AI从质检员，升级成车间主任了？

AI进工厂这件事，正在悄悄换剧本。

过去十年，制造业AI的标配角色是质检员——看图、找缺陷、报警。但2026年9月这一周，中韩两国几乎同时释放信号：AI要往车间深处走，从'识别异常'走向'理解流程'，最终直接控制设备。习近平就发展先进制造业作出重要指示，李强在全国先进制造业大会上明确'以新一代智能制造为主攻方向'；几乎同一时间，韩国宣布未来五年投入1.4131万亿韩元（约10.1亿美元）押注'物理AI'。

这不是巧合，是同一个产业拐点的两种下注方式。

📈 政策定调：智能制造从'加分项'变'主攻方向'

9月16日至17日，全国先进制造业大会在北京召开。会上传达的习近平重要指示，划出了三个关键词：智能化、绿色化、融合化，并特别强调'提升产业链自主可控水平'。

落到操作层面，李强的讲话更值得机器人从业者细读。他提出四个'更加注重'：发展策略上更加注重数智赋能，技术路线上更加注重高端自主，生产方式上更加注重绿色低碳，场景业态上更加注重跨界融合。其中最直接的抓手，是'纵深开展人工智能+制造行动，加大对企业数智化转型引导支持力度，夯实智能软硬件基础'。

张国清在总结讲话中补了一刀关键的：'持续整治无序非理性竞争'。

这句话在当下的机器人行业听着格外刺耳。过去两年，具身智能赛道融资火热，展台上人形机器人跳舞端水，但真正进厂干活的少之又少。圈内流传一句话：'演示视频拍得越花，离产线就越远。'政策层明确要整治非理性竞争，本质上是把资源从'讲故事'往'真落地'引。

对工业机器人行业来说，这次大会传递的判断很清晰：智能制造不再是企业自愿选择的升级选项，而是国家层面的主攻方向。'夯实智能软硬件基础'这八个字，直接指向伺服、控制器、传感器这些上游核心零部件——国产替代的故事，还要接着讲，而且要讲得更硬。

🇰🇷 韩国10亿美元：AI要抢的不只是检测的活

同一周，韩国科学技术信息通信部在首尔公布了2026年至2030年五年研发路线图：投入1.4131万亿韩元，推动AI从工厂缺陷检测进一步进入生产控制、设备协同和工厂运营，最终打造可向海外输出的'K-制造工厂'。

钱怎么分、活怎么干，看这张表：

pie title 韩国物理AI研发资金分配

'全罗北道工厂平台' : 7368

'庆尚南道精密制造' : 6763

两个项目切入角度截然不同。庆尚南道做的是'大型动作模型'——汇集工人与机器人的动作数据、物理规律和空间信息，让AI理解具体生产流程并控制实际设备。全罗北道做的是'工厂编排'——让不同品牌的机器人和设备协同运行，整个工厂作为一个系统被AI调度，最终推向'黑灯工厂'。

一个管'手'，一个管'队'。这恰好对应了具身智能领域两条主流技术路线：单机智能与系统智能。

💡 真正值钱的不是模型，是老师傅手上的隐性知识

韩国这轮计划里最狠的一步棋，不是钱，是数据。

负责庆尚南道项目的首尔大学教授Cha Suk-won透露，已有13家企业同意共享在自有工厂中使用的'隐性知识'数据——也就是老师傅们几十年攒下来的工艺经验，过去只存在于车间内部，从不外传。项目将对这些数据进行收集处理，针对不同工艺环节建立物理模型，再复制到工艺类似的其他企业。

制造业都知道，产线上最难复制的不是设备，是'手感'。同一台注塑机，老师傅调参出来的良品率就是比新手高一截。这些经验过去靠师徒制口口相传，AI时代第一次有机会被数据化、模型化、跨厂复用。

