رباتهای انساننما وارد کارخانهها میشوند — چه چیزی واقعی است و چه چیزی هنوز تبلیغات است
از ویدیوی نمایشی تا کف کارخانه
سه سال پیش، رباتهای انساننما عمدتاً بهعنوان ویدیوهای نمایشی وجود داشتند — کلیپهایی با دقت طراحیشده برای جلب توجه و جذب سرمایهگذاران. امروز، Figure 02 در خط تولید BMW در کارولینای جنوبی کار میکند، Tesla Optimus در انبارهای تسلا مرتبسازی میکند و Neo از 1X در چندین سایت تجاری به مدیریت لجستیک مشغول است. شکاف بین نمایش و استقرار سریعتر از آنچه بیشتر ناظران صنعت پیشبینی میکردند بسته شد، که ناشی از همگرایی محرکهای بهتر، مدلهای بنیادی مبتنی بر ترانسفورمر و شرکتهایی بود که مایل به سرمایهگذاری در استقرارهای واقعی بهجای تحقیق صرف بودند.
این داستان درباره تصاحب کارخانهها توسط رباتها در یک شب نیست. رباتهای انساننما در سال ۲۰۲۶ توانا، محدود و گران هستند. درک دقیق اینکه فناوری کجا کار میکند — و هنوز کجا شکست میخورد — مهمتر از بیانیههای مطبوعاتی خوشبینانه یا شکاکیت بازتابی است.
Figure AI و مشارکت با BMW
Figure AI در اوایل سال ۲۰۲۴ با پشتیبانی مایکروسافت، OpenAI، انویدیا، Intel Capital و جف بزوس ۶۷۵ میلیون دلار جمعآوری کرد. این بودجه به سمت یک هدف خاص ساخته شد: استقرار تجاری در مقیاس. مشارکت BMW در تأسیسات اسپارتانبورگ در کارولینای جنوبی ملموسترین نقطه داده در صنعت رباتهای انساننما در حال حاضر است.
رباتهای Figure 02 در BMW در حال انجام جابجایی قطعات و برداشتن قطعات از سطلها هستند — برداشتن قطعات از سطلها و قرار دادن آنها در موقعیتهای مونتاژ خودرو. اینها وظایف ساختاریافته و تکراری با مناطق برداشت مشخص و هندسه قطعات ثابت هستند. Figure 02 تقریباً ۵ فوت و ۶ اینچ قد، ۶۰ کیلوگرم وزن دارد و میتواند تا ۲۰ کیلوگرم بار حمل کند. دستهای آن ۱۶ درجه آزادی دارند که الگوهای گرفتن را امکانپذیر میکند که نسلهای قبلی ربات نمیتوانستند مدیریت کنند.
همکاری OpenAI دستورالعملهای مبتنی بر زبان را امکانپذیر میکند: اپراتورها میتوانند بهجای برنامهریزی مجدد توالیهای حرکتی، دستورات شفاهی بدهند. در عمل، این به معنای تغییر سریعتر وظایف و سربار کمتر آموزش مجدد در هنگام تغییر پیکربندیهای مونتاژ است. سؤال اقتصاد واحد در مقیاس همچنان باز است — Figure اهداف هزینه تولید هر واحد را بهطور عمومی منتشر نکرده است، اما تحلیلگران صنعت Figure 02 را تقریباً ۷۰,۰۰۰ دلار به ازای هر واحد در حجم تولید فعلی تخمین میزنند.
Tesla Optimus: استقرار داخلی در اولویت
رویکرد تسلا از یک جنبه ساختاری مهم با Figure متفاوت است: Optimus ابتدا بهصورت داخلی قبل از هر فروش تجاری خارجی مستقر میشود. از اوایل سال ۲۰۲۶، تسلا واحدهای Optimus را در تأسیسات خود برای مرتبسازی سلولهای باتری و لجستیک کارخانه مستقر کرده است — جابجایی قطعات بین ایستگاهها، مدیریت موقعیتیابی موجودی و انجام وظایف انتقال تکراری.
