，本体厂商今天到底在做什么？

里工实业总裁李卫铳的答案是可以解耦。在他看来，具身智能并不需要等到AGI出现才能进入场景，真正的产业化更可能从一个个具体任务里长出来。

“过去几年是机器人能不能动，今天是机器人能不能干活。”他把这一阶段称为“能力经济学”，机器人最终要回答的，不只是能完成什么动作，而是能进入什么场景、能持续工作多久、成功率是多少、多久能收回投入。

支撑这个判断的不是技术，是订单。今年1至8月，李卫铳告诉我们，里工实业已交付数百台机器人，在手待交付订单超过2000台，以人形为主。

按在手订单口径，2026年，里工实业复合机器人、人形机器人、数据及软件业务的合计收入已经超过3亿元。

▲李卫铳（来源：里工实业）

而这家公司的起点，和“智能”没有半点关系。

四十年前，里工实业只是广州一家做橡胶密封圈的小作坊，2002年大学毕业后，李卫铳开始到厂里帮忙。

三年后，里工实业开始切入自动化，李卫铳也逐渐接手了这家企业。到了2015年，他因为“买回来的第一台机器人几个月就闲置了”，选择带领里工实业自研机器人软件系统，2023年底则正式立项双臂机器人。

李卫铳告诉我们，客户从来没有提出过要一台“人形机器人”，只提了两个要求：一次能不能搬更多，能不能搬得更重。直白点说，就是“客户不需要人形，但客户需要双臂。”

那么，一家曾经做工业自动化的公司，为什么最后做起了人形机器人？机器人真正进了工厂以后，哪些活它现在能干、哪些还干不了？一台几十万元的机器人，客户凭什么买单？以及，他为什么说具身智能可以不等AGI？

带着这些问题，机器人前瞻与里工实业总裁李卫铳进行了深入交流。

以下为机器人前瞻在不改变原意的基础上整理的对话实录。

01.

客户要的不是人形，是“更多”“更重”

