本文来自微信公众号： 科技C位 ，作者：东木褚，原文标题：《机器人进厂之后，速度、故障和回本都藏不住了｜机器人落地项目榜》
机器人行业不缺一段漂亮的演示视频，缺的是机器人进入真实业务之后，还能否持续创造价值。
一次抓取成功，不代表能跟上产线节拍；一台设备进场，不代表整套方案能够复制；客户签下订单，也不代表项目已经验收、回款并产生收益。
把这些环节混在一起，行业很容易用技术热度代替落地进度。
我们因此开设“机器人落地项目榜”这个新栏目。
这个栏目评价具体项目，不给企业排总名次。
上榜项目标准：要有真实进展，也必须公开讨论不足，用可核查的案例，让“真干活、真落地”成为行业更愿意投入的方向。
我们关心机器人：究竟承担了哪段任务，使用了哪些技术，运行了多久，失败时如何处理，还需要多少人工配合，客户得到了什么，有哪些结论仍然缺少证据。
第一期三个项目都来自制造业，却处在不同阶段。
乐聚与兆丰机电让15台机器人进入汽车零部件上料环节，智元与龙旗科技用8台机器人覆盖平板质检工段，优必选与极氪则从单机搬运逐步走到多机、多场景协同。
它们提供的价值各不相同，留下的待证问题也同样具体——
项目一：乐聚×兆丰机电
在兆丰机电的汽车零部件车间，零件被重新挪动位置后，机器人需要重新识别目标，再完成抓取。这个细节解释了工业落地的难度。
实验室里的物料位置可以固定，车间里的零件却有规格差异、表面划痕和油污，码放方式、自然光照也会变化。
机器人会抓一次远远不够，它得在扰动持续出现时继续工作。
双方投入常态化运行的是15台轮式“夸父”人形机器人。
它们面对金属丝网框、多工位和上料台交错的狭窄空间，完成预备、取料、转运、上料等10余个动作序列，抓取内径80至120毫米的小型零件。
放置之前，机器人还要确认目标位置是否已有物料，并接入工厂制造执行系统接收供料任务，与前后工序衔接。
这套方案的技术重点，首先是对真实工况的适应。
团队围绕视觉识别、抓取和力控算法反复采集数据、调整模型，从固定位置抓取逐步扩展到不规则摆放和不同工位。其次是多设备部署。
乐聚将上料技能拆成30余个基础模块，通过组合减少重复开发；多机调度平台把标准技能同步到多台设备，一键叫料系统则同时启动多台设备。
按企业披露，新技能开发周期可由数月缩短到数周，多机部署可由天级缩短到小时级。
这里真正有价值的是交付工作开始标准化，至于能否在兆丰之外的其他工厂达到同样速度，还需要新的项目验证。
产线同时承担数据采集。
机器人在作业时回传抓取、移动、放置和重试等记录，抓取失败、零件掉落、摆放偏差也被保留分类。
现场披露的日常采集量约为每天800至1200条，按此测算单月超过4万条。
与单纯追求数据数量相比，失败样本进入后续训练更值得关注，因为油污、反光和异常摆放正是车间需要持续处理的问题。
项目已经给出一组可讨论的成果。
根据双方披露，15台机器人覆盖15个工位、10余种零件，单次完整上料循环在40秒以内，上料成功率稳定在98%，累计运行约1000小时，协助生产超过6万个零部件。
兆丰方面还披露，人工上下料不及时造成的损耗有所改善，产线开工率平均提高4%。相较抓取成功率，开工率更接近客户价值，但其统计周期、对照产线和订单波动影响，仍有必要进一步公开。
这个项目的说服力，也来自买方没有回避差距。
兆丰机电董事长孔爱祥给出的人工基线约为15秒，而机器人当前一次上料约35至40秒，目标是在未来半年到一年接近15秒。
现阶段，一名工程师大约照看4台机器人，异常时仍需辅助处理。双方前期首先投入场景打通，采购成本和投资回报并未成为首要核算依据。
资料中提到的三年至三四年回收期，是效率继续提升后的预期，并非已经兑现的项目收益。
为什么已有机械臂，还要引入人形机器人？兆丰部分海外订单具有小批量、多品种特点，有些起订量只有250套或300套。
固定自动化适合稳定的大批量任务，人形方案则试图在未来跨工位移动、切换任务，减少反复改造。
只是今天已经得到验证的仍主要是上料，巡检、质量检测和换型调校尚在规划或探索中。
因此，这个项目上榜，依据是15台设备进入常态作业，并同步沉淀技能模块和真实数据，而非已经证明人形机器人比人工或机械臂更经济。
