当机器人企业争相发布跳舞、空翻、后空翻的演示视频时，汽车工厂里的人正在讨论一个完全不同的"性感"——一台机器人能不能连续工作8小时不出错，能不能每天重复同一个动作还不累，能不能在一座工厂跑通后快速复制到另一座。

7月3日，在盖世汽车主办的2026具身智能产业场景融合大会上，一场题为"车企需要什么样的具身智能伙伴"的热点对话，把这个问题推到了台前。北京银河通用机器人副总裁仓玉、长安汽车副总工程师谭颖聪、上汽通用动力科技智能设备技术负责人徐啸顺、中国一汽总装工艺主任宋伟佳等嘉宾，从不同视角给出了同一个答案：车企不需要炫技的机器人，只需要"不出错还干得久"的伙伴。

工厂缺的岗位，从来不是最"酷"的那个

搬运、上下料、质量检测、高压作业、底盘装配、线束插接——嘉宾们提到的应用场景，几乎都是那些长期存在、却始终没有太好解决方案的岗位。它们未必复杂，却常年消耗大量人力。有些劳动强度高，有些影响职业健康，有些直接关乎整车质量和生产安全。

谭颖聪以车身间隙断差检测为例：人工完成一次全检往往需要一到两个小时，很多企业只能做抽检。如果机器人能连续检测，效率更高、结果更稳定。徐啸顺则把关注点放在高压带电操作、化工原料涂胶等工序——企业首先考虑的应是降低安全风险，而非追求技术酷炫。

从样机到产线，差了一整个制造体系

一次成功的演示，和"可以用了"之间，差了整整一个制造体系。

仓玉直言："什么时候机器人的产线直接就是终检了，规模化交付的那一天才算真正到来。"汽车制造讲究稳定、可靠、可复制。一台设备停下来，影响的不只是一个工位，而是整条产线。车企需要的是：即使每天工作八小时以上、连续运行数月后，还能保持同样精度和节拍的机器人。

可复制是另一道门槛。不同工厂产线布局不同，车型尺寸不同，检测点位也不同。机器人能不能做到一次开发、快速适配，而不是每部署一个项目都重新开发？樊坚强认为，目前制约规模化应用的主要问题集中在泛化能力、执行精度和运行速度三个方面。他们正在尝试通过世界模型、VLA和原子技能库构建新工艺基模，缩短学习新任务的时间。

"Design for Robot"：从以人为中心，到以AI为底层预设

当机器人开始承担越来越多工位，制造体系本身会发生什么？

仓玉提出了"Design for Robot"的概念——过去几十年，汽车工厂的工艺设计、动线布局几乎都围绕人工建立。他期待到2027年左右，具身智能也能推动类似的变化。谭颖聪从组织层面呼应："原生智能"的组织形态，可能不再以人为中心来设计流程。樊坚强判断，未来3-5年率先实现规模化应用的未必是双足人形，而可能是轮式双臂等更贴近工业需求的产品形态。

宋伟佳一句话或许可以作为整场对话的概括："说一万次不如做一次。"当大家不再争论技术路线，而是开始讨论交付周期、故障率和备件库存的时候，具身智能才算真正迈过了从样机走向产线的门槛。