机器人前瞻：里工从1985年的橡塑五金作坊起家，之后又做自动化、信息化、机器人和具身智能，40多年来经历了多次转型。背后的驱动力是什么？

李卫铳：转型是里工实业比较重要的一个标签。每次跨度都比较大，但背后的逻辑没有变，都是想解决制造的问题。

▲里工实业早期照片（来源：里工实业）

1985年开始做橡胶密封圈，是因为当时国内制造业配套还不完善。后来做自动化，是因为我们意识到，重复劳动一定要由自动化完成。

再后来做信息化，是因为自动化之后，要实现更高的效率，设备之间需要连接，生产过程也需要数字化。

到了机器人阶段，我们觉得柔性化是一种不可逆的趋势。产品定制化程度越来越高，更聪明的机器人会成为柔性化生产的基础条件。

即使今天做具身智能，本质上还是在解决一个更通用的柔性化问题。过去机器需要工程师提前编好程序，但生产环境和被生产的产品都在不断变化。

如果具身智能能够通过模型能力和机器人本身的能力理解任务、适应环境，还能够从数据里获得学习能力，本质上还是在解决制造问题，最终还是帮助客户降本增效。

机器人前瞻：具体来看，为什么人形机器人能够满足柔性化需求？

李卫铳：柔性化来自英文flexible，用一个比较流行的词讲，就是“be water”。

柔性是指这套产线具有一定的变形能力，无论是软件还是硬件，都能够适应新的来料和产品。

比如同一套产线，可能今天装手机，明天装车载电器。它不是一套固定的模具，而是一套可以重新组合的生产流程，有点像乐高，不同模块可以组合起来，重新解决新的问题。

如果从人的结构来看，人其实就是柔性化能力的一个最大个体。双腿提供移动作业能力，大脑负责思考，眼睛、耳朵负责感知，而最终真正干活的，是双臂和双手。

所以今天回过头看，人形机器人必须具备的条件，就是移动作业能力、视觉、触觉、听觉等感知能力，以及最核心的执行能力，而执行能力又聚焦在双手。

所以双手是柔性化的基本盘。我们做人形机器人，更多是在研究双臂作业能力。一个拥有双手的机器人，更有可能满足客户对可变形、可重组产线的要求。

机器人前瞻：2023年底立项时，客户真的提出了“我需要一个人形机器人”的需求吗？

李卫铳：当时没有任何一个客户提出要人形机器人，这是毫无疑问的。

但客户有两个共同要求：第一，能不能一次拿更多的东西；第二，能不能拿更重的东西。“更多”“更重”是他们的刚性需求。

怎么解决“更多”？我们和客户讨论后发现，如果机器人只有一条手臂，客户会觉得节拍不够快，这可以通过增加硬件解决。比如增加两个控制器、两套视觉单元。

但我能不能把这两套共用成一套？用同一个控制器、同一套感知单元，但用两只手来工作？这其实就已经具备了双臂机器人的硬件组成部分。

我们通过客户需求，把背后的技术层抽象出来，最后得出了一个结论：客户不需要人形，但客户需要双臂。

后来我们去客户现场，看到很多老师傅都是用两只手臂交互工作，或者双手共同搬东西来增加力量。所以在2023年底，我们立项做双臂机器人。

▲双臂机器人原型图（来源：里工实业）

双臂之后，还需要一个可移动的底盘。轮式是公司原本就有的技术基础，双足则可以满足部分客户在狭窄空间内作业的需求，也是一个更高阶的技术挑战。

双足自由度更高，电机更多，规划和控制的算法也更复杂。如果更复杂的算法能够解决，往下做其他形态就会容易一些。

所以D1先做双足，D是dual，代表“双”；F是flywheel，代表轮式。2023年底立项、2024年初开始做，第一台双足人形机器人用了大约10个月；轮式机器人因为底盘已有技术基础，独立计算研发时间大约6个月。

▲右为D1，左为F1（来源：里工实业）

机器人前瞻：业界有一个常见观点，双臂作业、协同作业有需求，但不一定非得以人形形态实现。里工从复合移动协作机器人转向人形，是真的发现了某些事情非人形做不到吗？

李卫铳：今天我们对“人形”的定义其实已经发生了变化。

最早定义人形，一定是双足、双臂、有头，尽可能仿生。经过这两年的变化，现在我们把轮式的、双臂的、有脑袋的机器人也叫人形机器人，如果要加一个定语，会叫“轮臂人形机器人”。

到底要不要长得跟人一样？不需要，这是毫无疑问的。

只是长得像人，在人类社会已经构建的各种设施里具有比较便利的条件。比如双足人形在非结构化空间里具有天然的活动能力。四足当然也可以，但四足相对占地方，而人类社会的空间设计本身就是按照人的活动方式来完成的。

回到我们主攻的工业场景，关键就变成了：无论是双足、轮式还是履带式，核心都是双臂作业能力；甚至它的“脑袋”长在哪里并不重要，重要的是感知手段要足够丰富，能够解决这个场景的问题。

今天落工业场景的，更多还是轮式双臂机器人，我们也暂且把它叫人形机器人。

机器人前瞻：那为什么里工要从协作机器人往人形走？是不是发现只有双臂，在工业场景里还有补足不了的地方？

李卫铳：在整个人类社会里，不太会只有一种工具解决所有问题，更可能是一套体系化的组合。

这其实也是一个经济问题。如果用复合单臂机器人已经足够经济、足够合理地解决问题，那确实不需要人形。

但如果某个场景需要很强的柔性能力和应变能力，自由度越高、电机关节越多，就越能支撑它往后的发展。这有点像今天买手机，刚开始觉得配置够用，但系统和应用变化之后，可能就不够用了。

所以更好的方式不是在单一物种上做唯一选择，而是提供一系列工具，让客户根据不同场景选择。

02.

