2026-06-26 智元直播进厂的0.04%失败，比他的成功更值得看

作者：Levi     出品：高工人形机器人

随着具身智能企业在Demo上的军备竞赛愈演愈烈，一台机器人在镜头前拧螺丝、叠衣服，甚至做一顿饭，都已经很难让行业兴奋。

Demo越多，大家越会反复追问同一个问题：离开布置好的镜头，人形机器人到底能不能在真实场景有工作能力？

于是头部玩家开始加大力度，将工作现场搬到镜头前。

6月23日，智元机器人宣布，多台智元精灵G2机器人集群进驻龙旗科技江西南昌量产工厂，开启长达6天的全透明产线直播作业。

对比起Demo，它们要接受的考验变得更长，也更具体：连续6天、每日8:00-19:00，与工厂标准工时同步运行；覆盖整条平板量产质检工段，完成多媒体界面测试、音频测试、辐射杂散发射测试、耦合测试等多道工序；同时以多机集群的方式，与产线工人、测试设备、皮带线和工厂系统共同协作。

智元精灵G2在龙旗科技江西南昌量产工厂

截至今日，智元精灵G2总作业时长已达到33小时09分36秒，产线累计产量9212台，机器人作业总数34069次，成功率达到99.98%。

这组数据之所以值得被单独拎出来看，除了因为成功率足够高，还在于智元正极力证明，人形机器人能够嵌入一条产线。

这已是智元第二次直播人形机器人在产线上作业。今年4月，智元曾在龙旗南昌平板制造工厂开启过一次8小时真实产线作业直播。那场直播中，精灵G2主要完成精密上下料、人机协同等流程，向外界证明机器人能够进入高速3C产线，并在20秒左右的节拍中完成连续作业。

据结束直播后的数据显示，机器人8小时连续作业零重大异常，整体作业成功率高达99.5%以上；单道工序仅需18–20秒，每小时可完成310件产品。

相比4月，这一次智元把直播时长从8小时拉到6天，把任务范围从单一测试工站推进到整条平板量产质检工段，也把验证对象从单机作业进一步推向多机、多工位、多系统协同。

智元这一次重返龙旗现场，也很难脱离Figure那场直播带来的行业刺激。

5月，作为目前全球估值最高的人形机器人企业之一，Figure开启了一场持续9天、长达200小时的包裹分拣直播。4台机器人轮班工作，分拣了接近25万个包裹。

尽管Figure机器人在全程作业中不乏失误，那场直播依然改变了行业对公开验证的预期。过去，机器人在镜头前做对几次，就足以制造传播；Figure之后，企业开始被要求证明，机器人不只会做，还能长时间做。

这对国内玩家显然构成了压力。某种意义上，智元这次把精灵G2重新推回龙旗产线，并且把直播从8小时延长到6天，也是在回应这套被Figure抬高的公开验证标准。

但智元并不是简单复刻Figure。智元这次重返龙旗，验证的是更现实的需求：机器人能不能进入一条真实产线，并和原有设备、系统、工人一起运行。

这也意味着，直播把一个对行业更迫切的问题推到台前：人形机器人进厂之后，真正的难点到底在哪里？

进厂之后，难点不在镜头中央

答案并不在镜头最中央的那一次抓取和放置里。

在直播画面中，精灵G2所做的动作看起来并不复杂：从皮带线上定位平板，抓取，转身，等待测试机柜打开，把上一台测试完成的平板取出，再把新的平板放入机柜，随后回到皮带线继续下一轮作业。

如果只看动作本身，这只是一个标准上下料任务。但在真实工厂里，机器人真正要面对的，是每一次标准动作背后的一整套作业系统。

智元Genie业务部项目总监艾文透露，这次直播的技术难点主要集中在两个方面：一是整体稳定性，二是多工位、多机器人协作下的一致性。

“从4月份的单工位到目前的多工位，目前主要的技术突破点分两个：第一个是整体机械臂的稳定性；第二个是多工位、多机器人协作的时候，更考验所有机器人的一致性。”艾文表示，同步、通信稳定性、系统延迟，都会影响机器人的一致性。

这意味着，机器人不再只是把一个动作做对，而是要在多台机器人、多道工序、多个测试设备之间保持同步。无论是通信稳定性，还是系统延迟，都会直接影响产线节拍。

也正是在这里，机器人才开始进入真正的工业场景。

直播中的一个细节很能说明，人形机器人进厂后会遇到多少细碎但关键的难题。

在直播中，机器人任务成功率曾出现过一次波动，从100%下降到99.96%。艾文表示，问题并非出在机器人的动作上，而是机器人作为通信主节点向皮带线发出请求后，皮带线没有及时响应，导致平板没有继续向前传送。机器人再放入新的平板时，产线上就出现了叠料。

这个异常看似很小，但它揭示了机器人进厂之后更真实的难点：失败可能并不发生在机器人本体上，而是发生在机器人与工厂系统之间。

“我们机器人进工厂最大的痛点和难点，更多还是两个体系的融合。”艾文解释，具身智能体系更接近汽车和自动驾驶的逻辑，而工厂仍然是工业自动化、协作臂的逻辑，“两个体系的故障逻辑、故障处理方式、异常恢复能力要求，都是不一样的。”

