具身智能对汽车制造意味着什么？

我现在在美国密歇根，底特律附近的一个小城市，叫普利茅斯。

这里是一个很神奇的地方。通用、福特、Stellantis 的总部，或者重要机构，都在这个区域附近。对汽车工业来说，这片土地有一种特殊的历史重量。人类工业史上第一条真正意义上的汽车流水线，就诞生在这个区域附近。某种意义上，现代制造业的节奏、组织方式，甚至我们今天理解的“大规模工业生产”，都和这里有着直接关系。

所以，当我今天站在这里，讨论人工智能、机器人、具身智能对汽车制造的影响，会有一种很强的历史感。

因为一百多年前，流水线改变了汽车制造。

而今天，人工智能和具身智能，正在改变下一代汽车制造。

一般来说，人类历史上经历过四次工业革命。

第一次工业革命，大约发生在 18 世纪中后期到 19 世纪中期，核心技术是蒸汽机。机器开始替代手工劳动，人类第一次真正进入机器生产时代。

第二次工业革命，大约发生在 19 世纪后期到 20 世纪初，核心技术是电力、内燃机、钢铁、化工和流水线。电力和流水线带来了大规模生产，汽车工业就是这一次工业革命最典型的代表之一。

第三次工业革命，发生在 20 世纪中后期，核心技术是电子技术、计算机和互联网。人类的信息处理方式被彻底改变，制造业也开始走向自动化、数字化和全球化。

第四次工业革命，则发生在 21 世纪以来，核心技术包括人工智能、大数据、物联网、机器人、云计算，以及生物技术等。它最大的特征，是数字世界、物理世界和生物世界开始深度融合。

而我们现在所处的历史坐标，就是第四次工业革命深入发展的时期。

人工智能、机器人技术、自动驾驶、智能制造，这些技术的发展速度非常快。快到很多普通人会觉得应接不暇，甚至有些不知所措。有人乐观，认为这些技术会释放生产力，让人类从重复劳动中解放出来；也有人悲观，担心大量岗位被替代，担心人会被机器边缘化。

我觉得，这种混沌感是正常的。因为每一次工业革命发生的时候，旧的秩序都会被打破，新的秩序还没有完全形成。

而这篇文章，我想讨论一个更具体的问题：

人工智能和机器人，尤其是具身智能，对制造业意味着什么？更具体一点，对汽车制造意味着什么？

我的核心判断是：

正如汽车本身正在从基于规则的辅助驾驶，走向端到端、自主决策的智能驾驶一样，汽车工厂也会从基于规则的流水线，走向具有感知、决策、执行和反馈能力的智能工厂。

更进一步说，未来不只是工厂里有机器人。

汽车本身，也会成为机器人。

一、什么是具身智能？

在展开汽车制造之前，我们先统一一个概念：什么是具身智能？

具身智能，英文叫 Embodied AI，或者 Embodied Intelligence。

简单说，它指的是：智能不是只存在于“大脑”或算法里，而是要通过一个“身体”，在真实世界中感知、行动、反馈和学习。

过去我们谈人工智能，很多时候谈的是数字世界里的智能。比如，一个大语言模型可以回答问题，可以写文章，可以生成代码，可以分析图片。但它主要还是停留在信息层面。

而具身智能不一样。它要进入物理世界。

它不仅要“知道”，还要“做到”。

比如一个机器人看到桌上的杯子，判断杯子的位置，伸出机械臂，把杯子拿起来，再递给人。这里面就不只是语言理解，也不只是图像识别，而是一个完整的闭环：

感知环境，理解任务，规划动作，执行动作，获得反馈，然后继续调整。

所以，具身智能的核心不是“会说话”，而是能在真实世界中做事。

从这个角度看，未来的智能汽车，其实就是一种非常典型的具身智能体。

它有身体：车身、底盘、车轮、电机、制动、转向、电池。

它有感知系统：摄像头、毫米波雷达、激光雷达、超声波、GPS、IMU。

它有大脑：智驾芯片、操作系统、AI 模型、决策算法。

它有行动能力：加速、刹车、转向、泊车、避障。

它也有学习能力：通过数据闭环、OTA 升级和模型迭代，不断改善自己的能力。

所以，智能汽车不是一个简单的交通工具。它越来越像一个在道路环境中运行的轮式机器人。

而当我们把这个视角带回汽车工厂，就会发现一个很有意思的变化：

未来汽车制造，不只是机器人制造汽车，也可能是机器人制造机器人。

二、今天的汽车工厂是什么样？

在讨论未来之前，我们先看今天。

一个传统的乘用车整车工厂，通常会有四大工艺：冲压、焊装、涂装、总装。当然，并不是所有汽车工厂都完整具备这四个环节。有些工厂只做总装，有些冲压件外购，有些是零部件工厂，工艺完全不同。但对一个完整的乘用车整车制造基地来说，冲焊涂总仍然是最经典的主干流程。

