顾金磊，宁波华翔启源科技有限公司总经理。华翔启源定位为把汽车制造工艺迁移到机器人赛道，从传统来料加工升级为同步设计、共享设计、共创开发的深度合作，依托汽车行业积累的供应链资源，为机器人客户提供从产品设计、供应链开发到量产管理的一站式全链路服务。本届千峰奖访谈中，顾金磊围绕AI与出海带来的模态进化，分享了华翔启源在智能制造与具身智能方向的实践与判断。
亿邦：本届千峰奖以「AI与出海带来的模态进化」为核心主题，聚焦产业能力的深层重构。结合智能制造行业，您如何理解这一轮由AI和全球化共同驱动的产业模态进化？华翔启源在AI能力建设与全球化出海上有哪些核心战略布局？能否具体介绍一下公司的定位及业务模式？
顾金磊：我对这一轮模态进化的理解是：AI正在把智能从数字世界带进实体制造，具身智能是最有代表性的方向之一。今天的具身智能行业，非常像10年前的新能源汽车，当大家还在质疑的时候，恰恰给我们留好了机会，而且这个行业的迭代速度远快于当年的新能源汽车。整个行业的马拉松才跑了100米，市场容量极大。
而在机会判断和战略布局上，华翔启源的路径可以概括为两句话：不追热点，深耕长板。我们不跟风切入通用大模型、世界模型这类科研领域，坚持深耕硬件制造、材料迭代、同步设计这些自身优势领域。我们不参与通用基座模型的竞争，与机器人公司形成互为客户的共创关系。
关于定位：我们是把汽车制造工艺迁移到机器人赛道。从传统来料加工升级为同步设计、共享设计、共创开发的深度合作，在零部件、工艺、测试端与客户联合迭代。
关于业务模式：依托汽车行业积累的供应链资源，为机器人客户提供从产品设计、供应链开发到量产管理的一站式全链路服务，大幅降低客户在非核心环节的投入，形成很强的客户绑定效应。
亿邦：目前贵公司在哪些核心业务环节落地了AI/大模型技术？AI在纵向打通产供销全链路、横向整合产业资源方面分别发挥了怎样的作用？形成了怎样独具特色的AI或数智化竞争力体系？
顾金磊：AI与模型技术的落地目前主要集中在智能装备+AI算法。我们自研的四足机器人已在宁波江北园区落地，承担泵房、消防设施等高风险区域的巡检任务，搭载AI视觉识别算法自主发现安全隐患。巡检四足的自主巡航、异常自主识别能力来自具身智能模型的迭代——巡逻次数越多，异常判断能力越强。
其次是生产端的数据沉淀与系统化。在人形机器人量产过程中，我们积累了行业最丰富的量产端问题数据，过去一年积累的产品问题数量是传统汽车工厂的10倍以上。我们正联合软件厂商开发标准化的问题分析数据库，这个数据库的基础通用模块将向全行业开放，为行业提供设计、工艺的参考边界；同时计划搭建数据系统助力快速迭代，避免一直靠加人来提效。
亿邦：能否分享一个最具代表性的“AI+价值链”创新实践案例？它解决了哪些行业共性痛点，创造了哪些可感知、可量化的价值？
顾金磊：最有代表性的案例有两个。
第一个是测试台架共创。人形机器人测试台架没有成熟行业标准，我们联合汽车测试设备厂商共同开发，这套设备后来成为行业通用方案，合作厂商次年出货破百台。这个案例验证了汽车行业积累的供应链资源可以直接复用到机器人赛道——机器人的核心关节由电机、减速器构成，与汽车电驱动系统结构一致。
第二个是PEEK材料轻量化替代。PEEK是塑料材料体系的顶端品类，同等体积下重量仅为铝合金的一半，还自带抗腐蚀属性。我们已在量产机器人的关节子零件上实现PEEK材料的完全替代，减速器齿轮等核心部件仍在测试迭代。量产落地后，PEEK零件的综合加工成本可接近甚至低于铝合金、钢材零件；通过上游布局和工艺优化，我们让PEEK材料成本较进口产品减半、性能优于进口同类产品。
亿邦：在数据竞争力方面，您提到量产数据是华翔启源最核心的资产。作为全球1.7米级全尺寸人形机器人出货量最大的量产工厂，这些数据具体怎么用？在“自有数据深耕”和“跨主体协同”之间，华翔启源怎么选择？
