选项
首页
新闻
Flex与泰瑞达深化合作,加速人工智能硬件部署

Flex与泰瑞达深化合作,加速人工智能硬件部署

2026-05-06
105
Flex与泰瑞达扩大合作,共同推动物理人工智能的发展

Flex正与机器人和人工智能领域展开合作,以加速客户数据中心的部署。| 图片来源:Flex

为实现全球自动化标准化,Flex 与泰瑞达机器人(Teradyne Robotics)深化了长期合作伙伴关系,旨在加速将物理人工智能和智能机器人技术应用于制造业。此次合作采用双轨并行模式:Flex 既负责制造泰瑞达的核心机器人组件,同时也作为主要测试基地。

Flex计划在其全球生产设施中部署Teradyne旗下Universal Robots(UR)的协作机器人(cobots)以及Mobile Industrial Robots(MiR)的自主移动机器人(AMRs),以提升运营效率。

此次扩展标志着从传统硬件支持向物理人工智能前沿领域的战略转型,在此领域中,机器人制造商与用户之间的界限正逐渐模糊。通过将泰瑞达机器人公司的协作机器人和自主移动机器人(AMR)整合到自身运营中,同时生产其组件,Flex旨在解决长期以来阻碍智能自动化广泛应用的“规模问题”。

对于更广泛的工业领域而言,此次合作将检验将先进制造与人工智能驱动的机器人技术相结合,能否最终弥合实验性自动化与稳定全球运营之间的鸿沟。

Flex与泰瑞达的合作涵盖电子领域

Flex 不仅为 UR 生产关键组件,还在自家工厂部署了 UR 的协作机器人和 MiR 的自主移动机器人。双方表示,将通过先进的供电和散热技术以及可扩展的 IT 基础设施,解决功耗、散热和规模化等挑战。

双方称,此次扩展的实际部署将提供持续的运营反馈,验证大规模机器人技术,并加速成功自动化工作流的复制。

“二十多年来,Flex与泰瑞达一直合作在全球范围内提供半导体设备,”Flex生活方式、消费电子及核心工业业务总裁Dennis Kirkpatrick表示。“将合作关系扩展至机器人和智能自动化领域,是在坚实基础上进一步深化合作,将泰瑞达机器人公司的行业领先技术与Flex的先进制造能力、全球布局及执行专长相结合。”

Flex为总部位于马萨诸塞州北雷丁的泰瑞达提供先进制造、系统集成及全球供应链支持,服务于电子和半导体生产中使用的半导体测试平台。双方表示,进军自动化领域是水到渠成的自然发展,将利用共同的专业知识来应对日益增长的复杂性、规模化需求以及现代工厂对更高灵活性的要求。

“作为自动化合作伙伴与泰瑞达机器人紧密合作,使我们能够扩展智能自动化规模,同时为电子、工业设备、数据中心基础设施及其他关键领域的客户提供日益复杂的制造环境支持,”Flex运营卓越与转型总裁罗德里戈·达洛格利奥(Rodrigo DallOglio)表示。

合作伙伴携手推动全球制造业的物理人工智能发展

泰瑞达机器人与富智康表示,双方将共同提供物理人工智能技术,旨在日益复杂的生产环境中构建更具适应性和灵活性的系统。

Flex是全球制造与供应链领域的领导者,作为支撑全球大部分AI基础设施的幕后力量,提供从设计到售后支持的端到端服务。该公司在30个国家拥有超过100家工厂,声称管理着全球数据中心80%的关键电力和计算需求,并拥有14万名员工和1.6万家供应商的支持。

泰瑞达机器人集团总裁让-皮埃尔·哈图特表示:“Flex在跨行业制造复杂产品方面的经验,结合其全球规模和韧性十足的供应链,使其成为推动智能自动化发展的理想合作伙伴。我们将携手加速机器人技术的应用,从而提升全球制造环境的生产力、灵活性和运营韧性。”

