海康机器人：首提“具身智造”、营收65亿，正寻下一个生产基地

　　4月23日，杭州桐庐，海康机器人智造大会2026现场。海康机器人首席执行官贾永华公布了一组数据：2025年全年营收64.52亿元，机器视觉产品累计出货超1000万台，移动机器人下线突破18万台。

　　在国内市场，每两台工业相机、每三台移动机器人中，就有一台来自海康机器人。

　　不过，贾永华在台上说的另一件事，可能更值得关注。他首次向业界提出了“具身智造”概念，将智能制造的演进方向升级为系统能力的全面重构。

　　此外，记者获悉，海康机器人今年1月刚搬入的桐庐生产基地，占地200多亩，原计划支撑未来五年生产，由于需求增长极快，现在看来可能也就支撑两三年，其已开始着手寻找下一个基地。

　　具身破解产业难题

　　“具身智造”并非一个空泛的概念。贾永华在演讲中拆解了它的内核：一是打造高柔性的智能体，让设备具备多任务、多工艺、多节拍运行的复合能力；二是构建可复制的场景应用能力，让设备快速理解碎片化场景、稳定融入生产流程。

　　两者结合，目标是让智能设备“下得了车间，复制得了价值”，让固定产线转化为按需组合的流动产能。

　　这一判断的底层逻辑，是制造业正在经历的结构性困境。

　　一方面，制造业熟练工人持续减少，企业越来越需要易操作的自动化设备；另一方面，市场需求正走向小批量、多批次、碎片化，“人在减少，需求在变碎”，传统自动化已触及天花板。

　　对真实场景而言，从装配、检测到转运，具身机器人可以让产线拥有“理解现场、适应变化”的能力，让“具身智造”真正融入到每一个生产节拍里。

　　贾永华举例，“在柔性质检环节，我们采用机械臂搭载智能相机的一体化方案，通过多角度自主采集，实现产品外观与关键特征的全域覆盖检测。系统不仅能精准识别划痕、磕碰等常规缺陷，更能通过深度学习，定位细微瑕疵与复杂结构异常，大幅提升精度与稳定性，减轻人工目检压力。”

　　人形机器人是互补

　　另一个值得关注的话题是，当前人形机器人概念火热，且纷纷入局工业场景。海康机器人如何看待潜在的竞争？

　　海康机器人副总裁张文聪在接受等媒体采访中，给出的答案很明确：“互补，而非替代。”

　　他将传统自动化设备（如AMR、关节机器人）称为“专业工”，优势是节拍快、效率高、精度高，适合固定任务；人形机器人则更像“多能工”，可以在专业工做不了的场景中做补充——比如空间狭窄、操作复杂、柔性要求高的环节。

　　“既有专业工，又有多能工的工厂，才是未来的智能工厂。”张文聪说，“海康机器人既有专业工，也有多能工，二者互补，共同构成了智能工厂的完整形态。”

　　对于是否会造人形机器人本体，他表示一直在关注和评估，会根据客户需求和市场成熟度决定。目前海康机器人已有“轮式人形”产品，主要用于工业场景。“工厂里大部分区域都没有台阶，轮式形态可能更适用。”他认为，未来机器人形态必然是多种多样的，像《机器人总动员》里一样，根据不同场景适配。

　　至于零部件供应，海康机器人已经在为一些人形机器人品牌提供视觉感知产品。张文聪强调，公司的优势在于从核心部件开始做，“把自己作为客户来验证，成熟后再推向市场”。

　　AI或扩容机器视觉

　　机器视觉是海康机器人的起家业务之一，已做到国内市占率第一。但张文聪坦言，到了这个规模，增长不能再只靠国产化替代，而是要“把蛋糕做大”。

　　首先，突破口在传统行业，张文聪表示，“以前视觉技术主要用在3C、锂电、光伏和汽车这样的新兴产业，在传统制造业里面，比如食品药品、家具等行业，这种行业还是很传统的。它们未来的应用需求很大，当然难度也很高，而且也很碎片化。”

　　其次，还有技术演进带来的市场扩容机会。在张文聪看来，传统的机器视觉四大应用——定位、测量、检测、识别——前三项技术相对成熟，但检测（尤其是缺陷检测）难度极大。不同行业、不同场景的缺陷千差万别，传统方法非常痛苦。产线上大量工人从事的正是目检工作。

　　张文聪认为，AI技术的发展，尤其是大模型，有望突破这一瓶颈。大模型相比传统CNN模型，效果更好，场景迁移所需样本量大幅减少——可能只需要原先的十分之一。一旦工业质检被大规模突破，机器视觉的市场天花板将被彻底打开。

　　与此同时，海康机器人也在攻关3D视觉等感知技术，以解决2D无法处理的凹坑检测、平面度检测等难题。目前中高端3D视觉市场仍被国外企业垄断，海康机器人正投入大量资源追赶。

　　为了降低AI落地成本，海康机器人还推出了VAC系列一体化AI推理终端，采用国产AI加速卡，算力比肩主流显卡，同时功耗极低、尺寸小巧，可在常规VC硬件上实现AI升级，并支持多卡并行。这一产品的目标很明确：让中小企业也能用得起AI。

　　另外，在数据层面，张文聪承认具身智能大模型面临严重的数据瓶颈。真实数据采集成本极高，需要同时采集视觉、触觉、力控、关节位置等多维信息。

　　张文聪透露：“我们两条路都在走，既采集真实数据，也利用仿真数据预训练模型，再用真机数据调优。虽然采集的资源投入会很大，但我们会持续做下去。”