2025年9月16日，ADI举办了主题为“激活边缘智能 共绘具身未来”的人形机器人媒体分享会，在分享会上，ADI公司院士兼技术副总裁陈宝兴博士分享了主题为《从数字工厂到人形机器人，全方位构建工业智能未来》的演讲。

在演讲中，陈宝兴博士谈到，过去10年，数字工厂对生产自动化和数字驱动决策起到了很大的推动作用，但是物理智能——即机器对环境的感知、理解和灵巧操作，将是工业智能的未来。ADI的定位就是让机器具备感知、连接、控制和解译的能力，让工厂成为一个有思想、有触感和有行动力的智能系统。

1.AI的发展历程

回溯过往七十年，人工智能的发展历程，可被视作一部具象化的智能进化时间轴。

1950年，图灵测试让大家开始思考机器是否能和人一样地思考；

1956年，达特茅斯会议正式提出人工智能这个学科；

2012年，深度学习取得突破性进展，让机器视觉、语音图像识别等能力大幅提升；

2022年，生成式AI爆发，ChatGPT等大模型让AI进入全民时代；

2025年到2030年，具身机器人将在未来几年成为现实，推动产业变革。

在过去，AI、自动化和机器人都各有其赛道，但现在他们正在融汇成一个超级生态。

2.机器人发展的驱动因素

从机器人发展来看，主要受以下因素驱动：

其一，AI技术的加速迭代。随着AI 算法的持续突破，机器学习能力得到显著提升，这直接赋能机器人 —— 使其适应能力大幅增强，能够在复杂多变的环境中自主判断、优化动；

其二，市场需求的柔性升级。当前市场对制造模式的灵活性提出更高要求，工厂生产需从“刚性” 转向 “柔性”，这就倒逼机器人具备快速切换任务的能力，以匹配多品类、小批量的生产节奏，提升制造效率与应变空间；

其三，人口结构与劳动力供需的变化。全球范围内人口减少、制造业用工荒问题凸显，劳动力缺口逐渐扩大。在此背景下，“人机协作” 成为必然趋势 —— 机器人将与人类并肩作业，共同攻克复杂任务，在弥补劳动力不足的同时，进一步释放生产潜力，最终实现造福人类的目标。

3.ADI能够做什么？

陈宝兴博士做了一个生动的类比：把一座现代工厂比作一台“巨型机器人”—— 传感器是它洞察环境的 “眼睛”，高速连接网络是它传递信号的 “神经网络”，电机与执行系统是它驱动运转的 “肌肉”，而控制与解译系统则是它指挥决策的 “大脑”。

至于人形机器人，则巧妙地将上述所有核心能力，高度浓缩进一具灵巧的“人体” 之中，堪称工厂里能高效适配多种场景的 “超级员工”。

作为自动化领域的先行者，ADI 始终聚焦于为工业智能提供关键支撑，持续输出感知、连接、控制、解译四大核心能力。

从感知上讲，机器人需要像人一样能够看得见、摸得着，未来“多模态感知融合”，让机器人同时具有视觉和触觉去判断物体的形态，进而提升灵巧度。

从连接上讲，工厂和机器人都需要有高速、稳定的“神经网络”连接。

从控制上讲，控制系统是机器人的“大脑皮层”，它负责运动规划、动作执行。

从解译上讲，机器人不但要“执行”而且要“理解”环境以及要执行的任务。

作为提供从核心技术到系统解决方案的全链条产品服务商，ADI 的产品矩阵可围绕机器人运行所需的关键功能，清晰划分为几大核心板块，全面覆盖技术需求：

环境感知：提供能精准测量景深的ToF 摄像头模组，为机器人捕捉环境信息、判断空间位置提供核心视觉支持；

高速稳定连接：涵盖GMSL、以太网等有线高速连接技术，同时推出适配关节数据传输场景的 60GHz 无线连接方案，满足不同部位的数据传输需求；此外，ISO-USB 等稳健的外部连接技术，可保障机器人在维护、调试及充电过程中的安全；

精准控制与操作：拥有用于实现类人灵巧操作的IMU（惯性测量单元），搭配能实现先进抓握与触觉感知的触觉传感器，助力机器人达成精细动作与环境交互；在电机控制层面，还提供磁性编码及控制器、位置传感器，确保电机运转的精准性与稳定性；

能源管理：同步配套高效的电源与电池管理方案，为机器人持续、稳定运行提供可靠的能源保障。

4.灵巧手突破的5大关键技术

灵巧手作为人形机器人迈向更高智能的关键突破口，其类人手功能的实现，离不开五大核心技术因素的协同支撑，具体可拆解如下：

1）低延迟响应：这是灵巧手实现“本能级动作” 的基础，类比人类的 “脊髓反射”—— 人类能在 20-50 毫秒内完成本能反应，而机器人要达到同等甚至更敏捷的效果，控制环路的总延迟必须压缩至 10-20 毫秒以内，唯有如此才能快速应对突发场景，避免动作滞后。

