万亿机器人市场新入口：命脉工程开启智能化突围
中国智造升级，卡在了命脉工程的核心工序。
第三方研究机构数据显示，国内焊接场景的自动化普及率仅约30%。而焊接，正是贯穿于船舶制造、能源电力、轨道交通以及钢结构建筑等众多基础设施工程的核心底层工序，决定着结构的成型与安全。
这是智能化浪潮下反常识的一幕：支撑国家能源运输和公共交通体系的关键工程，其自动化水平却长期处于低位，核心工序仍主要依赖人工完成。
造成这一局面的根源，是复杂多变的作业环境。基础设施建设往往伴随高温、高压等极端工况，非标件与复杂结构普遍存在，这对机器人的感知系统、运动控制以及硬件工艺都提出了远高于常规工业场景的要求。
过去十年，中国制造业的智能化无疑已经在生产端实现了诸多突破，无论是从数控机床还是到工业机器人在工厂产线的应用，都直观体现了这一点；但在大型结构件与极端工况交织的命脉工程中，自动化的边界至今尚未实现真正跨越。
由此，命脉工程的智能化，不仅是工业自动化亟须完成迈进的“最后一公里”，更是检验中国智能制造体系能否应对复杂场景、实现更高自动化能级的终极“试金石”。
智能化竞速的“最后一公里”
最后一公里，同时描述了命脉工程核心工序智能化实现的关键性和挑战性。
焊接作为命脉工程的核心工序，其作业环境高危、用工荒与成本飙升的问题长期存在。中国焊接泰斗潘际銮院士曾描述过一个其亲历的重型工业施工场景：在焊接大直径合金钢罐体时，为满足工艺质量要求，厚达百余毫米的罐体壁需被预热至约200℃。工人因此需穿着厚重的石棉服，通过吊装设备进入高温、密闭的罐体内部开展作业。在这样温度极高、通风受限且易积聚有害气体的环境中，即便作业时间仅十余分钟，也必须有医疗团队在现场全程待命。
伴随严苛作业环境而来的是劳动力的短缺。第三方数据显示，2025年全国范围内焊工缺口达500多万人。另据统计机构调研，年轻人中有意愿从事焊接工作的比例不足7%，这进一步加重了未来焊工缺口的扩大，预计到2035年焊工缺口会进一步扩大至1000万人。市场长期的供需失衡，又进一步带来了用工成本的飙升。事实上，早在2015年印发的《中国制造2025》就提出了，劳动力等生产要素成本的不断上升，已成为制约中国制造业发展的重要原因之一。
这一高风险、高成本、低效率的循环，折射的正是中国制造在最基础环节的结构性短板——一端是工程安全带来的刚性需求，另一端是劳动力短缺和成本上升造成的现实约束。在此情况下，“机器换人”已不是锦上添花，而是迫切的必然选择，凸显了基础设施工程核心工序实现智能化的关键性。
而挑战性则在于，复杂的作业环境及结构件的非标准形态，让机器人在核心工序的落地应用面临重重掣肘。
首先是基础设施工程涉及的工件往往体积庞大、结构复杂。比如石油化工的储油罐，不仅直径可达百米，壁厚也超乎常规器件；桥梁钢结构则布满了各种曲面和纵横交错的构件。工件尺寸越大、几何形态越复杂，对机器人的移动范围和灵活度提出的要求就越高。
与此同时，大型基础设施建设中常见的非标件，让自动化系统难以依靠固定轨迹或模板运行，这大幅增加了机器人规模落地的难度。
此外，大型基础设施建设普遍都是高温、高湿的复杂极端工况，在核电领域甚至还可能存在辐射和有毒气体等的干扰，导致机器人的光学传感器等核心零部件难以正常运作，设备性能出现整体下降。
更重要的是，这些挑战几乎贯穿了命脉工程的整个制造底层。因此，当焊接等关键工序实现智能化突破时，意义远不止于单一环节的安全与效率提升，而是制造业整体的自动化能力闭环的实现，并最终让这套能力的价值沿着整个制造业链条外溢、延展。可以说，如果这“最后一公里”无法跑通，中国制造的整体升级将一直存在缺口。
无人区的艰难探索
事实上，极端工况下的智能化提升，是全球制造业面临的共同难题。在这片自动化能力尚未延伸的“无人区”，不同的国家和企业都在探索各自的破局路径。
在重型制造业自动化水平相对更高的日韩，造船及钢结构行业在较早期就引入了龙门式焊接生产线，用于大面积板块的自动化焊接。此外，六轴焊接机械臂也被广泛应用于结构件的焊接，以应对狭小空间的焊接工作。但这些解决方案的平稳运转，都建立在生产高度模块化、构件范式统一性高的基础之上，因而在复用性及场景拓展上都面临较大限制。
