（问题） 长期以来，工业现场普遍面临对高技能人才依赖强、部署周期长、设备接口碎片化等痛点。一方面，复杂设备的调试、示教和程序编写门槛较高，导致“会用的人少、能用的场景有限”；另一方面，产线设备多品牌、多协议共存——数据与控制链路分散——难以实现统一调度与提升。随着制造业加速向柔性化、少人化、智能化转型，这些矛盾更加突出：企业既要稳定可靠的实时控制，又希望以更低成本、更快速度落地智能能力。 （原因） 业内人士认为，工业智能化的难点不止于“算法是否先进”，更在于能否工程化并实现规模化落地，关键矛盾主要体现在三上：其一，工业控制对实时性和确定性要求极高，控制频率往往远高于智能推理频率，两者在节拍与安全边界上存在天然差异；其二，现场环境复杂，光照变化、遮挡、物料差异和工况波动对系统鲁棒性提出更高要求，单一方案难覆盖多样工况；其三，产业链分工使模型、软件与设备各自独立，缺少标准化中间层进行统一连接与调度，推高了集成与运维成本。 （影响） 在GTC 2026涉及的活动中，思摩尔智能提出，工业智能化应从“让设备执行预设指令”升级为“让设备具备感知、决策与执行能力”，以减少对专家经验的依赖，推动工业装备向更易用、更自主方向演进。该公司判断，未来工业形态将呈现“软件定义制造”特征：底层设备能力以标准化方式抽象为可调用、可编排的软件能力，上层依托通用认知能力与中间层调度体系实现跨设备协同。若该路径成熟，有望缩短部署周期、降低改造门槛，并推动智能应用从单点试用走向规模复制。 （对策） 基于上述判断，思摩尔智能发布I-Motion智能控制平台，强调以工业级可靠性为基础，面向云边端协同进行架构设计，并提供标准化接口，便于IT开发者与工程人员参与工业控制集成。针对“高实时控制”与“低频推理”之间的节拍差，公司提出“高频物理控制+低频智能决策修正”的组合架构：在两次推理间隔内，用符合物理规律的连续控制策略保持系统稳定，再由较低频的决策输出进行校正，在不牺牲稳定性的前提下引入智能优化空间。 在落地路径上，该公司以拆码垛为切入场景，推出面向工作站的智能交互系统，并配套多模态模型能力，支持通过示教或自然语言指令完成任务配置，目标是将传统较长周期的部署流程压缩到更短交付节拍。方案强调边缘侧一体化部署，以提升现场响应与可用性，并通过仿真与数据生成扩充训练数据来源，提高多工况下的开箱可用比例。据介绍，该工作站方案已在部分客户现场实现规模化应用并形成初步商业闭环，企业预计将进入更大规模的批量部署阶段。 （前景） 从产业趋势看，工业具身智能正从概念验证走向工程交付，下一阶段竞争焦点将更集中在可靠性、安全性、可维护性以及生态协同能力。思摩尔智能公布的“三步走”路径，计划从S1阶段的垂直场景工作站，逐步扩展到S2阶段的柔性产线协同，再迈向S3阶段的工厂级智能交互与调度。业内观点认为，若要实现从单站点复制到产线乃至工厂级推广，仍需在标准接口、现场数据闭环、安全合规与产业协作机制上持续投入，同时也需要更多设备厂商、软件服务商与终端用户共同建设可共享、可复用的应用生态。
在全球制造业竞争加剧的背景下，智能化转型正成为提升产业竞争力的重要抓手；思摩尔智能科技的探索为解决工业智能化落地中的现实难题提供了新的思路与路径，也为制造业迈向更高质量发展提供参考。随着更多企业参与并推动工程化与规模化应用落地，制造业的智能化进程有望继续提速。