從AMR到EIMR（具身智能移動機(jī)器人）的范式躍遷！

2025年，工業(yè)叉車銷量達(dá)到145萬輛；據(jù)新戰(zhàn)略移動機(jī)器人產(chǎn)業(yè)研究所測算，其中無人叉車僅約3.2萬輛，滲透率不足3%。作為一個(gè)發(fā)展了三十多年的領(lǐng)域，即便在今天3D雷達(dá)已邁入“千元時(shí)代”的成本門檻下，這一行業(yè)仍未迎來真正意義上的爆發(fā)。

移動機(jī)器人行業(yè)，究竟困在何處？

對此，擁有15年從業(yè)經(jīng)驗(yàn)的杭叉集團(tuán)首席科學(xué)家陶熠昆一語道破癥結(jié)所在：當(dāng)前看似競爭激烈的移動機(jī)器人市場，實(shí)則由于滲透率極低，仍處于藍(lán)海階段；而產(chǎn)業(yè)破局的關(guān)鍵，正藏在從AMR向EIMR（具身智能移動機(jī)器人）的范式躍遷新方向之中。

陶熠昆

杭叉集團(tuán)首席科學(xué)家

“紅?！奔傧笈c破局之路

在移動機(jī)器人產(chǎn)業(yè)，“紅?！痹缫咽切袠I(yè)掛在嘴邊的高頻詞。價(jià)格持續(xù)下探、參數(shù)內(nèi)卷加劇、交付周期一再壓縮，種種行業(yè)表象，很容易讓人得出“市場競爭過度、增量機(jī)會稀缺”的結(jié)論。但在陶熠昆看來，這是一種需要被打破的行業(yè)假象。

一個(gè)整體滲透率尚不足3%的行業(yè)，本質(zhì)上仍處于產(chǎn)業(yè)早期階段，遠(yuǎn)沒到真正意義上的‘紅?！?。”陶熠昆直言，行業(yè)普遍體感艱難，不是市場增量空間已經(jīng)耗盡，而是整個(gè)產(chǎn)業(yè)仍被三重結(jié)構(gòu)性約束牢牢困住——部署成本較高、場景適應(yīng)性差、高度依賴結(jié)構(gòu)化指令，這才是行業(yè)發(fā)展的真正瓶頸。

陶熠昆逐一拆解了這三重約束的核心影響。首先是部署成本問題。當(dāng)前移動機(jī)器人在工業(yè)場景的落地模式，與早期智能駕駛高度依賴高精地圖的階段極為相似。其落地需要搭建類似“高精地圖”的現(xiàn)場基礎(chǔ)設(shè)施，這一過程產(chǎn)生的高昂成本也遠(yuǎn)超普通工廠的承受能力。

其次是非標(biāo)化帶來的系統(tǒng)復(fù)雜性。移動機(jī)器人產(chǎn)品本身趨于標(biāo)準(zhǔn)化，但實(shí)際應(yīng)用場景卻高度碎片化。一旦場景發(fā)生變化，就需要進(jìn)行非標(biāo)定制，而大量定制代碼不斷堆砌，極易引發(fā)“規(guī)則爆炸”，導(dǎo)致系統(tǒng)邏輯沖突、難以維護(hù)且無法復(fù)用，讓行業(yè)陷入非標(biāo)化困境，阻礙規(guī)?；l(fā)展。

此外，當(dāng)前的移動機(jī)器人高度依賴結(jié)構(gòu)化指令。自然語義指令只能通過WMS等上層系統(tǒng)解析為具體的物流任務(wù)，如貨物搬運(yùn)、存儲、分揀等，明確任務(wù)優(yōu)先級、時(shí)間要求和目標(biāo)位置后，才能被移動機(jī)器人執(zhí)行。

這三重約束疊加，構(gòu)成了行業(yè)發(fā)展的“隱形天花板”，也正是智能叉車等核心產(chǎn)品滲透率長期難以提升的根源。問題的關(guān)鍵從來不在市場需求，而在底層的技術(shù)與產(chǎn)業(yè)范式。

也正是在這樣的行業(yè)背景下，具身智能的產(chǎn)業(yè)價(jià)值被重新審視。過去兩年，人形機(jī)器人概念帶火了“具身智能”，但在陶熠昆看來，真正實(shí)現(xiàn)具身智能大規(guī)模商業(yè)落地的場景是已經(jīng)完成產(chǎn)業(yè)驗(yàn)證的智能駕駛

