工厂先做客户：Hitachi与FANUC的Physical AI要过哪些现场关

2026-10-02

工业机器人, Physical AI, 现场验证

工厂先做客户：Hitachi与FANUC的Physical AI要过哪些现场关独立信息海报（示意）

Hitachi与FANUC宣布合作推进Physical AI商业化，把Hitachi位于茨城地区的制造工厂选为“Customer Zero”。先让自己的工厂用起来，再讨论向外销售，这个安排比展示机器人会抓取什么更有信息量。首批验证任务很具体：抓取形状不同的零件，以及生产型号切换时的换型作业。双方要评估识别精度、机器人动作、Takt Time（生产节拍）与质量，并测试Hitachi边缘AI半导体和FANUC机器人的结合。公开计划是从2027财年起向多个行业部署；这是一项时间安排，不等于现场验证已经通过。

把“Customer Zero”理解为一块展台，容易低估这件事；把它理解为商业订单，也太早。工厂是系统的第一个严格用户，会用班次、工艺和交付要求给技术出题。出题的人还得承担验证期间的生产风险。这迫使项目团队把范围、停机权限和成本归属谈清楚，而不是只拿一次演示录像作成绩。

先给“做成”写定义

抓取不同零件，难点不在于识别出某个类别，而在于拿到符合后续工序要求的位置和姿态。零件摆放、表面状态、工装公差有变化时，视觉结果与夹持决策可能同时偏移。一次抓取成功还不足以说明可用：放置位置若需要人工复位，或拿起零件后影响表面质量，工位吞吐反而下降。验证记录应把“识别正确”“抓取完成”“放置合格”和“下游接受”分开，不能用一个成功率覆盖全过程。

换型作业更考验边界。型号切换不是把程序名称改掉就算完成；工装、操作顺序、首件确认以及人员接手都可能随型号变化。试点应明确机器人负责哪一段、哪些判断仍交给人、何时允许恢复正常生产。换型耗时需要从上一型号最后一件合格品到下一型号首件合格品来定义，或者采用工厂现行口径，并把口径写进记录。只截取机器人的动作时间，很容易把等待工装、复核和返工藏起来。

每日观察提到双方会看Takt Time和质量。具体实施时，节拍不能只报均值。班次之间的尾部耗时、等待人工干预的频率、连续运行后的重试次数，会决定计划部门是否敢把它编入排产。质量也不能停留在机器人末端的判断：从抓取到下游检测，哪一步造成缺陷，需要能追溯。若没有一条可对照的原有作业基线，试点结束后连“改善了多少”都说不明白。

学习系统进入产线，先约束它怎样变化

报道所列的模仿学习与数字孪生，可以帮助系统形成初始策略或预演动作。但仿真里的零件、设备和人不可能穷尽现场状态。零件批次差异、夹具磨损、操作习惯变化，常常只会在连续运行后显露。工程上更稳妥的做法，是将训练数据、候选策略、现场启用版本分别管理：模型可从异常中学习，生产中的控制策略却不能在没人知道的情况下改动。

每次策略更新都应回答几个朴素的问题：哪些数据触发了更新，覆盖了哪些零件与工况，离线回放有没有暴露旧任务退化，谁批准上线，出了问题怎样退回上一个版本。遇到未见过的零件姿态，系统可以请求人工确认或转入既有程序；“自主学习”不应被解释为对任何新状态都有权自行尝试。这里讨论的是企业试点应设置的控制办法，并非双方已经披露了这些实施细节。

Hitachi边缘AI半导体与FANUC机器人的结合值得看，但“边缘”二字不能直接推导出更快的节拍。工程团队要量测的是采集图像、推理、下发动作、机械执行到质量确认的整条链路，尤其是最慢的那部分。推理算得快，机器人若要等待夹具到位或首件确认，工位仍然慢。网络中断、传感器误报和计算单元重启时，控制权由谁接管，也要在试运行前写成工况表。

数字孪生也有明确用途边界。它适合比较不同摆放与轨迹、提前发现明显的干涉，不能替代实体工厂对磨损、照明变化和人员协同的验证。最有价值的闭环往往很枯燥：把失败样本按原因归档，在同一套测试工况下重放，再去现场复核。若每次换型都靠工程师临场调参数，系统或许能完成任务，却没有可复制的部署方式。

安全与质量不能附着在模型成绩上

机器人抓错零件，可能只是节拍损失，也可能损坏工装；生产换型时人员进入工作区，风险性质又不同。试点设计要从任务、空间和接触机会出发，划出允许自动运行、需要确认、必须停机的状态。把感知模型的“置信度高”当成唯一安全条件是不够的。人员进入、夹具未锁定、位置校验失败时，控制系统应有不依赖同一模型判断的保护路径。具体保护方案需由现场安全评估确定，不能由合作新闻替企业作决定。

质量验证同样需要隔离新系统造成的影响。对照组与试点组应采用一致的合格判定口径，记录人工补救、重复抓取和下游返修，而不只算机器人的即时良率。首件确认、过程抽检和异常件隔离仍要保留。换型后若新型号的前几件需要额外复查，这段工时应进入经济性计算。这样做不浪漫，却能避免把成本挪给质检和维修班组。

还有一个经常被忽略的现场问题：熟练工为系统“擦屁股”的时间是否被计入。操作员可能重新摆放零件，维护人员可能频繁校准相机，工艺人员可能更新配方。如果这些动作没有记录，项目报表里的自动化效率只是把劳动转移到另一个岗位。应按异常类别记下处理者、处理时间与恢复方式，便于判断问题该靠模型、工装还是作业指导来解决。

