在一个月前，大洋彼岸的Figure AI则凭仗一场33小时、招引200万人围观的

  人形机器人厂商开端摒弃精心拍照的demo样片，转向了继续多日的现场直播。这也刚好勾勒出工业的中心出题，终究能不能真的“上班”？从炫技走向实干，中心终究还差几步？

  早在本年4月14日，智元机器人就在南昌工厂进行了直播。4台智元精灵G2机器人站上平板电脑多媒体集成测验工站，敞开了一场8小时不编排、无预演的产线直播。

  作业使命是，精灵G2双手从流水线上精准抓取待测平板、放入测验治具、完结信息交互后，将制品或NG品分类放回。接连8小时，2283项使命，成功率100%。

  那场直播验证的是“能不能进厂”，6月这场直播，智元合伙人姚卯青界说为“国内通用工业成熟度的标志性验证”。

  6月23日，仍是龙旗南昌工厂，8台精灵G2又呈现在直播镜头前。这一次，它们按“早八晚七”的规范工时上岗，直播继续整整6天。直播画面上，多台机器人集群作业，完好掩盖整条平板量产质检工段，独立完结多媒体界面测验、音频测验、辐射杂散发射测验和耦合测验等多道高精度检测使命。

  从单工位到全工段，从4台到8台，从8小时到6天——验证的方向从“能不能进厂”变成了“能不能稳定地、批量地、可继续地干活”。

  数据印证了前进。依据智元泄漏的数据，到直播第四天，8台机器人总作业时长超44小时，产线%以上，这0.48个百分点，背面是多台机器人集群协同作业的稳定性打破。

  直播也有过“意外”。6月23日下午3点左右，一台作为通讯主节点的机器人向产线皮带线宣布恳求，但皮带线未能及时呼应，导致上一块平板未被传走。机器人在按预订程序放料时遭受空间缺乏，终究产生叠料反常。

  智元Genie业务部项目总监艾文在承受红星资本局在内的媒体采访时解说：“严格来说，这不算机器人自身的操作失误，而是两套工业体系融合时产生的冲突。”他表明，机器人体系倾向轿车和主动驾驶形式，工厂仍是工业主动化逻辑，两者的毛病处理办法、反常恢复才能要求都不相同。

  艾文称，精灵 Genie机器人在现在为止现已通过了3000多小时的长期的作业，基本已迈过“及格线”。对艾文来说，比较好的结果是“一个月呈现一次小的毛病，并能快速处理。”

  就在一个月前，大洋彼岸的Figure AI刚刚完毕一场200小时的直播——3台Figure 03机器人在库房里不知疲倦地分拣包裹。

  但与智元机器人直播不同的是，Figure的战场在物流库房。5月中旬，Figure 03终究作业33小时，累计分拣超4万个包裹。官方声称机器人依托自研Helix-02体系自主决议计划，没电时主动换岗，全程“零人类介入”。

  但Figure的直播并非没有争议。有网友发现机器人动作存在约0.5秒推迟、呈现“摸头”等反常动作、卡壳时“精准复位”。质疑声指向一个中心问题：这终究是AI自主决议计划，仍是人类在长途控制？Figure AI坚决否定，将推迟归因于网络动摇，将反常动作解说为AI自我调整，但一直未供给后台运转日志等要害技能依据。

  也有业内人士点评称，Figure 03“在接连作业稳定性和动作流畅性上的确职业抢先，但测验场景过于理想化，参考价值有限”。更早之前，有媒体查询指出Figure虚拟和夸张了与宝马的协作——宝马发言人泄漏，工厂仅有一台机器人在非出产时段运转。

  国内也有机器人厂商创始人对红星资本局谈论过这场海外直播。他以为该直播场景值得商讨，首要并非是实在的出产产线，而是实验室的循环测验；其次物体很多是可控的，所以很难证明有多少实在性。

  艾文也回应了与Figure的直播的比照，在他看来，部分海外厂商现在更多是在实验室环境下循环履行单一使命，智元的中心战略是，进入到实在的出产线里边去添补劳动力缺失，产生解放劳动力的价值。

  “这拉近了演示和实践布置之间的距离。”智元创始人彭志辉说。曩昔，职业比拼的是后空翻、舞蹈和精心编排的演示视频，但这些无法证明机器人“能干活”。现在，看似单调的直播正在弥合这个信赖距离。

  从国内来看，优必选的人形机器人已进入富士康、比亚迪、极氪等工厂，在转移、上下料等使命中成功率达99%，作业功率挨近人工的50%；千寻智能的人形机器人已进入宁德年代的电池工厂，在PACK封装段要害工序中完结99%以上插接成功率，作业节拍已到达熟练工人水平，助力产线倍提高。

  这意味着职业的重视点正在产生改变。上述机器人企业创始人对红星资本局表明，事实上，是否是彻底人形的机器人并不是厂家关怀的，他们更重视良率、节拍、本钱。他也表明，机器人能干活取决于：抓、放技能的才能及模型泛化性。对不同的场景来说技能也是相通的，所以技能并不是场景能不能落地的仅有问题。

  艾文也赞同这样的观念。他以为，从整个AI职业来看，技能不会成为壁垒。全球在具身智能范畴的竞赛中心，不在于谁首先到达ChatGPT级泛化才能，而在于高效的数据收集以及模型迭代办法，这会催生模型快速提高。

  数据依然是具身智能落地的要害。只要足够多的数据才能让具身智能大模型愈加聪明。关于具身智能大模型现在所在的发展阶段，艾文坦言：“假如类比ChatGPT，现在具身智能的智能化水平，还不到ChatGPT的1%。”

  “现在整个机器人的数据获取，包含从数据量来讲，还远远未到达出现的水平。”他着重，当时职业最大的壁垒是数据。“咱们一切数据或许也便是百万小时层级，但真实的完结模型出现需求上亿小时。”