2026年上半年，机器人领域举办了两场重要的线上直播活动，这在一定程度上出乎了许多观察者的预料。

在国外，三台机器人被部署在传送带旁执行包裹分拣任务，并能够持续不间断地工作200个小时。

八台轮式机器人被部署在平板电脑质检线上，以执行插拔测试设备的任务。它们会从早上八点工作到晚上七点，与产线工人的作息时间保持同步，并持续工作了六天。

机器人干活的直播，

让企业主怎么想

Figure AI于五月进行的线上直播活动展示了三台代号分别为Bob、Frank和Gary的F03人形机器人的工作实况。它们被部署在传送带旁执行包裹分拣任务，在连续200小时的运行中，共计处理了接近25万件包裹，期间全程未发生任何硬件故障。

在此基础上，特别安排了一场人机对决实验。实验结果显示，在10小时的时限内，人类实习生共分拣了12,924件包裹，而机器人则完成了12,732件，双方存在192件的差距。从平均分拣速度来看，人类实习生达到每件2.79秒，机器人则为每件2.83秒。

智元公司在江西南昌的龙旗科技工厂内，成功举办了第二场直播活动。

八台精灵G2机器人，凭借其轮式底盘，得以覆盖整条平板质检工段的全部工序，包括多媒体界面测试、音频测试、辐射杂散发射测试以及耦合测试。整个作业过程完全不需要人工遥控。在六天的时间里，它们累计作业超过64小时，共处理了1.7万件产品，成功率最终定格在99.99%。

智元宣布其第15,000台具身智能机器人成功下线。从第10,000台到第15,000台，仅用了不到三个月时间。

在两场直播活动圆满结束之后，关于Figure的直播场景，部分观察者指出其设置显得过于简单，具体而言，传送带以匀速运行、包裹规格固定统一，机器人的动作也较为单一重复。与此同时，针对智元公司展示的机器人，另一种批评意见则聚焦于其非人形的设计，采用了轮式底盘，因此被某些人认为“不够先进”。

Figure的200小时直播时段内，观众能够在任意时间点进入直播间，观看机器人持续地将一件件包裹进行分拣的完整工作过程。

在智元刚开始直播之际，就发生了一起意外情况，具体表现为机器人与测试设备之间的通信出现了异常，导致两块平板叠放在一起，从而需要进行人工干预。成功率因此从100%下降到了99.96%。

智元的系统在检测到异常情况后，会自动执行上报操作，并切换至其他工位继续执行作业任务，大约两分钟后便恢复正常运行。故障的全过程被完整记录下来。整条产线并未因为这一个工位的中断而发生停摆。

02

工厂和实验室之间那条鸿沟

龙旗工厂的产线拥有七八千名工人在岗，但每年需要招聘两到三万人来填补空缺，员工平均在职时间仅有三到四个月。新员工的培训周期为十五天。这一现象反映的并非"机器换人"的故事，而是制造业面临的"招不到人、留不住人"的现实困境。

在实验室里测试了数百小时都没有出现问题的机器人，一旦部署到真实产线就开始出现各种"怪病"。产线的电磁环境远比实验室复杂，多台设备与手机信号会共同产生干扰，两台机器人之间还会因传感器误判而发生"撞车"，此外通信协议不匹配的情况也会导致指令丢失。

自去年12月，精灵G2机器人首次进入龙旗的副产线进行“实习”；随后在本年3月，它被正式整合进生产线参与实际作业；紧接着在4月，两台机器人成功进行了连续8小时的零失误直播；最终在6月，八台机器人在同一全功能质检工段完成了为期六天的连续作业直播——整个打磨与验证的过程历时半年有余。

自3月15日并线到直播当天，在超过100天的实际运行期间，共发现并集中攻克了超过六十项具体问题。这是因为，仅仅验证两台轮式机器人能在单一工位上完成既定流程，并不足以保证八台机器人被部署到整条产线后，能够实现无冲突的并行作业。