2）精密电机控制：如同人类手指可精准调控发力大小与活动角度，机器人灵巧手也需依托高分辨率的位置感知与力反馈技术，实现对指尖动作的精细化把控。

3）触觉传感能力：要让机器人手指具备“类人触觉”，就需搭载能模拟人类皮肤感知的触觉传感器，使其可精准识别压力强弱、物体滑移状态及材质纹理差异。

4）高速互联技术：类比人类传递信号的“神经网络”，机器人灵巧手需依托高速、低抖动的数据通路，实现指尖传感器、电机与控制系统之间的实时数据传输。

5）高宽带数据共享：因为工业现场数据非常巨大，机器人需要在本地和云端之间高效地同步状态，学习经验。最新的AI算法也支持“边云协同”，让机器人能够实时上传操作数据，远程云端可以根据数据对机器人的动作进行即时优化。

5.磁耦合触觉传感器

当前市场主流的触觉传感器主要分为压阻式、电容式与光学式三类，但这类传感器普遍存在一个短板——易受环境因素干扰，可靠性欠佳。具体来看，水分兼具介电质与导体属性，会改变电场与电导特性，进而影响电容式、压阻式传感器的精度；而灰尘则可能遮挡光路，干扰光学式传感器的检测效果。

相比之下，ADI 的磁耦合触觉传感器能有效克服这些不足，具备更强的鲁棒性。核心原因在于，其依赖的磁阻特性不会受水分、灰尘等环境因素影响，可在复杂场景下稳定工作。

从工作原理来看，该传感器的结构设计简洁且精准：中间层为弹性材料，上层搭载线圈（作为磁场产生元件），下层则采用ADI 专属的电桥（作为磁场检测元件）。当传感器受到压力时，中间的弹性材料会被压缩，导致电桥所检测到的磁场强度减弱；通过读取电桥的输出信号，即可精准判断外力的大小，实现稳定的触觉感知。

从温度的角度来讲，因为ADI采用电桥型的传感器，磁阻的电桥受温度的影响也非常小。此外还有很重要的一点是，ADI的磁耦合触觉传感器是通过线圈产生磁场，电桥可以检测到线圈产生的差分磁场，但是会对外界的磁场起屏蔽作用，因为外界的磁场是平行的，所以电桥只能检测到差分磁场。另外，芯片上还有一个磁屏蔽层，能更好地屏蔽外界磁场的影响。

另外，因为电桥不直接接触外力，与外力接触的是远离电桥的上端部分，因此其稳定性较高。此外，传感器力检测灵敏度可达1g，分辨率高达 12 比特，同时还能实现低于 1mm 的空间分辨率，精准满足精细触觉感知需求。

6.AI与物理智能深度融合，加速人形机器人的创新和落地

要加速人形机器人的创新和落地，最重要的是AI要与物理智能紧密、深度融合。

陈宝兴博士谈到：“可以把‘AI和物理智能’的关系比成‘大脑跟人体’的关系，比如AI是机器人的‘大脑’，负责学习、推理、决策。物理智能是‘身体’，负责感知、运动、与环境互动。只有两者深度融合，机器才能像人一样灵活、聪明、可靠。”

物理智能的核心在于高性能传感器，ADI 机器人团队正围绕这一核心推进关键实践 —— 将 ADI 的传感器与执行器模型深度集成至 NVIDIA 的 Isaac Sim 平台。

通过这一集成，平台能够精准模拟真实世界的物理反馈，进而训练出可直接部署的机器人控制策略，为实现从仿真到现实（Sim2Real）的技术突破搭建关键路径。

要知道，工业应用场景极为复杂，可用于训练的真实数据往往稀缺；而高仿真技术的价值正在于能生成充足训练数据，但仿真的准确性高度依赖精准的模型—— 这正是 ADI 当前重点发力的领域，旨在通过优质模型为仿真与现实的衔接筑牢基础。

结语：

中国在全球人形机器人产业化中占据关键地位，凭借领先的制造业能力、充沛的工程人才储备、稳健高效的供应链体系及“中国速度”，成为机器人从原型走向量产的热土，构建起强大本地生态。

在演讲最后，陈宝兴博士表示，ADI 将致力于推动这一变革，愿与各行业合作伙伴及本地创新力量紧密协作，共建充满活力的具身智能生态圈。其目标是推进人形机器人从实验室走向工厂、从概念走向现实，助力具备自适应、智能、协作特性的机器人，改变在工业、医疗、服务等多领域的发展格局，开启具身智能新时代。