陶熠昆指出，“汽車產(chǎn)業(yè)以硬件為載體，持續(xù)出貨獲取數(shù)據(jù)，通過海量數(shù)據(jù)訓(xùn)練模型，再反過來提升系統(tǒng)能力，形成正向循環(huán)?！边@無疑是一條已經(jīng)被跑通的路徑。智能駕駛的核心突破，不只是單點(diǎn)技術(shù)的升級，而是構(gòu)建起了“載體—數(shù)據(jù)—模型”的完整正向閉環(huán)，讓數(shù)據(jù)飛輪真正轉(zhuǎn)動了起來。

梳理了智能駕駛十年來的演進(jìn)路徑智能駕駛從2013年發(fā)展至今，已完整經(jīng)歷四個(gè)階段。第一階段，依靠SLAM、幾何感知、傳統(tǒng)規(guī)控，實(shí)現(xiàn)“能開”；第二階段，依賴高精地圖、圖像領(lǐng)域語義感知、RuleBased規(guī)劃控制，實(shí)現(xiàn)有限區(qū)域（如高速）的智能駕駛；第三階段，轉(zhuǎn)向“重感知、輕地圖”，城市智駕成為可能，但傳統(tǒng)規(guī)控陷入規(guī)則爆炸，開得“不那么好”；第四階段，端到端模型上車，在絕大部分路況下決策合理、安全，大規(guī)模商業(yè)落地成為現(xiàn)實(shí)。

歷經(jīng)這四個(gè)階段，智能駕駛完成了一次關(guān)鍵躍遷——從“規(guī)則驅(qū)動”走向“數(shù)據(jù)驅(qū)動”。這一轉(zhuǎn)變不僅是算法層面的升級，更意味著系統(tǒng)能力的生成方式發(fā)生了根本變化，不再依賴人為窮舉規(guī)則去覆蓋場景，而是通過數(shù)據(jù)訓(xùn)練模型，讓系統(tǒng)具備在復(fù)雜環(huán)境中的泛化能力。這一拐點(diǎn)，決定了智能駕駛從“可用”走向“好用”，并最終走向規(guī)?；?。

而移動機(jī)器人，目前仍停留在這一演進(jìn)路徑的前半段。無論是對環(huán)境的依賴程度，還是對規(guī)則系統(tǒng)的依賴方式，都與智能駕駛的早期階段高度相似。這意味著，其下一階段的發(fā)展方向并不模糊：需要從“規(guī)則系統(tǒng)”走向“數(shù)據(jù)驅(qū)動”，從“場景適配”走向“能力泛化”

在他看來，具身智能正是這場范式切換的核心抓手。一方面，移動機(jī)器人要完成從AMR向EIMR（具身智能移動機(jī)器人）的躍遷，必須靠具身智能賦予更強(qiáng)的感知、理解與決策能力，才能在更開放、更復(fù)雜的工業(yè)環(huán)境中穩(wěn)定運(yùn)行；另一方面，具身智能的迭代，離不開能持續(xù)產(chǎn)生真實(shí)場景數(shù)據(jù)的落地載體，而工業(yè)移動機(jī)器人恰恰是工業(yè)領(lǐng)域少數(shù)具備規(guī)?；涞貪摿Φ妮d體。

陶熠昆最終給出了他對行業(yè)破局的核心判斷。移動機(jī)器人的出路，從來不在繼續(xù)壓縮成本、優(yōu)化局部性能的存量內(nèi)卷里，而在完成一次底層的范式切換。只有當(dāng)行業(yè)真正擺脫對環(huán)境改造、人工規(guī)則、結(jié)構(gòu)化指令的深度依賴，建立起以數(shù)據(jù)和模型為核心的能力體系，才有可能跨越當(dāng)前的產(chǎn)業(yè)瓶頸，進(jìn)入規(guī)?；l(fā)展的全新周期。

這條路，既有時(shí)間窗口，又有技術(shù)可行性，還有產(chǎn)業(yè)基礎(chǔ)支撐。陶熠昆的判斷冷靜而務(wù)實(shí)，這并非賭未來的盲目探索，而是一條已被驗(yàn)證的可行之路。

智駕技術(shù)范式遷移的“甜點(diǎn)”與“硬菜”

