一个在瑞士,一个在深圳:雀巢这两个点,一个找技术,一个证明它能在食品厂活下来
雀巢在瑞士奥尔布启用深度科技中心,与微软、波士顿动力签约,要把 AI、智能传感和机器人推进全球工厂,顺带做进咖啡机。最值得看的不是这三家联手,是这套安排里的两个地点:瑞士奥尔布负责验证,深圳枢纽负责找技术。一个食品巨头把「找技术」和「证明技术能活」拆成两个办公室,这是采购策略,不是新闻稿。
- 事件:《华尔街日报》11-20 独家报道,雀巢与微软、波士顿动力达成合作,在瑞士奥尔布(Orbe)新设的深度科技中心开发 AI、智能传感与机器人技术,并将推广至雀巢全球生产设施;微软与波士顿动力已向媒体确认合作。
- 覆盖范围:工厂运营(硬件 + AI 能力)与消费产品两条线,消费侧举的例子是咖啡机;涉及品牌包括 KitKat、Nescafé、Purina。
- 已有基础:波士顿动力发布过雀巢普瑞纳的案例——Spot 在包装产线执行每小时的热学与声学巡检路线,把维修技师从例行巡检中释放出来做预测性维护,机队正扩展至加工区与其他工厂。
- 未披露:财务条款、涉及工厂数量、部署机型清单、替代多少人工巡检轮次,双方均未公布;雀巢也未就人员影响表态。
- 另一个地点:报道提到该中心将与雀巢的深圳枢纽协同,后者负责在中国寻找可适配到全球产品的技术。
- 判断:食品厂进机器人的顺序不是「从重到轻」,是「从不用碰食物到碰食物」。Spot 先活下来,正是因为它只测温度、听声音、看仪表,从不接触产品。
这条新闻的标题通常会被写成「雀巢联手微软和波士顿动力」。这个写法没错,但它把最有意思的部分藏起来了。
有意思的是地点。一个是瑞士的奥尔布,一个是深圳。
奥尔布是雀巢这次新设的深度科技中心所在地。按 CTO Stefan Palzer 对《华尔街日报》的说法,雀巢在那里与微软、波士顿动力等签了合作,开发工程产品,成果再推到全球工厂。微软和波士顿动力都向媒体确认了合作,微软出 AI,波士顿动力出硬件与 AI 能力。
深圳是雀巢已有的技术枢纽。按转述,它的职能是在中国寻找可以适配到全球产品的技术。
把这两个点并排看,一条很清楚的分工线就出来了:深圳负责找,奥尔布负责证。
一个食品巨头,把「找技术」和「证明技术能在自家工厂活下来」拆成两个办公室,隔着八千公里。这不是组织架构的巧合,是采购策略——先在成本最低、迭代最快的地方找到候选方案,再在监管最严、标准最高的地方做验证,验证过了才全球复制。
波士顿动力在雀巢体系里已经跑了一段时间。公开的案例是普瑞纳——Spot 在包装产线上执行每小时一次的热学与声学巡检路线,检查设备温度、听异常声响,把维修技师从例行巡检里释放出来,转去做预测性维护。机队正在从包装线扩展到加工区,再扩展到其他工厂。
注意 Spot 在这条线上做的三件事:测温、听声、看仪表。
它一件都不碰产品。
这不是能力限制,是行业约束。食品制造在机器人 adoption 上长期落后于汽车和电子,原因报道写得很直接:卫生设计、冲洗环境、高混合产线。这三样凑在一起,意味着任何进入生产区的设备都必须能承受高压水冲洗、必须没有藏污纳垢的缝隙、必须能在配方切换时快速清洁。
一台人形机器人有几十个关节、上百处缝隙、大量的线缆与散热开口。在食品厂里,这些全是卫生隐患。别说操作,光是清洗规程就过不了。
所以食品厂的机器人化路径,注定是从不接触产品的那一端开始:巡检、搬运封装好的成品、仓储物流、厂务设施维护。等这条路径跑顺了,才可能往产线上推。
判断:这条路径对做场景落地的团队有直接参考价值。食品、饮料、日化、医药这类「有卫生门槛」的行业,客户不是不想用机器人,是他们的清洗规程把大部分形态挡在门外。想进这类客户,先做「不碰产品」的工位——巡检、码垛、成品搬运、库房盘点。这些工位不需要洁净认证,验收周期短,而且能先建立信任。反过来,一上来就谈产线操作,大概率第一轮就被 EHS 部门否掉。
「每小时的热学与声学巡检路线」这个描述里,藏着食品厂自动化的真实需求结构。