一次性的八小时无差错运行，不足以说明机器人具备了在生产环境中持续六天、达成99.99%成功率的稳定性。而单个工位或场景的验证通过，也并不意味着该方案可以被直接复制并成功迁移到新的工厂、产线或产品类型上。这主要取决于……

机器人在工厂实际应用中的核心短板，并不在于AI算法层面，而是集中体现在关节寿命、散热能力与输出一致性这三个纯工程性问题之上。

◎ 先说寿命。

当下，鲜有机器人制造企业敢于在产品规格中标注真实的使用寿命参数，多数企业仅会标明"设计寿命"这一参考指标。以Optimus灵巧手为例，其实际使用寿命大约仅为六周左右，单只手的更换成本则介于一万至八万元之间。与此同时，在平稳行走的工作条件下，绝大多数双足人形机器人的累计使用寿命也仅能维持在两千至三千小时的范围之内。

机器人在运行过程中并不像工业机械臂那样仅执行重复的圆周运动。其关节需要频繁承受动态变化的冲击载荷，而机器人以不同速度行走时，腿部所承受的力在频率和方向上也会产生相应的变化。

运行数十小时后，温升与轻微磨损所引发的细微抖动会开始显现；运行时长达到上百小时，传动系统的背隙会随着运行时间逐步增加；当运行数百小时后，热漂移与机械损耗的叠加效应，将导致定位精度出现显著下降。

Figure AI的F02机器人在宝马工厂的产线上持续运行了11个月，总计达到1,250小时，在此期间累计处理了超过九万件零件。不过，该型号的前臂结构暴露出了严重的硬件可靠性问题。为此，其后续迭代型号F03对相关区域的手腕电子架构进行了彻底的重构设计。

◎ 一致性是两个层面的问题。

单机一致性是指同一台机器人在启动初期所展现的动作精度，与经过数十小时持续运行后能否保持一致。多机一致性则是指，由十台同型号机器人在同一场景训练所得的模型，能否在这些机器人之间进行互换使用。

关于单机一致性与多机一致性的问题，目前都尚未得到完全解决。具体而言，每一台机器人在出厂时，其关节校准、传感器零位等关键参数就已经存在着无法完全消除的细微差异；而在投入使用的最初一个月内，由于具体执行的工况、负载变化甚至个体接触面的差异，各台机器人关键传动部件的磨损轨迹也会呈现出独特性。上述双重差异的叠加作用，构成了从原型验证迈向规模化并行部署过程中，一项必须克服的核心挑战。这也正是智元在龙旗产线从最初两台机器人的流程验证成功，到最终实现八台机器人稳定并行运行，耗费了超过半年时间的深层原因。

◎ 散热容易被忽略。

在2026年举办的人形机器人半程马拉松比赛中，现场出现了颇为引人注目的现象：众多参赛机器人在行进过程中纷纷出现过热状况，需要工作人员在其身旁小跑跟随，以实施手动降温。从技术角度分析，当机器人执行长时间连续作业任务时，关节区域的温度持续攀升会带来一系列连锁反应：润滑脂的黏度因此发生改变，金属部件因热膨胀效应而导致配合间隙产生变化，电机的运行效率也随之下降。

这些因散热问题引发的性能变化，并非会骤然出现，而是会随着运行时间的延长而逐步累积。在连续六天、每天长达十一小时的高强度作业中，散热方案的有效性，将直接决定机器人是否能够维持其定位精度以及作业成功率。

03

什么活能干了，

什么活还干不了

这两场直播共同勾勒出了一道较为清晰的边界。

该机器人具备执行以下任务的能力：包括在传送带上进行匀速包裹分拣、在平板电脑质检线上执行上下料操作，以及完成单一工位的精准放置。其运行需要满足以下条件：环境可控、动作可预测、允许使用轮式底盘，且作业精度需维持在1到2毫米以内。