論證了方向之后，陶熠昆將目光轉(zhuǎn)向具體的遷移路徑——智能駕駛的技術(shù)成果，哪些能直接平移到工業(yè)移動機(jī)器人領(lǐng)域，哪些照搬會水土不服？他用“甜點(diǎn)”和“硬菜”的形象比喻，清晰劃分出這場跨界遷移中，確定性的機(jī)會與繞不開的硬核難題。

在陶熠昆看來，這場技術(shù)遷移里最大的“甜點(diǎn)”，無疑是“重感知，輕地圖”的技術(shù)范式。他指出，當(dāng)前移動機(jī)器人的部署落地，需要通過SLAM構(gòu)建地圖，標(biāo)注路網(wǎng)拓?fù)渑c交通規(guī)則，再用精確3D坐標(biāo)示教每一個(gè)作業(yè)點(diǎn)位。這套流程與早期自動駕駛高度依賴高精地圖的范式如出一轍。而高精地圖雖能彌補(bǔ)早期感知短板，但其前后期制作與維護(hù)的成本，始終占據(jù)施工成本的核心部分，成為行業(yè)規(guī)?；涞氐淖畲蟪钢?。

這個(gè)行業(yè)難題，陶熠昆認(rèn)為，智能駕駛行業(yè)已用數(shù)年探索蹚出了破局之路。他談到，早年智駕同樣困于高精地圖與車路云協(xié)同的高成本，難以實(shí)現(xiàn)城市級落地，最終在城區(qū)智駕場景中找到了“重感知，輕地圖”的路徑——通過 BEV/OCC 等在線感知網(wǎng)絡(luò)，實(shí)時(shí)生成局部環(huán)境信息，用在線感知替代對預(yù)繪高精地圖的強(qiáng)依賴?！皬母咚亳?cè)氤鞘?，智駕能力的規(guī)模化擴(kuò)張，本質(zhì)上就是‘重感知、輕地圖’的勝利?！?/span>

陶熠昆判斷，這套范式向移動機(jī)器人行業(yè)的遷移，價(jià)值是顛覆性的。它能大幅壓縮部署成本，讓機(jī)器人擺脫預(yù)繪靜態(tài)地圖的束縛即可穩(wěn)定運(yùn)轉(zhuǎn)。這是當(dāng)前技術(shù)遷移中，最易落地、確定性最高的一步，是當(dāng)之無愧的核心“甜點(diǎn)”。

但技術(shù)遷移的路上，并非全是可以輕松摘取的“甜點(diǎn)”，還有兩道無法回避、必須沉下心啃透的“硬菜”

第一道需要啃下的硬菜，是智駕技術(shù)范式與工業(yè)具身感知之間，精度與粒度的量級差距。陶熠昆直言，汽車智駕的技術(shù)范式生來為道路場景設(shè)計(jì)，常規(guī)行駛中亞分米級精度已能滿足安全需求，即便是精度要求最高的自動泊車，行業(yè)頂尖方案也僅能做到5厘米以內(nèi)的控制精度。但在工業(yè)作業(yè)場景中，貨叉插取托盤、精準(zhǔn)對準(zhǔn)庫位這類高頻操作，要求的是亞厘米級控制精度，1厘米的誤差就可能導(dǎo)致作業(yè)失敗，甚至引發(fā)安全事故?！罢粋€(gè)數(shù)量級的差距，絕不是簡單技術(shù)移植就能彌合的，這是行業(yè)必須直面的核心挑戰(zhàn)?！?即便業(yè)界已在探索多條技術(shù)路線填補(bǔ)鴻溝，但并無現(xiàn)成方案可用，每一條路線都需要工程層面的持續(xù)突破。

第二道繞不開的硬菜，是工業(yè)場景特有的數(shù)據(jù)效率難題。陶熠昆指出，工業(yè)車輛與移動機(jī)器人行業(yè)，天然具備高定制、小批量的行業(yè)屬性，這讓數(shù)據(jù)驅(qū)動的智能化，從一開始就面臨與智駕行業(yè)截然不同的底層困境。

一款熱銷的汽車，年銷量可以達(dá)到數(shù)十萬臺，整車的傳感器方案、車體構(gòu)型高度統(tǒng)一，海量的路測數(shù)據(jù)可以快速攤薄采集與模型訓(xùn)練的成本；即便是當(dāng)下火熱的大語言模型，其訓(xùn)練所需的文本數(shù)據(jù)，也天然存在于互聯(lián)網(wǎng)之中，采集成本極低。

