機器人進工廠直播200小, AI打工已經行了嗎？
2026年上半年的機器人圈出了兩場直播，出人意料地沒用引起太大關注。
國外使用三臺機器人站在傳送帶旁分揀包裹，一干就是200個小時。
國內八臺輪式機器人在平板電腦質檢線上插拔測試設備，從早上八點干到晚上七點，和產線工人同步上下班，一連干了六天。
01
機器人干活的直播，
讓企業主怎么想
Figure AI的5月直播，三臺F03人形機器人（Bob、Frank、Gary）在傳送帶旁分揀包裹。200小時，處理近25萬件，零硬件故障。
中間安排了一場人機對決：人類實習生10小時分揀12,924件，機器人12,732件，差了192件。平均速度：人類2.79秒一件，機器人2.83秒一件。
智元在江西南昌龍旗科技工廠開了第二場直播。
八臺精靈G2機器人，輪式底盤，覆蓋整條平板質檢工段的全部工序——多媒體界面測試、音頻測試、輻射雜散發射測試、耦合測試。完全不需要人工遙控。六天累計作業超64小時，處理1.7萬件產品，成功率最終定格在99.99%。
智元宣布第15,000臺具身智能機器人下線。從第10,000臺到第15,000臺，不到三個月。
兩場直播結束后，有人說Figure的場景太簡單，傳送帶勻速、包裹規格固定、動作單一重復。有人說智元的機器人不是人形，輪式底盤、"不夠先進"。
Figure的200小時，觀眾可以隨時點進去看機器人從一個包裹接一個包裹地干。
智元剛開始直播就出了意外，機器人和測試設備之間通信異常，兩塊平板疊在一起，需要人工干預。成功率從100%跌到99.96%。
智元的系統在檢測到異常后自動上報、切到其他工位繼續作業，約兩分鐘后恢復。故障被全程記錄了。整條產線沒有因為這一個工位的中斷而停擺。
02
工廠和實驗室之間那條鴻溝
龍旗工廠的產線，七八千名工人，每年招兩到三萬人，員工平均在職只有三到四個月。培訓周期十五天。這不是"機器換人"的故事，是"招不到人、留不住人"的故事。
在實驗室里測試了數百小時都沒問題的機器人，一部署到真實產線就開始出現各種'怪病'。"產線的電磁環境遠比實驗室復雜，多臺設備、手機信號產生干擾，兩臺機器人之間因為傳感器誤判"撞車"，通信協議不匹配導致指令丟失。
從去年12月精靈G2第一次進龍旗副產線"實習"，到今年3月正式并線參與生產，再到4月兩臺機器人直播8小時零失誤，最后到6月八臺機器人在全功能質檢工段直播六天——前后打磨了半年多。
3月15日并線到直播當天，超過100天的實際運行中發現和解決了約六十個問題。兩個輪式機器人在一個工位上跑通了，不等于八臺機器人在整條產線上能并行不沖突。
零失誤跑完八小時，不等于99.99%跑完六天。更不等于可以復制到下一個工廠、下一條產線、下一種產品。
機器人在工廠里最大的短板不在AI算法，在關節壽命、散熱和一致性這三個純工程問題。
◎ 先說壽命。
幾乎沒有機器人公司敢公開標注產品的真實使用壽命，大多數只會寫"設計壽命"。Optimus靈巧手的使用壽命大約六周，單只更換成本一萬到八萬元。在平穩行走的條件下，大多數雙足人形機器人的使用壽命也只有兩千到三千小時。
機器人不是像工業機械臂那樣做重復的圓周運動。它的關節頻繁承受動態變化的沖擊，不同速度走路對應的是腿部受到的不同頻率、不同方向的力。
幾十小時后，溫升和輕微磨損引起細微抖動；上百小時后，傳動背隙持續累積；數百小時后，熱漂移、機械損耗疊加，定位精度大幅下滑。
Figure AI的F02在寶馬工廠跑了11個月、1,250小時，裝載了九萬件零件以上，但前臂暴露了嚴重的硬件故障點——F03上徹底重構了手腕電子架構。
◎ 一致性是兩個層面的問題。
單機一致性，指的是同一臺機器人在運行初期的動作精度和幾十小時以后能不能保持一致。多機一致性，指的是同樣型號的十臺機器人，在同一場景下訓練出來的模型能不能互換使用。
這兩個問題目前都沒有解決——每臺機器人的出廠參數都有些微差異，出廠后第一個月的磨損程度也各不相同。這也是為什么智元在龍旗的部署花了半年多才從"兩臺跑通"到"八臺并行"。
◎ 散熱容易被忽略。
2026年人形機器人半馬現場，很多機器人跑著跑著就需要工作人員一路小跑跟著"手動降溫"。長時間連續作業時，關節溫度升高會改變潤滑脂黏度、引起金屬熱膨脹帶來的配合間隙變化、降低電機效率。
這些變化不是突然發生的，是緩慢累積的。在連續六天每天十一個小時的高強度作業中，散熱方案能不能撐住，直接關系到定位精度和成功率能不能維持。
03
什么活能干了，
什么活還干不了
兩場直播給出了一個比較清晰的邊界。
◎ 能干這些：傳送帶勻速分揀包裹，平板電腦質檢上下料，單一工位的精準放置。條件是環境可控、動作可預測、允許輪式底盤、作業精度在1到2毫米以內。
◎ 這些還干不了：柔性裝配（不同型號的零件混線、不同方向不同力道的緊固）、異常處理（包裹破損、零件掉落、來料不合格）、跨工序自由移動、連續運行三千小時不宕機。
機器人'大腦'還沒有達到Scaling Law時刻，還不能'看一眼就知道怎么干'，每個場景都需要聯合算法團隊針對具體工序做預訓練和后訓練。
全球高質量真機數據不到一百萬小時，催生具身智能涌現至少需要一億小時，用真實的工廠數據去喂AI，目前還遠沒喂到那個量級。
◎ Figure AI走的是雙足人形加AI優先的路線。F03工業版賣25萬美元一臺，用RaaS租賃模式把月費壓到約1,000美元。自制BotQ工廠產能從每天一臺提升到了每小時一臺。估值390億美元。
打法是在受控環境里把極致效率拉滿，用資本市場的AR敘事做高估值，然后往真實場景滲透。
◎ 智元走的是輪式具身智能加量產低價的路線。G2按兩年人工成本來定工業價——約30萬到34萬元。產能年產十萬臺以上。估值150億元。
打法是在真實工廠里用六天直播——包括那些出丑的瞬間——倒逼自己迭代，把規模化落地當成護城河。
◎ 國內也是宇樹、逐際動力、越疆、銀河通用等公司全棧布局，雙足輪式兩條線都在走。
這個行業有一個日益清晰的共識：腿和手的分工，可能比大家想象的要更早到來。
輪式底盤在平整地面的工廠里已經是接近成熟的技術方案，雙足在非結構化環境（樓梯、戶外、家庭）里的想象空間更大，但工廠不是它的主場。高盛之前給出的判斷是適應性形態（輪式上半身人形）能覆蓋七成到九成的工業應用。
小結
所有新技術都要經過商業化、量產、盈利的漏斗過濾，不成熟的被淘汰，通過的進入喇叭模式釋放巨大能量。
機器人行業現在處于漏斗的入口處，兩家都在漏斗里往前進了一步。但離"隨便哪家工廠、隨便哪條產線、買回去插上電就能干"的喇叭模式，還隔著關節壽命、散熱方案、一致性控制、靈巧手成本、異常處理能力這幾道硬坎。
原文標題 : 機器人進工廠直播200小時，AI打工已經行了嗎？
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