对于机器人技术而言，当前的能力边界依然清晰：其难以胜任需要高度柔性的装配任务，例如处理不同型号零件的混线生产，以及执行需要施加不同方向与力度的紧固操作。此外，在面对产线异常情况时——比如包裹出现破损、零件意外掉落或是来料本身存在不合格品——机器人也缺乏自主的应对与处理能力。它们同样不具备在工序之间自由、无缝地移动与衔接的灵活性。再者，要求机器人能够连续运行三千小时而不停机、不出现故障，这在当前仍是一个未能实现的工程目标。

当前机器人的智能决策核心尚未进入规模法则（Scaling Law）所描述的性能飞跃阶段，即其系统尚未具备通过观察单一实例就能即时泛化并应对全新复杂任务的能力。这意味着，机器人无法仅凭一次示例就自主理解并执行任意工序，而是必须针对每一个具体的应用场景与工序要求，与算法研发团队协同配合，完成针对该任务的专门化预训练以及后续的微调优化工作。

目前，全球范围内所采集的高质量真机数据总量尚不足一百万小时，而要促使具身智能实现从量变到质变的涌现，其所需的数据量至少要达到一亿小时的量级。因此，如果试图借助真实的工厂环境数据来训练人工智能系统，那么当前的数据积累规模距离这一目标仍有显著差距。

Figure AI公司选择的技术路径是双足人形机器人结合AI算法优先的策略。其面向工业应用的F03版本单台售价为25万美元，但通过采用机器人即服务（RaaS）的租赁模式，能够将客户的月度使用费用降低至约1,000美元。该公司自主建设的BotQ工厂，其生产效率已从最初的一天组装一台机器人，显著提升至每小时即可完成一台的产能水平。基于上述技术与商业模式，Figure AI目前的市场估值已达到390亿美元。

该策略的核心路径在于，首先在高度受控的工业或实验室环境中，将系统的执行效率与性能指标优化至极限；随后，借助资本市场对于人工智能叙事的乐观预期，有效推高项目的估值；最终，以此为跳板，将技术方案逐步向更复杂、非结构化的真实应用场景渗透与落地。

智元选择了轮式具身智能与量产低价相结合的技术路线。其G2型号以两年的人工成本作为定价基准，工业售价大约落在30万至34万元区间。年产能规划超过十万台。公司估值约为150亿元。

策略是在实际工厂中进行连续六天的直播——涵盖那些失误或不完美的瞬间——以此来驱动自身进行迭代，并将规模化落地构建为竞争壁垒。

在技术路线布局方面，国内宇树、逐际动力、越疆、银河通用等公司均采取了硬件到软件、从底层算法到上层应用的全栈式发展策略，并同时并行推进双足与轮式两条技术路线的探索与产品化。

在这个行业中，一个日益清晰的共识正在形成：腿部与手部的功能分工，可能会比此前预期更早地实现。

在平整地面的工厂环境中，轮式底盘技术已接近成熟，构成了可靠的技术方案；而在诸如楼梯、户外及家庭等非结构化环境中，双足技术的应用想象空间则更为广阔，然而工厂并非其主要适用场景。高盛此前判断指出，采用轮式上半身人形设计的适应性形态能够覆盖约七成至九成的工业应用场景。

小结

所有新兴技术均须经历一个由商业化验证、规模化量产到实现盈利所构成的漏斗式筛选过程。在该过程中，技术方案的市场可行性、成本效益以及规模化制造的成熟度会受到严格检验。未能通过这些阶段验证的技术或方案，会被市场机制所淘汰；而那些成功通过筛选的技术，则将进入“喇叭模式”——即从前期的单点验证与应用，迅速扩散至广阔的市场空间，从而释放出巨大的产业价值与能量。

机器人行业目前正处于漏斗的入口阶段，前述两家公司都已在该漏斗中向前推进了一步。然而，距离实现“任意工厂、任意产线、买回后即插即用”这种喇叭模式的规模化普及，仍然面临着诸如关节寿命、散热方案、一致性控制、灵巧手成本以及异常处理能力之类的核心技术挑战。