我们可以简单走进一个汽车工厂，看一下目前人工主要在做什么。

1. 冲压车间：人工相对少，主要做监控和换型

冲压，是把钢板或铝板压成车门、翼子板、发动机盖、侧围、顶盖等车身覆盖件。

这个环节的自动化程度通常比较高。大型冲压线本身就是高度自动化的系统，机器人、机械手、传送装置负责上下料和搬运。

人工主要做的是：

料卷或板料准备；
模具更换和调试；
冲压件首件检查；
表面缺陷检查，比如凹坑、划伤、开裂、起皱；
设备运行监控；
异常停机处理；
模具保养和维修。

所以冲压车间里，人的角色已经不太是直接“制造零件”，而是看线、调线、检查质量、处理异常。

2. 焊装车间：机器人很多，但人工仍然重要

焊装，是把冲压件焊成白车身。

汽车行业本来就是工业机器人应用最集中的行业之一。IFR《World Robotics 2024》显示，2023 年全球工业机器人新安装量约 54.1 万台，全球运行中的工业机器人存量超过 428 万台；汽车行业在 2023 年重新成为工业机器人最大客户行业，占当年工业机器人安装量约 25%。 [mckinsey.com], [ifr.org]

所以，如果你走进一个现代化焊装车间，你会看到大量机器人在工作。它们焊接、搬运、翻转、定位，动作非常稳定。

但这并不意味着焊装车间没有人工。

人工仍然会做：

零件上件、定位、夹紧；
小件安装，比如支架、加强板、螺母板；
焊点质量检查；
白车身尺寸检测；
焊渣、毛刺、飞溅物清理；
夹具调整；
车型切换时的工装确认；
设备故障和机器人报警处理。

所以焊装车间虽然“机器人最多”，但人仍然承担很多关键任务，尤其是夹具、定位、质量判断和异常处理。

3. 涂装车间：机器人喷涂为主，人工负责准备、检查和返修

涂装包括电泳、密封、底涂、中涂、色漆、清漆和烘干等环节。

喷涂本身通常由机器人完成，因为涂装环境对人体并不友好，而且喷涂轨迹要求高度稳定。

人工主要做：

车身表面清洁；
遮蔽、贴膜、堵孔；
密封胶检查；
漆面缺陷检查；
打磨；
抛光；
补漆；
色差确认；
漆膜厚度检测；
涂装设备维护；
环保、温湿度、洁净度巡检。

涂装车间里，人的价值主要在于外观质量判断和返修。

比如橘皮、流挂、颗粒、缩孔、色差，这些问题现在虽然可以用视觉系统识别一部分，但最终判定和返修，很多时候仍然依赖有经验的人。

4. 总装车间：目前人工最多，也最复杂

总装，是把发动机或电驱、电池、底盘、内饰、座椅、玻璃、线束、仪表板、车门、轮胎等装到车身上。

相比冲压、焊装和涂装，总装的自动化难度更高。

原因很简单：总装里的零件种类太多，形态太复杂，柔性件太多，车型配置变化也太大。

比如内饰装配，涉及地毯、顶棚、仪表板、中控台、门饰板、座椅、安全带、线束、空调管路、卡扣和插接件。这些东西并不都是刚性的标准件，很多需要手感、角度、经验和现场判断。

