专访CreateMe CEO 实体AI从缝纫到粘合重塑服装制造

几十年来，服装制造始终是全球工业领域最依赖人工劳力的环节之一。虽然机器人技术已深刻改变了汽车生产、电子元件组装和仓储物流，但对于织物这类柔性可变形材料，自动化处理至今仍是一道巨大的技术瓶颈。

织物容易拉伸、起皱和悬垂，其形变方式往往难以预估。这些特性使得传统工业自动化系统在面对织物时常常束手无策。

随着具身AI与实体AI（Physical AI）的快速发展，越来越多的研究机构与科技企业将“柔性材料操控”视为机器人技术领域最值得攻克的前沿方向之一。

一旦取得突破，影响的将不仅仅是服装行业——汽车内饰、医用纺织品、航空复合材料等多个领域同样能从中获益。

CreateMe正是致力于攻克这一难题的代表企业之一。CEO兼创始人坎贝尔·迈尔斯（Campbell Myers）并未沿袭传统缝纫自动化的老路，而是另辟蹊径——从机器人技术、智能材料处理以及胶粘剂连接工艺入手，对服装生产流程进行了系统性的重构。

公司的目标非常明确：打造一种全新的制造模式——让服装生产更贴近终端市场，同时减少浪费、压缩交货周期、提升供应链的响应能力。

在本次专访中，迈尔斯深入探讨了为何柔性材料处理仍是机器人领域最棘手的挑战，以及为何他认为仅靠给现有流程叠加AI远远不够。他还详细介绍了CreateMe以胶粘剂粘合替代缝纫的技术路线、智能夹爪与实时材料状态感知的应用，以及如何构建能够应对织物和设计持续变化的机器人系统。

访谈还涉及了更宏观的行业趋势：服装生产能否回流高成本经济体、自动化与可持续发展的关系，以及这项技术最终能否迁移到其他依赖复杂柔性材料组装的行业。

机器人与自动化新闻：服装行业几十年来一直尝试实现缝纫和纺织品处理的自动化，但进展有限。为什么柔性材料对机器人和自动化系统构成如此巨大的挑战？

坎贝尔·迈尔斯：自动化制造在历史上一直难以有效应对柔性材料，根本原因在于可变形物体操控的复杂性——这本身就是机器人领域最具挑战性的问题之一。

与刚性零部件不同，织物在处理过程中会持续改变形状，行为难以预判。它会拉伸、起皱、悬垂，并以难以预测和控制的方式发生位移。传统自动化系统是围绕固定几何形态和可重复动作构建的，而对纺织品来说，微小的变量会迅速叠加放大，导致预编程方案失效。

这一挑战从来不只是机器人精度的问题——关键在于能否充分理解材料的实时状态，从而可靠、稳定地执行操作。正是这一洞察，奠定了CreateMe技术路线的基础。

机器人与自动化新闻：您将可变形材料操控描述为具身AI领域最重大的未解难题之一。织物与工业机器人处理刚性物体相比，本质区别究竟在哪里？

坎贝尔·迈尔斯：刚性物体在整个加工过程中通常能保持可预测的形状和位置，而织物则完全不同。它引入了部分可观测性、非线性行为和持续变化——机器人往往无法推断折叠处究竟发生了什么，也无法预知材料对力的响应方式。

这使服装制造成为真正意义上的实体AI挑战：系统必须实时感知、决策和执行。实体AI在流程经过合理结构化设计、机器能够观测到正确材料状态并据此自适应的情况下效果最佳。如果缺乏这一前提，AI往往只是在为一个从未为自动化而设计的流程打补丁。

机器人与自动化新闻：CreateMe的方法似乎是对服装制造本身进行重新思考，而非简单地将现有缝纫流程自动化。您是在什么时候意识到，必须以胶粘剂粘合取代缝纫，才能让大规模自动化成为可能？

坎贝尔·迈尔斯：我们最初的假设是：缝纫本身就是制约大规模自动化的障碍。几十年来，行业一直聚焦于缝纫自动化，但缝纫工艺本来就是为人手设计的——它要求在织物拉伸、位移和形变的过程中持续对其进行操控和对齐。

我们采取了第一性原理的思路，追问缝纫究竟是否必要。胶粘剂粘合之所以令人信服，是因为精准施胶技术已在消费电子、半导体制造、鞋履等多个高产量制造业中得到成功应用。

以粘合替代缝纫，使我们能够将服装组装重构为：在静态固定状态下进行受控定位和离散连接。这一流程重新设计让自动化成为可能，而实体AI则帮助系统在现实世界的多变性中实现规模化。

机器人与自动化新闻：CreateMe的平台融合了机器人、胶粘剂和实体AI。在整个技术栈中，哪个部分是最难突破的技术挑战——感知、抓取与操控、材料行为、运动规划，还是粘合工艺本身？

坎贝尔·迈尔斯：最大的挑战始终是在材料持续变化的情况下，实现对柔性材料的操控与组装。胶粘剂粘合提供了更可控的连接方式，但在完成粘合之前，系统仍须精准理解织物几何形态、管理张力、对齐边缘并以极高精度控制接触。