过去看机器人Demo，外界最容易盯着它的动作漂不漂亮、有没有抓稳、有没有摔倒。但在产线里，一个更隐蔽的问题是，机器人、传送带、测试设备与工厂系统之间，任何一次通信延迟、设备无响应或状态判断错误，都可能把一个小异常放大成足以造成产线瘫痪的灾难。

为了让机器人真正进入产线，智元也在调整系统逻辑。最开始，测试机柜和皮带线更多作为通信主节点，机器人只是被动配合；到了多工序阶段，智元改变思路，让机器人作为通信主节点，实时获取机柜和皮带线状态。

艾文称，皮带线或机柜一旦出现通信中断或异常，系统会通过多次信息互联、增加信息校验、回寻实时历史信息等方式，保证机柜和皮带线稳定通信；如果确认是通信故障，机器人还会主动发起皮带线故障清除和重启，以保证作业工序的连续性和稳定性。

这说明，在真实产线里，机器人不能只是一个执行器，它还必须成为工厂系统中的一个主动节点。

但这也引出了另一个常见疑问：上下料和质检这种标准任务，为什么不用机械臂？

龙旗科技机器人业务部副总经理、制造工艺CTO张龙也明确表示，在直播中的部分场景，用机械臂当然可以。它在固定工位、固定路径、固定节拍的单工序任务中，依然是成熟且经济的自动化方案。

问题在于，如果工厂讨论的不只是一个工位的自动化，而是一套面向未来的柔性制造架构，机械臂就会遇到新的边界。张龙提到，未来智能制造需要的是信息互通、作业单元之间的协同，以及移动柔性的快速部署能力，这是传统工业机器人无法实现的。

艾文也表示，“大脑”是区别传统工业机器人与今天具身智能的关键。传统机械臂+AMR底盘的方式也可以做部分任务，但局限性会体现在后续数据和大脑迭代能力上。“我们这里面最大的核心，就是它能多场景作业，并且被定义成为通用机器人，更多体现在大脑的层面上。”

当然，目前人形机器人要真正规模化部署，中间仍然有现实门槛。

成本是第一道门槛。艾文提到，目前机器人的收益核算逻辑，大致按照当前人力两年成本来计算，现阶段基本处于持平状态。

这意味着，机器人已经开始进入ROI讨论，但还没有进入“明显比人便宜”的阶段。对工厂来说，是否大规模部署，仍然要看技术成熟度、产线需求以及运维成本。

数据是另一道门槛。

对于当前平板质检这类结构化工序，机器人需要完成的动作相对固定，主要围绕抓取、转身、放置、回位展开。在这样的任务里，数据和模型能力已经可以支撑初步商业化。

但如果人形机器人要走向3C场景里的另一类任务，比如手机打包，问题会复杂得多：说明书是软的，充电线介于软硬之间，包装盒需要打开，多个物料要按顺序放入，同时还不能损坏产品。

此时，机器人不只要会做一个动作，还要具备长程任务执行、异常恢复和复杂物料处理能力。

艾文也承认，具身大模型距离真正涌现仍然很远。如果类比ChatGPT，目前具身智能的模型能力还远没有达到真正涌现阶段，行业数据量也远远不够。

因此，智元精灵G2在龙旗产线上的进展，更像是具身智能工业落地的一段起点：结构化、节拍稳定、需求明确的工序可以先跑起来；更复杂、更通用、更高ROI的规模化部署，还要继续等待数据、模型、硬件和成本一起往前走。

这也是这场直播真正值得看的地方。它显然不能证明人形机器人已经可以全面接管工厂，但至少，机器人开始被放进工厂真实场景中，接受考验了。

写在最后

当然，一场直播还不能直接给人形机器人行业下定论。

即便智元把精灵G2放进了龙旗的真实产线，Figure把机器人放在镜头前连续分拣了200小时，行业里关于“作秀”的质疑依然不会消失。直播任务是否足够复杂，场景是否被提前整理，机器人是否真的具备处理突发情况的能力，这些问题仍然会被反复追问，也应该被反复追问。

但变化已经发生了。

过去，具身智能行业最常见的能力证明，是一条条demo。机器人只要在镜头前完成一次抓取、一次拧螺丝、一次做饭，就足以成为传播素材。至于它能不能连续做不出错，能不能换一批物料、换一个环境继续做，往往被留在视频之外。

现在，头部玩家们正在被迫把更长的时间、更完整的过程、更真实的工作现场交出来。这或许标志着人形机器人正在从视频Demo时代，进入直播验证时代。之后，在讨论落地时，没有勇气把真实作业过程放到镜头前的企业，可能连上牌桌的资格都要被重新审视。

当企业不再只展示机器人最好的一次表现，而是愿意让机器人在真实生产现场，一次又一次接受失败的可能，具身智能落地的旅程，才刚刚开始。