工业机器人领域正经历一场变革，人工智能、大语言模型与具身AI技术的突破，让人们对机器人的期待再度升温。这类技术被寄予厚望，人们期待它们能赋予机器人理解物理世界、推理并交互的能力。谷歌DeepMind与波士顿动力的合作，更是让通用型机器人进入工厂车间的猜测甚嚣尘上。然而，并非所有人都认为这些进展能立刻带来制造业的飞跃，Workr Robotics创始人兼CEO肯·马肯（Ken Macken）就持有务实态度。
肯·马肯对AI和机器人研究的进步表示认可，但他认为，当前许多吸引眼球的技术能力，距离解决制造商的实际问题还有很长的路要走。工厂管理者更关注的是机器人能否在整个班次中准确、可靠、反复地完成特定任务，而非其推理能力。Workr Robotics正是基于这一理念，专注于自动化重复性工业任务，如码垛、机床上下料以及拾取和放置操作，强调快速部署、运营可靠性，以及“机器人即劳动力”的商业模式，旨在降低企业采用自动化的门槛。
在肯·马肯看来，机器人行业有时会将令人印象深刻的演示与可投入生产的系统混为一谈。他指出，制造商需要的自动化任务看似基础，但要求百分之百的可靠性。看Atlas机器人做跑酷固然有趣，但在混乱的工厂车间里，让机器人每次都能准确抓取正确零件，才是真正的挑战。具身AI的愿景令人兴奋，但技术尚未准备好完成制造商今天所需的工作，混淆两者可能带来实际代价。
肯·马肯进一步解释，推理能力对制造任务而言是错误的框架，因为工厂环境要求接近完美的可靠性。制造商不在乎系统是否通用，他们关心的是系统能否每次、每个班次都完成具体工作。追求通用智能解决的是制造商并不存在的问题，却忽视了他们真正需要的运营一致性。工厂管理者真正关心的是机器人能否快速学会任务，并在第二天稳定运行。
根据肯·马肯的经验，制造商目前面临的最大痛点包括找到可靠员工、应对员工流失以及达成产量目标。自动化能在工厂获得新产能、承接更多订单、扩大业务规模并推动营收增长时，才能真正带来可观的投资回报。通用型自动化目前无法解决这些问题，工厂需要的是能快速产出可靠、可预期结果的专用工具。
Workr Robotics的商业模式也体现了这一理念，其“机器人即劳动力”的定价方式，按每小时约25美元收费，无需前期资本投入。肯·马肯认为，传统工业机器人的购买模式要求制造商在不知道结果的情况下，对僵化系统下巨额赌注，而生产流程是会变化的。传统机器人的销售假设全天候24小时运行，但大多数工厂的实际运行节奏是一天12小时、一周五天，这意味着制造商在为永远用不到的机时买单。按小时付费可以大幅降低风险，如果效果不达预期，随时停止付费。
在灵活性方面，肯·马肯认为这已成为基本门槛。传统机器人是为单一任务而生，以最高速度永续执行，但明天的生产几乎总是与今天略有不同。专用AI模型与自动化的结合，如今可以同时实现高速产量和处理同一产线上细微变化的能力。还在把灵活性和产量当作权衡取舍的人，用的是上个十年的思维框架。
从将机器人部署到真实工厂环境的实践中，肯·马肯学到了许多经验教训。真实工厂比任何实验室都要复杂混乱得多，实验室团队往往孤立地思考单一流程，而在真实车间里，一台机器人牵动了多少上下游流程，直到它停机的那一刻才会显现。工厂管理者在乎的是正常运行时间和高产出率，产线停摆是他们最难熬的一天。作为工厂里的机器人解决方案提供商，必须记住自己只是更大系统中的一个环节。
肯·马肯强调，要尽可能多地与实际执行任务的工人交流、观察他们的操作。工厂管理者在会议室里描述的情况，几乎永远不会与任务在现实中的执行方式完全一致。工人们积累了多年的小技巧、变通方法和细微调整，这些根本没有被记录在任何地方。如果没有捕捉到这些，机器人能完美执行“描述中的任务”，却在安装到真实设备旁边的那一刻就宣告失败。纸面上的工作和车间里的工作是两件不同的事，而车间永远是最终裁判。
他见过一些初创公司部署了解决方案，自我祝贺一番，却随后发现他们并没有解决问题，只是把瓶颈转移到了别处。这是个经典错误——用锤子去拧螺丝。工具看起来很厉害，动静很大，但活儿根本没干对。因此，成功的自动化项目需要深入理解车间工作的实际执行方式，而不仅仅是流程图上呈现的样子。