泰瑞达近期因采取措施防止竞争对手侵犯其专利而成为新闻焦点。

相关文章
德国法院支持泰瑞达机器人公司,对Elite Robots下达禁令 德国法院支持泰瑞达机器人公司,对Elite Robots下达禁令 泰瑞达旗下子公司Universal Robots近日在MODEX展会上展示了其配备UR协作机器人手臂的移动式机械手。来源:泰瑞达随着汉诺威工业博览会本周在德国拉开帷幕,汉堡地区法院针对Elite Robots Deutschland GmbH颁布了初步禁令。该裁决是针对泰瑞达机器人公司(Teradyne Robotics A/S)提起的版权侵权诉讼作出的。泰瑞达公司旗下子公司泰瑞达机器人(Tera
美国股市触及历史里程碑,人工智能与航空航天巨头准备开启万亿美元时代 美国股市触及历史里程碑,人工智能与航空航天巨头准备开启万亿美元时代 埃隆·马斯克、山姆·阿尔特曼和达里奥·阿莫迪,这三位科技领域的巨头,正推动其各自的企业迈向首次公开募股(IPO)。随着 SpaceX、OpenAI 和 Anthropic——这三家估值接近万亿美元的行业巨头——即将上市,2026 年被预测将成为美国历史上新股发行规模最大的一年。这一历史性的资本激增已引起全球金融界的关注,成为检验公共市场吸收如此大规模资金能力的关键压力测试。这些主要融资活动的同步启动预计将打破 2021 年创下的 1560 亿美元纪录。超级独角兽的资本博弈每家公司上市的路径
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元 瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元 随着人工智能驱动的编码工具日益普及,瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元,其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”(vibe coding)技术,该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求,系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业,并扩展至 Work
相关专题推荐
写作 最适合撰写长篇SEO文章的AI大纲生成器
最适合撰写长篇SEO文章的AI大纲生成器

2026年最新、最受好评的AI大纲生成器,专为长篇SEO文章打造,由XIX.AI精心甄选。这些强大的工具在快速创建高质量内容方面提供了颠覆性的帮助,显著提升了写作效率。 获取免费版与付费版的对比分析,以及实际测试结果和详细排名,助您找到最适合自身需求、不容错过的理想选择。立即探索,解锁您的AI竞争优势。

8 个工具
xix.ai
教育与学习 用于作业和考试备考的AI学习工具
用于作业和考试备考的AI学习工具

2026年最新最佳AI学习工具,助您轻松完成作业和备考!XIX.AI精心筛选出一份广受好评的顶级工具清单,这些功能强大、颠覆传统的工具经过实际测试,能帮助学生提升效率、简化作业流程,并轻松通过考试。 获取免费版与付费版的对比分析、详细排名以及必试选项,释放你的AI优势。立即探索!

10 个工具
xix.ai
音乐创作 面向词曲创作者、旋律片段、主旋律及多语言草稿创作的AI人声演示工具
面向词曲创作者、旋律片段、主旋律及多语言草稿创作的AI人声演示工具

2026 年最新最佳 AI 人声演示工具,专为词曲创作者、旋律创作者和多语言内容团队打造!XIX.AI 精心整理了一份经过严格真实世界测试的高评分、变革性工具列表。您将找到详细的免费与付费对比数据、全面排名以及必试选项,帮助您提升创作效率并释放创意潜力。立即探索,发现满足您所有内容需求的完美工具!

9 个工具
xix.ai
商业 适合中小企业的最佳AI竞品分析工具
适合中小企业的最佳AI竞品分析工具

2026年最新最佳、评价最高的中小企业AI竞争研究工具!XIX.AI精心精选了一系列功能强大、颠覆行业格局的工具,每周都会根据严格的实际测试和详细排名进行更新。您可以查看全面的免费版与付费版对比,从而找到那些能提升工作效率、助您赢得竞争优势的必试工具。 立即探索,发现最适合您的工具!

9 个工具
xix.ai
图像编辑 用于电商服装、皮肤清洁和色彩一致性的 Photoshop AI 修图工具
用于电商服装、皮肤清洁和色彩一致性的 Photoshop AI 修图工具

2026 年最新最佳 Photoshop AI 修图工具,适用于电商服装、皮肤清洁和色彩一致性!这份顶级精选列表包含强大的变革性解决方案,可帮助您提升写作效率、简化内容创作并轻松实现完美的视觉效果。每个工具都经过实际测试,并通过每周更新的排名进行验证,同时提供免费与付费版本的详细对比。由 XIX.AI 支持,这是任何希望发挥 AI 优势的人必试指南。立即探索!

10 个工具
xix.ai
提示词 适用于 ChatGPT 工作流的最佳 AI 提示词库
适用于 ChatGPT 工作流的最佳 AI 提示词库

2026年最新、最受好评的AI提示词库,可优化各类ChatGPT工作流程。XIX.AI精心整理了一套功能强大、具有颠覆性的提示词库,均经过严格的实际测试,以确保最佳性能。 您可以查看详细的免费版与付费版对比分析以及专家排名,这些内容将帮助您挑选出必试的工具,从而提升工作效率并释放您的AI优势。立即探索!

11 个工具
xix.ai
评论 (1)
0/500
JosephGreen
JosephGreen 2026-07-07 18:00:12

Finally someone's putting real money where the hype is - Flex and Teradyne actually trying to standardize automation instead of just talking about it. Wonder if this will actually speed up those data center deployments or just add more layers of complexity 🤔

OR