从数字AI到实体AI：人形机器人

近年来，企业界关于人工智能的讨论一直集中在数字化领域：对话助手、邮件自动化、数据分析、内容生成、AI代理、AI助手、聊天机器人、智能搜索引擎以及能够对海量信息进行推理的模型。

这一阶段仍然至关重要。事实上，许多墨西哥企业才刚刚开始整理其流程、数据和团队，以认真利用生成式AI。然而，当大部分市场还在努力理解如何使用数字AI助手时，下一波技术浪潮已经开始走出屏幕。

人工智能正在获得实体。

这正是关于人形机器人讨论的本质。我们并非仅仅谈论拥有人类形态的机器，也不是那些旨在社交媒体上吸引眼球的华丽视频。我们谈论的是一场更深层次的转型：从编写、推荐、分析和对话的AI，转向能够行走、搬运、检查、操纵、分类、组装、协助并最终在为人类设计的物理空间中操作的AI。

这个新前沿被称为实体AI。

尽管目前仍充满热情、诸多承诺以及不少夸大其词，但战略上忽视它将是一个错误。如今正在学习使用数字化AI来改进流程、减少摩擦和做出更好决策的企业，明天将不得不面对一个更具体的问题：智能系统能够辅助、自动化或重新设计哪些体力工作？

AI不再只是回答：它开始行动

数字化AI与实体AI之间的区别看似简单，实则改变了一切。

数字化AI可以起草提案、分析数据库、总结会议、制定商业计划或帮助销售团队优先处理潜在客户。其影响主要体现在信息世界。

实体AI则必须理解环境、在其中移动、识别物体、计算距离、操纵材料、避免事故、对人做出反应并适应不断变化的情况。

这要困难得多。

在计算机中，一个错误可能只意味着一个错误的答案。但在工厂、仓库、厨房、医院或家中，一个错误可能意味着跌倒、碰撞、部件损坏、操作中断或对人身造成风险。因此，人形机器人的发展不应仅仅被视为一项技术新奇事物，而应被视为智能、工作和生产力之间关系的一个新阶段。

如今，主要的用例并不在家用领域，尽管公众的想象力大多集中于此。真正有前景的初期应用场景在于制造业、物流、配送中心、检查、物料搬运和工业环境中的重复性任务。

原因很明确：在这些空间中，存在可衡量流程、结构化任务、更容易计算的投资回报以及对生产力的持续需求。

2026年：从原型到工业试点

2026年正成为人形机器人领域的一个转折点。这并非因为我们届时将生活在机器人的包围中，而是因为领先企业正在走出演示阶段，进入一个更具挑战性的阶段：有限生产、客户试点、工厂测试以及实际运行时间的积累。

该领域最受关注的公司之一Figure AI报告称，其BotQ工厂生产Figure 03机器人的速度已从每天一台提高到每小时一台，在不到120天内制造了超过350台，生产力提高了24倍。这一数据意义重大，因为挑战不再仅仅是设计一台令人印象深刻的机器人，而是以一致性、可控成本和持续改进能力进行制造。

同一家公司还宣布在宝马（BMW）斯帕坦堡（Spartanburg）工厂测试Figure 03，将其机器人与制造物流和物料搬运任务连接起来。叙事不再局限于“看它怎么走路”，而是转向“看它如何融入实际操作流程”。

另一方面，波士顿动力（Boston Dynamics）正将Atlas推向更具商业化的阶段。其新一代产品面向零件排序、机器照护和订单准备等应用。此外，该公司还宣布与谷歌DeepMind合作，将包括Gemini Robotics在内的基础AI模型集成到其Atlas机器人中。

Apptronik也强劲发展。该公司在2026年宣布完成了一轮超过9.35亿美元的A轮融资，其中包括5.2亿美元的追加投资，旨在加速Apollo的生产并在零售、制造和物流领域扩大商业试点。

这些举动的共同之处非常重要：人形机器人正在进入一个新阶段，市场对它们的要求从“展示”转向“实际操作”。

中国希望率先规模化

在这场竞赛中，中国值得特别关注。根据中国官方媒体发布的信息，该国人形机器人的产量到2026年可能超过10万台。

这个数字需要谨慎解读。它不意味着所有这些机器人都已在工厂或家中全自主运行。但它确实展示了一种产业意图：将人形机器人技术发展为规模化生产链。

中国拥有明显的优势：电子制造、电池、执行器、传感器、工业供应商以及巨大的迭代能力。如果它能降低成本并加速部署，就可能成为将人形机器人从实验产品转变为适用于多个行业的设备的关键参与者。

更具侵略性的测试也正在出现。例如，据报道，Agibot公司进行了工业测试，八台G2机器人在六天内累计工作超过64小时，参与了17,625块平板电脑制造过程中的检查和操作，报告的准确率达到99.99%。这一数字应视为报告数据而非独立审计结果，但它揭示了竞争的方向：更长的实际运行时间、更多的重复性任务、与生产线的更深层次集成。

真正的瓶颈不在于行走，而在于操作

当我们看到人形机器人时，通常会关注它是否走得稳、能否爬楼梯或动作是否与人相似。但真正的商业挑战在于“手”。

操纵物体远比看起来要困难。拿起一个箱子、开门、分类零件、折叠布料、搬运不规则部件、摆放易碎产品或将零件插入装配线，都需要视觉、受控力量、平衡、空间记忆和实时适应能力。

换句话说：机器人不仅需要移动。它需要理解自己在做什么。

这就是视觉-语言-行动模型变得如此重要的原因。例如，Figure公司已经通过Helix 02展示了进展，该系统旨在通过视觉感知和学习来控制机器人的整个身体，整合了移动、操作和平衡能力。该公司报告称，其机器人在厨房中自主完成了四分钟的任务，在无人干预的情况下卸载和装载洗碗机。

