在全球制造业加速迈向智能化、数字化转型的背景下，智能制造已成为引领新一轮工业革命、推动产业升级和增强国际竞争力的核心路径。智能制造的本质是通过新一代信息技术与制造技术的深度融合，实现制造过程的柔性化、精细化与智能化。

一

前言

具身智能作为人工智能与机器人学交叉发展的前沿方向，正逐步成为支撑智能制造高阶发展的关键技术基础。具身智能的核心在于可以赋予机器系统“感知 ‒ 决策 ‒ 执行”的闭环能力，使其能够基于自身身体结构与环境交互，实现复杂任务的自适应学习、协同操作与灵活应变，使制造系统具备更高的灵活性和自主性。不同于传统人工智能的静态推理方式，具身智能强调智能体与环境之间的动态耦合关系，能够在非结构化制造场景中展现更高的泛化能力。具身智能的引入，使智能制造从传统自动化生产迈向更高层次的自主化与智能化制造。当前，具身智能在智能装配、柔性加工、预测性维护、无人物流、智能检测等场景中展现出显著的应用价值。例如，集成触觉感知与深度策略学习的协作机器人可以在复杂产品装配中实现微米级精度；基于语义理解与多模态输入的移动机器人系统可以在动态仓储环境中，实现路径自主规划与任务协同；结合具身建模与预测诊断的数字孪生系统可以提前识别设备异常，从而降低运维成本。随着应用的不断深入，具身智能在智能制造中的部署仍存在多模态数据融合困难、任务迁移泛化能力不足、软硬件协同不畅、伦理安全机制缺失等技术与应用瓶颈。

鉴于具身智能在制造领域的高度适配性与广阔发展前景，学术界和工业界亟需从系统架构设计、关键技术攻关、典型应用拓展等维度，深入开展具身智能与智能制造的耦合研究。本文系统梳理智能制造的发展演进，分析具身智能驱动的智能制造关键特征与核心能力，总结当前研究与实践进展，构建面向复杂制造场景的具身智能系统架构，并探讨当前应用难点与未来发展趋势，旨在为构建高自主、高灵活、高可信的下一代智能制造体系提供理论参考与技术支撑。

二

智能制造的技术演进

1.1

｜基于规则的自动化制造

自动化制造作为智能制造的初级阶段，其核心特征是通过预设规则与程序来实现生产过程的自动化运行。该阶段主要依托可编程逻辑控制器、数控机床以及监控与数据采集系统等关键设备，通过程序化控制，实现机械设备的精确操作，从而有效替代人工完成重复性、高精度生产任务。

自动化制造在提升生产效率、保证产品质量、降低人工成本等方面具有显著优势，特别是在恶劣工况下仍能保持稳定运行。但自动化制造系统仍存在显著局限性，如自动化系统缺乏足够的灵活性与适应性，难以应对复杂多变的市场需求；自动化系统的运行高度依赖人工预设规则，缺乏自主学习和优化能力；自动化系统对生产数据的利用率较低，未能充分发挥数据的潜在价值。这些局限性在一定程度上制约了自动化制造的进一步发展。

1.2

｜数据驱动的数字化智能制造

数字化智能制造是在自动化制造的基础上，通过深度融合信息化与数字化技术，实现制造过程的数据驱动与智能优化（见表1）。数字化智能制造的核心是利用传感器网络、工业互联网、云计算平台、大数据分析、人工智能算法等先进技术，对制造全流程进行实时监控、动态优化与精准预测，从而显著提升生产效率、降低能源消耗、减少资源浪费。

表1　智能制造的技术演进

1.3

｜具有智能赋能的智能制造

具身智能制造作为智能制造的高级阶段，核心是赋予机器类人化的认知能力，使其能够模拟人类的感知、理解、学习与决策过程。基于具身智能的制造系统不仅能够感知环境并分析多源数据，还能够执行复杂的认知推理与自主决策，从而显著提升制造系统的智能化水平。

具身智能机器人通过多模态感知技术，能够以类人化的方式完成精细装配、质量检测等高精度任务，从而大幅提高生产效率和自动化水平。具身智能技术通过多模态感知与自适应学习能力，显著提升了机器对人类指令与环境变化的理解和响应能力，从而推动了人机协作的深度融合。这种多模态交互不仅优化了机器对自然语言指令的识别与执行，还增强了其在复杂制造场景下的环境适应性与任务协同效率，进一步提升了制造过程的灵活性与自主性。具身智能与人形机器人、自动化机器人产线的融合发展，使智能制造从单纯数字化控制向更深层次自主化和适应性迈进。人形机器人依托具身智能，可以实现对人类行为的精细模仿与协作；自动化机器人产线通过融合具身智能技术，可以增强设备在复杂工况下的适应性。未来，随着技术的不断突破，具身智能制造将进一步深化人机协作，推动群体智能与分布式制造等更高层次的智能化生产模式发展，为制造业的转型升级提供持续动力。