顾金磊：量产数据是我们最核心的资产。作为全球1.7米级全尺寸人形机器人出货量最大的量产工厂，我们积累了行业最丰富的量产端问题数据，过去一年积累的产品问题数量是传统汽车工厂的10倍以上。
在「自有数据深耕」还是「跨主体协同」的路径选择上，我们两者都做：自有侧，深耕量产问题数据，联合软件厂商开发标准化的问题分析数据库；行业侧，这个数据库的基础通用模块将向全行业开放，为行业提供设计、工艺的参考边界，专用模块保留自用。
亿邦：您还提到一个判断：场景落地积累的数据达到临界值后，模型能力将呈现指数级增长。这个临界值怎么理解？对机器人落地规模意味着什么？核心挑战是什么、如何应对？
顾金磊：我们对数据价值的判断很明确：场景落地积累的数据达到临界值后，模型能力将呈现指数级增长，机器人的落地规模会从单台增长突然跃升至百台级的爆发。
核心挑战在迭代速度：机器人赛道要求3个月内完成产品迭代，错误不可避免。我们的应对是快速迭代、不重复犯错，通过大量产品级模拟测试验证方案的正确性。
亿邦：您怎么看产业智能体改写B2B？垂类大模型是否有长远发展必要？产业互联网公司的AI护城河在何处？
顾金磊：关于垂类大模型，我们不参与通用基座模型的竞争，只针对自身生产场景开发垂域应用级模型，与机器人公司形成互为客户的共创关系。垂类模型在具体生产场景里有真实价值，通用模型解决不了场景里的具体问题。
关于AI护城河，我们的判断是：行业当前的核心壁垒并不是成本，而是产品know-how与场景的匹配能力。依托中国完整的供应链，成本端的突破速度会非常快；真正难的是理解场景、把产品适配到场景里去。
关于产业智能体如何改写B2B：我们与客户的合作模式已经从传统来料加工升级为同步设计、共享设计、共创开发的深度合作，AI能力正在深度嵌入这种共创与供应链服务过程，这可能是智能体改写产业协作的一种形态。
亿邦：在海外市场的深度价值链建设上，华翔启源形成了怎样的模式？核心能力是什么？
顾金磊：我们向海外输出的能力，与在国内做的事情一脉相承：硬件制造+供应链整合服务，也就是为客户提供从产品设计、供应链开发到量产管理的一站式全链路服务，降低客户在非核心环节的投入。
亿邦：为统筹AI能力落地、国内价值链升级与海外业务拓展，华翔启源在组织架构或治理机制上做了哪些关键调整？您提到“思想解放、流程重构、组织重构”三层，分别是怎么落地的？
顾金磊：我们的调整可以概括为三层。
思想解放：首先要求团队忘掉汽车行业的固化框架，解放思想，只保留底层工艺原理的积累，其余经验做适配性筛选。团队成员大多来自汽车行业，同时吸纳了部分有机器人行业从业经验的人员。
流程重构：彻底重构原有汽车行业的生产制造流程，核心判断标准有两条——能否快速响应客户需求、能否保障产品核心质量指标。
组织重构：打破传统组织边界，调整架构适配新赛道；采用并行筹备模式，边同步设计、产能规划，边采购设备做工装，允许试错但禁止重复犯错。面对出货需求激增，团队工艺端人员扩增三倍，同时计划搭建数据系统助力快速迭代，避免后续一直靠加人提效。
亿邦：如果给刚刚起步、希望同时构建AI竞争力与全球化能力的同行企业提一条最核心的建议，这条建议会是什么？
顾金磊：最核心的一条建议是：不要追热点，找到自己的长板领域深耕。具身智能赛道的市场容量极大，合作大于竞争，不必为短期排名焦虑。最后分享一句话：很多问题，它越难的时候，就是离正确越近的时候。
作为TO B领域年度风向标，“2026第八届亿邦产业互联网年会暨首届产业智能体大会”将于2026年11月20日在北京召开。主题定为“AI与出海带来的模态进化”，聚焦产业智能体落地、AI供应链价值重构、数据要素与TOKEN经济、产业出海新生态等前沿议题深度思辨。大会将集结学界权威、央国企标杆、产业龙头、投资机构、服务生态伙伴，汇聚产业核心力量、拆解产业数智化转型路径、分享前沿实战经验。同期还将发布年度产业互联网报告及标杆案例，举办决策人闭门会、“千峰奖”颁奖盛典。