为什么是每小时?因为包装线的故障模式是渐进式的:轴承温度慢慢升高、皮带张力慢慢变松、气路慢慢漏。这些变化在发生后的头几个小时里不会停机,但过了临界点就会。人工巡检的间隔取决于人有多少、路线有多长,通常是每班两三次。机器人能把它压到每小时一次,等于把「发现异常的提前量」从几小时拉到几十分钟。
而热学与声学,恰好是两种不需要接触的检测手段。红外测温看的是设备表面温度分布,声学检测听的是异常频率。两者都不需要拆机、不需要接触产品、不需要进洁净区——只要机器人能走到位置、把传感器对准,就能采数据。
这套逻辑跟人形机器人叙事完全是两条线。人形讲的是「替人干活」,Spot 讲的是「替人走路」——把昂贵的、会判断的技师的时间,从走路这件事上省下来。
判断:这个区别在报价时很关键。「替人干活」要和人工工资比,「替人走路」要和「技师每小时的机会成本」比。后者算下来往往更划算,因为一个熟练维修技师的时薪远高于产线工人,而他一天里有相当比例的时间花在从一个点位走到另一个点位上。这是巡检类机器人最好的销售话术,比任何「智能」都硬。
这次合作里最容易被忽略的一句是:AI 不只进工厂,也进消费产品,举的例子是咖啡机。
工厂里的机器人和消费产品里的 AI,本来是两件不相干的事。但它们出现在同一份合作协议里,说明雀巢在做的不是「买机器人」,是重建它和技术的供应关系。
这个动作的历史类比很清楚:一家大公司选定 ERP 供应商,然后二十年不换。雀巢现在做的,是在 AI 时代重新选一遍这个位置——微软拿到了工业 AI 的旗舰案例,波士顿动力拿到了快消行业从未有过的入口,雀巢把两家放在同一个屋檐下。
而咖啡机这个例子之所以重要,是因为它把「AI 供应商」的范围从工厂推到了产品端。一旦设备端的模型、传感和联网能力由同一套供应商体系提供,后续的维护、升级、数据回流都会被锁定在这套体系里。
判断:这层意义对中国厂商是双面的。一方面,这意味着全球快消巨头的技术采购会向少数几家平台集中,单点硬件供应商的机会窗口会变窄;另一方面,深圳枢纽的存在说明雀巢并不打算只从西方采购——它在主动扫中国的技术。窗口没关,但要进,得按它的语言讲:不讲「我的机器人多强」,讲「我能帮你把哪一条产线的哪一个指标改善多少」。
必须把这一层说清楚。
报道里最响的一句是「相关技术未来将在雀巢全球生产设施中推广应用」。这句话是真的——Palzer 确实这么说了。但它是一个方向性表态,不是一个已发生的部署。
具体缺什么?缺四样:涉及多少家工厂、部署多少台设备、什么时间表、按什么 KPI 验收。这四样一个都没有。
而这个行业的经验是:工厂改造的速度是按「停产窗口」算的,不是按「发布会」算的。一条产线要加装巡检机器人,得先做风险评估、再改路线、再培训、再试运行,中间还要和生产排程抢时间。从签约到第一个工厂跑顺,一年是快的。
同一天还有一条可对照的信息:波士顿动力与格芯(GlobalFoundries)的合作,Spot 已经跑了四年多,新加坡工厂两台 Spot 自 2026 年 4 月起累计行进近 900 公里、完成超 9 万次巡检、任务成功率 99%;而人形 Atlas 的实地测试要到 2027 年初才启动,且第一阶段只做场景评估与技能训练。
这就是真实的节奏:四足跑了四年才谈人形,人形进厂先评估一年。
第一,看全球巨头的机器人合作,先看地点,再看伙伴。地点告诉你它在做什么——是找技术、做验证、还是铺产能。伙伴告诉你的信息量反而小,因为大公司的合作名单通常很长。
第二,有卫生门槛的行业,从「不碰产品」的工位进。食品、饮料、日化、医药都适用。巡检、码垛、成品搬运、库房盘点,这四类工位不需要过洁净认证,验收快,而且是建立信任的入口。产线操作要等到第二轮。
第三,别把「全球推广」当订单。判断这类合作有没有实质进展,看三个数:跑了几家厂、跑了几台、跑了多久。前两个数通常不公布,第三个数藏不住——设备在不在现场,客户自己会说。