机器人领域于2026年上半年成功举办了两场重要的线上直播活动，这一进展在某种程度上令许多观察者感到意外。
在国外，三台机器人被部署在传送带旁以执行包裹分拣任务，并能够实现连续不间断地工作200个小时。
八台轮式机器人被部署在平板电脑质检线上，用于执行插拔测试设备的任务。它们从早上八点工作到晚上七点，与产线工人的作息时间保持同步，并持续工作了六天。
Figure AI于五月进行的线上直播活动展示了三台代号分别为Bob、Frank和Gary的F03人形机器人的工作实况。它们被部署在传送带旁执行包裹分拣任务，在连续200小时的运行中，共计处理了接近25万件包裹，期间全程未发生任何硬件故障。
在此基础上，特别安排了一场人机对决实验。实验结果显示，在10小时的时限内，人类实习生共分拣了12,924件包裹，而机器人则完成了12,732件，双方存在192件的差距。从平均分拣速度来看，人类实习生达到每件2.79秒，机器人则为每件2.83秒。
智元公司在江西南昌的龙旗科技工厂内，成功举办了第二场直播活动。
八台精灵G2机器人，凭借其轮式底盘，得以覆盖整条平板质检工段的全部工序，包括多媒体界面测试、音频测试、辐射杂散发射测试以及耦合测试。整个作业过程完全不需要人工遥控。在六天的时间里，它们累计作业超过64小时，共处理了1.7万件产品，成功率最终定格在99.99%。
智元宣布其第15,000台具身智能机器人成功下线。从第10,000台到第15,000台，仅用了不到三个月时间。
在两场直播活动圆满结束之后，关于Figure的直播场景，部分观察者指出其设置显得过于简单，具体而言，传送带以匀速运行、包裹规格统一，机器人的动作也较为单一重复。与此同时，针对智元公司展示的机器人，另一种批评意见则聚焦于其非人形的设计，采用了轮式底盘，因此被某些人认为“不够先进”。
Figure的200小时直播时段内，观众能够在任意时间点进入直播间，观看机器人持续地将一件件包裹进行分拣的完整工作过程。
在智元刚开始直播之际，就发生了一起意外情况，具体表现为机器人与测试设备之间的通信出现了异常，导致两块平板叠放在一起，从而需要进行人工干预。成功率因此从100%下降到了99.96%。
智元的系统在检测到异常情况后，会自动执行上报操作，并切换至其他工位继续执行作业任务，大约两分钟后便恢复正常运行。故障的全过程被完整记录下来。整条产线并未因为这一个工位的中断而发生停摆。
龙旗工厂的产线拥有七八千名工人在岗，但每年需要招聘两到三万人来填补空缺，员工平均在职时间仅有三到四个月。新员工的培训周期为十五天。这一现象反映的并非"机器换人"的故事，而是制造业面临的"招不到人、留不住人"的现实困境。
在实验室里测试了数百小时都没有出现问题的机器人，一旦部署到真实产线就开始出现各种"怪病"。产线的电磁环境远比实验室复杂，多台设备与手机信号会共同产生干扰，两台机器人之间还会因传感器误判而发生"撞车"，此外通信协议不匹配的情况也会导致指令丢失。
自去年12月，精灵G2机器人首次进入龙旗的副产线进行“实习”；随后在本年3月，它被正式整合进生产线参与实际作业；紧接着在4月，两台机器人成功进行了连续8小时的零失误直播；最终在6月，八台机器人在同一全功能质检工段完成了为期六天的连续作业直播——整个打磨与验证的过程历时半年有余。
自3月15日并线到直播当天，在超过100天的实际运行期间，共发现并集中攻克了超过六十项具体问题。这是因为，仅仅验证两台轮式机器人能在单一工位上完成既定流程，并不足以保证八台机器人被部署到整条产线后，能够实现无冲突的并行作业。
