工业化落地 on FunkyGod - 投资与AI实践笔记

具身智能日报 | Persona AI专注船厂焊接：人形机器人「先就业再进化」路线成型

Tue, 18 Aug 2026 17:10:00 +0800

具身智能日报 | 2026-08-18

一、Persona AI：专注船厂焊接——「技能型劳动」路线的成功样本

原文：https://spectrum.ieee.org/persona-ai-humanoid-robot-welding

核心事实：

Persona AI于2026年8月发布其人形机器人船厂焊接应用细节，由NASA Valkyrie前负责人Nic Radford和IHMC/Figure前CTO Jerry Pratt联合创立
聚焦单一技能：放弃仓储、家庭等「通用场景」，专注船厂焊接——每艘船需要数百公里线性焊接，且焊接速度受限于金属熔化速率（约每秒1厘米），恰好是机器人最擅长的重复精度
合作方：与全球最大船企HD Hyundai（韩国）和第三大钢企POSCO（韩国）达成合作，目标是每个厂区部署「数百台」机器人
商业逻辑：船企当前面临焊工短缺、劳动力成本高的困境；机器人的价值不是「降低工资」，而是「扩大产能」——即使机器人比焊工贵，只要能解锁额外产值，客户就愿意买单
形态选择：坚持双足而非轮式——船厂环境需要跨越水平/垂直骨架、穿过舷窗，腿式是「最小侵入性」方案
安全环境：船厂工人已习惯与重型工业设备共存，安全顾虑低于工厂生产线

影响分析：

直接影响：这是首个明确定位「技能型劳动替代」的人形机器人商业化路径——不是抢「无技能」工作，而是替代「高薪但短缺」的熟练工种
中期影响：这个模式若验证成功，可能会影响整个行业的战略选择——更多公司会从「通用人形」转向「单点技能深耕」
不确定性：船厂环境相对封闭、可控，家庭和一般制造业的复杂性远高于此；「技能转移」的边界在哪里仍是开放问题

行业意义：这是「第一性原理」的胜利——Radford说「我教了20年腿式机器人课，但最终选择取决于：机器人现在能做什么有价值的事？」答案不是「万能助手」，而是「某个高薪岗位的稳定替代」。

二、Physical AI行业调研：700从业者揭示数据比模型更重要

原文：https://content.knowledgehub.wiley.com/the-2026-state-of-visual-and-physical-ai-a-survey-of-700-practitioners-on-data-models-and-production/

核心事实：

IEEE Spectrum与Wiley联合发布2026年Physical AI行业调研，覆盖700+从业者
78% 的团队已在视觉/物理AI领域看到可衡量的价值，但 74% 认为该领域投入仍然不足
关键发现：成功交付的团队，在数据工作上投入的时间是挣扎团队的近3倍——不是更大的模型，而是更好的数据
失败主因：模型失败的首要原因是数据问题（而非架构问题）；标注工作存在大量浪费——常常「标注一切」然后在生产前丢弃大部分
92% 的从业者认为「数据工作」而非「模型架构」是领域发展的下一个决定性因素

影响分析：

直接影响：对「Scaling Law信徒」是一记警醒——在物理世界AI中，数据质量比参数规模更关键
中期影响：将会催生新一代数据标注/管理工具，以及「数据优先」的AI开发方法论
不确定性：数据工作的投入难以像模型参数那样量化，如何衡量「好的数据工作」仍是难题

行业意义：过去十年AI进步靠的是「互联网文本 Scaling」；物理世界AI的核心生产要素是数据，而非算力——这是一个根本性范式转移。

三、具身智能×Agentic AI：CPU正在成为新的瓶颈

原文：https://spectrum.ieee.org/ai-cpu-comeback

核心事实：

Agentic AI（智能体AI）的工作负载中，8个阶段有7个完全运行在CPU上（AMD内部测试数据）
一个LLM发起工具调用（如读写文件、调用API、执行代码）时，这些操作都在CPU上运行——而非GPU
当Agentic系统生成子Agent时，工作量呈机器速度增长——OpenAI曾有一次模型每小时执行300次操作
Tokenization瓶颈：当Agent处理长序列（10万token）并频繁调用工具时，每次调用都需要对整个序列重新分词——这成为CPU端的新瓶颈
AWS内部已出现CPU服务器等待时间激增的问题

影响分析：

直接影响：具身智能系统的「大脑」（LLM推理）在GPU上，但「身体控制」（工具调用、传感器融合）依赖CPU——硬件配比策略需要重新设计
中期影响：边缘计算场景（机器人本地推理）面临更大的挑战——如何在有限CPU上维持Agentic系统的响应速度
不确定性：专用AI加速器是否能替代通用CPU？目前来看，API调用、文件操作等任务仍依赖CPU架构