下一步最值得复查的，是15秒目标能否实现、一名工程师能照看多少设备，以及第二家工厂是否还能保持相近的成功率和部署周期。
项目二：智元×龙旗科技
在龙旗科技江西南昌工厂，精灵G2从皮带线上抓取平板电脑，转身将设备放入测试机柜，检测完成后再取出，并把合格品与不良品分流。
动作看上去只是上下料，实际却要同时服从平板、机柜、皮带线和生产节拍的约束。
任何一个环节状态判断错误，都可能让下一块平板无处可放。
2026年6月23日至28日，8台智元精灵G2在这条量产产线上进行了6天公开直播，每天8时至19时按照工厂标准工时运行，覆盖多媒体界面测试、音频测试、辐射杂散发射测试和耦合测试。
由于各项检测耗时不同，一台机器人需要看管2至4台测试设备，多机之间还要保持同步。
按智元最终披露，直播期间累计完成17625次作业，任务成功率为99.99%；从3月正式并线到直播结束，项目已运行105天。
支撑这套作业的，不只是机械臂。
感知和抓取环节使用深度学习抓取点检测与自适应力控，面对精密部件时结合阻抗、导纳混合控制，降低抓放过程中的损伤风险。
VLA模型参与工序理解和动作规划，边缘算力负责低延迟响应，全身协同控制组织双臂、身体姿态与避碰动作。
部署前，团队还利用Genie Sim重建工位、设备边界和动作路径，在仿真中完成碰撞检测、流程验证与节拍调试，再把视觉、导航、模型和控制能力编排进实际作业流程。
更关键的是机器人与原有工业系统的通信。
多工序运行后，智元让机器人作为通信主节点，实时获取机柜和皮带线状态；出现中断时，通过多次互联、信息校验和历史信息回寻维持作业，确认故障后还可发起清除和重启。
机器人由此成为产线系统里的主动节点，开始参与状态判断和异常恢复。
直播留下的一次叠料，让这套能力变得具体。
机器人向皮带线发出请求后，皮带线未能及时响应，上一块平板没有被传走，新平板放入时发生叠料，成功率一度从100%降至约99.96%。
随后，机器人上报异常，切换到其他工位，待设备恢复后再返回原任务，整个过程约2分钟。
龙旗方面披露，从并线到直播的一百多天里，团队还发现并处理约60个问题，包括传感器误判导致机器人碰撞、环境变化引起定位偏差、通信协议不匹配造成指令丢失。
这次异常的意义，超过99.99%本身。
它说明项目面对的不是单独一台设备的动作可靠性，而是两套工业体系如何共享状态、定义故障并恢复生产。
直播也没有把异常剪掉，为外界观察真实部署提供了比成功集锦更完整的材料。
不过，6天直播验证的是特定时间窗口，不能替代全年运行记录。
智元披露当前机器人效率约为人工的80%至90%，成本大致相当于两年人工成本，尚未形成明显的价格优势。
现场仍需要运维人员处理异常或更换电池，工厂也要配合作业空间和通信改造。每进入一个新工序，仍需要联合算法团队进行预训练和后训练，距离跨场景即插即用还有距离。
这个项目上榜，是因为机器人已嵌入真实量产流程，公开展示了多机、多工位和多系统协同，也暴露了失败及恢复过程。
它证明的是结构化质检任务可以持续运行，尚不能直接证明复杂装配能力或规模化盈利。
后续要看更长周期的可用率、单位合格产出的综合成本，以及龙旗是否扩大部署并持续复购。
项目三：优必选×极氪
优必选与极氪的项目，适合沿时间顺序观察。
2024年7月，Walker S Lite首先在极氪5G智慧工厂进行连续21天搬运实训。
当时机器人动作较慢，还要扫描料箱托盘上的二维码辅助定位，作业效率只有人工的20%。
数月后，Walker S1进入第二阶段实训，通过语义VSLAM、视觉定位和学习型运动控制改善空间认知、步态稳定与手部操作，工作范围扩大30%，搬运速度提升约25%，可连续搬运15公斤料箱。
任务随后从搬运扩展到质检。
Walker S1利用全身摄像头和深度学习模型，对车标、车灯进行毫米级无损伤检测，企业披露的准确率超过99%，质检时间较此前减半，检查结果可实时反馈给工厂自动化系统。
在精准操作中，视觉感知负责全局初对准，力感知与强化学习完成二次对准；面对小尺寸、易变形的柔软薄膜，机器人通过高精度感知、自适应控制和带触觉五指灵巧手调整抓取力度与姿态。