一次性的八小时无差错运行，不足以说明机器人具备了在生产环境中持续六天、达成99.99%成功率的稳定性。而单个工位或场景的验证通过，也并不意味着该方案可以被直接复制并成功迁移到新的工厂、产线或产品类型上。这主要取决于……
机器人在工厂实际应用中的核心短板，并不在于AI算法层面，而是集中体现在关节寿命、散热能力与输出一致性这三个纯工程性问题之上。
当下，鲜有机器人制造企业敢于在产品规格中标注真实的使用寿命参数，多数企业仅会标明"设计寿命"这一参考指标。以Optimus灵巧手为例，其实际使用寿命大约仅为六周左右，单只手的更换成本则介于一万至八万元之间。与此同时，在平稳行走的工作条件下，绝大多数双足人形机器人的累计使用寿命也仅能维持在两千至三千小时的范围之内。
机器人在运行过程中并不像工业机械臂那样仅执行重复的圆周运动。其关节需要频繁承受动态变化的冲击载荷，而机器人以不同速度行走时，腿部所承受的力在频率和方向上也会产生相应的变化。
运行数十小时后，温升与轻微磨损所引发的细微抖动会开始显现；运行时长达到上百小时，传动系统的背隙会随着运行时间逐步增加；当运行数百小时后，热漂移与机械损耗的叠加效应，将导致定位精度出现显著下降。
Figure AI的F02机器人在宝马工厂的产线上持续运行了11个月，总计达到1,250小时，在此期间累计处理了超过九万件零件。不过，该型号的前臂结构暴露出了严重的硬件可靠性问题。为此，其后续迭代型号F03对相关区域的手腕电子架构进行了彻底的重构设计。
单机一致性是指同一台机器人在启动初期所展现的动作精度，与经过数十小时持续运行后能否保持一致。多机一致性则是指，由十台同型号机器人在同一场景训练所得的模型，能否在这些机器人之间进行互换使用。
关于单机一致性与多机一致性的问题，目前都尚未得到完全解决。具体而言，每一台机器人在出厂时，其关节校准、传感器零位等关键参数就已经存在着无法完全消除的细微差异；而在投入使用的最初一个月内，由于具体执行的工况、负载变化甚至个体接触面的差异，各台机器人关键传动部件的磨损轨迹也会呈现出独特性。上述双重差异的叠加作用，构成了从原型验证迈向规模化并行部署过程中，一项必须克服的核心挑战。这也正是智元在龙旗产线从最初两台机器人的流程验证成功，到最终实现八台机器人稳定并行运行，耗费了超过半年时间的深层原因。
在2026年举办的人形机器人半程马拉松比赛中，现场出现了颇为引人注目的现象：众多参赛机器人在行进过程中纷纷出现过热状况，需要工作人员在其身旁小跑跟随，以实施手动降温。从技术角度分析，当机器人执行长时间连续作业任务时，关节区域的温度持续攀升会带来一系列连锁反应：润滑脂的黏度因此发生改变，金属部件因热膨胀效应而导致配合间隙产生变化，电机的运行效率也随之下降。
这些因散热问题引发的性能变化，并非会骤然出现，而是会随着运行时间的延长而逐步累积。在连续六天、每天长达十一小时的高强度作业中，散热方案的有效性，将直接决定机器人是否能够维持其定位精度以及作业成功率。
这两场直播共同勾勒出了一道较为清晰的边界。
该机器人具备执行以下任务的能力：包括在传送带上进行匀速包裹分拣、在平板电脑质检线上执行上下料操作，以及完成单一工位的精准放置。其运行需要满足以下条件：环境可控、动作可预测、允许使用轮式底盘，且作业精度需维持在1到2毫米以内。
