“你知道什么才真正让我震撼吗？我看到一个机器人把鸡蛋拿起来了！”1985 年，通用汽车董事长罗杰·史密斯这样兴奋地说道。

这家美国车企在 20 年前就成为全球第一家引入机械臂的公司。当时，通用正在密歇根州萨吉诺打造一座所谓的“未来工厂”。史密斯设想的是一种“熄灯工厂”，没有人类，只有机器，借此让通用跟上日本对手的脚步。

结果一塌糊涂。那些不太聪明的机器人分不清不同车型，既装不好保险杠，也喷不好漆，成本严重超支，最后通用干脆关停了这座工厂。

从那时起，自动化确实已经走了很远。但史密斯的愿景，放在今天的大多数工厂里，依然遥不可及。根据国际机器人联合会的数据，截至 2024 年，全球投入运行的工业机器人约为 470 万台，平均每 1 万名制造业工人中只有 177 台机器人。2010 年代，机器人安装量持续上升，疫情期间在“自动化狂热”的推动下猛增，但随后趋于停滞，2024 年新增安装量为 54.2 万台。

这一趋势在更广泛的工厂自动化设备市场中同样明显。传感器、执行器和控制系统等设备，过去几年需求一直偏弱，尤其是在制造业放缓的欧洲。尽管疫情期间表现亮眼，但自 2024 年初以来，自动化设备巨头的股价表现明显跑输其他发达经济体的公司。

不过，分析师们普遍认为 2026 年可能成为转折点。国际机器人联合会预计，今年全球新增工业机器人安装量将增至 61.9 万台。咨询公司罗兰贝格则预测，整个工业自动化设备市场在剔除通胀后的增长率，将从 2025 年可怜的 1%—2%，提高到 2026 年的 3%—4%，并在本世纪余下时间里稳定在 6%—7%。

这在一定程度上得益于过去一年半西方国家的降息环境，但更深层的原因是结构性的。西方各国政府正通过补贴和关税，把制造业拉回本土。乔·拜登执政期间，美国新建工厂数量激增。与此同时，人口老龄化让越来越多制造商发现，熟练工人根本不够用，装配线招不到人，只能更多依赖机器。

软件层面的进步，也正在补齐过去自动化最难跨越的障碍。硅谷最近热衷讨论的，不只是生成式人工智能如何做聊天机器人，而是它如何重塑制造业。1 月 5 日，英伟达 CEO 黄仁勋直言：“机器人领域的 ChatGPT 时刻已经到了。”长远来看，这可能带来一种不只是更机械化，而且更灵活、更小型的工厂。

一些未来的影子，已经能在西门子位于巴伐利亚的工厂里看到。安贝格工厂生产 1500 种不同型号的工业控制器，今天的产量是 1989 年投产时的约 20 倍，但员工数量几乎没变。大量机器人手臂——其中不少来自优傲机器人，其母公司是美国企业泰瑞达——在玻璃隔离区内高速运转，焊接、切割、组装、检测一气呵成。工人更多是在电脑前监控和调度机器。

埃尔朗根的工厂同样像科幻片现场。自动运输车在车间里穿梭，把物料送到人类与机器人并肩作业的工位；不用干活的时候，它们会自己排好队去充电。

硬件的进步已经非常明显。早期只能在三个轴向移动的机械臂，如今普遍具备六轴运动能力，传感器和摄像头为其提供实时引导。一台机器人往往可以完成多个生产步骤。随着规模扩大和中国厂商入场，机器人的价格也大幅下降。

更大的变化发生在软件层面。过去，机器人被设计成只能干一件事，这意味着企业必须在某个固定的生产状态下才能“吃到”自动化红利。麻省理工学院工业绩效中心的本·阿姆斯特朗指出，如今只需改几行代码，机器人就能换一份工作。富士康曾用来安装 iPhone 圆形 Home 键的机器人，后来被改造去装微芯片。灵活性提升后，机器人的生命周期回报明显提高。

软件还在用其他方式改变制造业。所谓的“数字孪生”技术，让产品设计和生产流程的测试变得更快、更便宜。二维的纸质蓝图，正在被精确的三维虚拟模型取代。自动化设备厂商纷纷加码。去年，西门子以 100 亿美元收购工业软件公司 Altair，创下公司史上最大并购。软件业务的利润率通常高于硬件，如今已占西门子工业自动化部门收入的三分之一。

生成式 AI 可能会把这场变革再推进一步。过去，由于变量太多，精确模拟机器人动作往往不现实，这被称为“从仿真到现实的鸿沟”。光照变化、物体形状略有不同，模拟就会失效。通过大量传感器和摄像头数据训练的超大模型，有望解决这一问题。随着仿真变得更真实、更细致，机器人或许能像人类一样，先感知、再理解、再作出反应。

“物理 AI”引发的想象正在快速膨胀。在 CES 展上，英伟达发布了一整套专为机器人设计的芯片和开源模型。去年 10 月，软银宣布将收购瑞士工业巨头 ABB 的机器人业务。从硅谷到上海，一大批创业公司正在研发类人机器人，希望未来能替代工厂工人，埃隆·马斯克也在其中。

老牌自动化厂商同样没有缺席。西门子首席技术官彼得·克尔特认为，AI 将成为工厂的“大脑”，就像机器已经成为“肌肉”一样，当然仍需人类监督。去年 9 月，西门子与多家德国机床企业达成协议，共享匿名设备数据，用于训练工业 AI 模型。今年 1 月 6 日，公司宣布扩大与英伟达的合作，其中包括开发用于构建数字孪生的 AI 工具。日立也在与英伟达合作，推出了一套新平台，能够实时分析工厂内海量传感器和摄像头数据，并据此调整生产。

有人已经开始谈论“自主工厂”。罗克韦尔自动化的特莎·迈尔斯去年 11 月描绘了一幅蓝图：机器能在需求出现前就预判，物料无需人工干预即可流动，生产线能根据需求变化实时调整。该公司已在新加坡的一座小型工厂中进行试点。

这一切的结果，可能是一种完全不同的工厂形态。单个机器人能承担多种任务，生产线不再必须围绕冗长的流水线展开。再加上硬件成本下降，企业或许会发现，把制造分散到多个小型工厂是可行的。

过去多年，制造业追求的是越大越好，“超级工厂”“千兆工厂”成为时髦词汇，用规模换效率。但小型工厂也有优势。它们可以靠近城市，方便招到仍然必不可少、却越来越难找的工人；离客户更近，在关税长期存在的背景下尤其重要；制造布局更分散，也能避免单点故障演变成系统性危机。

未来的工厂，注定不会是罗杰·史密斯当年想象的样子，而且，它带来的改变，可能比他当年设想的还要大得多。