文章核心观点 - 霍尼韦尔推出面向设施运营的自洽式智能体人工智能与仿真平台Forge Cognition，由英伟达和戴尔科技技术共同研发，适用于建筑、校园及工业运营等多种物理环境 [1] - Forge Cognition将实时数字孪生与人工智能智能体相结合，帮助运营人员全面掌握设施运行状态、模拟多种工况，并在现有各业务系统间实现自主协同，从而提升资产可靠性、能源效率及运营绩效 [1] 产品与技术 - 产品名称为Forge Cognition，定位为面向设施运营的自洽式智能体人工智能与仿真平台 [1] - 该平台由英伟达和戴尔科技的技术共同研发 [1] - 适用场景包括建筑、校园及工业运营等多种物理环境 [1] - 核心技术为实时数字孪生与人工智能智能体的结合 [1] 功能与价值 - 帮助运营人员全面掌握设施运行状态 [1] - 支持模拟多种工况 [1] - 在现有各业务系统间实现自主协同 [1] - 提升资产可靠性、能源效率及运营绩效 [1] 行业动态 - 2026可持续全球领导者大会将于10月20-22日在上海黄浦江畔举办 [1] - 大会邀请诺奖、图灵奖得主现场讲述科技未来与趋势 [1] - 麦克法兰与项飙将在大会现场对话 [1]

文章核心观点 - 人形机器人在才艺表演赛道已卷到头，但真正能兑现价值、检验机器人成色的地方在工厂 [2][3] - 工厂考核机器人的标准不是动作惊艳程度，而是能否替人干活、成本是否算得过来、稳定性和配合能力 [3][7] - 具身智能让自动化长尾中“算不过账”的零碎活有了重新算账的可能 [8] - 工厂零容错与AI需试错学习之间存在天然矛盾，试错必须搬到虚拟环境中进行 [13][14][15] - 单台机器人上岗后，规模化管理的核心难题是一百台怎么管，需要统一调度系统和行业标准 [20][22][23] - 行业真正稀缺的不是单机智能，而是让一群机器人在工厂里协同干活的系统能力 [24] - 衡量行业真实进度的标尺是教会新技能是否更便宜、部署第二台是否更快、进新工厂是否少交学费 [25] 自动化工厂的缝隙与自动化长尾 - 电子厂SMT车间贴片机以每秒几十次速度打元器件，精度以微米计，但装满物料的料箱仍靠人一箱一箱搬，转运工人一个班步数能到一两万 [6] - 一条专门自动化产线前期投入巨大，建成后只能干一件事，回本取决于量足够大和产品不轻易变，如汽车厂焊装车间机械臂一台车卖几十万辆、同一套动作重复几十万次账才算得过来 [7] - 制造业更多场景是多品种、小批量、换型频繁，为其中任何一件单独搭建自动化产线都是亏损，工业界称之为自动化的长尾 [7] - 西门子数控（南京）有限公司总经理周郁荣举例给自动化线体补料，背后是规划编程、硬件控制、信号对接、软件开发一整套，成本高得很，原话是“很不经济” [7] 具身智能在工厂的选型与试点 - 具身智能两个特点对准半结构化场景：能自己拿主意不用工程师逐条写程序，能感知环境随时调整 [8] - 南京工厂（SNC）场景多品种、小批量、换型频繁，选型时关心换地方能否接着干、一台机器能否干几种活、能否不依赖工程师逐条编程、能否和现有PLC顺畅配合 [8] - 最终选型没有选双足机器人，而是选择轮式机器人，因为双足站着就要不断调整身体维持平衡，平衡上消耗的每一度电都从续航里扣，工厂地面平整绝大多数任务用不上双足特殊动作 [8] - 轮式机器人省电、走得快、续航长，试点方案双臂加起来能承重50公斤，被安排承担SMT产线线头线尾的料箱搬运 [10] - 教机器人干活成本松动：人先遥操作示范大约4小时采集真实动作，再让大模型在虚拟环境里举一反三推演各种抓取角度和姿态，一周备齐数据、两周跑通流程、从零开始三周上下掌握“识别、抓取、放置”整套技能，真实数据量比传统训练少得多 [10] - 西门子方面说明这只是试点场景下的阶段性结果，模型和硬件还在迭代，效率还会往上走 [11] 工厂零容错与试错搬进虚拟世界 - 具身智能通过后训练、强化学习在一次次尝试里自己摸索最优动作，但工厂最不能容忍犯错，一次掉料整条线可能停下来，一次机械臂冲过头一套模具可能报废 [13] - 西门子中国研究院院长朱骁洵表示，没有一家工厂愿意把自己的产线变成一个让AI试错的试验场 [13] - 技能泛化和稳定天然矛盾，AI越强越爱自己琢磨新办法，工厂要的是老办法永远可靠，工业场景是零容错的，跟消费场景完全不一样 [14] - 在Process Simulate工业仿真软件里，不同品牌不同形态的机器人进厂前先在虚拟车间里“考”一遍，路线会不会撞设备、节拍跟不跟得上、有人走近能否及时降速停下、一直搬运会不会发热、什么时候该去充电，这些问题在虚拟世界里先跑几十万遍才轮到真实产线 [15] - 西门子把数字孪生和NVIDIA Omniverse打通，搭出逼真的虚拟工厂，用合成数据补充训练 [15] - 周郁荣表示真正让机器人成长的不是海量正常运行数据，而是试错数据，采一万次正确动作不如让它记住一次失败 [17] - Smart Detection平台持续记录工人实际操作，提炼成机器人可以反复调用的技能包，过去一个工人退休经验就跟着走了，现在这些经验能沉淀下来换个场景接着用 [17] - SNC安排很克制：先干粗重重复的搬运，再去有异味、高压的环境，等灵巧手成熟最后才碰怕静电、怕油脂的精密装配，不抢跑也不跳步 [18] 多台机器人协同与调度系统 - 工博会西门子展台留出约3米×6米区域，摆了一台数控机床、一台轮式具身智能机器人和一张放料盒的桌子，机器人抓取长约150毫米、外径25毫米、重约500克的滚柱丝杠螺母样件完成模拟上料 [20] - 机器人没有自己决定什么时候出发，也没有判断机床什么时候开门，抓零件是它的本事，但什么时候出发、门什么时候开、干完回到哪，由身后的调度系统SIMOVE Fleet Manager安排 [20] - SIMOVE Fleet Manager能调度车间里成百上千台移动设备，AGV、AMR、轮式、双足机器人都能统一管，基于VDA 5050开放标准，不同厂商设备不用各说各话 [22] - 统一调度真正值钱的地方不是能连上多少台机器人，而是第二台的部署比第一台更快，换一家机器人厂商也不用把前面的工作推倒重来，接入成本降下来规模才上得去 [22] - 朱骁洵讲制造业做了十几年两化融合，自动化和信息化至今没有完全打通，现在又来了会自己走路、自己拿主意的自主机器人，一台机器人接一台机床工程师可以逐项调通，一百台不同品牌不同形态的机器人同时干活只能靠系统和标准 [22] 行业标准与产业链协同 - 西门子和机械工业仪器仪表综合技术经济研究所花了两年多，牵头制定新的国家标准GB/T 47859—2026《智能工厂生产系统可重构建模规则》，给传统IT、OT系统和未来自主系统立一套能彼此沟通的语言 [23] - 朱骁洵说这相当于给具身智能机器人加上一个语言上的约束，跟很多机器人厂商聊下来发现大家痛点高度一致，需要有人帮他们把自主机器人接进传统自动化体系 [23] - 南京的试点已经在把正在做POC的机器人本体纳入标准体系 [23] - 定标准是这个行业最没有流量的事，但没有它每接一台新设备都得重新定制开发，设备越多反而越乱，机器人能不能成批进厂恰恰取决于这种不起眼的地基 [23] - 舍弗勒具身智能机器人（太仓）有限公司总经理孙海天把链条分成三段：模型和硬件结合造出本体，针对场景做二次开发，再和现场深度结合落地 [24] - 舍弗勒在全球有一百多家工厂，本身就是机器人的客户，同时是零部件供应商、自动化方案商，还要管全生命周期的服务，连这样的公司都要以多重身份进场，链条每一环的成本和门槛可想而知 [24] - 过去几年具身智能行业把大部分聪明才智花在让机器人自己动起来上，单机智能正在变得过剩，真正稀缺的是让一群机器人在工厂里一起干活的系统能力 [24] 行业真实进度与规模化判断 - 泛化和稳定的平衡题没有完全解出，南京工厂的机器人也还在概念验证阶段 [25] - 看清行业真实进度需要换一把衡量标尺：教会它一个新技能是不是比上次更便宜了，部署第二台是不是比第一台更快了，让它进一座新工厂是不是能少交一次学费 [25] - 这些问题的答案比发布会上的任何动作都更接近真相，答得好规模化是迟早的事，答不好动作再精彩也只是演示 [25] 产业自我制造与平凡时代 - 工博会上展台机器人反复搬运的滚柱丝杠螺母，是机器人自己关节里最吃精度的零件，它在搬的是制造机器人的零件 [27] - 展台另一头搭载SINUMERIK 828D的机床正在加工这类零件，旁边的动画里SIMOVE EMS总装方案在把机器人的双臂和腿足组装起来 [27] - 这个产业已经开始学着制造自己，只是做得安安静静没人注意 [28] - 当机器人开始日复一日地补料、送料，到点自己去充电，动作平淡没有任何戏剧性，它才算真正开始工作 [28] - 属于机器人的“平凡”时代才刚刚开始 [29]

核心观点 - 松下机电株式会社产业元器件事业部工业自动化系统BU在2026中国国际工业博览会期间举办发布会，全面阐述松下FA面向AI时代的事业布局与创新增长战略 [1] - 中国已从松下FA的重要市场跃升为加速事业进化的创新前沿阵地 [1] - AI和半导体产业的快速增长正推动制造设备向更高精度、更高效率升级，松下FA的事业组合正从传统制造业向AI及半导体相关市场稳步拓展 [1] - 公司不会盲目乐观于“AI超级周期”，将通过强化电子半导体、汽车、新能源、物流等广泛产业客户的关系夯实事业根基 [1] - 公司希望将在中国锤炼的技术实力与开发速度反哺全球，助力中国制造业客户走向世界 [1] 战略主题与业务表现 - 松下机电（中国）工业自动化系统BU事业企划中心高级总监施琳发布“智造中国、链动全球”的战略主题 [3] - 战略核心是通过感知-驱动-控制全链路商品与方案服务深度嵌入AI时代的智能制造，同时实现从“在中国制造”到“在中国研发、服务全球”的跨越 [3] - 松下FA自动化业务在2026年上半年延续了此前连续两年的高增长势头，全年多项营收指标预计将大幅刷新纪录 [3] - 公司系统阐述了基于Speedy、Simple、Suitable的“3S”价值理念和“同一底座的双增长曲线”战略 [3] - 既有FA自动化事业持续向系统方案提供商转型，同时在具身智能核心部品、AI服务器冷却等新领域培育第二增长曲线 [3] 产品开发与技术路线 - 松下机电（中国）工业自动化系统BU MC商品开发中心高级总监西山雅章将制造业变革归纳为两条主线：向上的数字孪生与数字化工程，以及向下的全生命周期成本力优化 [5] - 面向客户“五高”性能要求与成本运营诉求，松下的回答是两个方向的升级——AI融合与技术服务体系升级 [5] - 西山雅章发布了运动控制产品的最新路线图，包括即将上市的远程I/O GME0系列和FP-XN系列PLC等新品 [5] - 松下机电（中国）工业自动化系统BU FAD商品开发中心桥谷浩介绍中国FA传感器业务的产品战略，表示自去年以来战略方向保持不变，继续以3S价值理念稳步推进各品类主力传感器战略 [7] - 今年计划进一步扩充多款通用传感器、位移传感器和光纤传感器，涵盖半导体、3C、汽车和生物医药四大关键行业 [7] 解决方案与客户成果 - 松下机电（中国）工业自动化系统BU客户运营中心高级经理陈畅分享松下自动化解决方案的战略成果 [9] - 设备厂商普遍面临开发周期长、工艺算法门槛高、项目风险不可控等挑战 [9] - 松下自2022年推出GM系列运动控制产品并确定方案型销售方向，经过三年积累，截至目前已在六大重点行业累计新增33个成功案例，其中半导体与AI关联设备占比超四成 [9] - 2026年起松下将启动“SOL+AI”的新世代技术路线，让AI贯穿方案开发、验证与应用全生命周期，力争到2030年方案型销售占比达到50% [9] AI服务器液冷解决方案 - 杭州松下马达有限公司能源·产业事业群执行长刘裕午带来松下预研中的新一代AI服务器液冷解决方案 [9] - 随着AI芯片从Hopper、Blackwell向后续平台演进，单机架功率正从几十千瓦向百千瓦乃至兆瓦级跃升，冷却系统已从配套设备升级为影响数据中心建设效率与运营能力的关键环节 [9][10] - 松下将凭借在电机、流体和制造领域的长期积累，以屏蔽式结构降低外泄风险，支撑AI数据中心“365×24×60秒”的连续运行 [10] 集团战略与财务表现 - 松下机电株式会社总裁小泽正人在压轴致辞中透露，2025财年PID社的利润率创下公司成立以来的新纪录 [11] - 增长的关键在于围绕AI事业领域沿产业上下游布局丰富产业生态并形成协同效应 [11] - 小泽正人将中国定位为松下集团AI战略的主战场，认为中国在AI产业链中扮演着制造枢纽、超级应用场和创新引擎三种不可替代的角色 [11] - 公司正在脚踏实地推进三件事：创造以客户为中心的独特价值、对中国扩大人力物力资源投入、与中国AI潮流价值共创 [11] - 矢志让产业元器件中国区事业成为驱动全球发展的核心引擎 [11]

文章核心观点 - 松下机电株式会社产业元器件事业部在2026中国国际工业博览会期间举办发布会，全面阐述松下FA面向AI时代的事业布局与创新增长战略 [1] - 中国已从松下FA的重要市场跃升为加速事业进化的创新前沿阵地，松下FA事业组合正从传统制造业向AI及半导体相关市场稳步拓展 [3] - 松下FA自动化业务在2026年上半年延续了此前连续两年的高增长势头，全年多项营收指标预计将大幅刷新纪录 [6] - 松下机电株式会社2025财年PID社的利润率创下公司成立以来的新纪录，增长关键在于围绕AI事业领域沿产业上下游布局丰富产业生态并形成协同效应 [18] - 中国被定位为松下集团AI战略的主战场，在AI产业链中扮演制造枢纽、超级应用场和创新引擎三种不可替代的角色 [18] 战略主题与业务布局 - 松下机电(中国)工业自动化系统BU发布“智造中国、链动全球”的战略主题，核心是通过感知-驱动-控制全链路商品与方案服务深度嵌入AI时代的智能制造，同时实现从“在中国制造”到“在中国研发、服务全球”的跨越 [6] - 公司系统阐述了基于Speedy、Simple、Suitable的“3S”价值理念和“同一底座的双增长曲线”战略，既有FA自动化事业持续向系统方案提供商转型，同时在具身智能核心部品、AI服务器冷却等新领域培育第二增长曲线 [6] - 公司将通过强化电子半导体、汽车、新能源、物流等广泛产业客户的关系夯实事业根基，并希望将在中国锤炼的技术实力与开发速度反哺全球，助力中国制造业客户走向世界 [3] - 公司正在脚踏实地推进三件事：创造以客户为中心的独特价值、对中国扩大人力物力资源投入、与中国AI潮流价值共创，并矢志让产业元器件中国区事业成为驱动全球发展的核心引擎 [18] 产品与技术路线图 - 制造业变革被归纳为两条主线：向上的数字孪生与数字化工程，以及向下的全生命周期成本力优化 [8] - 面向客户“五高”性能要求与成本运营诉求，松下的回答是两个方向的升级——AI融合与技术服务体系升级 [8] - 公司发布运动控制产品的最新路线图，包括即将上市的远程I/O GME0系列和FP-XN系列PLC等新品 [8] - 中国FA传感器业务自去年以来战略方向保持不变，继续以3S价值理念稳步推进各品类主力传感器战略，今年计划进一步扩充多款通用传感器、位移传感器和光纤传感器，涵盖半导体、3C、汽车和生物医药四大关键行业 [10] 解决方案与AI融合 - 设备厂商普遍面临开发周期长、工艺算法门槛高、项目风险不可控等挑战 [12] - 公司自2022年推出GM系列运动控制产品并确定方案型销售方向，经过三年积累，截至目前已在六大重点行业累计新增33个成功案例，其中半导体与AI关联设备占比超四成 [12][13] - 2026年起公司将启动“SOL+AI”的新世代技术路线，让AI贯穿方案开发、验证与应用全生命周期，力争到2030年方案型销售占比达到50% [13] AI服务器液冷解决方案 - 随着AI芯片从Hopper、Blackwell向后续平台演进，单机架功率正从几十千瓦向百千瓦乃至兆瓦级跃升，冷却系统已从配套设备升级为影响数据中心建设效率与运营能力的关键环节 [15] - 公司将凭借在电机、流体和制造领域的长期积累，以屏蔽式结构降低外泄风险，支撑AI数据中心“365×24×60秒”的连续运行 [15]