欧美的机器人公司则侧重开发可在危险环境中作业的爬行或吸附式机器人，典型案例是近期在行业内外关注度都较高的美国Gecko Robotics磁吸附机器人。但这类公司的解决方案大多数以检测为主、施工为辅，在焊接、切割等关键工序上的自主施工方面能力有限。
值得一提的是，Gecko也在尝试拓宽其机器人产品的能力边界，比如执行自主维修以及增减材制造等，但这类厂商的机器人产品离全面承担施工任务还尚有差距。
国内方面，面对劳动力短缺和安全生产的要求，一些大型央企和头部制造商也在桥梁、管道以及钢结构施工中加速推进“机器换人”试点，比如中交二航局、中铁建大桥局等，都在施工过程将智能焊接作为突破口，提升整体施工建造过程的自动化、智能化。
但整体来看，机器人的调试运维和环境适应都还在早期摸索阶段，需要更多的作业经验积累以提升稳定性。同时机器人设备较高的购置成本，也限制了自动化系统在基础设施建设过程中的规模渗透。
博清科技创始人冯消冰对记者总结，不同解决方案都面临各自瓶颈的现实印证了：核心工序的智能化跨越，需要的不仅仅是单点技术的突围，更需要体系化能力的搭建。
“首先是感知，要让机器人在高温、强光和复杂结构中准确识别焊缝位置，需要对感知系统进行重构。其次是决策，面对非标结构，机器人的路径规划与运动控制算法必须具备更强的协调与自适应能力。第三是控制，本体结构要在刚度与灵活性之间找到平衡，让机器人能够在复杂空间中实现稳定的自主作业。最后是部署，让机器人在不同工况下实现免示教、跨场景的快速使用，是规模化应用的决定性一环。”
博清科技也是一家专注基础工序智能化的机器人公司。它的源头可以追溯到中国科学院院士潘际銮团队在1997年研发的无轨导全位置爬行焊接机器人原型机。2017年，潘际銮院士的关门弟子冯消冰从导师手中将技术传承下来，成立了博清科技这一商业主体，由此启动以这一原型机为切入口的科研成果产业化落地探索。
作为众多试图征服这一智能化“无人区”的其中一员，博清科技在过去八年探索出了一套独特的体系化解法。首先是针对复杂场景的应对能力，博清科技选择的是搭建“智能焊接中心”，进行提前模拟预演，目的是提高机器人在实际作业场景中的适应能力。
接着是对视觉传感系统的重构。博清科技自主研发了适用于焊接等极端工况的激光视觉传感器和熔池视觉传感器，让机器人在强光和强电磁干扰的作业环境下，也能稳定识别焊缝的三维轮廓位置以及熔池的动态状态，从根本上解决了外部环境对机器人自主作业形成的干扰。
在控制层面，博清科技则沿用了非固定坐标架构的自主移动方案，机器人由此可以不依赖轨道或固定工作站，直接吸附在工件表面自由爬行，并在移动过程中自主寻找跟踪焊缝，适应大型基础设施建设常见的复杂空间结构。
从感知系统、控制再到工艺的重构，核心工序的智能化解决方案底座事实上已经完成搭建。
万亿蓝海市场的拐点逼近
目前，博清科技的方案已在多个实际场景中跑通，甚至给自动化率更高的日韩市场，也提供一套更切中当下痛点的解决方案。
早在2023年，博清科技就与日本大型贸易及工程公司日本冈谷钢机，达成了焊接机器人出口合作协议，向日本输出其核心产品无轨导全位置爬行焊接机器人。这一高度柔性的解决方案，针对的正是日韩市场目前最为迫切待解的两大痛点：传统固定式设备难以覆盖的狭窄空间和现场焊接任务，需要新型移动焊接机器人来填补空白；劳动力持续短缺的现状，也需要具备跨场景应用的机器人解决方案来实现破局。
从验证结果来看，博清科技机器人的焊接接头100%通过X射线探伤检验，在最高等级的验收标准下，仍完全满足。这意味着，技术突破和工程能力带来的更高环境适应性和结构匹配度，让国内的核心工序智能化解决方案，实现了对自动化率更高的海外市场的反向输出。
2024年，博清科技已实现盈利。也就是说，博清科技的自动化解决方案，在公司自身的业务模式、财务结构层面也已经跑通。这在处于风口之上的机器人行业并不多见，大多数机器人公司仍然需要通过融资维持研发和运营，商业化道路仍然漫长。
从行业视角而言，这意味着，命脉工程核心工序的智能化，正在从技术可行，同步向商业可行迈进。这是一方面由基础工序技术挑战共通性带来的方案可复用性决定，另一方面则是基于命脉工程本身所涉及的巨量投资。
目前，针对基础设施建设自动化提升的大多数解决方案，都把切入口定位在了焊接这一占比较大的工序上。而一旦焊接自动化方案完全跑通，技术和工程能力可以进一步向切割、清根、组对等工序进行延展。
