2 毫米、106 拍、一壶功夫茶：进博会首日，「干活」和「摆模型」被摆进了同一个馆
同一个馆里，一台机器人在给人拍立得、一台在泡功夫茶、一台在跟人打乒乓球，另一台则以「搬运行李、遛狗、工厂分拣」的场景模型呈现愿景。把这些摆在一起看，机器人的验收语言就变了。
- 开幕事实：第九届中国国际进口博览会 2026-11-05 在上海国家会展中心开幕，展期至 11-10；4142 家境外企业参展（历届之最），整体面积首破 44 万平方米，全球首发、亚洲首展、中国首秀展品 480 余件。
- 三台真在干活的：Sharpa（大裂谷）的机器人当拍立得摄影师，取机—调握姿—对准—按快门四步连贯，操作误差控制在 2 毫米以内，还要把轻薄易弯的相纸递到记者手里；智元机器人现场冲泡功夫茶；Hitch Open 展台人形机器人与工作人员同台打乒乓球，记者现场对打连续 40 多拍。
- 一个关键落差：Hitch Open 公布的 HITTER 系统（加州大学伯克利分校 FHL Vive 增强现实中心研发、采用智元远征 A3 本体）已实现与人类对手连续对打 106 拍；而展台现场公开对打是40 多拍。同一套系统，最好成绩约为现场成绩的 2.4 倍。
- 另一种展台语言：特斯拉展台的新一代人形机器人以「搬运行李、遛狗、工厂分拣」等场景模型呈现应用愿景，同时介绍正在建设「人形机器人学院」；该机型为特斯拉首款面向量产的机型，单机长期目标成本 2 万—3 万美元。
- 判断：表演和干活的分界线不在动作难度，而在失误的代价归谁承担。表演的失误由脚本兜底，重来一遍就是；干活的失误由订单兜底，一次掉件就是一次返工。所以真正值得记的不是「机器人会泡茶了」，而是它被放进了一个不允许重来的位置。
把这三件事放在一起说，是因为它们发生在同一个展馆、同一天，而且都被当作「机器人开始干活」的证据。
但它们的证据强度差得很远。
Sharpa 那台机器人在新闻中心干的活，被描述得很平淡：取机、调整握姿、对准目标、按下快门。四步。
难的是第四步之后。拍完还得把相纸递到记者手里——纸张轻薄、容易弯折，抓取和递送时既要保证稳定，又不能施加过大的力。这句是第一财经原稿的话，它点出的正是表演和干活的分水岭：跳舞时机器人对空气施力，怎么用力都不会错；递相纸时机器人对一个会变形、会滑、会飞的物体施力，力小了掉，力大了弯。
报道给出的量化口径是「操作误差控制在 2 毫米以内」，同时要根据相机的位置和受力状态动态调整动作。这里要拆开看：2 毫米是位置误差，动态调整是力控闭环。前者是标定问题，后者是感知—决策—执行回路的问题。一台机器人可以标定到 2 毫米而完全没有力控，也可以力控很好而位置漂移。这两件事被一个数字合并了，读者容易高估。
判断：真正有信息量的不是 2 毫米，是「根据接触状态调整握力」这半句。位置精度可以靠标定和夹具把问题绕过去，力控绕不过去——因为相纸的刚度、湿度、弯曲半径每次都不一样，没有可预先建模的固定解。
乒乓球这一项，报道里出现了两个数，值得单独拎出来对一下。
| 口径 | 数字 | 场景 | 性质 |
|---|---|---|---|
| HITTER 系统已实现 | 106 拍 | 与人类对手连续对打 | 研发方公布的最好成绩 |
| 进博会现场公开对打 | 40 多拍 | 记者本人上场 | 非受控的现场体验 |
| 倍数关系 | 约 2.4 倍 | — | 作者换算 |
2.4 倍这个差距，在机器人行业里属于很小的。它可以全部由随机性解释：来球的旋转、落点、速度每次都不同，106 拍里可能恰好遇到一串「好接的球」，40 多拍里可能恰好遇到一串刁钻的。所以不能据此说现场表现打了四折。
但它说明另一件事：这类任务的最好成绩天然不可复现。对手是人，人每一拍的输出都不一样，这意味着 106 拍这个数字既不能被第三方复跑，也不能被自己稳定重演。它是一次事件的记录，不是一个指标。
判断：乒乓球之所以被当作具身智能的试金石，不是因为它难，是因为它把「感知—预测—规划—控制」四段压进了几百毫秒。但要拿它当验收项，得先规定对手是谁、发球方式、统计窗口——否则 106 和 40 都是真的，也都没法用。
同一个馆，特斯拉展台的新一代人形机器人没有演示动作。报道的原话是：现场搬运行李、遛狗、工厂分拣等模型造型，呈现机器人承担日常任务的应用愿景。
「模型造型」这四个字很关键。它不是可动样机在做动作，是静态造型在表达场景。这不是特斯拉一家的问题——展会预算有限、样机数量有限，摆模型是常规做法。但当同一层的展台上，一家的机器人在递相纸、一家的机器人在泡茶、一家的机器人在打球，另一家摆的是模型，这个对照本身就有信息。
特斯拉给出的替代性证据是两条：一是「人形机器人学院」，通过人类数据训练、仿真与现实练习提升任务能力；二是该机型为首款面向量产的机型，单机长期目标成本 2 万—3 万美元，重点升级手部灵巧机构与关节执行器。也就是说，它把「现在能干什么」换成了「将来多少钱一台」。
判断：这两种展台语言对应两种买家。给集成商和终端客户看的，必须当场证明能干活；给供应链和资本市场看的，只要证明「这东西能量产、能降价」就够了。特斯拉在这个馆里选的是后者，这不代表它能力更弱，只代表它这一站要谈的对象不同。
这个排序不是给三家公司打分。同一家公司完全可能今天摆模型、明天开产线——特斯拉在 2026 年第三季度财报中已披露 Optimus 在弗里蒙特工厂启动生产，这条信息比展台上的模型硬得多。
但它给了一个很实用的筛子：看一场展会，先问「哪几台是可以上手被为难的」。可以被记者临时改变目标、可以被观众打乱货架、可以被陌生人递上一张软纸的，才算进了考场；只能按预设动作播放的，还在彩排。
判断：进博会这类综合性展会，最容易被误读成技术排名。它其实是一次「承诺方式」的集中展示。真正的产业进度不在展台上，在展会之外那些没人拍照的地方——产线的良率报表、连续三个月的故障记录、供应商的排产计划。展台只能证明一件事：这家公司愿意在什么层面接受检验。