行业投资评级 - 报告未提供行业投资评级 [4][6] 核心观点 - 流程工业制造商在提升盈利能力、提高资本效率及实现可持续发展方面面临持续压力，需利用智能制造、工业4.0和工业物联网等数字技术实现转型 [6] - 横河电机将工业自主化定义为具有学习和适应能力的工厂资产和运营，可在最少人为干预下做出响应，使操作员负责更高级别的优化工作 [15][21] - 数字技术是实现制造流程自我优化和工业自主化的核心 [15][21] - 横河电机认为对于许多最终用户而言，自主运营是实现智能制造的最终目标 [31][37] - 智能制造需要应用最新技术、集成信息系统和数字孪生等应用，将过程、设备、技术和人员有机联系，以实现稳定、可持续和可盈利的运营 [54] 背景 - 数字技术的快速发展和广泛应用有助于提高制造业的效率和竞争力，数字化已成为支撑许多组织生存发展的战略要务 [8][13] - 自数码相机问世以来，相机胶卷市场已大幅萎缩甚至被数码相机取代 [8][13] - 由于供应链改革和一对一互联网营销，一些主流IT制造商已在PC制造业的激烈竞争中脱颖而出 [8][13] - 变革的发生速度意味着制造商必须通过应用数字技术和提高数据利用率来不断变革业务，提高竞争力，观望转型并非明智选择 [8][13] - 市场和行业必须改变其审视自己和运营的方式，需要广泛采用数字技术，实现比各传统组织更高的灵活性和敏捷性 [8][13] - 纵向和横向整合以及其他协作方式是进行这些尝试的重要推动力 [8][13] - 数字化转型定义为使用数字技术加速公司业务战略的新方式，通过应用数字技术赋予人员权力、优化过程并实现组织系统的自动化，从根本上调整业务绩效 [10] - 数字化转型还需考虑领导力、新技能和变更管理等问题，确保成功实现 [10] - 通过整合数据和业务流程并互联工作人员和管理人员，数字化转型可以创造价值 [11] - 流程工业数字化转型成熟度模型涵盖业务策略和流程、员工和文化、IT/OT联合、数据状态、技术状态等维度，从脆弱、稳定且可重复的操作、可操作、行业领先的效率优化到可持续且自主化 [12] 从工业自动化到工业自主化(IA2IA) - 工业自动化为流程工业带来了巨大收益，横河电机通过利用其流程工业知识帮助多个操作实现了自动化和无人操作 [15][21] - 流程行业将通过重点发展创新领域进一步推进工业自主化，如预测性维护、智能能源消耗、路径灵活性、远程监控、人机协作、数字化绩效管理、实时供应链优化、先进过程控制、数字化质量管理和数据驱动式需求预测 [15][21] - 工业自动化执行一系列高度结构化的预定义任务，每项任务都需要人为监督和干预以防出现错误 [16][20] - 人员必须在预定义任务之间执行其他临时任务，最终安全且可盈利地完成整个过程 [16][20] - 有些流程需要大量人为监督和干预，如启动、关闭、牌号切换、质量控制调整和异常情况管理 [16][20] - 与工业自动化相比，工业自主化通过增加智能传感和人工智能层级，预测并适应已知和不可预见的情况，无需持续的人为干预 [18] - 在完全自主的运行中，工业自主系统负责从启动到关闭的所有操作 [18] - 在工厂内，任何过程或操作都可以实现自主运营，包括操纵和控制过程以及执行制造操作步骤、计划和调度、供应链活动、利润优化和合规性措施 [18] - 还可以实现装置、设备、单元和业务系统（理想情况下是整个工厂）的自主运营，每个设备都具有自主意识并能理解和适应其操作环境 [18] - 工业自主化成熟度水平包括自动化、半自动化、半自主、自主运营、自主编排、共生自主等阶段 [19] - 自主运营之旅的客户收益包括提高安全性效率和可用性、利用数据提高效率、不同业务和功能的集成、企业生态系统集成、优化跨行业的生态系统、打破孤立共享信息提高盈利能力、实现安全和更高效的操作、提高生产率、实现更好的协作和产品优化、创造新业务机会、价值链优化、公司之间无障碍 [19] - 一些具有前瞻性的公司已开始考虑自主运营，也有一些公司正在推进无人值守的远程操作 [23] - 对于现场操作而言，意味着从缺乏自主性（人工执行所有任务）过渡到中级自主性（系统识别任务并指导操作员操作，提供完成各项任务的方法指导）[23] - 在实现自主化的过程中，必须将手动任务转换为全自动任务，只需在特殊情况下进行人工操作，完全自主的操作无需人为干预 [23] - 机器人技术可以发挥关键作用，执行所有必要的现场操作和维护任务 [23] - 流程工业制造商应尽快实施工业自主化，提高生产率、灵活性和盈利能力 [23] - 