底盘和动力系统装配也类似。

传统燃油车要安装发动机、变速箱、排气系统、油箱和传动轴。新能源车则要安装电池包、电驱总成、高压线束、热管理管路、充电接口和电控系统。

尤其是新能源车，高压系统对安全要求很高，很多操作需要确认、检测和防错。

还有车身外饰，比如保险杠、车灯、前舱盖、尾门、玻璃、后视镜、雨刮、轮胎、标牌、密封条。这些工作看似简单，但背后涉及间隙、面差、力矩、密封和外观质量。

再比如拧紧和连接。汽车总装里有大量螺栓、螺母、卡扣、插头和管路连接。现在很多工厂已经使用智能拧紧枪、扫码系统和防错系统，可以记录关键螺栓的力矩数据，但实际操作仍然大量依赖人工。

所以，总装车间是今天汽车工厂里人工最密集、最复杂、也最难完全自动化的部分。

5. 质量检测：人工仍然非常关键

汽车制造有很多在线检测和下线检测。

AI 视觉、激光测量、三坐标、在线检测系统越来越多，但人工质检仍然不可或缺。

人工会做：

外观检查；
间隙面差检查；
内饰装配检查；
异响检查；
漏水检查；
路试检查；
制动测试；
灯光检查；
电气功能检查；
软件功能确认；
充电功能测试；
车机、座舱、智驾硬件检查；
终检放行。

尤其是外观、异响、触感、装配一致性，这些地方目前仍然很依赖有经验的人。

因为质量不是简单的“有”或“没有”。很多时候，它是边界判断。

这个声音算不算异响？这个缝隙算不算超差？这个触感是不是符合品牌要求？这些都不是简单的二元判断。

6. 返修：最难自动化的岗位之一

返修岗位非常重要，也非常难被机器人替代。

返修工要处理：

漆面缺陷；
内饰异响；
车门不好关；
间隙面差不合格；
线束插接问题；
灯具故障；
密封漏水；
软件刷写失败；
底盘异响；
装配漏装、错装。

返修难在哪里？

难在每个问题都不完全一样。

它不是标准动作，而是诊断、拆装、验证、再确认。这背后有大量经验，也有大量现场判断。

所以在一个高度自动化的工厂里，返修反而可能成为最能体现人类经验价值的环节。

7. 厂内物流：人工、AGV、AMR 和叉车并存

汽车工厂的物流非常复杂，因为一辆车有上万个零部件，而且这些零部件要按照节拍送到对应工位。

人工物流主要做：

零件拣选；
物料配送；
线边补料；
空箱回收；
包装拆解；
零件排序；
叉车运输；
牵引车配送；
与 AGV、AMR 协同；
异常缺料处理。

现在很多工厂已经有 AGV、AMR、自动立库和智能配送系统。但人工仍然负责复杂拣选、异常处理和线边协调。

Rockwell Automation 2024 汽车智能制造报告相关报道显示，97% 的汽车制造商正在使用或评估智能制造技术，汽车制造商对智能制造和自动化的投入正在持续增加。

8. 设备维护和机器人运维：越来越重要

越是自动化的工厂，越需要设备维护人员。

他们做：

机器人点检；
传感器校准；
夹具维护；
电气柜检查；
PLC 故障排查；
伺服电机、气缸、阀岛维护；
视觉系统调试；
输送线维护；
预测性维护；
备件更换；
设备安全检查。

这类岗位未来会越来越重要。

因为机器人越多，工厂不是不需要人，而是更需要懂设备、懂控制、懂数据、懂工艺的人。

9. 工艺、质量和生产管理人员

除了直接操作工，工厂里还有很多现场工程和管理人员。

他们做：

工艺参数设定；
生产节拍优化；
标准作业制定；
新车型导入；
质量问题分析；
供应商零件问题处理；
生产计划协调；
安全管理；
成本改善；
现场 5S 和精益改善；
数据分析；
自动化项目推进。

