2026年4月6日，POSCO集团宣布将向机器人自动化解决方案公司Brils投资70亿韩元。在这一动作背后，是POSCO寻求以更灵活的资本手段，弥补其在智能工厂建设中自动化技术短板的现实考量。这笔资金分别由POSCO Holdings战略基金提供的50亿韩元，以及POSCO企业风险投资（CVC）基金提供的20亿韩元组成。
作为成立于2015年的专业自动化解决方案供应商，Brils的核心业务与POSCO的制造场景对接需求高度契合。按照双方规划，POSCO将与Brils共同开发先进的自动化操作系统，旨在加速实现其“智能工厂”目标。对于Brils而言，这笔投资不仅是资金注入，更是其在2026年年内寻求KOSDAQ上市前的重要技术背书。
POSCO集团在人工智能转型（AX）上的布局已有迹可循。早在2023年，集团就正式启动了“AX推进小组”，试图将人工智能全面引入制造流程。随后的2025年6月，集团发布的中期战略目标明确提出，必须通过外部并购与技术合作来弥补自动化领域的短板。
这种通过CVC参股初创企业以获取前沿技术，而非简单进行全资并购的路径，是POSCO近年来资本运作的核心逻辑。通过参股，企业既能保持对生产线控制权的高度自主，又能灵活绑定外部技术力量。
类似的跨界整合在韩国制造业中并非个例。2025年9月，现代汽车旗下的CVC同样向一家工业机器人操作系统公司注资。两者的商业逻辑异曲同工，均指向通过“产融结合”的方式，将外部初创公司的技术能力转化为自身生产线的自动化效能。
在韩国政府“智能制造2030”计划的背景下，此类传统制造业与机器人企业的融合正获得政策层面的支持。尽管方向明确，但如何将Brils的操作系统稳定嵌入POSCO现有的复杂钢铁生产流程，仍是双方必须直面的技术挑战。
POSCO的这笔70亿韩元投资究竟是能够迅速填补智能制造的技术真空，还是会在系统融合的过程中面临周期性的磨合阵痛，目前尚无定论。唯一确定的是，在制造业数字化转型的浪潮中，这种技术绑定的尝试已经成为巨头们不得不落下的棋子。
如果把这笔对Brils的投资放进POSCO更长的产业升级路径中来看，它更像是近年来一系列动作中的延续。POSCO DX在2024年设立AI Technology Center，明确将钢铁、二次电池材料、物流等场景作为工业AI的重点方向，整体目标逐步从“生产过程可视化”推进到“自动化、无人化以及持续优化运行”。在对外表述中，POSCO已经开始使用“smart manufacturing 2.0”这一概念，强调将AI引入到认知、判断与执行环节，使系统逐步具备更高程度的自主运行能力。同时，其智能工厂体系也在不断外延，覆盖质量管理、设备维护、厂内物流以及能耗管理等多个维度，呈现出从单点改造走向系统重构的路径。
近两年，相关布局进一步向现场执行层延伸。2025年，POSCO DX开始通过虚拟仿真环境训练“Physical AI”，用于钢卷搬运等高风险作业场景；随后与安川电机的合作，将工业机器人引入更细分的生产环节；到2026年初，又联合推进人形机器人在物流管理中的应用。整体来看，自动化控制系统、机器人执行能力与AI决策体系正在逐步形成组合，这也使得此次与Brils的合作更像是对现场控制与操作系统层的一次补强。
从全球钢铁企业的动向来看，这一方向的关注度正在持续提升。ArcelorMittal在集团层面推进数字化治理，围绕数字孪生、预测性维护与跨工厂协同展开；Nippon Steel将DX提升至全业务流程层面；中国宝武则持续围绕“绿色、智能、创新”推进体系化升级，并开始探索钢铁行业大模型的应用。不同企业的切入点各有侧重，有的更强调数据与计划体系的协同，有的更侧重生产端自动化与设备能力，也有的在向AI驱动的系统化运行演进，但整体趋势保持一致。
从中国市场来看，宝武在这一方向上的推进更具有“体系化”特征。近年来，宝武持续推动“智慧制造”与“工业互联网”建设，在集团层面搭建统一的数据与平台能力，并通过宝信软件等技术主体，将生产控制、设备管理、质量监测与经营决策逐步打通。其“灯塔工厂”实践已经从单一示范产线扩展到多基地复制，强调标准化能力在不同钢厂之间的迁移与复用。
进入2025年后，宝武在人工智能方向的推进开始明显提速。2025年2月，集团正式启动“2526工程”，将大模型应用上升为集团级战略工程，并完成DeepSeek模型的本地化部署，同时发布钢铁行业大模型与生成式助手等试点应用，推动AI与生产与管理体系的深度融合。
在这一节点之后，相关工作逐步进入持续推进阶段。围绕“2526工程”提出的数据基石、钢铁大模型、智能体应用等方向，宝武在多个业务单元推进应用落地：一方面，在宝钢股份等核心生产主体中，大模型开始参与高炉运行、工艺优化与质量预测等场景；另一方面，在采购、财务、供应链等管理环节，生成式AI被用于提升流程效率与决策支持能力。整体推进方式更接近“平台+场景”的扩展，而不是单点技术试验。
从节奏上看，宝武的AI战略呈现出较为清晰的三步路径：先完成大模型与数据底座的结合，再通过场景驱动实现应用扩散，随后逐步向更高层级的决策辅助与系统协同演进。这种路径与其此前在工业互联网与智能制造领域的推进方式保持一致，强调在统一架构下实现能力的持续复用与放大。
与POSCO相比，宝武的路径更偏向于先构建统一的平台与数据底座，再在其上叠加AI与自动化能力；而POSCO则在推进整体架构的同时，通过外部合作逐步强化现场执行与自动化系统能力。两种路径在节奏上存在差异，但在能力结构上逐渐呈现出相似的方向，即形成一个覆盖“数据—模型—执行”的闭环体系。
放在更长的周期中来看，POSCO与宝武的路径虽然起点不同，但在能力结构上的演进逐渐呈现出收敛趋势：数据平台作为基础，人工智能作为中枢，自动化与机器人系统作为执行端，三者之间形成闭环。
这一变化也在重新定义钢铁行业中“先进制造能力”的内涵。过去，企业之间的差距更多体现在规模、资源获取与成本控制上；而随着生产过程逐步数字化、模型化与自动化，系统运行效率、决策质量以及对复杂工况的响应能力，开始成为新的变量。这类能力往往不以单一技术形态出现，而是嵌入到工艺优化、质量控制、设备管理与能源利用等多个环节之中。
在这一背景下，围绕智能工厂、工业AI与自动化系统的投入，逐渐从阶段性升级演变为长期能力建设。对于POSCO而言，引入Brils所补强的正是现场控制与自动化执行层的能力；对于宝武而言，则更多体现为在既有平台基础上向模型与智能决策延伸。不同路径之下，企业正在逐步逼近同一种能力结构。
随着这一结构逐渐清晰，相关投入的意义也在发生变化。它不再只是提升效率的工具性手段，而开始成为影响成本、质量与安全边界的基础条件。这种变化尚处于演进过程中，但已经足以说明，围绕智能化的竞争，正在从“是否布局”转向“如何构建与整合能力”。
📅 2026年04月07日 写于Amsterdam
✍️ 转载请注明：Steel Press