材料属性、拉伸性、悬垂性或定位上的细微差异，都可能迅速累积成组装误差。因此，这一挑战远比感知、抓取、运动规划或粘合中的任何单一环节都要复杂。真正的难题在于将所有环节形成闭环——让系统能够实时理解材料状态并相应调整动作。

机器人与自动化新闻：您提到了单面接触、智能夹爪和热可逆胶粘剂等概念。能否介绍这些技术在实际生产环境中如何协同运作，以及它们对规模化扩展的重要性？

坎贝尔·迈尔斯：这些技术分别针对制造挑战的不同层面。单面接触是一种流程设计选择，通过降低操控需求来简化自动化。智能夹爪有助于在材料行为和尺寸存在差异的情况下完成织物的处理和定位。

胶粘剂提供了比传统缝纫更可控的连接方式，而热可逆胶粘剂则进一步支持未来的拆解和回收利用，对我们目前采用的商业胶粘剂体系形成有效补充。

真正的突破并非任何单一技术，而是将机器人技术、材料科学与实体AI整合为一体，共同解决任何单一技术都无法独立攻克的制造难题。

机器人与自动化新闻：围绕制造业回流的讨论大多聚焦于电子、半导体或汽车领域。您认为服装制造业的自动化，能否将成衣生产切实带回美国或欧洲等高成本经济体？

坎贝尔·迈尔斯：我认为这是现实可行的。新一代服装制造技术正在从根本上改变劳动力经济学和劳动力需求结构。事实上，服装行业的回流理由甚至可能比其他许多行业更为充分，因为远离需求端的代价极为高昂。

服装行业长期深陷供需失衡——过度库存、折价促销、资源浪费和漫长的交货周期屡见不鲜。CreateMe以自动化胶粘剂组装替代缝纫，在降低劳动力需求的同时，更关键的是减少了对专业缝纫技能的依赖——而这类技能在高成本经济体中日益稀缺。

贴近需求端生产，可以提升响应速度、增强供应链韧性、优化库存效率。

机器人与自动化新闻：时尚行业长期以来饱受浪费问题的诟病——过度生产、库存积压、难以回收的服装。CreateMe的战略有多少是着眼于制造效率，又有多少是着眼于更宏观的可持续发展和供应链重构？

坎贝尔·迈尔斯：对CreateMe而言，核心目标并不是孤立地追求制造效率或可持续性，而是从根本上重新设计服装制造与供应链模式。行业中大量的经济损耗和环境浪费，根源在于漫长的交货周期、供需错位以及生产与终端需求的脱节。

通过在更贴近消费者的地方构建响应更迅速的自动化制造体系，我们可以同时减少两种形式的浪费。效率和可持续性是重要的结果，但我们将其视为构建更优制造与供应链模式的副产品，而非目的本身。

机器人与自动化新闻：展望未来五到十年，您认为CreateMe的定位主要是服装制造商，还是其底层柔性材料机器人平台有望扩展到汽车内饰、航空复合材料、医用纺织品等其他行业？

坎贝尔·迈尔斯：我们的战略重心仍然是服装领域。我们不仅将CreateMe定位为制造商，更将其视为一种新型制造与供应链模式的基石——旨在让生产更贴近需求端。

服装本身就是一个规模庞大的产业，当前供应链中蕴含的巨量经济损耗与环境浪费，为重新思考产品的制造与交付方式提供了重要机遇。

尽管如此，我们在机器人、材料科学和实体AI领域所开发的底层技术，具备超越服装领域的广泛应用潜力。汽车、医疗、家居、航空等涉及技术纺织品和其他柔性材料的行业，在材料处理与组装方面面临着许多相同的挑战。

我们相信，针对服装领域研发的技术能力，最终可以通过合作伙伴关系、技术授权或直接商业化部署等方式，延伸至相邻行业。

Q&A 精华摘要

Q1：CreateMe为什么选择用胶粘剂粘合替代传统缝纫？

A：传统缝纫是为人手设计的，在织物持续拉伸和变形的情况下极难实现自动化。CreateMe从第一性原理出发，认为缝纫本身是制约自动化规模化的核心障碍。胶粘剂粘合技术已在消费电子、半导体和鞋履制造等领域得到验证，能够将服装组装转化为在静态固定状态下的受控定位和离散连接，从而让机器人系统得以可靠运作。

Q2：服装制造自动化面临的最大技术难题是什么？

A：最大的挑战是在材料属性持续变化的情况下，实现对柔性材料的精准操控与组装。织物的拉伸性、悬垂性和定位的细微差异都可能累积成严重的组装误差。这不是某个单一技术问题，而是需要将感知、抓取、运动规划和粘合工艺全部形成闭环，让系统能够实时理解材料状态并动态调整动作。

Q3：CreateMe的技术能推动服装生产回流美国或欧洲吗？

A：这是现实可行的。新型自动化制造技术降低了对专业缝纫技能的依赖，而这类技能在高成本经济体中本就日益稀缺。服装行业长期面临供需失衡、库存积压等问题，在更贴近消费者的地方建立自动化产线，可以提升响应速度、降低库存风险，使回流高成本经济体的经济账更为合理。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：专访CreateMe CEO 实体AI从缝纫到粘合重塑服装制造要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题