这些人不一定直接拿工具装车，但他们决定了工厂能不能稳定运行，能不能持续改善，能不能把新车型顺利导入量产。

所以，今天的汽车工厂并不是一个完全由机器运转的地方。

它更像是：

高度自动化设备、人类经验、工业软件、供应链系统和现场管理共同组成的复杂系统。

三、有了具身智能以后，汽车工厂会变成什么样？

那么问题来了。

如果具身智能真正成熟，汽车工厂会变成什么样？

我的判断是，它会从今天的“自动化工厂”，逐渐走向“自主化工厂”。

注意，我这里区分两个词：自动化和自主化。

自动化，是机器按照规则执行任务。

自主化，是系统能够感知环境、理解目标、处理变化，并在一定边界内自己做决策。

今天很多汽车工厂已经高度自动化，但还不是高度自主化。

焊接机器人按照预设轨迹焊接，喷涂机器人按照预设路径喷漆，AGV 按照固定路线运输。这些都很先进，但它们本质上仍然是规则驱动。

而具身智能的意义在于，让这些设备和机器人不只是执行固定程序，而是具备更强的现场适应能力。

1. 冲压：从自动化成形，走向自适应材料制造

未来的冲压车间，会像一个高度自动化的材料成形中心。

AI 可以实时判断板料质量，监控模具状态，识别冲压件缺陷，并根据质量反馈调整冲压参数。

机器人可以自动换模、搬运、检测。视觉系统可以识别裂纹、起皱、凹坑、划伤。

人的角色会进一步从“操作设备”，转向“管理模具、分析异常、优化工艺”。

2. 焊装：从机器人焊接岛，走向自适应车身制造系统

焊装本来就是机器人最多的车间，但未来的焊装会更进一步。

焊装机器人可能会自动识别零件装夹偏差，根据车身尺寸误差调整焊接路径，根据材料变化优化焊接参数，并在线判断焊点质量。

它不只是“按点焊接”，而是能理解白车身几何关系和质量目标。

这会使多车型混线生产更容易，也会让新车型导入更快。

3. 涂装：从稳定喷涂，走向质量和能耗双优化

涂装会变得更智能，也更节能。

AI 可以根据车身形状、颜色、环境温湿度、漆料状态，自动优化喷涂轨迹和工艺参数。

视觉系统可以在线检测颗粒、流挂、缩孔和色差。自动打磨、自动补漆机器人会逐渐增多。

涂装是高能耗、高环保压力的环节，所以未来 AI 的价值不只是提升外观质量，也包括降低能耗、减少废气、减少漆料浪费。

4. 总装：最大的变化会发生在这里

总装是今天人工最多的地方，也将是未来具身智能最有想象力的地方。

未来总装车间可能出现更多双臂机器人、移动机械臂、协作机器人，甚至人形机器人。

它们可能参与：

安装座椅；
安装仪表板；
安装车门；
插接线束；
安装玻璃；
安装密封条；
安装轮胎；
连接管路；
执行复杂拧紧；
做局部质量确认。

但我并不认为总装会很快完全无人化。

因为总装有大量柔性件、卡扣、软管、线束、内饰件，还有很多装配过程中的手感判断和异常处理。

所以更现实的状态是：

机器人承担标准化、可重复、高负荷、高风险的操作；人类负责复杂异常、工艺优化和最终判断。

也就是说，未来的总装不是没人，而是人变少了，人的角色变高级了。

5. 厂内物流会最先大规模智能化

我认为，厂内物流可能是最早大规模具身智能化的环节之一。

因为物流任务相对清晰，环境相对可控，投资回报也比较容易算清楚。

未来工厂里的物流会变成一个自动运行的物料网络：

自动立库根据生产计划出库；
AMR 根据实时节拍配送物料；
机器人自动拣选；
线边库存自动监控；
缺料风险提前预测；
空箱自动回收；
物料路径动态优化。

这时候，工厂物流不再是人推车、叉车送、线边等料，而是一个由 AI 调度的移动机器人系统。

6. 质量控制会从“人检”变成“全流程数据闭环”

今天的质量检测，很多还是事后发现问题。

未来会变成过程质量控制。

每一道工序都会产生数据，每一个零件、每一次拧紧、每一个焊点、每一次软件刷写，都可以绑定到 VIN 和工艺记录。

AI 可以做的不只是识别缺陷，而是预测缺陷。

比如：

冲压缺陷会反馈给模具和材料参数；
焊点问题会反馈给焊接电流和夹具状态；
漆面缺陷会反馈给喷涂参数和环境控制；
总装力矩异常会反馈给工具和工位；
智驾传感器标定异常会反馈给装配精度和软件版本。

麦肯锡在制造业 AI 相关分析中也提到，AI 和第四次工业革命技术正在帮助领先制造企业提升生产率、韧性和可持续性；在汽车研发和制造相关流程中，生成式 AI 也被认为有潜力缩短周期、降低成本并提升质量。