目前主攻五大场景，已交付数百台机器人

机器人前瞻：在人形机器人立项初期，上游的灵巧手、触觉、关节模组都还不算成熟，里工是怎么解决的？全部自研吗？

李卫铳：直到今天，我们都认为硬件的成熟还需要时间。

当时已经有一些科技企业在布局类似的事情，我们就把供应商、客户和合作伙伴聚到一起。产业链上有做灵巧手的、有做关节模组的，我们就在他们已有的产品里选型、测试，然后告诉他们第二轮、第三轮希望做到什么样。

▲F1在作业（来源：里工实业）

很幸运，有不少合作伙伴一直走到了今天。

机器人前瞻：前阵子有文章提到，灵巧手、关节模组厂商向本体厂商采购本体，本体厂商又向零部件厂商采购零部件，以此制造订单和营收。你怎么看？

李卫铳：这个问题要看站在什么角度。

如果拆开来看手机，好像也是手机厂商和屏幕、电池、芯片厂商之间的资金循环，本质上还是一个供应链问题。

关键不是供应链里有没有交易，而是这种交易到底是为了产品迭代和交付用户，还是为了互导以获得更高估值。

我们是一家以用户交付为唯一导向的企业，没有To G项目，机器人没有卖给过政府，主要客户是工业客户和商业客户。

有些客户实现了目标，会持续购买；也有设备达不到预期，买一次就不再购买。

但在产品交付过程中，同时提供电爪、灵巧手、算力等产品也是客观存在的，否则解决不了客户的问题。一个完整的产品必须把这些东西一起解决。

行业里可能存在一些擦边行为，但如果因此以偏概全，说整个行业都是这样，我认为不够客观。

▲机器人实际落地车间场景（来源：里工实业）

机器人前瞻：关节模组等零部件参数虚标的情况，里工在实际生产中遇到过吗？

李卫铳：这是我们过去两年比较痛苦的一段经历。

有一些零部件可能确实达到了标称值，但只有两秒钟达到。

对于供应商来说，这也许不是问题，但对于工业应用来说，这是一个明显的缺陷甚至质量问题。

比如机器人搬东西，除了搬起的瞬间需要大功率，持续hold住、保持稳定时也需要这个力。它是一个持续输出的过程。

这本质上是新技术出现之后，产业链上下游对齐必然需要经历的过程。我不会认为合作伙伴是在故意忽悠。

我们更多是跟整个产业链一起解决。现在这个问题已经基本解决，这也是我们敢去拿客户大订单的前提。

合作伙伴的产品到货后，必须经过严格的认证、验证和测试，确认真正达到预期目标之后，才能交付给客户。

▲机器人实际落地仓储场景（来源：里工实业）

机器人前瞻：完全做工业客户，一个新东西怎么拓客？客户需求和技术之间的gap怎么解决？

李卫铳：我们当时已经做了一段时间机器人，也在给客户供货，所以第一轮客户主要来自老客户。

这些客户提出了“更快、更重”的具体要求，所以今天我们还是围绕他们的需求做开发，也优先交付给他们。

另外，我们也会调研一些过去没做通、但客户确实提出过需求的场景。如果人形机器人有可能解决，我们就去沟通，也拿到了一些订单。

过去两年，gap现象太普遍了，所以我们会进行分级分类。

如果一个从来没有用过机器人的用户，一上来就希望人形机器人完全替代一个人甚至多个人，这种情况下信息差和技术差都很大，通常还处在科普阶段，也基本不会成为我们的客户。

比如我们遇到过养老院院长，认为人形机器人已经可以打功夫，因此一定可以照顾老人。但再往后看两三年，它是否真的能做到，也并不去确定。

所以今天人形机器人很需要像自动驾驶一样做分级分类，帮助企业、行业和公众建立一个公共标准。

我们筛选场景时主要看两点：当下技术能否实现，以及要解决的问题是不是社会共性问题。

人形机器人落到任何场景，都不是单纯的硬件问题，也不是单纯的模型问题，它是一个系统工程，需要整个上下游一起解决。

如果电动汽车没有充电桩，没有完整的补能系统，也不可能形成今天这样的市场；没有移动网络，短视频同样很难发展起来。

所以我们会优先选择一些当前节拍、精度和人的工作能力比较接近，同时又具有明确市场需求的任务。比如仓库物流里的搬运工作，重量大、频次高，也不是人愿意长期从事的工作。

技术可行、市场规模也可行，我们就会去做。

机器人前瞻：目前已经落地了哪些具体场景？

李卫铳：有些场景已经过了POC阶段，进入小批量到中批量交付。

目前公司整体交付的任务级场景主要有几类。一类是工厂里的作业，我们聚焦新能源汽车零部件产线物流搬运。新能源汽车发展快，带来大量产线重建和重构，而且物料种类变化很多，需要一个极为柔性的手段去识别现场物料，再搬到合适的位置。

