原文标题：Standard Bots CEO: physical AI is closing the gap between what manufacturers want to automate and what they can – MarketScale
据MarketScale7月11日日报道，本文探讨了 Physical AI 如何通过缩小理想自动化与现有能力之间的差距来助力制造商。Standard Bots 的联合创始人 Evan Beard 强调，Physical AI 允许机器人通过演示进行学习，从而跳过传统编程。这一进步使得过去被认为机器人难以完成的复杂任务实现自动化成为可能。本报道由 MarketScale 制作。了解 Industrial IoT 团队如何借助 AI Visibility (GEO) 将其投入实际应用。复制链接 60秒速读 在一分钟内掌握关键事实、背景及其意义。0:00 1:00 核心要点 Physical AI 支持通过演示进行学习，取代了传统的编程方式。得益于 Physical AI，制造业的自动化能力正在不断扩展。Standard Bots 的 Evan Beard 强调了 Physical AI 的重大影响。本页内容 1979 年至今，美国制造业的就业人数已从近 2000 万降至约 1300 万。
Standard Bots 联合创始人兼 CEO Evan Beard 于 2026 年 4 月在众议院科学、空间与技术委员会 (House Science, Space, and Technology Committee) 下属的研究与技术小组委员会 (Subcommittee on Research and Technology) 面前公布了这一数字，当时举行了一场主题为“美国制造机器人：提升美国在制造业与自动化领域的领导力”的听证会。他的观点是：机器人必须变得更易于部署，这一趋势才有可能逆转。Beard 于 2017 年与 James Cordle 和 David Golden 共同创立了 Standard Bots，他向美国自动化促进协会 (Association for Advancing Automation) 旗下的《Automate》出版物谈到了物理 AI (Physical AI) 在这一蓝图中所扮演的角色。他所描述的核心问题，对于任何曾对自动化项目进行过成本核算的运营团队来说都不陌生：机器人本身只是成本的一部分。编程、系统集成，以及产品变更时重新训练系统所需的时间，往往才是导致项目无法落地的根本原因。物理 AI (Physical AI) 正是他为解决编程与重新训练问题而提出的方案。操作人员无需为每一个动作编写代码，只需使用手持设备或通过遥操作引导机器人完成任务。机器人会记录下这些动作并将其转化为 AI 模型的训练数据，随后由该模型自主执行任务。
Beard 将大型语言模型的进步与这种能力直接联系起来，他在接受 Automate 采访时表示，ChatGPT 等工具背后的技术进步现在正拓展至物理世界。Beard 将自动化的机遇划分为两个不同的类别。第一类涵盖了机器人技术已得到验证的作业：机床上下料、焊接、码垛和喷涂。Standard Bots 正在参与这些市场的竞争，但其前提是部署成本必须比以往更低、速度更快。第二类是他所谓的“不可能的作业”。这些任务是系统集成商曾告诉制造商，一旦将集成成本计算在内，它们在技术上不可行，或者在经济上不划算。多样性/变化通常是导致这一问题的原因。针对单一特定物体、表面或姿态编程的机器人，如果不经过重新配置，往往无法应对微小的偏差。Beard 举了一个汽车行业的例子，以说明物理人工智能 (Physical AI) 是如何改变这一算法/算计逻辑的。某项任务需要在一分钟的单站时间内完成，这一节拍限制在过去排除了实现自动化的可能。
来源：MarketScale ｜ 原文链接