行业意义：这不只是「CPU复兴」，而是揭示了Agentic系统的一个被忽视的成本结构——GPU是明星，但CPU是支柱。

四、行业日历

事件	时间	地点
Actuate 2026	8月18-19日（进行中）	旧金山
Humanoids Summit Seoul	9月22-23日	首尔
IROS 2026	9月27日-10月1日	匹兹堡

本周核心观点

「可就业的机器人」正在取代「像人的机器人」。

具身智能日报 | 现代汽车2028年启动人形机器人量产，Walden Robotics融资3亿美元走务实路线

Mon, 17 Aug 2026 17:10:00 +0800

具身智能日报 | 2026-08-17

一、Boston DynamicsAtlas量产计划：现代汽车2028年启动「机器人造车」

原文：https://www.theverge.com/news/853973/hyundai-boston-dynamics-atlas-robot-factory-2028

核心事实：

现代汽车在CES 2026正式发布新版Atlas人形机器人，配备发光圆形面孔、全电动机身、360度旋转关节
计划2028年起在佐治亚州Savannah的现代汽车工厂量产，年产30,000台
2028年先从事「零件排序」等经安全验证的流程；2030年升级至重载、复杂操作
与Google DeepMind达成AI合作，结合Boston Dynamics机器人专业知识与Google基础模型
机器人具备56个自由度（比2025年4月报告的50个进一步提升），可自主换电池、承受-4°F至104°F温度

影响分析：

直接影响：这是全球最大车企首次明确宣布人形机器人量产时间表，标志着具身智能从「展示品」走向「实用工具」的临界点
中期影响：丰田、大众、比亚迪跟进只是时间问题——汽车制造业将成具身智能第一个真正规模化落地的「锚场景」
不确定性：Atlas单台成本据估计在「数十万美元量级」，商业可行性仍待证明

行业意义：当最强机器人公司 + 最大车企 + 最强AI实验室三方联手，具身智能的工业应用不再只是「如果」，而是「何时」。

二、Walden Robotics：丰田系「反主流」路线——不要腿，要实用

原文：https://spectrum.ieee.org/humanoid-robots-walden-robotics-toyota

核心事实：

Walden Robotics于2025年7月15日「脱离隐身」模式，获3亿美元融资，估值11亿美元
核心创始团队来自MIT和丰田研究院（TRI)，CEO为MIT教授Russ Tedrake
关键战略选择：跳过「腿」，采用轮式底盘——「工厂已有AMR（自主移动机器人），可以直接复用安全体系」
专注制造业高利用率场景（7×24小时运行），而非「通用家庭助手」
已在丰田工厂实际部署，手部设计追求「耐用」而非「灵巧」

影响分析：

直接影响：人形机器人行业出现了「两条路线」的清晰分野——「像人」（有腿）vs「做事」（轮式+夹爪）
中期影响：资本市场开始用「能否24/7利用」而非「多像人」来评估机器人公司，这是认知框架的根本转变
风险提示：轮式限制了进入家庭、上下楼梯等场景的能力；「通用性」仍是远期目标

行业意义：这不是「妥协」，而是「尊重物理约束」。Tedrake说得直白：「我教了20年腿式机器人课，但问题是：轮式能覆盖多少市场？」——从第一性原理出发的务实判断。

三、Matic扫拖机器人：手势控制让「指哪扫哪」成为现实

原文：https://www.theverge.com/tech/979516/matic-cues-robot-vacuum-gesture-control-hands-on-review

核心事实：

Matic于2026年8月13日推出「Hey Matic」语音+手势控制系统
用户说「Hey Matic」唤醒机器人 → 指向污渍 → 说「clean here」→ 机器人前往指定区域清洁
使用现有5个摄像头硬件，完全设备端处理，无需云端
9月9日起价格从1,245美元涨至1,495美元

影响分析：

直接影响：家庭服务机器人终于从「预设程序」进化到「自然交互」——手势是最符合直觉的空间指定方式
中期影响：家庭场景的具身智能交互范式正在形成：语音+手势 > APP绘制区域 > 预设地图
局限：隐私与便利的权衡依然存在（唤醒词设备端处理，但指令需上云）

行业意义：扫地机器人是具身智能「低调但规模化」的落地路径——全球已有数百万台在路上，而交互方式正在快速进化。

四、IEEE Spectrum视频精选：近期机器人技术一览

原文：https://spectrum.ieee.org/video-friday-darpa-heavy-lift-challenge

精选内容：

DARPA Lift Challenge：无人机重载运输挑战赛，比赛过程事故频出（坠机、电池起火），但这正是工程进步的必经之路
Sanctuary AI：展示机器人在失败后安全恢复的能力——「只要能安全地从失败中恢复，我就完全不介意它失败」
LimX Dynamics：叠衣服机器人——速度慢但稳定，「和我叠衣服的速度差不多」
DR02人形机器人：视频展示了持续进展

行业意义：视频记录比PPT更能反映机器人技术的真实状态——demo光鲜，落地仍有距离，但「能恢复的失败」已是巨大进步。