另一类是更大规模的仓储物流，本质上是电商时代带来的多品种、小批量、高频次流转和分拣。

目前差不多有数百台机器人已经交付给客户，接下来还有数千台需要交付。

此外，我们还在做汽车售后钣喷、医药云仓打包和智慧实验室三个场景。

选择这些场景有几个标准。第一，必须是双手作业的刚需场景；第二，要看这个场景是真正的刚需，还是只是为了给机器人设计一个demo；第三，要看今天机器人的能力边界能不能做到，做到就是节奏吻合；第四，做完以后能不能复制，能不能成为下一个项目、下一个客户的基础。

钣喷是高危作业，机器人进入后能够把人从危险环境中替代出来，而且必然涉及双手；云仓打包也是双手作业，同时现在仍然有大量人在里面工作；智慧实验室则涉及双臂操作以及AI for Science。

▲三大场景落地图（来源：里工实业）

机器人前瞻：这三个场景目前的进展分别怎么样？

李卫铳：搬运、分拣、打包相对比较成熟，已经从小批量向中批量交付过渡。

智慧实验室是一个比较特别的行业，总体不是一个很大的市场，但这是我们很重视的AI for Science市场，能够给科学家提供帮助，也是最接触前沿产业变化的场景之一。

具身智能机器人已经进入这个市场，但它确实不是一个能够快速铺量的市场。仓储物流反而是我们目前最快能够起量的市场。

钣喷目前还在攻克一些硬件环节。它解决了高危作业的问题，但还有防爆要求。关节模组、电池等容易产生电火花的地方都需要解决，这更多是我们和上游合作伙伴共同攻克的问题。

▲F1在实验室（来源：里工实业）

机器人前瞻：很多厂商都在做物流分拣，里工会担心竞争吗？效率数据表现如何？

李卫铳：物流相关场景比较容易落地，但从整个社会经济来看，物流是一个体量非常大的行业，工作岗位很多，所以即使存在竞争，市场也非常广阔。

有竞争往往说明这个场景存在刚需，同时技术也已经逐渐ready。

客户对我们的分拣准确率目标是99.99%，我们交付的也是99.99%。

至于效率，人形机器人并不比人快。我们落地的场景里，它的优势主要是工作时间更长、疲劳程度更低，因此整体输出的稳定性和确定性更高。

机器人可以24小时工作。按照我们的实际应用测算，一般情况下整体效率可以达到人的三倍。

机器人前瞻：人形机器人的定价是多少？现在行业里已经出现降价现象，里工会有压力吗？

李卫铳：我们的配置可以自选，所以没有一个完全固定的价格。大概可以说，从30万元以上到60万元，这个区间里都有产品可以选择。

把产品做便宜、提供更经济实惠的产品，是任何一个商业企业都要做到的前置条件。

但我们面向的客户，是需要买到真实生产能力的企业。他们当然也会关注价格，但更看重产品能达到的生产效益。

如果60万元买回去，能够拿到120万元的收益，客户会愿意买；如果8000元买回去只是为了体验一下，可能买一台，但不会持续买100台。

所以并不是便宜客户就一定会买，而是机器人能够干好活、真正产生生产效益，客户才会持续购买。

03.

