近年来，随着人形机器人和具身智能技术的兴起，工业领域迎来了新的变革契机。然而，尽管概念火热，工业场景的复杂性却让技术落地充满挑战。真正进入工厂后，企业发现，Demo演示的成功并不等同于系统能在实际生产中长期稳定运行。这种现实促使行业将关注点转向更实际的问题：哪些场景可以真正落地？客户为何愿意买单？投资回报率如何计算？
在这一背景下，微亿智造成为值得关注的企业之一。作为一家专注于工业具身智能的公司，微亿智造从早期就将AI感知技术引入机械臂，并逐步扩展至执行、决策和反馈等环节。其目标不仅是让机器人完成固定动作，而是使其能够在复杂、非标准化的工业现场中理解任务、判断状态并稳定作业。目前，该公司的技术已应用于外观检测、焊接、打磨和装配等多个环节，并开始向物流场景的分拣和码垛等任务延伸。
尽管微亿智造的产品在外形上仍以机械臂为主，但其核心在于通过AI技术赋予机器人“大脑”。例如，在为大型一体化压铸件提供检测和打磨服务时，传统机械臂需要按固定轨迹运行，耗时一小时且无法处理缺陷位置的变化。而微亿智造的工业具身智能机器人通过飞拍技术，在5分钟内完成3000个点位的拍摄，并利用算法自动生成点位和轨迹，大幅提升了效率。这种“看见—判断—处理”的能力，正是传统自动化与工业具身智能的分水岭。
在装配任务中，微亿智造的技术优势更加明显。其具身智能装配机器人可以通过一次视觉示范理解操作流程，并用双臂协同完成任务。这一能力显著降低了客户的示教成本，满足了柔性生产的需求。机器人还能应对现场的不确定性，例如零件被拿走后自动重新寻找，或轨迹被阻挡时绕行。这些能力是传统机械臂难以实现的。
微亿智造董事长兼CEO张志琦表示，工业场景中的任务可分为技术工种和普工两类。技术工种的知识往往掌握在老师傅手中，需要通过规则引擎、目标对象理解和轨迹规划等技术实现。而普工任务，如码垛和分拣，则更适合部署端到端技术，通过大量生活数据训练泛化性更强的模型。目前，微亿智造已在物流场景的无序码笼任务中开展项目验证，并不断积累数据以优化模型。
尽管VLA（视觉语言动作）技术被认为具有泛化性，但张志琦认为，至少在未来三五年内，技术工种场景仍难以被VLA替代。原因之一是VLA的精度不足，例如在CNC上下料场景中，误差需控制在0.1毫米以内，这是当前VLA技术难以达到的。因此，微亿智造选择根据场景需求选择合适的技术框架，而非盲目追求大模型。
在客户拓展方面，微亿智造不仅在新能源汽车和3C消费电子等领域持续获得订单，还开始布局海外市场。张志琦透露，未来两三年内，海外收入占比有望达到20%至30%。技术上，公司下一步将重点打通触觉能力，以应对插拔和理线等复杂任务。目前，微亿智造已在霍尔和视触觉技术上开展前沿研究。
当被问及未来竞争格局时，张志琦认为，传统工业机械臂公司、工业具身智能公司和追求泛化AGI的具身智能公司各有优势。短期来看，自动化公司仍是主要竞争对手；但中长期来看，做得越来越不像人形的机器人公司可能更具潜力。他强调，工业场景的核心是解决问题，而非追求人形外观。多一个关节或自由度，都会大幅增加计算和算力需求，而工厂更关注实际效果。
对于市场宣传中夸大技术能力的现象，张志琦表示，过去投资人可能被机械本体或人形外观吸引，但现在更关注AI在其中的核心作用。微亿智造的目标是通过持续研发，推动工业具身智能技术的落地，而非仅完成项目交付。他希望外界能理解，有“大脑”的机械臂与传统机械臂存在本质区别。