工业自主化还可以减少人为失误，使人员远离危险环境，有助于弥补因大量人员变动而造成有经验工人流失的情况 [23] - 在某些行业，短时间内很难实现完全自主运行的工厂，但预计可以根据应用、需求和成本/收益比实现某些功能的自主化 [23] - 随着工厂人员在工作时掌握了自主系统的使用方法，人为干预和决策将继续发挥重要作用 [23] - 横河电机帮助流程工业制造商连接其价值链的重要组成部分，从而在工业自主化的过程中实现更高效、更智能的制造 [24] 流程工业中的智能制造 - ISO和IEC定义的智能制造为：通过在网络、物理和人员领域中综合、智能地使用流程和资源来创造和交付产品和服务，并与企业价值链中的其他领域进行协作，从而提高其绩效方面的制造 [26] - 绩效方面包括敏捷性、效率、工厂安全、网络安全、可持续性或企业确定的任何其他绩效指标 [26] - 除制造外，其他企业领域还可以包括工程、物流、市场、采购、销售或企业确定的任何其他领域 [26] - 智能制造包含制造运营的数字化转型，适用于流程工业 [26] - 横河电机提供端到端的解决方案，涵盖从原料采购到产品交付的整个供应链价值链，以及从计划、设计、建造、试运行、启动到生产/制造和维护的设施和过程资产生命周期 [26] - 通过将一流的领域知识与100多年的行业专业知识和生产自动化解决方案相结合，横河电机在优化资产生命周期、生产和完整的供应链方面拥有经过验证的成功案例 [26] - 智能制造的范围广泛，是一段发展历程，IIoT和云级别的工厂和企业外的连接可以提供包括供应链信息在内的数据无缝集成，从而实现智能制造 [29][35] - 为了实现智能制造，不仅需要在新技术可用时引进新技术，还需要根据对未来的一致愿景以及对现状和问题及其预期结果的分析，确定采用各解决方案的优先顺序 [30][36] - 通过根据各流程工业制造商的业务环境使用各种方法来实施智能制造计划，横河电机可以与流程工业制造商进行合作 [30][36] 整个供应链和工厂资产生命周期的信息集成 智能制造信息集成的问题和解决方案 - 实现智能制造会面临很多问题，如由于网络安全要求、授权员工的相关组织问题、信息不一致、需求预测的准确性和其他问题，很难实现系统之间的集成 [34] - 从更广泛的角度来看，有很多无法内部解决的问题，如经济和市场的急剧变化 [34] - 虽然有很多现有的智能制造技术，但是尚未建立简单通用的方法来确定实现智能制造所应用的技术 [34] - 横河电机通过将流程、技术和人员相关联，可以为流程工业制造商提供支持，从而实现智能制造 [34] - 横河电机相信，通过将系统和数据、预测性和快速行动进行集成并采用数字孪生等最新技术，可以实现智能制造 [34] - 为了将数据转换为信息，组织需要获取准确可靠的数据，并通过将其转换为可用且有价值的信息来更快地进行利用 [40][44] - 该目标很难在分级的系统、通信和组织中实现，通过建立纵向和横向集成并对信息进行分析，流程工业制造商实现目标的能力将大大提高 [40][44] 智能制造需要通过数字化转型平台实现安全无缝的系统集成 - 为了实现智能制造，无论组织将其数据存储在内部还是在云端，横河电机提供的解决方案都可以测量工厂数据并将其转换为有价值的信息和情报 [41][45] - 系统的无缝集成非常重要，IIoT和云级别的工厂和企业外的连接可以实现业务、生产和供应链数据的无缝集成 [41][45] - 过程制造操作的构建和设计包含各种关键任务设备、控制系统和人机界面，大部分项目都包含软件并要求某种形式的系统集成 [41][45] - 常见项目包括集散型控制系统、安全仪表系统、储罐计量系统、可编程逻辑控制器和其他自动化组件 [41][45] - 这些组件从仪表、分析仪和其他现场设备接收输入信号，通过将软件逻辑应用到这些输入信号，可以将输出驱动到阀门、电机和其他设备 [41][45] - 对于基建项目，大多数设计工作都是一次性提前完成的，在整个过程工厂运营生命周期中有很少或没有正式的更改计划 [41][46] - 为了支持长期的灵活性以及持续的资产和技术更新，OT架构正朝着开放、模块化和可互操作且具有强大网络安全性的框架发展，如开放流程自动化论坛框架 [41][47] - 这样可以将用于控制的硬件与执行控制功能的软件进行解耦，使用少量的商用现有IT硬件也可以创建完全不同的自动化系统架构，从而创建新一代的先进自动化软件 [41][47] - 这种新方法将在工厂车间创建高度的互操作性，公司更为广泛的IT系统也同样需要具有互操作性，因此必须在整个企业范围内全面考虑软件架构 [42][48] - 需要一种新的混合架构将OT与IT系统进行集成，并研发未来的应用程序，横河电机将这种架构称为数字化转型平台，该平台也可以用于连接IIoT设备和基于云的系统 [42][49] - 边缘系统是OT与IT融合的重要起点，通过将内部或基于云的工程和解决方案应用程序的边缘和云数据相结合，可以实现理想的数字化解决方案 [42][50] - 利用DX平台创造新机遇，包括灵活和可扩展的连接性、可访问性、可用性和可持续性 [43] - 传统的连接需要布线和大量软件配置，会造成数据可用性成本较高，DX需要数据，具有灵活、可扩展且价格合理的特点 [43] - 通过集中部署数据、信息和应用程序，用户能够轻松安全地访问DX获取相关信息 [43] - DX解决方案经验证具有可靠性，结合企业内部保留的重要信息，解决方案具有可持续性 [43] - DX利用新型数字技术加强传统制造流程，推动制造业向前发展并解决效率低下的问题 [43] - 横河电机通过开发架构和应用程序充分利用数字技术（如AI、IIoT和基于云的应用程序），从而提高流程工业制造商的绩效 [43] - 横河电机还帮助流程工业制造商通过DX流程变革其绩效，从而带来新的增长机会 [43] 工厂资产信息和工程自动化的集成与管理的未来方向 - 横河电机提供的项目服务可以处理从设备到工厂层级的信息 [52][53] - 根据前端工程设计、详细设计、运营和报废的可行性研究，工厂资产设计可以每天更改 [52][53] - 在很多情况下，工厂数据针对各目标单独设计，但是这些数据应在整个资产生命周期中保持一致 [52][53] - 正在逐步推进相互利用这些数据的解决方案，并应该加快这些改进进程 [52][53] - 横河电机在不断扩展工程自动化和资产自动诊断 [52][53] - 将不同的工厂数据进行整合和管理，并将数据转换为信息、知识和情报，以便在整个资产生命周期中进行综合利用 [52][53] - 这将通过利用数字数据、建模技术、知识管理、数字孪生和信息集成来实现 [52][53] 结语 - 智能制造需要应用最新的技术、集成信息系统和数字孪生等应用，将过程、设备、技术和人员有机地联系起来，以实现稳定、可持续和可盈利的运营 [54] - 为此需要构建一个未来愿景，了解工厂车间运营的真实情况 [54] - 横河电机将与流程工业制造商共同创新，通过将组织的人员、系统、数据、服务、资产和供应链进行整合，实现敏捷和自适应管理，从而全面优化运营并持续创造价值 [54] - 横河电机的解决方案、应用程序和持续创新可以实现更高效、更智能的工厂运营，从而使公司业绩持续跻身前列 [54]

编者按 北京理工大学近期发布37项仪器设备采购意向， 聚焦高端制造与前沿表征， 预算总额达1.12亿 元，预计执行时间为2026年8月至12月。 近日，北京理工大学发布37项仪器设备采购意向，预算总额达1.12亿元，涉及生物材料跨尺 度多波长柔性制造系统、激光-电弧复合增材制造系统、多轴自动水浸超声检测系统、低温离子 阱系统、场发射电子扫描显微镜等，预计采购时间为2026年8~12月。 详细采购清单： 北京理工大学2026年8~12月 仪器设备采购意向汇总表 | 采 | | | | | --- | --- | --- | --- | | 购 | 需求概况 | 预算 | 采购 | | 项 | 万元 | | 时间 | | 目 | | | | | 增 | | | | | 材 | | | | | 制 | | | | | 造 | | | | | 金 | 增材制造金属件力学性能测试平台，主要指标包括：（ 1 ）可实现 | | | | 属 | 1000 ℃以上、 100Hz 以内的高频振动；（ 2 ）具备原位观测系 | | | | 件 | 统，可实时监测疲劳裂纹萌生与扩展；（ 3 ）具备疲劳寿命预测软 | | 2026 | ...

文章核心观点 - 工业依然是具身智能落地的主战场，节卡机器人在2026中国工博会上以“通用即未来”为主题，全球首发JAKA Zu50大负载协作机器人和JAKA Kargo50重载轮式人形机器人两款新品，围绕协作智能化、具身场景化和数据飞轮三条主线展示AI深入工业全链路的真实图景 [2] - 节卡机器人推动协作机器人从重复执行工具向懂一线工人需求的高价值伙伴进化，协作机器人或可是具身智能最早、最大规模的落地形态 [11] - 具身智能落地的长期壁垒是部署回流数据，节卡通过数据飞轮打通“现场作业-数据采集-模型更新-再部署”闭环，破解单点场景难以复用、规模化落地成本高的行业难题 [16] - 节卡通用智能机器人以真实场景定义产品，以工程能力保证稳定交付，从工业产线向商超零售、科研教育、生物化学、展厅导览与文娱舞台等多元场景拓展 [21] 具身工业落地：JAKA EVO变“演示”为“干活” - JAKA Kargo料箱搬运应用从某全球头部汽车零部件企业工厂现场调来，经研发团队驻场迭代优化，已实现一月内从105秒至28秒的单箱作业节拍，满足项目阶段性验收标准 [3] - 料箱场景原子技能从12个拓展至78个，同类全新场景部署周期从12个月压缩至57天 [3] - JAKA Kargo50重载轮式人形机器人首发，将已在工厂验证成熟的移动作业能力拓展至更高负载的工业场景；同期亮相的JAKA Zu50大负载协作机器人，进一步完善节卡从轻载到重载的全场景产品布局 [4] - 2025年节卡全球发布JAKA EVO具身智能操作系统，采用分层智能体架构：云端大模型负责视觉感知、任务规划、技能选择与异常决策；边缘端模型结合规则引擎负责动作规划与力控执行，并将垂域技能、原子技能和工艺经验沉淀为可复用资产；底层采用成熟运动控制算法，以1kHz响应保障稳定执行 [6] - JAKA EVO系统通过Skill将复杂长程任务转化为可执行的短程任务，以料箱搬运为例，智能体可自主完成目标识别、抓取点选择、避障、柔性夹持、力控取出、对位放置和自检等任务，并将工业工艺约束融入技能执行 [6] - 原有成熟技能可直接调用，缺失技能可通过数据采集训练快速生成，工程师也可根据现场需求自定义Skill、编排任务流程 [6] - JAKA EVO系统赋能JAKA Kargo实现单机ECU智能装配、服务器光模块双机协同插拔、新能源电机多机协同装配等差异化工业场景；JAKA S³移动作业机器人搭配JAKA AL系列机器人完成航天结构件锁螺丝 [7] - JAKA EVO已陪伴节卡具身产品家族深入12个标杆项目，在汽车、3C电子制造开展场景验证，满足工业现场对于节拍、安全、良率、稳定交付的严苛要求 [9] - 在长程多步骤作业测试中，取放、换手、精密装配这类约2分钟连续任务，仅需200条左右训练数据，长程任务作业成功率达85%以上 [9] 协作更智能：让十万台机器人懂需求 - 节卡机器人推动“人机协作”十年，当下希望让全球产线上的数万台协作臂“智能化”，从重复执行的工具变成懂一线工人需求的高价值伙伴 [11] - JAKA Zu50机器人配合节卡码垛工艺包，快速设置箱子尺寸、托盘尺寸及码垛样式，自动完成码垛，接电接气即可快速开机，30分钟内完成调试换产 [11] - 节卡发布基于JAKA Studio Pro虚拟仿真软件与离线编程软件的协作具身化应用范式，将JAKA Studio Pro融入AI能力，适用范围从项目前期仿真拓展到项目全生命周期的中期部署与后期换型 [13] - JAKA Studio Pro是与真机控制逻辑高度一致的仿真工具，支持应用在虚拟调试平台先进行全维度校验再部署实机，提前规避风险 [13] - 融入智能体平台后，AI驱动的任务理解与工作流自动生成能力大幅降低协作机器人的使用与开发门槛，智能体平台可实现基于场景模型语义的快速路径规划，仿真环境中的轨迹、节拍和逻辑数据可直接迁移至真实产线，构成高保真度的数字孪生底座 [13] - 节卡持续把工艺经验封装为Skill技能资产，特定箱型、特定托盘的垛型等传统工艺包存储的参数要点在适用条件下实例化参数并调用，让更换SKU时快速换型，同步提升作业质效并删减产线换型成本 [13][14] - 沉淀下来的Skill可持续复用到后续每一次部署中，并在过程中不断完善，让技能飞轮转动起来，用的越多沉淀越多，下一次部署越快 [14] - 节卡持续将十余年的场景Know-how经验与AI能力相嵌，推动成熟产业应用智能化提升，以车灯智能装配与检测一体化应用为例，JAKA S5力控机器人以六维力控与2D视觉完成电子元件柔性装配，力觉视觉协同、自适应调节补偿装配误差 [14] - JAKA A5L智能视觉感知机器人通过2D视觉、气压传感与多角度拍照，动态模拟装车场景，覆盖照明、光型、气密性等10余项检测，数据自动比对，检测效率提升3倍，AI融合检测准确率99%、误判率<2% [14] - 磁吸快换工装配合参数库联动，5分钟切换车型，满足混线生产需求，作业产能稳定 [14] 数据飞轮：让具身智能持续进化 - 节卡用JAKA K系列双臂人形机器人的数采演示，展示从真实物理交互中持续采集工艺数据、回流至JAKA EVO底座迭代技能模型，打通“现场作业-数据采集-模型更新-再部署”的数据飞轮 [16] - JAKA K系列机器人采用自研APEX系列一体化关节模组，覆盖数据采集、模型训练与任务执行全流程，是高质量数据的生产资料，当前已批量供给具身智能厂商和科研院校 [16] - JAKA-OTA云数中心与JAKA AiHub两大平台耦合联动、分工协同，一起驱动数据飞轮高速运转 [18] - OTA云数中心打通端云双向通道：负责任务规划、多模态数据安全采集上传，以及智能技能的灰度下发、远程运维与运行结果回传 [18] - AiHub作为模型与技能的锻造平台：聚焦数据治理、自动标注、分布式训练、仿真与真机评测、工业技能封装 [18] - 一采一炼、一发一收，形成“现场采集-平台锻造-下发部署-运行回流-迭代升级”的完整飞轮闭环，全流程可追溯可管控，有效压缩工业具身智能的落地周期，持续沉淀高价值的企业数字资产 [18] - 节卡部署在全球数万台通用智能机器人在产线上积累的带工艺标签的物理交互数据，尤其是工艺经验层的带扭力-位移曲线、工件层的来料批次信息、环境参数等数据，将进一步赋能JAKA EVO系统内的skill技能库，将真实产线部署中的标准化工序作业流程固化为可复用数字资产 [18] - 部署产生数据，数据提炼skill，skill反哺新任务，新任务带来新部署，JAKA K系列在现场采的每一条数据都是这个循环里的一格刻度，不断抬高下一台通用智能机器人的作业起点 [19] 通用即未来，落地就现在 - 节卡通用智能机器人除工业场景落地外，正在向更多领域拓展 [20] - JAKA π（派仔）应用落地延伸到公共与文娱场景，既有派仔与观众亲切交互下单，联动两台JAKA Lumi机器人系统完成机器人导购、自动分解任务、并行调度制作、拣选与配送等流程，同一平台覆盖商超与饮品店双业态 [21] - 展台各处派仔以灵活生动的肢体动作，可随时打断、对话的自然互动引观众纷纷驻足交流，舞台之上以四季为篇章，派仔身着东华大学设计服装翩翩起舞 [21] - 从汽车、电子、精密制造的工业产线，到商超零售、科研教育、生物化学等多元场景，再到展厅导览与文娱舞台，节卡通用智能机器人始终以真实场景定义产品，以工程能力保证稳定交付，以破界融合展现具身智能落地的核心竞争力 [21]