帮客户收集数据，数采套件及服务销售额已达千万元

机器人前瞻：从本体往上游走，做数据采集套件和模型后训练，是出于什么考虑？

李卫铳：我们在做交付的时候，很清楚机器人今天还缺什么。

第一代机器人解决的是机械、关节模组和控制稳定性。但机器进入场景、交付出去以后，客户的产品在变，商业模式也在变，机器人能不能“自生长”，这是一个很关键的问题。

这背后需要理解环境、工艺，需要获取数据、训练、部署，还有很多工作。

所以我们做数据采集、模型后训练、技能生成模块，都是为了让机器人越来越低成本地学会人的技能、学会人的工作任务。

从以前造设备、造机器人，变成让机器人持续获得能力。总的来说，就是造越来越聪明的机器人。

机器人前瞻：模型这块具体怎么做？会自己做基座模型吗？

李卫铳：我们做的是模型后训练。把基座模型拿来，训练成一个更垂直、更针对具体应用的模型。

为什么不做通用基础模型？第一，这绝对不是我们团队的优势；第二，这是一个非常大的投入，也不符合里工目前的资源配置。

社会本身就是分工的，没有必要所有东西自己做。所以我们会和模型公司、高校一起开发，开发的模型也会开源。

后训练相关工作大概已经做了一年。目前正在攻坚的一个方向，是希望通过更少的数据完成模型后训练。

▲数据采集（来源：里工实业）

机器人前瞻：今年推出的如意数据采集套件，手套只有42克，为什么要做得这么轻？

李卫铳：把它做轻、做薄，是我们对数据采集的一个底层观察：采集设备本身不应该成为数据的干扰条件。

产线上的师傅装配、检测，如果戴上这套设备之后手变重了、动作变慢了，触觉也发生变化，那么采出来的数据就不是他原来的经验数据，而是变化后的数据。

所以我们追求的是无感、无缝，也就是“低侵入式数据采集”。

42克也好，以后做到更轻也好，不是为了追求一个参数比同行好多少，而是希望师傅戴上之后甚至可以忽略它的存在。那才是真正好的数据采集产品。

这个产品花的时间比较长，从最早开始考虑到现在已经做了两年多。真正难的地方，是在做轻的同时，还要保持精度、一致性和稳定性。

我们不会只看某一个传感器的精度，而是会看不同数据之间的时间是否对齐、空间坐标是否对齐、不同模态之间会不会发生漂移，以及同一个人在重复动作时会不会受到设备本身的干扰。

所以花这么长时间研发，不只是为了轻薄，而是希望整个系统里的视觉、姿态、IMU、触觉、事件和任务都能统一起来。精度是大家容易看到的一点，但背后的对齐和一致性更重要。

机器人前瞻：业内常强调精度，里工似乎更加看重一致性和稳定性，怎么看三者之间的关系？

李卫铳：所有科创都在攻克“不可能三角”，整个行业都在努力让这个三角变得不那么三角。

我们自己更看重一致性，因为一致性决定数据是否可用，数据能不能用，模型才有价值。

至于稳定性，要让整个生命周期里采出来的数据完全一样，确实很难。我们能做的是尽量拓宽生命周期内的可用范围。

如果要给一个比例，我认为5%到10%的差异性波动是客观存在的。就像一台手机使用三年之后，电池会衰减、屏幕也会变暗，这是物理世界不可抗拒的规律。我们能做的是通过技术让波动尽可能变小。

