锂电产线和具身智能，看起来是两个赛道：一个在电池工厂里跟金属反光、粉尘和高速节拍较劲；一个在具身智能机器人的生产线上，面对边缘算力与实时响应的苛刻要求。但把这两个场景放在一起看，会发现它们指向同一个问题：当AI走出演示环境，谁来承接真实工业现场对感知、算力和可靠性的全部苛求？研祥集团三十余年的技术积累，正是围绕这个问题展开的。
锂电制造：当“第一触点”不再受制于人
锂电制造的追溯环节，是最能说明问题的地方。一块动力电池从极片到成品，每一道工序都需要赋予唯一身份，而读码正是这道身份链的起点。然而金属、铝塑膜表面的强反光让不少读码器频频“失明”，一个环节读不出，整条产线的追溯链就断了。
研祥集团旗下研祥金码的做法，是从光学到算法层层破局：仿生眼对焦镜头搭配多组可控光源，有效抑制眩光和频闪；AI深度学习算法依托大规模真实工业条码样本训练，在高速产线上实现99.99%的读取准确率。读码解决的是身份追溯，而在涂布闭环控制、卷绕张力监测、电芯质量检测、安全联锁等更多环节，传感器通过精准的信号采集，为工艺精度、产品良率、设备安全提供核心保障，相当于产线的“眼睛和神经”。研祥传感推出的光电与接近传感器系列，正是瞄准这一长期依赖进口的关键环节，让锂电制造的“第一触点”逐步回到自主可控的轨道上。
具身智能：算力下沉，让产线拥有“神经末梢”
具身智能的要求则被推到了另一个量级。2026年被业界视为具身智能规模化落地的关键之年，但从“识别分析”走向“真实行动”，行业面临算力不足、接口割裂、部署复杂和环境严苛等多重痛点。
这套算力体系需要云端与边缘的配合：具身智能大模型的训练依赖海量算力，研祥集团旗下亿万克品牌的AI服务器承担了这一角色；而训练完成的模型要真正进入产线，则要靠研祥智能的工业AI计算机，把算力从云端“拉”到边缘，嵌入柔性装配线的各个节点，在数据产生的第一现场完成AI推理与控制指令下发。从感知数据接入、实时运算到执行指令下发，整个过程都在研祥工业AI计算机内闭环运行，决策响应压缩到毫秒级。更关键的是它的工业级“体格”：全密封无风扇的铝合金机身，在粉尘、潮湿和强电磁干扰环境下依然稳定运行。
从两个场景到千行百业：感知、计算、存储，缺一不可
这两个场景的背后，是同一套底座能力。 除了读码与算力，研祥集团在感知和存储环节同样在布局，从基础的光电传感器和接近传感器，到工业级的存储产品矩阵，作为整个工业AI基础设施的延伸。研祥集团以“AI装备×AI算力×AI平台”的乘法协同，构建起覆盖感知、计算、存储的完整体系，推动工业AI从单一场景走向千行百业。
从一块电池到一台机器人，再到一条产线、一座工厂，赛道在变，但底层需求没有变：让AI的能力在真实工业环境里扎下根。研祥集团所做的，是在这些看得见的产品和场景“里面”，提供那颗能在毫秒间处理海量数据、在极端条件下持续运行的工业AI底座。当越来越多的制造场景运行在自己筑就的算力基座之上，“赋能千行百业”才不再是一句口号。