不同技术分别对应导航、检测和装配需求，配置多少自由度并非评价重点。
2025年3月，项目进一步进入多机、多场景、多任务协同实训。
数十台Walker S1分布于总装车间、SPS仪表区、质检区和车门装配区，探索协同分拣、协同搬运和精密装配。
两台机器人共同搬运大尺寸料箱时，需要处理负载分布不均、轨迹复杂和人员设备走动等问题。
优必选的联合规划控制系统把轨迹规划、负载辨识和柔顺控制结合起来，让多台机器人动态调整姿态与力度，并在行进中相互避障。
多机协同依靠BrainNet群脑网络和人形智能网联中枢。
云端侧的多模态推理模型负责拆解任务、规划路线和调度设备，本体侧模型负责肢体控制、感知和异常处理；
跨场域视觉感知用于连续跟踪动态目标，多台机器人协作建图并共享信息，端云之间再按任务分配计算。
这套架构试图解决的是机器人数量增加后，谁来分工、如何共享技能、怎样避免各自为战。
到Walker S2阶段，持续作业又成为改进重点。双电池热插拔和自主换电让机器人在电量不足时自行前往换电站，资料记录的换电过程不到3分钟。
腰部旋转范围扩大到±162度，配合15公斤负载能力和工业智能体Co-Agent，面向搬运、分拣、上下料等任务继续提升操作与异常处理能力。
2026年10月的报道中，Walker S2已在极氪工厂展示自主换电并返回作业。
这个项目的变化很清晰：从依赖二维码、效率偏低的单机搬运，走到多任务操作、多机协同，再补持续供电能力。
它提供了一个观察工业机器人如何围绕现场问题逐代改产品的样本。
但公开资料中的主要表述仍是“实训”，这与长期承担量产指标并不等价。
多机完成协同任务，也不等于数十台设备已在不同车间持续接受统一产能考核。
极氪项目尚缺少机器人集群的实际在线数量、长期可用率、人工接管频次、单位任务成本和验收回款等信息。
自主换电证明了连续作业的技术条件，却不能直接推出机器人已经稳定完成24小时生产。
优必选2025年给出的公司层面口径仍是同一工时下效率约为人工50%、成本更高，后续效率提升还需要在具体客户产线上核验。
因此，优必选与极氪上榜，依据是项目持续推进了任务扩展和系统协同，并把续航、调度等现场问题转化为产品迭代，而非群体智能已经完成商业验证。
下一步最关键的公开信息，是实训何时转为常态生产，多机协同能带来多少有效产出，以及交付和运维成本能否随部署规模下降。
三个项目，给行业留下三条启示
第一，机器人进厂后，评价对象必须从本体扩大到整个作业系统。
乐聚要接入制造执行系统，智元要与机柜、皮带线共享状态，优必选要协调多台机器人和工厂设备。
抓取动作只是其中一环，通信、调度、异常恢复和安全边界共同决定有效产出。未来介绍项目时，企业应同时交出任务链和人工分工，避免只展示机器人最擅长的一段。
第二，成功率需要与人工基线、运行窗口和综合成本一起出现。
98%和99.99%都很醒目，但客户还要知道机器人比人工慢多少、连续运行多久、多少人负责运维、异常会造成多少停机。
兆丰给出15秒人工基线，龙旗保留叠料异常，这类信息让项目变得更可验证。主动披露失败和辅助人员，不会削弱案例，反而能减少外界对宣传口径的猜测。
第三，柔性必须最终表现为客户收益。
三个项目都试图超越固定自动化的任务边界，但目前大量已验证工作仍是上料、搬运和检测。固定工位上的传统方案依旧成熟，人形机器人要证明的，是换品种、换工位、换任务之后，能否减少改造和调试，增加有效生产时间。
数据积累、技能模块和群体协同都很重要，最后仍需落实到部署更便宜、运行更稳定、客户愿意续购。
这三个项目都不需要被包装成已经完成的终局。
乐聚接下来要回答速度与复制，智元要回答长期运行与成本，优必选要回答协同实训如何转成量产收益。
行业真正需要的标杆，也应这样持续更新：
每一次进步有证据，每一项不足有去向，下一次复查能看到变化。
最后，向敢于把自己的机器人送进工厂真干活的从业者致敬——
机器人行业的健康发展，离不开实验室的不眠之夜，也离不开工厂里的磕磕绊绊，这些勇于站上岗位的机器人，虽然“暴露”了问题与不足，但也让更多的人燃起了更大的希望。
各位朋友，如果你有想要分享或推荐的项目，不要犹豫，请直接留言，我们下期见。