文章核心观点 - Bolt Graphics宣布其专为高性能计算、数字孪生和视频渲染设计的GPU Zeus已完成首轮测试，测试芯片是首款配备专用硬件执行麦克斯韦方程组的商用GPU架构 [1] - 最终版GPU预计2028年由台积电出货，测试芯片结果在性能和功耗方面均超出预期 [1][4] - 公司专注于模型/仿真、数字孪生和计算机图形学领域，通过差异化硅芯片实现最大性价比 [3][5] 产品架构与技术特点 - Zeus测试芯片为6平方毫米，采用台积电12纳米工艺制造，4月份完成流片 [4] - 最终版Zeus将采用台积电5纳米工艺制造400平方毫米芯片，基于芯片组架构并集成RISC-V CPU [4] - 公司特意选择台积电N5工艺而非N3或N2，以降低成本并确保充足供货 [4][5] - 公司从设计之初就决定采用N5工艺，并非先试N3发现太贵才放弃 [5] - Zeus设计了强大的矢量内核，提供大量FP64、FP32和FP16性能，以及INT16和INT8矩阵内核，还有专门用于麦克斯韦方程组的模块 [2] - 麦克斯韦方程组模块不使用Zeus的任何矢量核心或CPU功能，专门用于运行麦克斯韦方程组 [1] - 公司创始人兼CEO表示，Bolt基本上是将CUDA内核中实现的整个算法提取出来，制作成芯片中的固定功能模块来运行该内核 [1] 产品规格 - Zeus提供四种型号：1c26-032、2c26-064、2c26-128、4c26-256 [4] - 板卡功耗分别为120W、250W、500W [4] - FP64/FP32/FP16矢量tflops分别为5/10/20、10/20/40、20/40/80 [4] - INT16/INT8矩阵tflops分别为307.2/614.4、614.4/1,228.8、1,228.8/2,457.6 [4] - 片上缓存分别为128MB、256MB、512MB [4] - 内存配置：最高160GB@363GB/s（32GB LPDDR5X加2x DDR5 SO-DIMMs）、最高320GB@725GB/s（64GB LPDDR5X加4x DDR5 SO-DIMMs）、最高384GB@725GB/s或最高2,304GB@1.45TB/s（128GB LPDDR5X或256GB LPDDR5X加4x或8x DDR5 DIMMs） [4] - 路径追踪性能分别为77 gigarays、154 gigarays、307 gigarays [4] - 视频编解码支持AV1、H.264/265，分别支持2x、4x、8x 8K60流 [4] - I/O接口包括400 GbE（QSFP-DD）、2x PCIe 5.0 x16、DisplayPort 2.1a、HDMI 2.1b，最高型号支持6x 800 GbE（QSFP）和8x PCIe 5.0 x4 [4] 差异化设计理念 - 公司未采用AMD和英伟达常用的高带宽内存，而是选择LPDDR5内存，速度虽不如HBM但容量更大（超过1TB） [5] - 服务器和机架式解决方案均采用标准400G以太网连接，并为希望升级现有系统或自行组装机器的客户提供基于PCIe的GPU卡 [5] - 公司尽量避免使用过于复杂的技术，保持核心化以降低复杂性和风险，有助于轻松实现数百万台设备的规模化生产 [5] - 传统GPU供应商已将最新GPU重点转向AI工作负载，英伟达依靠Ozaki方案从低精度核心模拟FP64运算，AMD将GPU产品线一分为二 [3] - 公司高度专注于模型/仿真、数字孪生和计算机图形学领域，产品在高性能计算应用场景下表现更好 [3] 应用场景与目标客户 - 电磁模拟和物理计算是真正具有创新性的地方，这些算法常用于半导体设计 [1] - 公司目标是让用户通过构建完整的物理仿真解决方案，精确模拟世界上任何事物 [2] - 在硅芯片上运行麦克斯韦方程组消除了工程师在模拟单个组件和构建完整产品物理原型之间的权衡 [2] - Zeus及其专用麦克斯韦方程核心的潜在应用场景是进行光网络电磁分析，电磁仿真对光子芯片至关重要 [5] - 第一代产品不会采用共封装光学器件将GPU与光子器件集成，公司正在第二代产品中探索这个方向，但目前成本太高 [5] - 潜在客户包括政府实验室、企业、国家实验室、国防承包商、超大规模数据中心、电影制片厂、游戏工作室等 [6] - 终端用户对差异化的GPU和GPU系统方案非常感兴趣 [6] 行业背景与竞争格局 - 由于人工智能蓬勃发展及其对处理器、内存和存储设备库存造成的压力，硅产品成本飙升 [6] - 公司致力于打造一款GPU，在最大限度提升部分客户所重视的高端FP64性能的同时，尽可能降低其他成本 [6] - 英伟达和AMD在其GPU中采用台积电2纳米和3纳米工艺，而Bolt特意选择5纳米工艺以降低成本和确保供货 [4] - 传统HPC工作负载通常更倾向于使用大量双精度浮点运算，图形密集型工作负载更适合FP32和FP16 [2]