五个核心问题与回答
为什么重大装备需要集群机器人？
一台更强、更大的机器人不能完成大飞机和船舶制造吗？
大型复杂部件尺寸大、工序多、任务不断变化，单机工作空间和效率都有边界。多机器人并行作业可以覆盖更大范围，但也把难题从单机精度升级为动态任务分配、协同控制与安全避碰。
传统工业机器人为什么难以适应变批量生产？
重新编程不就可以换任务吗？
传统机器人依赖预设程序，环境变化、工件偏差和临时任务都会带来大量重新标定。新一代系统需要多模态感知、环境理解和自主规划，在现场变化发生时调整，而不是等待完整重编程。
“连得上、传得快、算得动、控得稳”为什么缺一不可？
这四项中哪一项最构成壁垒？
它们形成一条链。设备协议不统一就无法获得状态，网络延迟会破坏协同，算力不足影响规划，控制不稳则让所有上层智能失去意义。工业具身不是单个模型产品，而是通信、计算与控制的系统工程。
数字孪生在闭环中承担什么角色？
只是把车间做成三维可视化吗？
不是。报告中的闭环从数字孪生开始，经环境感知、规划决策和机器人加工，再由质量检测回到数字模型。孪生体要用于预测、调度和复盘，而不只是展示。
集群智能如何被验收？
多机器人同时动起来是否就代表协同成功？
必须回到具体工序：完成时间、加工精度、冲突率、故障接管和换型成本。真正的群体智能不是动作同步，而是在资源变化和局部故障下仍能重新分配任务并完成质量目标。
沿着对话，回到问题如何展开
王耀南：AI 正从虚拟世界走向物理世界，新一代制造需要柔性化、自主化和群体化。
纪要：这三个目标并不自动一致。更柔性可能增加不确定性，更自主会提高验证成本，群体化则增加系统协调难度。
王耀南：传统机器人依赖程序编制，环境适应力弱，难以满足重大装备的多品种、变批量需求。
纪要：变化不是异常，而是场景常态。产品必须把换型和重新学习的时间纳入价值测算。
王耀南：信息传输、感知、规划、控制执行和反馈要形成闭环迭代学习。
纪要：每个环节都要留下状态和质量记录，才能判断错误来自视觉、规划、控制还是设备本体。
王耀南：群体感知与认知之间，关键是群体智能和分布式协同控制的结合。
纪要：增加机器人数量会增加通信与冲突复杂度。系统要在局部设备掉线、工序延误时重排计划，而不是依赖固定剧本。
王耀南：工作流从数字孪生到环境感知、规划决策和加工控制，再回到数字孪生。
纪要：回到孪生体意味着实际偏差进入下一轮模型更新。没有质量检测的反馈，闭环只是单向自动化。
王耀南：不同厂家设备并不一致，如何实现有效互联互通，是必须解决的问题。
纪要：如果每个项目都重新适配协议、数据和控制接口，集群智能就难以复制。标准化连接层可能比最先进的单项算法更先决定商业规模。
现场画面
