每台 28.4 秒完成一次、失败约 6 次：这份报告真正改的不是数据，是尺子

这组数最大的歧义在这里。「8 台机器在 6 天测试中累计作业超过 64 小时」——64 小时是八台加总，还是每台各 64 小时？

用算术判一下。若是八台合计 64 台时，则 64828 ÷ 64 ≈ 1013 次／台时，也就是每 3.55 秒完成一次作业。这个节奏在上下料、装配、搬运这类工序里不可能出现——一次完整的取件、定位、放置，加上空行程，几秒钟连单个动作都做不完。

若是每台 64 小时，则 64828 ÷ 64 ÷ 8 ≈ 127 次／台时，即平均每 28.4 秒一次。这个数和工博会上被反复提到的产线节拍是同一量级，物理上讲得通。

所以 64 小时只能是每台口径。这个推断很重要，因为媒体转述时若被误读成合计，整组数据的含义会差 8 倍。

判断：机器人行业的公开数据里，「累计工时」是最容易被含糊掉的一项——它可以是单机工时、机队总工时、日历时长或有效作业时长。四者之间能差一个数量级。看到「累计 X 小时」，第一件事是用「次数 ÷ 小时」验一下节奏，节奏荒谬就说明口径错了。

6 天是 144 小时。每台作业 64 小时，占日历时间的 44.4%，折合每天约 10.7 小时。

这个比例说明测试是按班次跑的，不是 24 小时连轴转。它和「连续运行」这四个字给人的印象有差距——不是机器撑不住，是测试设计本身只覆盖一个多班次。

这一点不该被当成缺陷。工厂本来就不是 24 小时全开，一个班次 8 小时、两班 16 小时是常态，跑到 10.7 小时／天已经覆盖了单班全天加部分加班。真正需要 24 小时连续运行的是仓库分拣、夜间值守这类场景。

判断：把「44.4%」写出来，比写「6 天连续作业」诚实得多。前者告诉读者这是一次班次级验证，后者会让人误以为机器人在产线上挂了六天没停。同一组数据，怎么表述决定了它被当成证据还是被当成宣传。

64828 次乘以 0.01%，等于约 6.5 次失败。

6.5 次，在一个 6 天、8 台机器的测试里，几乎可以忽略。但如果这条线真的并进量产，按 127 次／台时、每天 10.7 小时、8 台算，一天就是约 10871 次作业，对应约 1.1 次失败。

再往前推一步：一条产线一年 300 天，就是约 326 次失败。这 326 次里，有多少会导致停线、有多少需要人工介入、有多少只是重试一次就过——这三种情况的成本差着几个量级，而 99.99% 这个数字一个都不告诉你。

这正是「成功率」这个指标的局限。它是结果指标，不是过程指标。同样 99.99%，一台机器失败后能自己恢复、另一台要等人来按复位键，对产线的意义完全不同。

判断：评估这类数据，应该追问的是「失败可恢复率」和「人工介入频次」，而不是成功率。本站此前写启元白皮书时提过这四个指标（首次成功率、失败可恢复率、人工介入率、单次成本），放在这里刚好对得上——99.99% 只回答了第一个，后面三个都没答。

报告的核心判断写得很清楚：判断行业进展的尺子，正从「发布了多少产品、下线了多少台」，转向「有多少机器人真正进入工厂、仓库和商店，持续完成任务并交付结果」。

这句话背后是一条三段式分期：

这个分期不是新发明，制造业的设备演进基本都走这条路。但它对 2026 年的具身智能有一个具体的指向：X 曲线的指标（自由度、续航、峰值负载）在 Y 曲线里不再是主指标。

证据就在同一篇报道里。工博会上，机器人展区的提问变了：精度多高、负载多大、部署需要多久、连续运行是否稳定。这四个问题里，只有「负载」属于 X 曲线的语言，其余三个都是 Y 曲线的语言——它们问的不是这台机器有多强，是它在这条线上要花多少代价才能用起来。

判断：这次换尺子，对整个行业的产品定义影响比想象中大。X 曲线阶段，多做一点能力就多一分卖点；Y 曲线阶段，多做一点能力可能就是多一分故障率和多一分部署成本。「减配」在 Y 曲线里第一次成为正当的产品决策，而不是妥协。

三个数放在一起，最该注意的不是谁快谁慢，是它们分属三种完全不同的作业：精灵 G2 是综合工位测试的平均值，Kargo10 是单箱搬运的稳定节拍，小米 76 秒是中控台侧盖板排序这一道具体工序的节拍。

把综合平均值和单工序节拍并列排名，是这类数据最常见的误用。28.4 秒里混着插拔、装配、上下料、码垛四种作业，快的那几种会把慢的拉平。

判断：真正可比的口径是「同一道工序、同一物料、同一摆放方式」下的节拍。做不到这三同，任何跨公司的节拍对比都只是量级参考。所以本文只把这组数当作「具身智能在 2026 年已经能跑进 30 秒级节拍」的证据，不当作任何两家的高下判断。