投资判断要过三本账

第一本账是产线账。拿现行人工或固定程序作对照，在相同产品组合下量测换型时间、单位合格品工时、停线和返工。若试点只挑形状规则的零件，还需要单独说明覆盖范围；不能把少数工况的结果推广到全部产品。换型频繁程度和零件种类决定收益上限，低频任务即便技术漂亮，也未必能抵消集成与维护费用。

第二本账是工程账。初始采样、工装改造、设备接入、数据标注、班组培训和版本回归测试都需要人。后续新增型号时，每个型号还要花多少工程小时？这是从Customer Zero走向其他工厂最能检验复制性的指标之一。若每站都要重写一套规则、重新采集大量数据，所谓商业化更像连续的定制项目。采购评审不妨要求供应方展示一次完整的新增型号流程，而不只展示成熟工位的运行片段。

第三本账是责任账。系统输出错误导致停机，谁有权立即停止、谁负责判定恢复、谁承担维修与质量追溯？数据归属、模型更新审批和长期维护责任应在试点协议中约定。财务测算也应同时给出正常、保守两种情形：前者使用已验证的运行数据，后者纳入较高的干预频率和较慢的换型恢复。没有实测数据时，宁可列出待验证假设，不要填一个看似精确的回报率。

2027财年之前，企业可以先做什么

准备试点的制造企业不必等产品目录。先找一处换型成本高、任务边界又清楚的工位，把现有节拍、质量、人工介入和停机原因记录下来；没有基线，任何新设备都容易被拍成“有效”。再整理零件与工装的变化范围，确认哪些变化在现有生产许可内，哪些必须重新评估。选样时别只交最好处理的零件，也要纳入常见偏差和难处理的交接状态。

随后由生产、工艺、设备、质量和安全岗位共同约定放行门槛。可以采用分阶段方式：先离线回放，再在受控工况内运行，最后逐步扩大覆盖；每一阶段都预留退回原作业的路径。验收报告应展示连续运行记录和失败原因分布，说明哪些型号尚未覆盖，以及人在什么场合仍不可替代。试点退出条件最好比项目宣讲更早写好。

双方列出的潜在部署方向包括半导体、制药、医疗、先进材料、汽车、物流、食品、造船和农业。行业名单说明目标市场宽，却不能说明同一套抓取与换型能力能直接跨行业复用。不同现场的质量要求、洁净条件、物料形态与人员交互，都会改写验证计划。投资者要追问的也不是行业数，而是已有现场验证能覆盖多少任务、复制到下一站需要多长时间，以及收费能否覆盖现场支持。

Hitachi与FANUC这次合作真正可跟踪的，是Customer Zero的日常报表：换型总耗时是否缩短，节拍尾部是否收敛，质量波动有没有下降，模型更新后旧任务是否保持稳定。公开资料目前没有给出这些结果。2027财年的部署计划可以作为观察节点，不能提前充当验收结论。

看试点结果时，先问样本是怎么选的

生产现场的数据有季节性，也有排产造成的偏差。同一工位本周多做简单型号，下周多做难处理型号，平均抓取时间就不能直接比较。项目组应按零件形状、批次、换型类型和班次给样本分层，保留原始时间戳与异常备注。可以把容易处理的任务单列出来，但不能在计算总收益时只留下它们。验证期内若人工对供料方式作了临时优化，也需同步记账，否则改善会被误归到模型头上。

对“稳定”的要求要讲清持续多久、在哪些工作条件下持续。短期测试能发现明显错误，却未必覆盖夹具磨损与清洁周期；单班运行看不出交接班后参数是否被正确继承。建议把计划停机、设备故障、工装更换和人为暂停分别编码，既避免把一切停机都归咎于AI，也防止把模型故障笼统写成“现场原因”。异常分类不是为了包装成绩，而是决定下一步由哪支团队修复。

模型版本更换后，应该把旧任务再跑一遍。某个新形状抓得更稳，不代表原来那批零件仍能维持节拍。测试集如果始终由研发人员手工挑选，现场团队很难相信结果。由工艺、质量和生产共同选定一组固定回归任务，并定期加入失败案例，至少可以让性能变化有据可查。这里也要保护真实生产：风险较高的回归工况可以先在离线或隔离环境运行，经批准后再到产线验证。

把商业部署拆成可审核的里程碑

计划从2027财年开始商业部署，不等于到那时所有潜在行业都有可直接交付的标准产品。企业可把采购决策分成几次审查：先证明单一任务在限定场景内可重复完成；再验证连续运行及异常恢复；然后评估新增型号与新工位的实施工作量；最后才讨论跨工厂推广。每一关都要有退出机制，不要因为前一阶段已经投入设备，就自动批准扩大范围。

合同谈判宜要求交付方说明性能承诺适用的零件集合和工作条件。若来料摆放超出约定范围，问题如何分派？工装磨损到什么程度需要重新校准？换型配方由谁保管和审查？这些细节比笼统承诺“可适应变化”更接近真实的长期成本。企业内部也应指定一名工艺负责人承担需求变更的归口，不然采购、生产和研发给出的验收口径可能互相冲突。

对于投资者，客户数量和行业覆盖只能放在旁证的位置。更可靠的进展信号是同类任务的第二次部署是否明显减少工程介入，部署后数月的质量与节拍能否延续，以及维护费用是否随着装机量增加而合理下降。当前来源没有给出这些经营数据，因此这是一份后续核查清单，不是对合作商业前景的既定判断。

工业智能