"具身智能"这个词，2026年突然就火了。

海康机器人在4月的智造大会上，展出了轮式具身机器人，已经在内部产线承担物料搬运任务。自变量机器人发布了具身智能基础模型W。奥比中光的3D视觉传感器业绩回暖，3D视觉在工业场景应用加速。

听起来很炫，但作为一个在工业传感器领域摸爬滚打10年的工程师，我想说：具身智能对工业相机的要求，和传统的机器视觉完全不一样。

传统机器视觉 vs 具身智能视觉

传统机器视觉是什么？固定相机，拍固定位置，做固定检测。比如：相机装在流水线上方拍产品外观检测缺陷；相机装在机械臂末端引导抓取；相机装在AGV上识别二维码导航。

这些应用，相机是"被动"的——它只负责拍照，决策是后台系统做的。

具身智能是什么？相机是"主动"的——它要实时感知环境，自己做决策。

具身智能对工业相机的4个新要求

要求1：低时延 — 传统机器视觉时延50ms没问题，具身智能需要10ms以内，最好5ms。

要求2：高动态范围（HDR） — 工厂环境光照变化大，HDR能力必须强。

要求3：3D深度感知 — 2D只能看"平面"，具身智能需要"立体"。奥比中光这种3D视觉传感器厂商业绩回暖就是证明。

要求4：边缘计算能力 — 相机本身要带AI芯片，能做边缘推理。海康的新款相机已经内置了NPU。

克杰网络的传感器选型建议

建议1：别急着"具身"，先把基础的机器视觉做好 — 循序渐进：先上2D相机做质量检控 → 再上3D相机做引导抓取 → 最后考虑具身智能方案。

建议2：选"算力可扩展"的相机 — 能不能外接AI加速卡？固件能不能升级支持新模型？

建议3：重视"手眼标定"的易用性 — 选相机一定要问"手眼标定工具好不好用"。不好用的，后期调试能累死你。

实战案例：一个"具身智能"的尝试

2025年底，克杰网络接了一个项目：帮一家苏州的医药企业做"具身智能分拣"试点。选的方案：极智嘉P800 + ABB IRB 1200 + 奥比中光Astra Pro + 自变量W模型。

实施过程中最大的挑战是手眼标定，调了整整一周才达到要求。项目最终成功，拣选准确率98.5%。

但我想说：这个项目的成功，70%靠的是"传统机器视觉"的扎实基础，30%才是具身智能的新技术。

写在最后

具身智能来了，这是趋势，挡不住。但作为工厂老板，你要问自己：我的基础自动化做好了吗？我的数据准备好吗？我的团队跟得上吗？

联系方式：私信我，发"工厂照片+需求"，24小时内给你初步方案。