这类进展不应被解读为机器人已能完成任何家务。相反，它表明该行业正在解决拼图的各个部分：感知、控制、记忆、操作、平衡、学习和适应。

最大的问题是，这些部分何时才能在真实环境中可靠地整合，且成本合理，无需持续监督。

安全：区分演示与商业的关键

在数字化AI领域，一个重要的争论是信任：我能相信这个回答吗？信息来源是哪里？如果模型出错怎么办？

在实体AI领域，信任变得更加微妙：我能相信机器人不会撞到人吗？如果它失去平衡怎么办？它如何停止？如果摄像头出现故障怎么办？如何审计一个概率系统做出的物理决策？

安全将是普及实体AI最重要的障碍之一。英伟达（NVIDIA）深谙此道，并于2026年宣布推出“Halos for Robotics”，这是一个针对人形机器人和工业机器人的全栈安全平台，涵盖从芯片到软件的各个层面。Agility Robotics及其Digit机器人，成为物流、制造和仓储领域早期集成应用的案例之一。

这一点对企业家来说至关重要：机器人的价值不仅在于它能做什么，还在于它能以安全、可重复、可认证和经济合理的方式完成任务。

在企业中，无法投入运营的创新仍停留在演示阶段。而无法治理的技术则会转化为风险。

它们会取代工人吗？

这个问题不可避免，但最好能更好地提出。

这不仅仅是问机器人是否会取代人类。战略性的问题是：哪些任务将改变其归属、成本、风险或速度，当AI能够进行物理行动时？

在许多行业中，人形机器人最初不会完全取代现有职位，而是吸收重复性、危险性、高流动性或难以填补的任务。例如搬运、检查、移动、分类、喂料、巡视空间、长时间操作或支持物流流程。

但否认会产生劳务影响也是天真的。正如工业自动化、企业软件以及现在的生成式AI一样，每一次技术飞跃都会重新分配价值。有些任务失去重要性，有些则发生转变，而新的任务也会出现。

企业的机会不在于仅仅考虑裁员，而在于重新设计整个流程。只用人形机器人替换一项人工任务，可能只会看到有限的节省。而将它们整合到更广泛的数据、运营、维护、安全和商业智能架构中的企业，将能获取更大的价值。

从数字副驾驶到实体伙伴

在我与企业家、高管和团队的交流中，我通常会强调一点：AI不应被理解为一个独立的工具，而应被视为一个新的操作层。

首先是数字层：AI助手、自动化、代理、预测分析、内容生成、智能搜索、客户服务、文档管理和辅助决策。

下一个将是实体层：能够连接工作指令、库存、路线、操作面板、传感器、摄像头、ERP、CRM、WMS、MES和内部系统的机器。

这才是真正的转型。人形机器人不会仅仅因为拥有人类形态而有价值。如果它能与企业的逻辑相连接，那它才会有价值。

一个搬运箱子却不与库存系统整合的机器人，是一台有用但受限的机器。一个理解优先级、路线、订单、异常情况、库存水平、安全风险和交付时间的机器人，则成为智能系统的一部分。

两者差异巨大。

墨西哥企业今日应采取的行动

对于许多墨西哥企业而言，谈论人形机器人可能听起来遥远。在某种程度上确实如此。我们不会立即在中小企业、办公室或商业场所看到大规模应用。但准备工作远在购买机器人之前就开始了。

首要任务是整理流程。一个混乱的企业不会因为引入AI而变得智能。它只会加速其混乱。

第二是数据数字化。实体AI将需要指令、地图、库存、流程、规则、权限、日志和指标。

第三是识别高潜力任务：重复性、可衡量、体力要求高、有风险或流动性高的任务。

第四是培养管理决策能力。并非所有看起来未来感十足的事物都能创造价值。并非所有人形机器人都比机械臂、AMR（自主移动机器人）、传送带、布局优化或数字自动化更好。

第五是培养能够与技术对话而不失商业焦点的领导者。

在此，我直接引出了CEOS Lógica与Líder Empresarial共同开发的《企业应用AI大师课》。开设大师课的目的并非教授AI“技巧”，而是帮助企业家、高管和专业人士建立判断力：什么应该采纳，什么不应该采纳，如何评估机会，如何设计提示词，如何思考AI代理，如何自动化流程，以及如何为一个AI不再仅仅局限于计算机的阶段做好准备。

因为今天以战略眼光学习使用数字化AI的企业家，明天将能更好地评估实体AI。

重要的不是机器人，而是理解它的组织

技术史常常重演。先是惊叹，接着是夸大，然后是失望。最终，在寂静中，真正理解变革的组织开始获取价值。

互联网如此，电子商务如此，云计算亦如此。生成式AI正在经历这一过程，人形机器人很可能也将如此。

并非所有企业都需要人形机器人。但几乎所有企业都必须理解人工智能开始在物理世界中移动意味着什么。

问题不在于明天我们每个办公室都会有一个机器人。问题在于，企业今天是否正在培养解读技术变革的能力，以免它演变为竞争压力。

人形机器人不仅仅是一种新型硬件。它们是一个更深层次的信号：智能自动化正在走出屏幕的束缚。

我们正在从要求AI与我们一起思考，转向要求它与我们一起行动。

这将改变我们设计业务、流程、就业、工厂、服务和决策的方式。

数字化AI已经迫使我们重新思考知识。实体AI将迫使我们重新思考工作。

这才是真正值得探讨的问题。

本文 最初发表于 。