1000 小时 ÷ 15 台 ÷ 60 天 ≈ 1.1 小时:乐聚这条产线最该被记住的不是 98%
15 台轮式人形机器人、40 秒一个上料循环、98% 成功率、连续两个月无故障、累计约 1000 小时、6 万个零件。把这六个数放在同一把尺子上摊开,得到的不是产能,是「单机日均在岗约 1.1 小时」。而这家的 2.58 亿元年收入里,一半的可见部分来自教室和展会。
- 事实:乐聚智能与某上市公司共建的汽车零部件产线上,15 台轮式人形机器人(夸父 5-W)做取料上料,抓取内径 80–120 毫米轴承,适配 15 个工位、10 余种零件。
- 三个宣称指标:单次上料循环 ≤40 秒、上料成功率稳定 98%、连续无故障运行超 2 个月,累计运行约 1000 小时,协助生产超 6 万个零部件。
- 自算(本篇):6 万件 ÷ 1000 小时 ≈ 60 件/机器人小时;按 40 秒/件折算的理论值是 90 件,两者之比 ≈67% ——这是「有效作业占比」,数值健康。
- 自算(本篇):1000 小时 ÷ 15 台 ÷ 约 60 天 ≈ 单机日均 1.1 小时在岗。所谓「连续两个月无故障」,指的是两个月里没出故障,不是两个月里一直在跑。
- 收入结构更值得看:2025 年收入 2.58 亿元,夸父系列 1.78 亿元(68.86%);已单独披露的科研教育 Kuavo 5777 万元(同比涨超 10 倍)、商业 Kuavo 3321 万元(涨超 360%)、教育硬件 Roban+Aelos 3945 万元,三块合计约占 50.6%。工业口径的收入没有单独列。
- 判断:「常态化部署」的真实单位不是台数、不是成功率,是单机日均在岗小时。这个数不上 4 小时,谈替代人工就还早;而它一旦上到 6–8 小时,运维班组会成为比模型更紧的约束。
一条产线,15 台机器人,两个月的运行数据。这是目前国内人形机器人进厂报道里信息密度最高的一份,因为它同时给了五个可以互相校验的数:台数、节拍、成功率、总时长、总产量。
大多数报道只挑其中一两个用。把这五个放在一起,会算出第六个数——而第六个数,才是这条产线真正的样子。
公司给出的原始表述是:15 台机器人在同一条汽车零部件产线上取料上料,抓内径 80 至 120 毫米的小型轴承,动作拆成「预备—取料—转运—上料」四段,单次循环稳定控制在 40 秒以内,适配 15 个工位、覆盖 10 余种零件,上料成功率稳定在 98%,已连续无故障运行超 2 个月,累计运行约 1000 小时,协助生产超过 6 万个零部件。
这里有三个不同的量纲:时间(1000 小时)、件数(6 万个)、节拍(40 秒)。三个量纲能互相验证,前提是先确定「1000 小时」是谁的小时。
| 读法 | 推导 | 结论是否自洽 |
|---|---|---|
| 1000 小时 = 单机累计 | 6 万件 ÷(15×1000)= 4 件/台/小时;而 40 秒/件 = 90 件/台/小时 | 不自洽:兑现率仅 4.4%,等于机器人 96% 的时间没在干活 |
| 1000 小时 = 全队累计 | 6 万件 ÷ 1000 = 60 件/机器人小时;60 ÷ 90 ≈ 67% | 自洽:约三分之二时间在真正上料,其余在换料、待机、处理异常 |
第二种读法能站住,还可以用第三个数据交叉验证:公司说 15 台同步作业,「单月采集超过 4 万条」数据。4 万 ÷ 15 ≈ 2667 条/台/月,按 30 天折算是 89 条/台/天。而按全队口径推出的单机日均在岗 1.1 小时、40 秒一件,一天能出 99 件。
