国金证券研报指出，服装行业作为典型劳动密集型产业，缝纫环节长期依赖人工难以实现自动化，主要因布料柔性化程度过高。但目前针对布料处理的VLA大模型、触觉传感器已具备一定成熟度，1X世界模型可生成布料折叠长时程任务，帕西尼灵巧手可实现布料材质识别。缝制机械领军企业杰克股份联合5所高校攻关服装机器人，产业化落地有望加速。本文从行业痛点、技术突破、产业进展三维度拆解服装机器人前景。
服装行业缝纫环节：自动化升级的最后瓶颈
服装厂成衣制造分为缝前、缝中、缝后三大环节。缝前通过铺布机、裁床完成开片，均可采用大型自动化设备完成；缝后通过整烫、分拣、打包等环节，智能吊挂线实现了较高自动化水平。缝中环节通过工业缝纫机进行缝纫加工，需要大量人工参与，是服装厂实现全面自动化的核心瓶颈。即使在模板机等自动化设备辅助下，上下料仍需大量人工操作。根本原因在于缝纫的柔性化程度太高——衣服款式/尺寸、布料种类/厚度等变量众多，目前基本只能通过人工手动完成。这也导致服装产业长期维持劳动密集型特征，缝纫工持续位列人力资源社会保障部"最缺工"职业排行前列，招工难、人工成本高构成下游核心痛点。缝纫环节的自动化突破，将从根本上改变服装行业的生产模式。
表：服装制造三大环节自动化现状| 环节 | 主要工序 | 自动化水平 | 人工依赖度 |
|---|
| 缝前 | 铺布、裁剪 | 高（大型自动化设备） | 低 |
| 缝中 | 缝纫加工 | 低（主要依靠人工） | 高 |
| 缝后 | 整烫、分拣、打包 | 较高（智能吊挂线） | 中 |
技术成熟度提升：布料处理的大模型与传感器突破
布料属于接触丰富型柔性物体，物理交互复杂，对机器人大模型和传感器要求较高，物理特性很难精准建模。但近年技术突破显著。传感器方面，帕西尼发布的PX-6AX GEN2触觉传感单元采用多点面阵式传感器触点，可通过多维触觉感知信息实现不同布料材质识别，为机器人"感知"布料提供了硬件基础。世界模型方面，1X展示了基于世界模型生成布料折叠长时程任务的能力，布料作为可变形物体其模拟难度远高于刚体。NUS邵林团队提出的FLIP框架将图像流（像素级动态轨迹）作为通用动作单元，结合动力学模型预测短期视频结果，通过视觉语言价值评估规划质量，在布料折叠任务中可生成长期规划方案，实现零样本迁移。同济大学智能机器人与计算感知实验室提出SSFold，结合图结构感知与人类演示学习，基于手部追踪的人类演示数据有效提升模型现实适应性和泛化能力，已可对未见过的布料完成单折、双向内折、三角折等操作。三大技术方向的突破为服装机器人奠定了感知、规划、执行的全链路基础。
产业进展：杰克股份牵头缝制机器人项目
缝制机械领军企业杰克股份已开始布局缝制机器人。"自主缝制作业机器人系统研制与应用验证"项目由杰克科技牵头，联合浙江大学、东南大学、华南理工大学、安徽工程大学、江南大学5所高校，以及琼石（山东）智能科技有限公司、北京软体机器人科技股份有限公司等企业共同参与，计划用3年时间破解缝制产业智能化转型瓶颈。项目涵盖多品种柔性织物形态实时检测、逐层抓取与精准上下料、多维空间机器人实时协同缝制、缝制质量动态检测与智能评价、多自主缝制关键技术与装备系统集成等五大课题。杰克股份作为缝制机械企业切入服装机器人领域，在数据、场景上具备先发优势，产品完成实验室零到一训练后有望快速推向终端客户实现更多设备部署。多个高校的科研力量加持，有望进一步加速服装机器人产业化落地节奏，推动缝纫环节从"劳动密集型"向"智能自动化"跨越。
服装机器人的商业化前景与挑战
服装机器人面临的市场空间极为广阔。中国是全球最大的服装生产国和出口国，服装行业从业人员数以千万计，缝纫工长期位列"最缺工"职业排行前20位。人口红利消退、年轻人不愿进厂等结构性因素持续加深行业用工压力，自动化升级成为服装企业的刚性需求。从技术商业化路径看，服装机器人需依次跨越实验室验证、工厂实训、规模化部署三个阶段。目前SSFold等研究已证明技术可行性，杰克股份牵头项目进入系统研发阶段，有望在未来2-3年实现工厂场景的零到一验证。商业化仍需解决几大挑战：其一，不同服装品类、不同布料对机器人适应性要求极高，泛化能力仍需提升；其二，缝纫工序对精度和速度要求严苛，机器人需在保证质量的前提下达到产线节拍要求；其三，设备成本需从实验室原型降至工厂可接受的经济性区间。但考虑到服装行业用工成本持续上升（沿海地区缝纫工月薪已达6000-10000元），机器人经济性拐点有望较早到来。服装机器人有望成为继工业机器人之后，第二个实现大规模产业化的机器人垂直应用场景。
