问题——工业现场“最后一米”仍是落地难点；长期以来，机器人结构化场景中可以高效重复作业，但进入真实产线和复杂工位后，光照变化、遮挡、零部件差异、柔性材料形变以及频繁的人机协作，都会让传统方案暴露出泛化能力不足、调试周期长、停线风险高等问题。尤其在精密装配、线束插接、擦拭清洁、柔性抓取等“接触密集型”任务中，稳定性和成功率往往成为规模化部署的主要门槛。原因——核心瓶颈在于“感知—决策—动作”闭环不够稳。一上，不少系统对固定视角和预设流程依赖较强，环境稍有变化就需要重新标定、重新编程；另一方面，缺少高质量的触觉与交互数据，使机器人接触瞬间难以做出更细的调整；同时，动作控制层面的抖动与卡顿在毫米级装配中会被放大，导致误插、刮擦甚至工件损伤。归根结底，是跨场景迁移能力不足与物理世界连续控制能力不够成熟叠加所致。影响——具身智能从“能演示”走向“可用”，或将改变产线组织方式。发布会上，它石智航推出具身通用大模型AWE3.0，并同步发布数据解决方案SenseHub。企业介绍，AWE3.0在精细操作、柔性感知控制与长程任务稳定执行上有所提升，并希望以更通用的能力覆盖更多工位与工序；其同时称对应的系统已在工业精密操作领域取得吉尼斯世界纪录。多位业内人士认为，如果机器人不再依赖固定视角，面对未见工况仍能保持稳定策略，将明显降低部署与维护成本，提升产线弹性，更好支撑“多品种、小批量、快切换”的制造需求。对制造企业而言，这意味着从单点自动化向柔性自动化迈进的空间正在扩大；对行业而言，数据与模型能力的积累将形成新的竞争壁垒。对策——以三项关键能力补齐落地短板。其一，提升多视角与动态环境下的决策稳定性。企业提出“全视角通感决策”思路，强调基于世界状态进行推理并选择操作策略，以降低对单一相机视角与固定工位的依赖。其二，强化触觉与接触反馈能力。通过更大规模、覆盖更多接触类型的数据积累，叠加高密度触觉感知，使机器人在抓取、对位、压装、擦拭等任务中能够闭环微调，向更高精度的控制靠拢。其三，提升动作连续性与可恢复性。面向工业现场对节拍与良率的双重要求，通过动作平滑与轨迹优化降低抖动、减少卡顿，并在接近失败的状态下实现一定程度的自恢复，有助于提高长序列任务的可用性与安全性。前景——规模化应用仍需跨过“工程化与标准化”关口。业内普遍认为，具身智能进入产线不仅取决于模型性能，更考验系统工程能力，包括传感器可靠性、工装夹具与工位设计、人机协作安全、异常检测与可追溯、质量体系对接，以及持续学习过程中的数据合规与隐私保护等。未来一段时间，竞争重点或将从单点指标转向“数据—算法—硬件—交付”的一体化能力：能否在复杂工况下长期稳定运行，并形成可复制的交付范式，将决定其能否真正规模化落地。随着制造业智能化升级推进，面向装配、检测、分拣、上下料与精细维护等场景的通用方案，有望率先实现规模部署，并逐步向更多行业延展。
AWE3.0的发布为工业具身智能落地提供了新的技术路径，也让“最后一米”的突破更具现实想象空间。在全球智能制造竞争加速的背景下，核心技术的持续迭代与自主可控，将为产业升级提供更稳的技术底座。随着具身智能更工程化、标准化并进入规模应用阶段，人机协作的生产方式有望在更多制造场景中加速普及。