但在工業(yè)領(lǐng)域，即便是叉車這類相對通用的品類，單款年銷量也難與乘用車型比肩，更不用說大量定制化產(chǎn)品，不同場景下的車體、傳感器、作業(yè)流程千差萬別。這讓企業(yè)始終面臨兩難：該選哪款產(chǎn)品、哪個(gè)場景采集數(shù)據(jù)？巨額成本換來的數(shù)據(jù)，一旦方案調(diào)整，還能否跨平臺復(fù)用？

陶熠昆透露，杭叉的核心攻關(guān)方向，正集中在構(gòu)建跨設(shè)備平臺的數(shù)據(jù)表示。在他看來，跨平臺數(shù)據(jù)復(fù)用的范式研究，必須提升到行業(yè)級的戰(zhàn)略議題，而非各家企業(yè)各自摸索的技術(shù)細(xì)節(jié)，這也是工業(yè)移動機(jī)器人向具身智能轉(zhuǎn)型必須攻克的核心關(guān)卡。

陶熠昆始終強(qiáng)調(diào)，從智駕到移動機(jī)器人，技術(shù)遷移的浪潮已然到來，但這場遷移從來不是簡單的“拿來主義”。唯有既抓牢可快速落地的“甜點(diǎn)”，也沉下心啃透屬于工業(yè)場景的 “硬菜”，才能讓智駕的技術(shù)紅利，真正在工業(yè)場景里落地生根。

智駕技術(shù)范式躍遷帶來產(chǎn)品形態(tài)躍遷

技術(shù)范式的轉(zhuǎn)變，最終會兌現(xiàn)為產(chǎn)品形態(tài)的轉(zhuǎn)變。在陶熠昆看來，移動機(jī)器人行業(yè)對“產(chǎn)品”的核心認(rèn)知，已經(jīng)到了可以升級定義的時(shí)刻。

“過去，行業(yè)習(xí)慣以導(dǎo)航方式、避障能力等細(xì)節(jié)差異區(qū)分AGV與AMR，但這種表層的技術(shù)迭代，早已不足以定義從 AMR 到 EIMR（具身智能移動機(jī)器人）的范式躍遷?！?陶熠昆直言，兩代產(chǎn)品的真正分野，從來不在細(xì)枝末節(jié)的功能升級，而藏在底層邏輯的徹底重構(gòu)之中。

他清晰地劃定了二者的本質(zhì)邊界AMR是規(guī)則驅(qū)動，依賴高精度地圖，執(zhí)行的是坐標(biāo)指令，本質(zhì)是在構(gòu)建一套自動化系統(tǒng)；而EIMR走向數(shù)據(jù)驅(qū)動或混合驅(qū)動，走“重感知、輕地圖”的感知網(wǎng)絡(luò)路線，靠語義指令運(yùn)行，產(chǎn)品動機(jī)樸素得多——就是取代人工。放在車聯(lián)網(wǎng)的語境下，AMR離不開WMS、RCS這些上層系統(tǒng)；而EIMR的目標(biāo)，是把V2X里的那個(gè)“X”徹底拿掉，實(shí)現(xiàn)X=ZERO的單機(jī)自主。

基于這一認(rèn)知，陶熠昆拋出了顛覆行業(yè)固有認(rèn)知的判斷：移動機(jī)器人的進(jìn)化方向，是從群體（系統(tǒng)）智能走向單機(jī)（分布）智能。

長久以來，數(shù)百臺移動機(jī)器人的聯(lián)網(wǎng)調(diào)度，一直被行業(yè)奉為技術(shù)實(shí)力的象征，可陶熠昆卻發(fā)出了直擊本質(zhì)的追問：“我們反復(fù)提及的群體智能，到底代表的是高智能，還是高依賴？” 在他看來，多機(jī)調(diào)度的本質(zhì)是運(yùn)籌學(xué)的指派問題，技術(shù)上限并不高，“真正難的，是讓一臺機(jī)器人不組網(wǎng)、不依賴任何外部系統(tǒng)，獨(dú)立完成復(fù)雜作業(yè)?！?他坦言，只有具備真正單機(jī)智能的產(chǎn)品，才具備規(guī)模化復(fù)制的核心可能