بهبودهای نسل ۲ قابل توجه است: دستهای ماهر با حس لامسه، گام سریعتر (از ۱.۳ متر بر ثانیه به حدود ۱.۷ متر بر ثانیه) و تعادل بهتر روی سطوح ناهموار. ایلان ماسک هدف تولید ۱ میلیون واحد Optimus تا سال ۲۰۳۰ را اعلام کرده است. این عدد مستلزم باور به این است که تسلا میتواند رباتهای انساننما را در مقیاس خودروسازی تولید کند — یک جهش عملیاتی قابل توجه که هیچ شرکتی آن را نشان نداده است. مسیر معتبرتر در کوتاهمدت، استقرار دهها هزار واحد بهصورت داخلی تا سال ۲۰۲۷ است، با شروع فروش خارجی در سالهای ۲۰۲۵-۲۰۲۶ با قیمت هدف حدود ۲۰,۰۰۰ تا ۲۵,۰۰۰ دلار، اگرچه جدولهای زمانی تحویل واقعی بارها به تعویق افتاده است.
1X Technologies: همکاری بهعنوان اصل طراحی
1X Technologies، مستقر در نروژ و اکنون با پشتیبانی آمازون فعالیت میکند، با ربات Neo خود رویکردی فلسفی متفاوت دارد. جایی که Figure و تسلا برای حداکثر توانایی بهینهسازی میکنند، 1X بر نزدیکی ایمن به کارگران انسانی تأکید دارد. Neo برای کار در همان فضای افراد بدون قفسهای ایمنی که رباتهای صنعتی معمولاً نیاز دارند طراحی شده است.
مشارکت لجستیکی 1X با آمازون شامل واحدهای Neo است که در محیطهای مرکز توزیع کار میکنند — نه در مناطق جداگانه ربات، بلکه در کنار کارگران انسانی. شرط فنی این است که قابلیت همکاری از نظر تجاری ارزشمندتر از عملکرد خام است، زیرا امکان استقرار بدون بازسازی گرانقیمت تأسیسات را فراهم میکند. مفاصل محدودکننده نیرو و حرکات عمدی آهستهتر Neo انتخابهای طراحی هستند، نه محدودیتهایی که هنوز حل نکردهاند.
Boston Dynamics Atlas: انتقال به الکتریکی
Boston Dynamics Atlas هیدرولیکی را در آوریل ۲۰۲۴ بازنشسته کرد و آن را با نسخه تمام الکتریکی جایگزین کرد. Atlas الکتریکی سریعتر، قابل اعتمادتر است و نیاز به مدیریت مایع هیدرولیک ندارد — یک بهبود عملیاتی قابل توجه برای استقرار تجاری. Boston Dynamics در ادعاهای تجاری نسبت به رقبا محتاطتر بوده و بر کاربردهای صنعتی خاص بهجای موقعیتیابی عمومی انساننما تمرکز کرده است.
استقرارهای فعلی Atlas محدود است و بیشتر در مشارکت با هیوندای (شرکت مادر Boston Dynamics) برای ارزیابی تولید است. Atlas میتواند جابجایی قطعات، برداشتن از سطل و برخی وظایف مونتاژ را انجام دهد، اما ردپای استقرار تجاری آن تا سال ۲۰۲۶ کوچکتر از Figure یا Agility Robotics است. انتقال از هیدرولیک به الکتریکی ضروری بود؛ تبدیل آن به استقرار تجاری گسترده هنوز در حال انجام است.
Agility Robotics Digit: متخصص انبار
ربات Digit از Agility Robotics بالغترین داستان استقرار تجاری را در بخش انبار دارد. سرمایهگذاری آمازون در Agility Robotics و مشارکت GXO برای برداشتن از انبار نشاندهنده استقرارهای عملیاتی واقعی است، نه برنامههای آزمایشی. گزارش شده است که Digit نرخ موفقیت وظایف بالای ۹۰٪ را در جابجایی جعبه و انتقال از قفسه به نوار نقاله در محیطهای انبار ساختاریافته به دست آورده است.
