AI生成的工业机器人作业概念图
一台机器人能够完成演示动作，距离它在生产线上稳定承担任务，还有多远？上海新公布的智能制造行动方案，为观察这段距离提供了一组明确目标。
10月27日，上海市经济和信息化委员会网站发布《上海市加快发展新一代智能制造行动方案》，文件落款为10月22日。方案提出，到2028年推动8000台人形机器人进工厂，制造业AI应用场景突破2000个，并推出300个以上高水平智能体。
这些数字是面向2028年的部署目标，并非当前已经完成的应用规模。
机器人之外，模型和数据也要进入工序
方案将具备自主感知和决策能力的机器人、工业母机、检测装备等列入物理AI装备发展方向。同时，围绕辅助设计、生产自适应调整、预测性维护等任务，部署工业模型与智能体，推动制造企业的工艺知识和专家经验形成可用数据资源。
AIYXL认为，这几项工作需要放在一起理解。设备要执行动作，模型要识别任务，而工艺数据需要告诉系统：什么条件下可以操作，什么结果属于合格，出现异常时应交给谁处理。
例如，在零件上下料任务中，抓取成功只是一个环节。来料位置发生变化、零件表面反光、夹具偏移或下游设备暂停，都可能要求系统调整动作或停止作业。能否识别这些变化并恢复运行，比单次演示速度更接近工厂的实际要求。
从“进工厂”继续追问“承担什么任务”
评价后续项目，可以从具体工序开始：机器人每天承担多少有效作业，人工干预发生在哪些环节，换型需要多长时间，故障是否影响整条产线。
投入产出也应计入集成、维护、培训和停机成本。对于不同产品、不同批量的工厂，同一种设备未必带来相同收益。
这份方案把装备、模型、数据与应用场景放入同一政策框架。接下来值得持续跟踪的，是哪些任务能够形成稳定、可复制的实施经验，以及企业是否愿意在验证之后扩大应用。