对于机器人技术而言，当前的能力边界依然清晰：其难以胜任需要高度柔性的装配任务，例如处理不同型号零件的混线生产，以及执行需要施加不同方向与力度的紧固操作。此外，在面对产线异常情况时——比如包裹出现破损、零件意外掉落或是来料本身存在不合格品——机器人也缺乏自主的应对与处理能力。它们同样不具备在工序之间自由、无缝地移动与衔接的灵活性。再者，要求机器人能够连续运行三千小时而不停机、不出现故障，这在当前仍是一个未能实现的工程目标。
当前机器人的智能决策核心尚未进入规模法则（Scaling Law）所描述的性能飞跃阶段，即其系统尚未具备通过观察单一实例就能即时泛化并应对全新复杂任务的能力。这意味着，机器人无法仅凭一次示例就自主理解并执行任意工序，而是必须针对每一个具体的应用场景与工序要求，与算法研发团队协同配合，完成针对该任务的专门化预训练以及后续的微调优化工作。
目前，全球范围内所采集的高质量真机数据总量尚不足一百万小时，而要促使具身智能实现从量变到质变的涌现，其所需的数据量至少要达到一亿小时的量级。因此，如果试图借助真实的工厂环境数据来训练人工智能系统，那么当前的数据积累规模距离这一目标仍有显著差距。
Figure AI公司选择的技术路径是双足人形机器人结合AI算法优先的策略。其面向工业应用的F03版本单台售价为25万美元，但通过采用机器人即服务（RaaS）的租赁模式，能够将客户的月度使用费用降低至约1,000美元。该公司自主建设的BotQ工厂，其生产效率已从最初的一天组装一台机器人，显著提升至每小时即可完成一台的产能水平。基于上述技术与商业模式，Figure AI目前的市场估值已达到390亿美元。
该策略的核心路径在于，首先在高度受控的工业或实验室环境中，将系统的执行效率与性能指标优化至极限；随后，借助资本市场对于人工智能叙事的乐观预期，有效推高项目的估值；最终，以此为跳板，将技术方案逐步向更复杂、非结构化的真实应用场景渗透与落地。
智元选择了轮式具身智能与量产低价相结合的技术路线。其G2型号以两年的人工成本作为定价基准，工业售价大约落在30万至34万元区间。年产能规划超过十万台。公司估值约为150亿元。
策略是在实际工厂中进行连续六天的直播——涵盖那些失误或不完美的瞬间——以此来驱动自身进行迭代，并将规模化落地构建为竞争壁垒。
在技术路线布局方面，国内宇树、逐际动力、越疆、银河通用等公司均采取了硬件到软件、从底层算法到上层应用的全栈式发展策略，并同时并行推进双足与轮式两条技术路线的探索与产品化。
在这个行业中，一个日益清晰的共识正在形成：腿部与手部的功能分工，可能会比此前预期更早地实现。
在平整地面的工厂环境中，轮式底盘技术已接近成熟，构成了可靠的技术方案；而在诸如楼梯、户外及家庭等非结构化环境中，双足技术的应用想象空间则更为广阔，然而工厂并非其主要适用场景。高盛此前判断指出，采用轮式上半身人形设计的适应性形态能够覆盖约七成至九成的工业应用场景。
所有新兴技术均须经历一个由商业化验证、规模化量产到实现盈利所构成的漏斗式筛选过程。在该过程中，技术方案的市场可行性、成本效益以及规模化制造的成熟度会受到严格检验。未能通过这些阶段验证的技术或方案，会被市场机制所淘汰；而那些成功通过筛选的技术，则将进入“喇叭模式”——即从前期的单点验证与应用，迅速扩散至广阔的市场空间，从而释放出巨大的产业价值与能量。
机器人行业目前正处于漏斗的入口阶段，前述两家公司都已在该漏斗中向前推进了一步。然而，距离实现“任意工厂、任意产线、买回后即插即用”这种喇叭模式的规模化普及，仍然面临着诸如关节寿命、散热方案、一致性控制、灵巧手成本以及异常处理能力之类的核心技术挑战。

来源：机器人进工厂直播200小时，AI打工已经行了吗？ | OFweek机器人网