「每 10 分钟下线一台」是本周被引用最多的一个数。它听起来像产能，其实是一个速率。速率要变成产能，中间还差三个参数：班次、工作日、良率。这三个参数企业没给，读者自己补——补得不一样，结论就差四倍。
节拍是「多久出一台」，产能是「一年出多少台」。换算链条只有三步，但每一步都有假设。
| 假设班次 | 日产能（台） | 年产能（250 工作日） | 年产能（365 天连续） |
|---|---|---|---|
| 单班 8 小时 | 48 | 1.2 万 | 1.75 万 |
| 双班 16 小时 | 96 | 2.4 万 | 3.5 万 |
| 三班 24 小时 | 144 | 3.6 万 | 5.26 万 |
最低 1.2 万，最高 5.26 万，差 4.4 倍。同一句话，四个结论。
判断：这就是为什么「节拍」是行业里最容易被误用的一个指标。它天生适合做产线设计——你按 10 分钟一个工位去排人、排设备、排场地；但它不适合做产量预测，除非同时给出班次与工作日。看到「每 X 分钟一台」时，正确的追问只有一句：几班？一年开几天？
还有一个更隐蔽的假设：良率。10 分钟一台是「下线」节拍，下线不等于合格。如果直通率是 90%，实际可交付的节拍就变成 11.1 分钟；如果直通率是 80%，就是 12.5 分钟。企业披露节拍时通常默认「这是合格品的节拍」，但这句话很少被明说。
有了年产能，分母就有了。分子是「交付」。报道给的说法是「千台级交付」。
「千台级」是量级词，不是精确数。它至少有三层歧义：累计交付（成立至今一共交付了多少）、年度交付（今年交付了多少）、订单交付（某个合同交了多少）。三者的分母完全不同。
| 分子口径 | 除 1.2 万台/年（单班） | 除 5.26 万台/年（三班连续） |
|---|---|---|
| 累计交付 1000 台 | 8.3%（但分子含往年，分母是单年，不可比） | 1.9%（同上，口径不匹配） |
| 年度交付 1000 台 | 8.3% | 1.9% |
| 年度交付 500 台 | 4.2% | 0.95% |
这张表想说的事情很简单：用「累计交付」去除「单年产能」，得到的数字看起来像利用率，其实什么都不是。这是行业报道里最常见的错配之一，也是最容易被误读成「产能严重闲置」的错配。
判断：在「千台级」这个量级上，产能利用率不是当前最该看的指标。1.9% 也好、8.3% 也好，都说明产线还在爬坡期，而不是需求塌了。爬坡期的正确读法是看「季度环比」——上一季交付多少、这一季多少、下季排产多少。只看一个年度总量，看不出斜率。
那为什么还要算？因为算完之后，你会知道该问什么问题。比如：如果年产能真是 5 万台级，那么要把它填满，需要的不是几个标杆客户，而是成百上千个可复制的工位。这个推论比任何利用率数字都有用。
报道里还有一个数字：部分场景作业效率接近人工的 90%。
这句话最容易被读成「替代 90% 的人」。这是错的。效率 90% 的意思是：同一道工序，机器人耗时是人的 1.11 倍（1 ÷ 0.9 = 1.111）。折算成人当量，一台机器约等于 1.11 个工位的人力供给。
| 效率口径 | 人当量（1÷效率） | 两台机器等效几人 | 若按 8 小时班折算 |
|---|---|---|---|
| 人工的 80% | 1.25 | 2.5 | 需配 1.25 个工位/台 |
| 人工的 90% | 1.11 | 2.22 | 需配 1.11 个工位/台 |
| 人工的 100% | 1.00 | 2.00 | 1:1 替换 |
| 人工的 120% | 0.83 | 1.67 | 1 台顶 1.2 人 |
为什么要换成人当量？因为它直接对上客户的账本。客户算的是「这个工位一年要花多少钱」，不是「机器人有几个人快」。人当量换算完，才能接上工资、社保、招工难度、流失率这些真实科目。
判断：「接近人工 90%」是技术表述，「1.11 个人当量」才是商业表述。供应商在售前如果只讲前者，客户会自己换算，而客户换算时往往会漏掉三件事——机器人的在岗率（充电、保养、故障停机）、换型时间（换产品要重新示教）、以及良率（人工 99% 合格品率对机器人 X% 合格品率）。这三项任何一项打折，人当量都会往下掉。
举个直观的例子：如果一台机器效率是人 90%，但在岗率只有 57%（因为要充电），那么它的实际人当量是 1.11 × 0.57 ≈ 0.63 人。这个数字和「接近人工 90%」给人的印象差得很远。
第一，「下线」不等于「交付」。下线是离开产线，交付是客户验收。中间还隔着出厂检验、包装、运输、现场安装、调试、试运行。这条链越长，下线数越不能当业绩说。看到「下线」两个字，第一时间要问的是「有多少台完成验收了」。
第二，「台」不等于「小时」。这一周行业里另一个重要变化，是评价单位正在从「台」往「小时」移。智元提了一个「有效智能工时」（Worken）的口径，把活跃设备规模、自主工作时长、任务完成效能三项合起来算；本号此前已就这个口径做过一次倒推（见《机器人日租多少钱才算划算》）。不管是哪家的口径，逻辑都一样：台数衡量的是制造，小时衡量的是使用。这两个数不能相加，也不能互相替代。
第三，「市场规模」不等于「出货产值」。《中国互联网发展报告 2026》给的 2025 年具身智能市场规模是 9150 亿元、同比增长 20.4%。这个数和本体出货量之间不是乘法关系——它包含软件、系统集成、场景服务、以及大量非人形形态。本号此前已用「整机出货额」做过交叉核算，两者相差一个量级。把它当分母去算任何「单台产值」，都会得到荒谬的结果。
第一步，抓节拍，补三个参数。几班？一年几天？良率多少？三个都答不上，这个节拍只能当「产线设计值」看。
第二步，抓交付，先分累计与年度。累计交付除以单年产能是错配；年度交付除以年度产能才是利用率。
第三步，抓效率，换成人当量。1 ÷ 效率，再乘以在岗率，再扣掉换型与良率损失。三个折扣打完，才是可报价的那个数。
第四步，抓时间，看季度斜率。一个时点的数字不构成趋势。要判断产能是不是真在爬坡，至少要看三个季度的交付量与排产量。
判断：这一轮行业披露的数字，几乎全部集中在「供给侧能力」，而客户真正关心的是「使用侧产出」。前者的口径由厂商定义，后者的口径由客户的报表定义。两套口径之间那道换算，就是今后两年最值钱的一门手艺——它不需要任何专有数据，只需要肯把每一步的假设写在纸上。
最后留一句给自己用的话：任何「每 X 分钟一台」的说法，如果对方不愿意说班次，那这个数就只说明了一件事——产线的物理极限在哪，而不是今年能做多少生意。