有时候，具身智能再往前走一步，可能不是多走1公里，而是少偏0.01毫米、少偏0.01秒。极致的智能，往往是在最小的地方做研究。

▲工人佩戴手套工作中（来源：里工实业）

机器人前瞻：不同人的手大小、骨骼都不一样，一致性怎么保证？

李卫铳：一致性和多样性首先并不矛盾。

从模型角度看，需要的是数据的多样性；而一致性是对单一产品而言，希望它表现稳定。生命周期的初、中、尾部会存在波动，不能把刚开机的设备和使用三年的设备直接比较。

软件上，我们有一套标定工具，帮助不同人员在穿戴设备时把身形等参数尽可能对齐。

硬件和算法都要做，通信层的算法也需要保证一致，它不是单一维度的问题。

另外，我们坚定走“去中心化数据采集”的路线。这套设备天然更适合在产线里采集，也更适合用人的五个手指去采。

有些方案采用夹爪采集，这也是一种技术手段，但它相当于把人的五个手指降维成两个手指，会丢掉一些维度。在我们看来，数据维度高是一件更重要的事。

机器人前瞻：里工实业在数据采集层面，更希望拿到什么样的数据？

李卫铳：现在市面上看到的数据采集，大部分比较偏民用和商用市场，工业场景的数据非常匮乏，也非常难拿到。

要获得工业客户的信任，门槛很高。

我们过去一直服务工业类客户，产品已经部署在客户那里。客户并不是没有需求，而是没有办法安全、保密地把有用的数据提取出来。

机器人前瞻：采集到的数据归谁？目前数采套件销售情况怎么样？

李卫铳：我们不掌握这些数据。客户的数据往往有私密性和保护性的需求，而帮助客户把原本挖掘不出来的数据挖掘出来、沉淀出来，就是我们的工作。

所以我们把自己定义为基础设施。

今年数据采集套件及服务大概会有上千万元销售额，这是已经签了合同、完成付款的订单，包括软硬件和服务。我们还有一个软件平台，帮助客户完成数据采集。

04.