所以未来质量管理的核心变化是：

从发现问题，走向预测问题；从单点检测，走向系统闭环。

四、汽车本身也会参与制造流程

这里我觉得有一个非常关键的变化。

过去我们说汽车工厂里的机器人，通常指焊接机器人、喷涂机器人、搬运机器人、AGV、AMR。

但随着智能驾驶发展，汽车本身也会变成机器人。

那么，汽车工厂里的最后一段流程就会被重新定义。

今天车辆下线以后，通常还需要人工驾驶车辆去完成很多环节：

下线检测；
四轮定位；
灯光检测；
制动测试；
转毂测试；
淋雨测试；
ADAS 标定；
软件刷写；
返修区；
成品停车场；
发运区。

这些环节之间，需要大量移车工、试车员、转运司机。

但如果汽车本身具备低速自动驾驶、自动泊车、自动排队、自动进出检测工位的能力，那么这些工作就可以被重新设计。

未来可能是这样的：

车辆从总装线下线后，先进行自检。然后工厂调度系统根据 VIN、配置、检测状态和工位负载，给车辆下发任务。

车辆自己低速行驶到检测区，自动进入四轮定位工位，完成后自动驶入灯光检测工位，再进入 ADAS 标定区，最后根据检测结果进入返修区或成品停车场。

在成品停车场里，车辆可以自动泊车。发运时，它可以根据物流计划自动挪车、排队，甚至自动开到装车区域。

这意味着什么？

这意味着汽车不再只是被制造的对象。

它会反过来参与制造过程。

这是一件非常有意思的事情。

过去是工厂制造汽车。未来是工厂制造汽车，而汽车作为一个智能体，参与完成自己最后一段制造流程。

这就是我说的：产品智能反哺制造。

尤其对智能电动车来说，车辆本身已经有摄像头、雷达、域控制器、线控制动、线控转向、自动泊车能力和通信能力。只要安全边界设计合理，厂区低速自动驾驶反而比开放道路自动驾驶更容易落地。

因为厂区环境更可控，路线更固定，速度更低，参与对象更少，也更容易通过 V2X、电子围栏和工厂调度系统进行管理。

所以，未来汽车工厂的末端流程，可能会从：

人把车开到各个检测工位

变成：

车自己走完最后一公里。

五、未来的汽车工厂，可能像一个超级机器人

如果再往远一点看，未来汽车工厂本身也会变成一个具身智能系统。

它有感知系统：

摄像头、传感器、质量检测设备、设备状态数据、物流数据、能耗数据。

它有大脑系统：

AI 调度系统、MES、ERP、数字孪生、工艺模型、质量模型。

它有执行系统：

工业机器人、协作机器人、AGV、AMR、自动立库、自动检测设备，以及能够自主移动的车辆。

它有反馈系统：

质量数据、设备数据、产能数据、交付数据、返修数据、客户反馈数据。

它还有学习系统：

通过不断分析生产数据，优化排产、工艺、质量、维护和物流策略。

所以，未来汽车工厂可能不再是一条线性流水线，而是一个会自我感知、自我调整、自我优化的生产系统。

过去的汽车工厂，是人围着流水线转。

现在的汽车工厂，是自动化设备帮助人提高效率。

未来的汽车工厂，可能是：

机器人群围绕任务自主协同，人类设定目标、管理风险、处理复杂异常。

六、这是否意味着工人会被全部替代？

我认为不会，至少在可预见的 10 到 20 年内不会。

更准确地说，传统操作工会减少，但工厂不会不需要人。

世界经济论坛《Future of Jobs Report 2025》认为，到 2030 年，全球劳动力市场会同时出现岗位创造和岗位替代：预计创造约 1.7 亿个新岗位，同时替代约 9200 万个岗位，净增约 7800 万个岗位。这个判断说明，技术带来的不是简单的“人类退出工作”，而是岗位结构重组。

我认为汽车制造也会是这样。

会减少的是：

重复搬运；
标准拧紧；
固定路线转运；
简单目检；
高风险喷涂；
重复焊接；
标准化上下料。

会增加或者变得更重要的是：

机器人调试；
设备维护；
AI 视觉系统维护；
数据分析；
工艺优化；
异常诊断；
安全监控；
质量闭环管理；
新车型导入；
人机协作管理。

也就是说，未来工厂不是不需要人，而是不再需要那么多只做重复动作的人。