طراحی Digit — دوپا اما با فرم فشردهتر نسبت به رقبای هماندازه انسان — برای زیرساختهای موجود انبار بهینه شده است. راهروها، ارتفاع قفسهها و رابطهای نوار نقاله که برای انسان طراحی شدهاند، بدون تغییر برای Digit نیز کار میکنند. این مزیت قابلیت همکاری قابل توجه است: اصطکاک استقرار را کاهش میدهد حتی اگر توانایی خام Digit با پلتفرمهای بزرگتر انساننما مطابقت نداشته باشد.
فناوری که سالهای ۲۰۲۵-۲۰۲۶ را ممکن کرد
سه تغییر فناوری برای امکانپذیر کردن استقرارهای فعلی همگرا شدند. اول، مدلهای بنیادی ربات مبتنی بر ترانسفورمر — RT-2 از Google DeepMind و سیستم π0 از Physical Intelligence — به رباتها اجازه میدهند رفتارهای آموختهشده را در وظایف مختلف تعمیم دهند بهجای نیاز به برنامهنویسی خاص برای هر وظیفه. یک ربات که روی هزاران نمایش برداشتن و قرار دادن آموزش دیده است میتواند بدون آموزش مجدد کامل با اشیاء جدید سازگار شود.
دوم، آموزش شبیهسازی به واقعیت در مقیاس به این معنی است که رباتها میتوانند میلیونها ساعت آموزش را در شبیهسازی قبل از لمس سختافزار فیزیکی جمعآوری کنند. شکاف بین عملکرد شبیهسازیشده و عملکرد واقعی با بهبود موتورهای فیزیک شبیهسازی به طور قابل توجهی کاهش یافته است.
سوم، منحنیهای هزینه محرک مسیری مشابه موتورهای اولیه خودروهای الکتریکی را دنبال کرده است. موتورهای DC بدون جاروبک با درایوهای هارمونیک که پنج سال پیش ۲,۰۰۰ تا ۳,۰۰۰ دلار به ازای هر مفصل هزینه داشتند، اکنون در حجم ۴۰۰ تا ۸۰۰ دلار قیمت دارند و ساخت کامل انساننما را در مقیاس تولید از نظر اقتصادی امکانپذیر میکنند.
آنچه میتوانند و نمیتوانند انجام دهند
رباتهای انساننمای فعلی در وظایف ساختاریافته و تکراری برداشتن و قرار دادن در محیطهای کنترلشده به طور قابل اعتماد عمل میکنند: برداشتن قطعات از سطل، جابجایی جعبه، انتقال قطعات بین ایستگاههای ثابت. این وظایف ویژگیهای مشترکی دارند — هندسه ثابت اشیاء، مکانهای تعریفشده برداشت و قرار دادن، نور و پسزمینه قابل پیشبینی.
- بله: برداشتن قطعات از سطل با هندسه ثابت
- بله: جابجایی جعبه و ظروف در انبارها
- بله: انتقال قطعات بین ایستگاههای مونتاژ ثابت
- به سختی: مونتاژ ماهرانه قطعات کوچک (وارد کردن کانکتور، قرار دادن بست)
- هنوز نه: محیطهای بدون ساختار با چیدمان متغیر
- هنوز نه: وظایف نیازمند همکاری و ارتباط بلادرنگ انسانی
- هنوز نه: وظایف تعمیر و نگهداری یا تشخیص نیازمند قضاوت
شکاف مونتاژ ماهرانه مهم است: بیشتر وظایف تولید با ارزش بالا شامل قطعات کوچک، تلرانسهای دقیق و نیازهای بازخورد نیرو هستند که دستهای فعلی ربات با آنها مشکل دارند. استقرار BMW از Figure 02 برای جابجایی قطعات استفاده میکند، نه مونتاژ دقیق — این تمایز قابل توجه است.