里工实业转型方法论：要收集坏消息

机器人前瞻：外界看里工实业的转型似乎都比较成功，有什么可以总结的方法论？

李卫铳：中间一定会走很多弯路。有些弯路即使再走一次，也可能还是需要走，因为通过弯路和困难，我们学习到了克服困难的能力。

如果要总结，我认为有三个方面。

第一，要离客户近，而且要离真实客户足够近。技术可能选错，但真实的社会问题、客户的问题不会骗我们。要找到真客户、真场景、真的技术难题。

第二，要小规模试错、小步快跑迭代。不要一下把战线铺得很丰富，更不要把它变成一场押注。先小规模做，再小步迭代。

第三，要收集bad news，也就是坏消息。

这些消息可能来自客户，也可能来自一线同事和技术同事。负反馈是让系统保持真实感的重要信息，不能只听好消息。

过去有些项目一开始反馈很好，但深入现场后，我们才发现，场地、光照、客户流程等很多问题并没有被充分收集。

如果不把整个项目摊开来看，系统判断就容易过于积极而失真。

机器人前瞻：小规模迭代具体怎么做？

李卫铳：客户提出问题之后，我们会先调研，形成比较详细的调查文档，把客户的问题梳理出来，再抽象成几个关键点，把这些关键点转化成技术问题。

然后马上在公司内部搭一个场景出来试，尽可能把时间控制在一周之内。

测试过程中会发现一些我们之前没有想到、甚至客户自己都不知道的问题，我们就开始改。

整个改善速度分为24小时、48小时两个节拍，快速让问题暴露、解决，再获得客户和同事的反馈。

一旦问题基本摸清，无论机器人还是软件，我们都可以做到每周迭代一次。

客户100个问题里，可能只有3个是核心问题，我们先把这3个跑通，再解决剩下的问题。

我们不是完美主义者，而是进化主义者。

▲D1进化版（来源：里工实业）

机器人前瞻：这也是你们倾向推出人形机器人的“进化版”，而不是不断换新型号的原因吗？

李卫铳：的确是这样。

只有产品投入客户使用，才能暴露问题、发现问题、解决问题，然后再给它升级。

未来我们的方向也不会是不停增加型号，而是围绕已有客户群体的工作任务，逐步稳定、积累几种类型的执行载体。

如果固定工位需要高精度、高稳定性，就推出一种机器人；如果移动作业需要复合机器人或者轮式人形，就有另一类产品。

总的来说，型号反而是在做收敛，更加聚焦于某些场景。

产品规划上有三个重点。第一，本体要持续提高可靠性、负载、精度和可维护性，这是高质量工业产品的前提。

第二，让不同构型的机器人共享同一套数据体系和运行体系，让异构机器人的数据能够融合使用。

第三，从单机机器人工作能力变成行业级解决方案，让软硬件都齐全，客户买回去插电就能使用。

总的来说，就是硬件越来越标准化、稳定性越来越高，模型越来越聪明，去解决客户那里一些既定的社会生产岗位。

▲里工工厂使用机器人图（来源：里工实业）

机器人前瞻：里工自己的工厂也在使用机器人，这对研发有什么帮助？

李卫铳：自己的工厂其实就是在真实环境里修炼的过程。

我们车间里用机器人做切削类加工，把毛坯放到机床里，做完拿出来再送去质检，也做装配、搬运。

一方面这能够降低生产成本、降低同事的劳动强度；另一方面，更重要的是，当我们把自己当甲方时，它会给研发部门这个乙方带来很多问题和挑战，这是我们打磨产品很重要的一环。

客户来公司参观时，能够看到我们已经在真实工厂使用这些机器人。迁移到他们的工厂后，虽然场景、物料、工作流发生变化，但这些问题都是可以进一步解决的。

我们工厂里现在也是多种形态机器人协同工作，并不是单台机器人各干各的。我们有复合机器人、AMR、双足人形、轮式人形和协作臂。

过去几年，我们一直在做异构机器人协同。其他带电的生产设备也要连接到系统里。

整个大系统需要兼容异构系统，并能够知道什么时候应该让机器人工作、什么时候巡检、什么时候更换设备。这也是公司的底座工作。

05.

“和整个物理世界较劲”，想做工业具身智能里的西门子

机器人前瞻：里工想成为一家什么样的公司？对标谁？

李卫铳：我更倾向于说“最想成为谁”，我们心中有一个答案，叫西门子，更具体地讲，是西门子工业。

我们不是做本体去跟所有同行竞争。今天做本体，是因为市场上没有合适的本体去解决我们客户群体的问题；做数据也是一样。最终我们希望把人的技能、数据拿出来训练模型，让它可以跨本体使用，帮助所有机器人进工厂干活，而不仅仅是里工自己的机器人。

