# 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
> 8 台机器、6 天、64 小时、64828 次作业、99.99% 成功率。把这五个数放在一起除以除，能得到一个比「99.99%」有用得多的数字：一次作业 28.4 秒，失败约 6 次。
### TLDR
- **报告事实**：新华社中国经济信息社与中国信通院上海工创中心在上海联合发布《2026 具身智能产业创新报告》，提出具身智能 **2026 年由开发演示走向真实场景常态化运行，进入「部署成长期」**；判断行业进展的尺子，**从「发布多少产品、下线多少台」转向「有多少机器人真正进入工厂、仓库、商店，持续完成任务并交付结果」**。
- **报告给的锚点数据**：智元 **8 台**精灵 G2 在龙旗科技南昌工厂 **6 天**测试中累计作业超 **64 小时**，完成 **64828 次**作业，综合作业成功率 **99.99%**。
- **把它除开**：64828 ÷ 64 ≈ **1013 次／小时**（全队）；再 ÷ 8 台 ≈ **127 次／台／小时**，即**平均每 28.4 秒完成一次**。若按「64 小时是八台合计」理解，则单次仅 3.6 秒，与上下料类工序明显不符——所以 64 小时只能是**每台**口径。
- **失败次数反推**：99.99% 的成功率对应 64828 次里约 **6.5 次**失败。这个数字很小，但它决定了「人工介入」这件事在报表上是否可见。
- **判断：这份报告真正的贡献不是那五个数，是它把 KPI 从「能力」换成了「产出」。一旦用产出计量，机器人就不再和「像不像人」比，而是和「一条产线班次」比——而这个比较里，28.4 秒和 6.5 次失败才是能被财务部门看懂的词。**
### SRC
素材时间窗为前一日 18:00 → 当日 09:00（2026-11-04 18:00 → 2026-11-05 09:00）。主源为机器人全球资讯发布、新浪财经 **2026-11-05 07:11** 转载的产业观察稿（网易转载：https://www.163.com/dy/article/LAV1LL9L05568W0A.html ），文中交代报告由新华社中国经济信息社与中国信通院上海工创中心**在上海联合发布**，并注明 2026 全球开发者先锋大会暨国际具身智能技能大赛「刚刚结束」。**核查方式与限制**：作者未取得报告全文或摘要 PDF，XYZ 三条曲线的分期边界（X 2022—2025、Y 2026—2030、Z 之后）、四项工位分类、龙旗南昌工厂的五个数字，全部为该稿转述；**未找到第二家媒体对 64828 次、64 小时、99.99% 这组数字的独立复核**，仅 2026-10-14 的工博会报道出现过「6 天连续并线直播成功率 99.99%」的相同表述（见下）。**本文的二次换算**：1013 次／小时 = 64828 ÷ 64；127 次／台／小时 = 1013 ÷ 8；28.4 秒／次 = 3600 ÷ 127；约 6.5 次失败 = 64828 × (1 − 0.9999)。**「64 小时为每台口径」是作者推断，非报告表述**：若按八台合计 64 台时计算，单次作业为 3.55 秒，对上下料、装配类工序不合物理，故本文采用每台口径，并在正文写明这一推断的依据。**与既有解读的差异**：本站 2026-10-14 曾以《15 分钟标定、12.97 秒节拍、57 天部署》为题写过工博会的部署指标，其中出现「智元精灵 G2 在龙旗科技南昌工厂 6 天并线直播成功率 99.99%」；**本文与该稿不共享任何一个数字**——该稿记的是标定时间、并线时长、设备复用率与节拍，本文记的是作业总次数、累计工时、单位时间吞吐与失败次数，且分析对象是报告的**分期框架**而非单场部署。**不确定边界**：① 64828 次作业对应的具体工序分布未披露，无法判断「一次作业」的定义是否在不同工位间一致；② 99.99% 的分母是「次数」还是「时段」，报道未说明，两种算法会给出完全不同的结论；③「超 64 小时」为下界，实际工时可能更长，据此算出的 28.4 秒是**上限**；④ 报告未公开样本选择方式，8 台是否为随机抽取不明；⑤ XYZ 三曲线的年份边界是报告的判断，不是统计结果。文中判断均以「判断：」开头，文末版权与免责声明由模板自动附加。
### BODY
这份报告被媒体摘出来传播的，是「2026 年进入部署成长期」这句判断。但真正能被拿去用的，是它顺手给出的那组数。
8 台机器、6 天、累计作业超 64 小时、完成 64828 次作业、成功率 99.99%。五个数字，孤立看都很平常。放在一起除一除，就有意思了。
一、先决定 64 小时是谁的 64 小时
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。
二、6 天里只有 64 小时在干活，这本身就是信息
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。
三、99.99% 对应的失败次数，才是要盯的数
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。
四、报告真正的贡献，是换了一把尺子
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：
X 曲线 · 2022—2025
开发尝鲜期：解决「能不能稳定运动」「能不能量产」
Y 曲线 · 2026—2030
部署成长期：从「完成动作」转向「稳定完成任务」
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。
五、把 28.4 秒放到真实工序里
节卡 Kargo10（汽车大灯厂单箱）
28 秒／次
三项工序、场地、物料完全不同，柱长仅表示节拍量级，不构成性能比较。小米 76 秒因超出本图刻度上限，以数值标注。
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。
主要来源：机器人全球资讯 2026-11-05 07:11（新浪财经转载）《【产业观察】真实场景「上岗」后……》，报道新华社中国经济信息社与中国信通院上海工创中心《2026 具身智能产业创新报告》。文中倍数与折算均为作者计算。
---
*来源：神机百见-具身解读 · https://www.shenjibailian.com/jiedu/article/xinhua-xyz-curve-64828-cycles-per-unit-second/*