一、开场：先泼一盆冷水

WAIC 2026，上海。具身智能首次独立成馆，200 多家企业、300 多台真机扎堆亮相。

所有人都在喊"具身智能是下一个浪潮"。

所有人都在喊"工业大模型要接管质检"。

但很少有人问一句：在这张牌桌上，机器视觉坐的是主角席，还是正被悄悄收进配角名单？

我们做了 20 年机器视觉，看过太多"改写行业"的叙事，也看过太多产线里真正决定良率的，还是那双"眼睛"。

所以这篇文章，想把这个被热词盖住的问题，重新摆到桌面上。

二、先拆清楚："终极形态"到底长什么样

具身智能拆开看，就三块——

身体：机械臂、移动平台、轮足底盘。负责动。

大脑：决策、规划、任务分解。负责想。

眼睛：感知、定位、识别。负责看。

工业大模型解决的，是"大脑"的老毛病。过去产线要写死坐标，换一个型号就得重调一遍。大模型带来的是泛化：少样本、零样本学习，语义级理解。

换成大白话——你不用再说"检测坐标 X=120、Y=340"，而是说"把那个歪了的垫片捡出来"，一句话机器就懂了。

但机器视觉现在的位置很微妙：它既是"眼睛"，也承担了部分"大脑"。

检测算法 = 识别 + 判定。看到缺陷，还要判断"这是不是缺陷、要不要踢掉"。这部分能力，大模型至今没法直接替换。

▲ VisionBank AI 软件检测界面——视觉系统如何同时完成"看"与"判"。

三、我们的判断：机器视觉不会消失，但会沉到底层

一个反直觉的结论：视觉不会是"终极形态"本身，但会是所有具身 / 大模型方案的标配器官。

打个比方。手机摄像头。

它从不被叫做"终极手机"。但没了它，手机就是一块砖。

视觉在工业里，就是那个角色。

产线是最诚实的考场。我们 20 年经验、8200+ 客户、50000+ 套设备在线，汽车 10+ 案例、3C 20+ 案例、机械 16+ 案例——这些数字背后，是视觉早就成了产线的"标准器官"，不是什么新来的配角。

说白了，当具身机器人喊着"我要有大脑"冲进工厂，它第一件事，还是得先装上靠谱的"眼睛"。

视觉的纵深，比外界想象得深。国内首家自研的双远心镜头，把畸变压到了 0.1% 以下；VisionBank AI 平台上的 200+ 种检测工具，是千万次产线验证攒下来的家底。再往细看，随便举几个技术细节——

动态旋转中心，解决装配空间受限时机械臂怎么精准对位；

区块自定义，让阵列型产品（像 miniLED）能做分区检测、精准定位故障点；

深度通用 OCR，不用调参、不用训练、不用登录字体库就能认字；

虚拟图像单元，把多台相机的视野拼成一张统一坐标图，跨相机也能做几何计算。

这些不是"大模型一句话"能替代的底层硬功夫。它们是视觉作为基础设施的技术护城河。

▲ 产线检测工位实拍图——现场设备、相机与光源组成的实景检测单元。

四、但要警惕：别把"大模型 + 具身"神话成终点

工业现场要的是确定性。

0 漏检。可追溯。今天检出来，明天还得检得出来。

大模型擅长泛化，却不擅长"说到做到"。它给你一个"大概率对"的答案，但产线要的是"必须对"。公开数据里，质检机器人单件检测能做到 5 秒以内、亚微米精度——听着漂亮，可工厂真正在乎的是：这一万件里，有没有那一个被放过的缺陷。

真正能落地的"终极形态"，从来不是单点突破，而是三者耦合：可信赖的视觉 + 可控的模型 + 能动的身体。

在这个耦合里，谁最不容易被替代？

是视觉。

因为"看准"这件事，容错率最低、标准化最难、积累最慢。身体可以换形态，大脑可以换模型，但"眼睛"的可靠性和标准，才是那个锚点。

五、所以，我们给出明确判断

机器视觉的终极形态，不是"被大模型吞掉"。

而是：变成更底层的、标准化的感知基础设施，上面再长出自适应的大脑。

谁掌握了"眼睛"的标准和可靠性，谁就握住了具身时代的门票。

这不是悲观，也不是护短。是 20 年产线教会我们的事：浪潮会换名字，但工厂永远需要先看清，再动手。

---