在技术和解决方案的可复用性方面，博清科技的实践提供了一个可供观察的样本。据博清方面介绍，截至目前，公司针对清根等其他工序的机器人产品已经推出。冯消冰对记者表示，工序之间的延展，本质上是对系统能力的放大，“只要感知等底层能力做扎实了，解决方案就可以在更多工序场景中复用。”
与此同时，市场空间不仅体现在机器人本体及配套装备的直接销售上，还包括整套解决方案、运维服务等体系化的产品链。博清科技当前形成了由机器人本体、机器人工作站、智能感知传感、智能焊接软件等组成的多元产品矩阵。
命脉工程的资金密集型特点，则将这种规模化想象空间，进一步指数级放大。综合过往几年的统计数据，造船、石油石化、轨道交通、核电四大领域合计年度建设投资规模约在4万亿元。而在这些领域的建设和制造过程中，依赖于人工完成的仍不在少数。这意味着，“机器换人”的推进，孕育的是一个万亿级市场。
目前，政策端正在发力推进命脉工程“机器换人”的加速。早在2023年末发布的《船舶制造业绿色发展行动纲要（2024-2030年）》，就强调了推动船舶制造业绿色化、智能化发展的方向。而今年3月出台的《推动工业领域设备更新实施方案》，则进一步明确了到2027年，工业领域设备投资规模较2023年增长25%以上。
政策支持叠加以博清科技等企业为代表的技术破局和商业跑通共振，让这个万亿蓝海市场的拐点越来越近。
打开“下一个工业智能化入口”的钥匙
而当产业拐点临近，新的变量也正在出现——在高风险、非标环境中采集到的真实工况数据，是工业智能系统持续学习的高质量养料，由此训练出的工业级大模型，将进一步赋能制造领域全链条的机器自主决策。
与通用大语言模型不同，工业级大模型需要融合工业领域独有的数据模态，如传感器信号和工艺参数等。这些数据多来自企业内部与工业现场，获取和处理的难度远高于依赖互联网语料的通用大模型。
与此同时，工业大模型所能实现的任务，也有着比通用大语言模型更高的能级，除了能进行对话问答以外，工业大模型还可以让机器人真正实现自主控制以及运维决策，在多个环节赋能制造业的智能化升级。
博清科技创始人冯消冰开创性地提出了智能焊接机器人的分级标准：L0级是手工焊接，最高的L5级则是完全智能焊接。他认为，焊接大模型的出现将推动焊接机器人实现L4级的智能化水平。“这一阶段的机器人，对工件加工精度、装夹精度要求极低，基于多模态融合，可以自主学习焊接优化策略，同时实现多机器人的智能互联作业。”
今年3月，博清科技发布了国内首个工业级焊接大模型。该模型由博清科技和清华大学电子工程系联合打造，融合了海量焊接理论、工艺参数及机器人实操数据，构建起了包含方案推荐、焊接工艺规程（WPS）智能生成、质量实时预判等核心功能的智能决策体系。这个工业级焊接大模型最直接的作用效果就是，将传统焊接工艺开发周期缩短了约60%，综合成本降低40%以上。
根据规划，博清科技将于2026年1月开放外部系统对该大模型的接入，下一步还将通过更多的调试，让这个工业级焊接大模型向Agent、多模态大模型的方向迭代。
工业级大模型的训练门槛以及对智能化水平的跨越式提升，让衡量基础工序智能化这一赛道的价值标尺，不再局限于产品销量和ROI，而是进一步延展至底层能力的可复用性和数据资产带来的复利。
资本正在提前押注这一价值预期。近两年来，主研制造业自动化升级的机器人产业链企业，都获得了国资、市场化投资机构、产业资本等不同性质资方的押注，资本热度显著上升。上述博清科技在今年下半年完成了B轮系列融资，获得了中信私募、中信金石、中信证券、国科嘉和以及北创投等数亿元的出资。
具身智能的爆发式发展已经说明，技术想象空间的打开，加上资本的涌入，以及政策的支持，将带动整个产业生态链的加速形成，由此推及，基础工序的智能化也将在多重合力作用下进一步走向成熟。
归根结底，命脉工程底层工序的智能化，不只是把一项基础工程以更安全和高效的方式完成，而是在跨越这“最后一公里”的过程中，倒逼感知、决策、控制、本体与工艺的系统性优化，并沉淀出面向真实工业现场的高价值数据资产。前者构成中国智造的技术底座，后者催生面向制造领域的工业级智能大模型与决策平台。这也让这条看似垂直的细分赛道，实际上成为了中国制造迈向更高能级智能化的关键入口。