معادله هزینه
با ۷۰,۰۰۰ دلار به ازای هر واحد، اقتصاد Figure 02 به فرضیات واقعبینانه در مورد زمان کار نیاز دارد. یک کارگر انسانی در سه شیفت تقریباً ۱۰۰,۰۰۰ دلار در سال شامل مزایا و سربار درآمد دارد. ربات تنها در صورتی به برابری هزینه میرسد که زمان کار بالا بماند — استقرارهای صنعتی ۶۰-۷۵٪ زمان کار مؤثر را در استقرارهای اولیه فعلی گزارش میدهند، با احتساب تعمیر و نگهداری، آموزش مجدد و خرابیهای لبه.
در ۶۵٪ زمان کار، مزیت هزینه نیروی کار مؤثر ربات نسبت به سه کارگر انسانی شیفتی با استهلاک هزینه واحد در یک دوره ۵ ساله به اضافه قراردادهای تعمیر و نگهداری به طور قابل توجهی کاهش مییابد. ریاضیات با افزایش قابلیت اطمینان و کاهش هزینههای واحد به طور قابل توجهی بهبود مییابد. بیشتر تحلیلگران جدی نقطه عطف اقتصادی را ۴۰,۰۰۰ تا ۵۰,۰۰۰ دلار به ازای هر واحد با ۸۵٪+ زمان کار میدانند — هدفی که به نظر میرسد در عرض ۳-۴ سال قابل دستیابی باشد.
پیامدهای بازار کار
شغلهایی که در کوتاهمدت در معرض خطر واقعی هستند، نقشهای ساختاریافته و تکراری جابجایی مواد هستند: برداشتن سفارش انبار در مراکز توزیع بزرگ، برداشتن قطعات از سطل در مونتاژ خودرو و وظایف تکراری انتقال قطعات. این نقشها ویژگیهایی را دارند که رباتهای فعلی به خوبی مدیریت میکنند.
شغلهایی که در کوتاهمدت ایمنتر هستند شامل هر نقشی است که نیازمند مونتاژ ماهرانه قطعات کوچک، ناوبری در محیط بدون ساختار، قضاوت بلادرنگ، ارتباط انسانی یا وظایف فیزیکی در فضاهایی است که برای رباتها طراحی نشدهاند. مشاغل ماهر، نقشهای تعمیر و نگهداری و مشاغل با تنوع بالا در یک جدول زمانی ۵ ساله از رباتهای انساننما جابجا نخواهند شد.
چه کسی باید اکنون اقدام کند در مقابل صبر کند
اکنون ارزیابی کنید: تولیدکنندگان خودرو با محیطهای مونتاژ ساختاریافته، اپراتورهای لجستیک و توزیع در مقیاس بزرگ، تولیدکنندگان با کمبود نیروی کار مستند در نقشهای تکراری جابجایی و هر عملیاتی که هزینه نیروی کار انسانی سه شیفت در آن بیش از ۹۰,۰۰۰ دلار در سال به ازای هر ایستگاه است.
۲-۳ سال صبر کنید: تولیدکنندگان کوچکتر بدون تیم مهندسی رباتیک اختصاصی، عملیات با تنوع وظایف بالا یا تغییرات مکرر، تأسیساتی که نیاز به تغییر فضای کاری دارند و هر کاربردی که نیازمند کار با قطعات کوچک ماهرانه است.
گذار رباتهای انساننما در تولید واقعی است، شروع شده است و شتاب خواهد گرفت. اما واقعیت سال ۲۰۲۶ استقرارهای محدود در وظایف مشخص است، نه جایگزینی نیروی کار عمومی. شرکتهایی که اکنون برنامههای آزمایشی را اجرا میکنند، زمانی که فناوری به قابلیت گستردهتری برسد، دانش عملیاتی خواهند داشت — این مزیت منحنی یادگیری زمانی که هزینهها کاهش یافته و قابلیت اطمینان در سه سال آینده بهبود یابد، مهم خواهد بود.