当机器人走进工厂：智能制造的下一道「隐形门槛」是声学
2026年7月29日，雷军在微博分享了一段视频：两台小米人形机器人在汽车工厂里协作——白机器人折叠收纳盒，黑机器人在一旁「督工」，还对着镜头比了个耶。
这看起来是一段有趣的「机器人打工vlog」。但作为一个在声学实验室行业做了十年的人，我盯着这段视频想了另一个问题：当几十台甚至上百台这样的人形机器人同时在工厂里运转，那个车间的声学环境会是什么样？
这不是一个「未来问题」。它正在发生。
---
一、人形机器人进工厂，不只是「替换人工」那么简单
先看几个时间节点：
- 2026年7月，小米机器人在汽车工厂的自攻螺母上件工站，双侧作业成功率已达98%，距离人类工人仅差1%
- 同期，机器人在总装车间物流区解锁新岗位：中控台侧盖板排序、料箱折叠回收，成功率达90%
- 雷军在2025年底公开表示：**未来五年，人形机器人将大面积在小米工厂上岗**
小米不是唯一的一家。特斯拉Optimus已经在自有工厂测试电池分拣，Figure AI的人形机器人进入宝马产线，优必选Walker S在蔚来工厂完成质检任务——全球范围内，人形机器人正在从「实验室Demo」走向「产线生产力」。
但一个关键问题被所有人忽略了：工厂是为人类设计的，不是为机器人设计的。 人类的听觉系统经过了数百万年进化，可以在嘈杂环境中选择性聆听（鸡尾酒会效应）。机器人没有这个能力——至少目前没有。
---
二、机器人制造车间的三个声学难题
难题一：机器人自身的噪声——「安静的工厂」是个伪命题
一台人形机器人在运行时涉及数十个关节电机，每个电机在加减速时都会产生噪声，加上减速器齿轮啮合、风扇散热、末端执行器（夹爪/吸盘）的气动噪声——根据行业经验估算，单台人形机器人的运行噪声本底大约在40-55dB(A)之间。
这个数字在办公室里不算什么。但当几十台机器人在同一车间协同作业时，叠加后的环境噪声将达到更高的水平——足以对车间内的语音沟通造成实际障碍。
更关键的是频谱特征：机器人关节电机的噪声集中在500Hz-4kHz，这恰好是人耳最敏感、也是语音信息最密集的频段。这意味着在有机器人工厂里，人和人之间、人和机器人之间的语音交流会受到严重干扰。
难题二：语音交互——「对机器人喊话」在产线上行不通
人形机器人的核心交互方式之一是自然语言。工人走到机器人旁边说一句指令，机器人理解并执行——这才是真正的「人机协作」。
但在较高的工厂背景噪声中，语音识别准确率会出现断崖式下降。这不是算法的问题——这是物理问题：麦克风离声源（工人嘴部）越远，信噪比越低。而在嘈杂的环境中，麦克风阵列的波束成形算法也面临极限——当背景噪声的声场过于复杂（大量反射+多个移动噪声源），传统的降噪处理效果急剧下降。
这需要在受控声学环境中，用工人的真实语音样本+工厂的真实噪声样本，对机器人的语音识别模型做针对性训练。 而这种训练的精确度和可复现性，完全取决于测试环境的声学质量。
难题三：声学安全——机器人能「听」到危险吗？
这是一个更底层的问题。
在传统工厂里，人类工人可以听到异常声音并做出反应：轴承磨损的「咔咔」声、皮带打滑的「吱吱」声、气压泄漏的「嘶嘶」声——这些都是预警信号。
在机器人主导的智能工厂里，谁来「听」这些声音？
解决方案是在工厂部署声学监测网络——用分布式麦克风阵列持续采集环境声音，通过AI模型做异常声纹识别。这和之前我们在半导体行业讨论的「声发射预警」思路一致，但尺度和复杂度完全不同——半导体声发射监测的是一个芯片，工厂声学监测的是整个车间的声场。