要實(shí)現(xiàn)這場范式跨越，陶熠昆給出了一條極為務(wù)實(shí)的過渡路徑：混合智能。他直言，行業(yè)遲遲難下決心全面轉(zhuǎn)向數(shù)據(jù)驅(qū)動，核心困局在于起步門檻的兩難。純規(guī)則驅(qū)動5天就能做出60分的產(chǎn)品，但上限極低；純數(shù)據(jù)驅(qū)動動輒需要千萬級別的數(shù)據(jù)成本，短期效果未必優(yōu)于規(guī)則方案，卻擁有無限的成長空間?！?/span>混合智能的價(jià)值，就在于既能靠規(guī)則快速落地，讓產(chǎn)品先進(jìn)入現(xiàn)場用起來，又能完整保留數(shù)據(jù)驅(qū)動的成長上限。” 陶熠昆強(qiáng)調(diào)，只要產(chǎn)品進(jìn)入真實(shí)場景運(yùn)轉(zhuǎn)，數(shù)據(jù)飛輪就能被撬動，因此數(shù)據(jù)工程絕不該是算法團(tuán)隊(duì)的內(nèi)部事項(xiàng)，而必須上升為企業(yè)的頂層戰(zhàn)略。

最后，陶熠昆還借用智能駕駛的分級體系，為行業(yè)畫下了清晰的演進(jìn)路線圖?！艾F(xiàn)在行業(yè)里很多聲音說，AMR靠V2X實(shí)現(xiàn)了 L4 級無人化，可這本質(zhì)上是‘高代價(jià)的偽 L4’，是靠外部系統(tǒng)堆出來的自主，而非機(jī)器人本身的能力?！?/span>

在他的判斷里，EIMR的進(jìn)化，反而要先主動“降級”。先徹底打破對V2X的外部依賴，退回L2級實(shí)現(xiàn)可靠的人機(jī)協(xié)同；再憑借具身智能的持續(xù)迭代，攀升至L3級，實(shí)現(xiàn)常規(guī)場景完全無人作業(yè)，僅在特殊情況下需要稀疏人工干預(yù)；最終走向真正的L4級智能——具備極強(qiáng)的環(huán)境適應(yīng)性，能理解并拆解自然語言指令，在密集、狹窄等非標(biāo)準(zhǔn)場景中實(shí)現(xiàn)全流程無人化作業(yè)。

陶熠昆直言，“當(dāng)具身智能與移動機(jī)器人產(chǎn)品范式深度融合的那一刻，就是這個(gè)產(chǎn)業(yè)突破紅海、走向藍(lán)海的時(shí)刻。

2026年，聯(lián)盟將舉辦“2026（第二屆）全球無人叉車應(yīng)用場景大賽及具身輪式人形機(jī)器人物料搬運(yùn)與分揀挑戰(zhàn)賽”。在延續(xù)無人叉車賽項(xiàng)的基礎(chǔ)上，首次引入輪式人形機(jī)器人賽道，回應(yīng)產(chǎn)業(yè)對具身智能落地場景的現(xiàn)實(shí)需求，并進(jìn)一步搭建連接技術(shù)創(chuàng)新與產(chǎn)業(yè)應(yīng)用的橋梁。

來源：移動機(jī)器人產(chǎn)業(yè)聯(lián)盟

審核：李克忠

批準(zhǔn)：陳賽民

往期推薦

智慧物流 杭叉領(lǐng)創(chuàng)——杭叉集團(tuán)在上海CeMAT ASIA 2025發(fā)布杭叉首款物流人形機(jī)器人，引領(lǐng)智慧物流新紀(jì)元

杭叉集團(tuán)|智造未來，匠心筑夢——杭叉集團(tuán)2025年度技能比武大賽圓滿落幕

杭叉海外|杭叉與明星經(jīng)銷商的故事Dercomaq

中國證監(jiān)會投資者保護(hù)局溫馨提示您：認(rèn)識市場，認(rèn)識自己，做理性投資的投資者。歡迎通過中國投資者網(wǎng)（www.investor.org.cn）、互聯(lián)網(wǎng)投教基地以及市場經(jīng)營主體、自律組織等官方網(wǎng)站獲取相關(guān)知識和服務(wù)。

---

聲明：本文系轉(zhuǎn)載自互聯(lián)網(wǎng)，請讀者僅作參考，并自行核實(shí)相關(guān)內(nèi)容。若對該稿件內(nèi)容有任何疑問或質(zhì)疑，請立即與鐵甲網(wǎng)聯(lián)系，本網(wǎng)將迅速給您回應(yīng)并做處理，再次感謝您的閱讀與關(guān)注。