89 条对 99 件。两个从完全不同渠道来的数,落在同一个量级上。这说明「一条数据≈一件活」这个换算大致成立,也反过来支撑了「1000 小时是全队累计」的读法。
67% 的有效作业占比,放在任何制造业现场都算不错。设备不可能 100% 时间在产出,换料、等待上游、处理卡料、班次交接都要占时间。一条产线能跑到三分之二的有效率,说明工艺参数是真调过的,不是拍视频时临时开一下。
这也解释了为什么报道里反复强调「连续无故障运行超 2 个月」。这句话值钱的地方不在「2 个月」,在「无故障」——人形机器人进厂最先崩的通常不是任务完成率,是连续运行后的关节温升、编码器漂移、线束疲劳。两个月不出故障,说明机械与电气的可靠性这一关过了第一道。
1000 小时 ÷ 15 台 ÷ 约 60 天 ≈ 1.1 小时/台/天。
参照一下:一个工人一个班次是 8 小时,两班制是 16 小时。1.1 小时意味着这台机器人在一天里承担了大约 七分之一个班次的工作量。
这个数不必读成负面。它更可能的含义是:这条产线目前只在部分班次、部分工位让机器人上岗,其余时间仍由人工完成,机器人处在「并行试跑」而不是「整线接管」的阶段。这在工程上是最稳妥的路径——先在一个工序上跑稳,再往外扩。
但如果把它读成「已经能替人干活了」,就错了。1.1 小时的日工时,对应的替代率大约是一个工位的百分之十几;而客户真正会掏钱复购的门槛,通常要看到 4 小时以上,因为只有到那个量级,设备折旧与运维成本才会被摊到人力成本线以下。
同一篇报道里还有一组更硬的数字,来自招股书:2025 年公司收入 2.58 亿元,2023 至 2025 年营业收入复合增长率 118.68%。按两年复合反推,2023 年收入约 0.54 亿元,2024 年约 1.2 亿元(自算)。
结构是这样的:
| 口径 | 2025 年收入 | 占 2.58 亿元 | 同比 |
|---|---|---|---|
| 夸父(Kuavo)系列合计 | 1.78 亿元 | 68.86% | — |
| 其中:Kuavo 科研教育 | 5777.17 万元 | 22.4% | 涨超 10 倍 |
| 其中:Kuavo 商业 | 3321.32 万元 | 12.9% | 涨超 360% |
| Roban + Aelos(教育硬件) | 3944.81 万元 | 15.3% | +47.35% |
| 工业及其他(倒算) | 约 8700 万元 | 约 33.7% | 未披露 |
这张表最刺眼的地方是:一家拿汽车零部件产线当招牌的公司,2025 年可被单独看到的三块收入——科研教育、商业服务、教育硬件——加起来约占一半;剩下那一半里还混着「其他」,工业到底占多少,公开口径读不出来。
这不是乐聚一家的问题。它反映的是当下人形机器人行业的结构性事实:科研教育是唯一已经稳定付费的场景,因为高校和职校买的是教学设备,看重的是「能不能演示、能不能二次开发」,不看节拍和成功率;商业服务是第二个能算账的场景,因为展演、导览、接待的价值本身就不依赖高精度操作。
工业是第三个,也是最难的一个。它要求的是 8 小时、16 小时、24 小时的连续产出,是良率、是节拍、是停线成本。这条赛道不会靠发布会赢,只能靠一条一条产线跑出来。
而「1000 小时」这个数本身还有一层含义值得留意:把 15 台机器人两个月的全部工时加总,单位还是「千小时」。一家已经跑到全球出货第四的公司,真实作业时间的量级在这个水平——那么全行业积累的真机数据总量,恐怕比外界想象的小得多。
这也是为什么「真机数据是护城河」这句话,在 2026 年还只是一个方向,不是一个既成事实。护城河要够深,得先有足够多的机器在足够长的时间里真的在干活。1.1 小时,离这个门槛还有距离。