韩国官方给了一个相当震撼的概念验证数据：AI约3小时完成一座机器人工厂的设计方案，而过去需要3至4名专家耗时近一个月。

这条链路画出来简单，走通极难。但它揭示了一个正在被越来越多人接受的判断：制造业AI的下一阶段，拼的不是算法，是数据主权——尤其是产线级、工艺级的私有数据。 谁能把隐性知识变成可训练的数据资产，谁就握住了物理AI的命门。

⚠️ 别被3小时迷住：物理AI落地的三道坎

3小时出工厂设计方案，听起来像革命。但作为在产线边上泡过多年的人，得泼点冷水：从'AI出方案'到'工厂真跑起来'，中间隔着三道坎。

第一道，跨品牌协同。 全罗北道项目的目标——让不同品牌的机器人和设备协同运行——听着朴素，实则是工业现场最大的痛点。各家机器人的协议、控制器、接口标准互不相通，产线集成商的利润有一大块就是靠'翻译'这些系统赚来的。AI要做编排，前提是数据基础设施先打通。韩国方案里专门列入'工业数据基础设施'，说明韩方也清楚这是地基。

第二道，仿真与现实的差距。 韩国方案的流程是：AI设计布局和路径，通过三维数字孪生提前验证，再部署到实际设备。数字孪生验证通过，不等于物理世界一次点亮。摩擦、振动、温漂这些物理世界的'噪声'，恰恰是老师傅隐性知识里最值钱的部分。把隐性知识建成物理模型这一步，才是真正的硬骨头。

第三道，生产控制的容错逻辑。 缺陷检测漏检了，损失是一批工件；生产控制失误了，可能是停线、撞机甚至安全事故。AI从旁路辅助走到回路控制，对可靠性的要求是指数级抬升。这也是为什么中国的政策表述里，'统筹高质量发展和高水平安全'被放在了前面。

据多位接触过类似项目的产业人士反馈，工厂老板们对AI的态度高度一致： demos可以看，账必须算清。ROI不达标，再炫的技术也进不了车间。物理AI的竞争，本质是工程化能力和商业闭环的竞争，不是论文数量的竞争。

🔮 中韩两条路线，撞在同一个拐点上

把这一周的两件事放在一起看，画面很有意思。

中国路线是'体系化'的：以全国先进制造业大会为纲，人工智能+制造行动为抓手，智能软硬件基础为底座，同时整治无序竞争、构建高质量标准体系。路子宽，覆盖传统产业焕新、新兴产业规模应用、未来产业前瞻布局三个层次。

韩国路线是'尖刀式'的：10亿美元聚焦物理AI一个点，拿两地做试验田，13家企业交出隐性知识，验证成熟后全国推广、品牌出海。路子窄，但纵深大。

对中国产业界来说，韩国这轮计划最大的启示不是金额，而是'隐性知识数据化'这个动作本身。中国拥有全球最完整的工业门类和最庞大的产线存量，老师傅的工艺经验体量远超13家企业——但这些数据散落在千万个车间里，颗粒度、标准化程度参差不齐。谁能牵头做'中国版产线隐性知识数据集'，谁就可能卡住下一个身位。

还有一个值得盯的细节：韩国项目的技术清单里，神经处理器、数字孪生、机器人协作、工业数据基础设施并列出现。这说明韩方理解的物理AI，是'模型+芯片+数据+机器人'四位一体的系统工程，而不是单点的大模型叙事。这套认知，正在成为全球制造业AI的主流共识。

一周之内，一个定调方向，一个真金白银。物理AI这场仗，检验的不再是演示视频的流畅度，而是产线上的良品率、停机时间和投资回收期。接下来两年，看谁先把老师傅的手艺，变成可以规模化复制的模型。

小结： AI进厂的故事正在改写：从质检旁路走向生产控制，从单点工具走向工厂编排。中国的体系化政策与韩国的尖刀式投入，指向同一个判断——产线级数据与隐性知识才是物理AI的核心资产。对机器人行业而言，接下来拼的不是谁的概念更炫，而是谁先把3小时的设计方案，变成3个月能点亮的真实工厂。