西门子工业有PLC、有通讯技术、有电机，但它做这些并不是为了最后做成一台设备或者机床，而是为了让想做机床的人拥有一个可靠的合作伙伴。

到了Physical AI、物理智能的时代，可能也会出现新的基础设施，比如工业数据、工业技能Agent、机器人、生产系统，这些东西都需要连接起来。

我们希望站在工业具身智能时代，做执行类的基础设施公司，帮助所有机器进入工业场景，帮助人类的数据、能力和技能被结构化提取、复制和扩大。

所以我们对自己的目标是，成为工业具身AI里的平台型企业。

机器人前瞻：平台型企业意味着不做全栈自研？

李卫铳：我们不会把所有零部件都自己做，这不是我们的目标。

作为一家机器人公司，我们要做的是整机定义、机器架构设计，包括电气和机械设计、控制软件系统、测试以及最终交付。

关节模组产业链上已经有非常成熟的合作伙伴，我们就用优秀的合作伙伴；电路板我们自己设计，再交给专业的PCB制造厂商生产；机器人的结构件则由里工实业自己生产。

如果能够把产品定义和系统能力做好，产业分工更多是和合作伙伴一起完成。

过去有些企业在十年前做机器人时，没有成熟的电机模组，不自己做就没有合适的产品，这是当时产业环境决定的。

但今天中国的整个供应链已经比较发达，这些问题已经发生了变化。在这种情况下，我们更希望和合作伙伴一起把产品做好。全栈自研，我甚至认为没有必要。

机器人前瞻：融资进展和上市规划如何？

李卫铳：我们融资融得比较慢，因为公司ToB属性很强烈，过去的发展主要依靠自身经营积累。

无论过去做自动化还是软件，我们都是把客户服务好，让客户愿意把钱付给我们。

这两年开始引入资本，并不是因为突然需要依靠融资才能让公司运转，而是因为具身智能这一阶段，模型、算法、硬件都需要高强度投入研发和产业协同。

供应链里的产品可能并不成熟，但已经是当下比较合适的解决方案。我要不要先把它买回来使用，有问题再和合作伙伴一起解决？双方都需要投入测试成本和人力。

过去公司每年赚一两千万元，可以维持正常发展，但要进行高强度研发和产业协同，远远不够。我们的理解是“用资本换时间”。

我们的目标是，在提交上市材料前成为一家40亿至50亿元估值的企业；整个过程中预计融资5亿至8亿元，分别在不同轮次完成。上市规划方面，希望在2030年前完成。

之前的投资机构里，白云金控、白云资管是我们接触的第一家投资机构。我们本身就是从白云走出来的企业，双方价值观比较一致，推进也比较快。

机器人前瞻：那你如何看待当下的行业阶段？人形机器人距离在工业场景普及还有多久？

▲李卫铳（来源：里工实业）

李卫铳：我认为不会有一个统一的“人形机器人爆发年份”，不同场景会分层。

仓储物流已经进入，未来两三年，会越来越多机器人进入物理世界去工作，尤其是在工业场景。

精密组装、复杂操作可能没有那么快，养老服务可能会更慢，因为家庭和养老属于更加开放的世界，复杂程度更高。

可以参考智能手机以及电动汽车的替代过程。电动汽车发展了十年，最近两三年才看到加速过程明显变快。所以，五年可能会是一个相对可以观察的阶段。

至于泡沫，只要某项科技热起来，无论机器人还是过去的智能驾驶，都出现过类似现象。

我更倾向于从“能力”角度看。过去几年解决的是“机器人能不能动”，今天大家更关心“机器人能不能干活”。

机器人进入什么场景、干什么活、成功率是多少、能持续干多久、换一个任务还能不能干、多久能收回投资，这些才是大家真正关心的问题。

所以行业正在从“能力展示”转变为“能力经济学”，就是你的能力能不能变成现金流。

机器人前瞻：那么下一个阶段的竞争核心是什么？

李卫铳：绕不开经济这个话题，因为工业场景就是投入产出比的问题。

下一个阶段不是单点技术的竞争，也不是爆发力的竞争。跳得高、跑得快当然重要，它能够推动上游零部件成熟和能力提升，但真正需要解决的是，谁能把真实任务、模型、技能融入整个大的生产系统，把一切都调好、连接起来。

我们自己更关心的指标是：第101个场景是不是比第一个场景更容易做了，能不能让落地成本更低、部署更快、更聪明。

如果每一个项目都像做装修一样，完全非标地重新做一遍，那么无论是数据、skill还是模型，都很难形成真正的沉淀。

机器人前瞻：过去两年，你个人哪个判断被现实修正得最多？

李卫铳：第一，我们当时高估了人形机器人硬件的精度和稳定性。

运动能力强，不代表持续精度高，这两件事并不是一回事。一个投篮球的运动员，双手肌肉非常强壮、爆发力很好，但他是不是就能做绣花针的功夫？不一定。

当时我们看到人形机器人的运动能力很强，觉得它可以支撑更高的精度和稳定性，这一点后来被现实修正了。

第二，以Transformer为能力核心的LLM模型或技术框架，并不足以成为具身智能模型合适的方向。

大模型出来之后，大家都很欣喜，觉得AGI要来了，甚至认为Transformer几乎是AGI的唯一路径。

但发展到今天，我们依然发现AGI离得很远，研究界也存在不同观点，有些人并不认为Transformer能够带来真正的AGI。

但我还是积极看待这件事情。

每一种技术浪潮下面，不可能只有一种技术独大。技术路线本身会不断演进，真正重要的是动态响应能力。

机器人前瞻：既然AGI还很远，具身智能凭什么能够普及？

李卫铳：具身智能是不是要等到AGI实现之后才能进入场景，我认为两者并不强相关，甚至可以解耦。

具身智能不一定需要等到AGI出现之后才能开始场景应用。一个技术从简单能力逐步走向复杂能力，本来就是一个渐进过程。

从用鸽子传递信息到今天的电话通信，也是一步一步发展过来的，并不存在一步到位。

我相信具身智能未来也不会一步到位。只要能够从一个个真实场景开始，把机器人真正变成生产工具，很多能力就可以逐步积累起来。