而训练和验证这些异常声纹识别模型，同样需要精密受控的声学环境。 你不能在真实的工厂产线上调试算法——产线停一分钟都是损失。你需要把真实的声音带到实验室里，在可控条件下反复测试。
---
三、智能制造需要什么样的声学测试设施？
结合列星十年行业经验，支撑机器人制造的声学测试需要至少以下三类设施：
1. 全消声室：机器人本底噪声源识别
在全消声室（本底噪声<10dB(A)）中，用声学阵列对机器人做近场声全息扫描，逐一识别每个关节电机、每个减速器、每个风扇的噪声贡献量。这是机器人声学优化的基础——不知道噪声从哪来，就不知道从哪入手。
这和汽车NVH的「噪声源识别」完全是一个方法论——只不过测试对象从发动机换成了机器人。
2. 多模态声学实验室：人-机器人语音交互验证
需要在可模拟工厂真实声环境的实验室中，测试机器人在不同背景噪声下的语音识别准确率。列星为小米汽车交付的AI全场景多媒体实验室（国内首例全自动混响时间可调听音室）的设计理念——场景可切换、数据可追溯——直接适用于此类测试。同一间实验室可以在「安静实验室」和「繁忙车间」之间一键切换。
3. 标准听音室：声学安全模型的主观验证
异常声纹识别模型的最终判断标准是人——模型标记为「异常」的声音，是否真的是人类工程师认为「需要关注」的声音？这需要经过训练的评审员在标准听音室中进行盲听验证。
---
四、为什么说「现在」是窗口期？
几个信号：
信号一：机器人出货量进入爆发期。 小米、特斯拉、Figure、优必选、宇树科技——全球主流人形机器人企业都在加速从研发走向量产。每一家量产机器人的企业，都需要配套的声学测试能力，这不是「可选」，而是产品出厂前的基本质量保障。
信号二：智能工厂建设全面提速。 随着智能制造政策持续推进，当工厂里的机器人从「几台」变成「几十台、几百台」，声学环境管理就从「可忽略」变成了「硬约束」。
信号三：机器人安全标准正在建立。 国际标准化组织（ISO）的人机协作安全标准（ISO/TS 15066）已经规定了协作机器人的力/功率限制，但声学安全标准仍处于早期阶段。一旦标准出台，声学测试将从「研发选项」升级为「合规刚需」。
信号四：列星的客户矩阵天然覆盖这个赛道。 小米（机器人）、华为（具身智能）、大疆（机器人）、科大讯飞（机器人语音交互）——列星现有客户中的大多数，都正在或即将进入机器人赛道。我们在声学测试环境方面的积累，可以直接平移到这个新需求上。
---
写在最后
小米机器人在工厂比耶的视频，很多人看到的是「好玩」。但站在产业视角，这标志着人形机器人从「能力的可能性」迈向了「部署的可靠性」——而要达到「可靠性」，绕不开声学。
工厂里最容易被忽视的，就是声音。因为人类太擅长「选择性忽略」了——你的大脑会自动过滤掉空调的嗡嗡声、风扇的呼呼声、远处机器的运转声。但机器人不会。麦克风不会。算法不会。
智能制造的未来，不只取决于机器人有多聪明，还取决于机器人所在的声学环境有多「干净」。
列星科技，10年深耕声学实验室，400+项目经验。从3dB(A)超低本底噪声全消声室到全自动可变混响听音室，从整车半消声室到便携式隔音箱——我们为消费电子、汽车、AI、半导体和智能制造领域的头部客户提供专业声学测试环境一站式解决方案。服务华为、微软、三星、大疆、安克、韶音、科大讯飞、SGS、TUV莱茵、小米汽车等全球顶尖客户。
参考来源：IT之家7月29日《雷军晒小米机器人在工厂工作视频》；IT之家7月14日《小米机器人"实习"新岗位》；IT之家2025年11月28日《雷军：未来5年，人形机器人将大面积进入小米工厂"打工"》；ISO/TS 15066等。