先把三套方案的参数并排放一次。并列之后，你会发现它们其实不在同一个难度坐标上。
| 场景 | 关键精度 | 节拍/效率 | 验证状态 |
|---|---|---|---|
| 服装贴口袋 | 对位 ±2mm，动作 0.3–0.5mm | ≤35 秒/件，日产 1000 件（按 10 小时） | 产线验证 |
| 仓储物流 | 装配 0.03mm，分拣成功率 ≥90% | 35 秒一趟搬运 | KION 工厂阶段性 POC |
| 生化实验 | 亚毫米级，容限接近头发丝 | 非标场景最快 0.5 天部署 | 欧洲化工实验室环境，施耐德联合方案 |
三个精度数字：2mm、0.03mm、亚毫米。按数值大小排，物流那套最厉害，因为它多了一个零。
但这个排序是错的。
装配一个刚性零件，误差来源是有限的：夹具定位、机械臂重复精度、末端执行器的偏移、热变形。这几项都可以在标定时测出来、写进补偿表。
所以 0.03mm 是一个工程问题：只要机械精度够、标定做够、环境控住，它就能稳定复现。工业机器人做这件事做了三十年，0.03mm 在精密装配里不算惊世骇俗的数字。
柔性布料不是这样。
真丝光滑轻薄、容易软塌；牛仔布紧密厚重；针织弹性大，不能按普通面料送料。同一块布，受力方向不同、湿度不同、叠放层数不同，形变就不同。报道里那句「状态空间近乎无限、且无法预先精确建模的连续体」，说的是同一件事：你没法给它写补偿表，因为每次的边界条件都不一样。
判断：±2mm 比 0.03mm 难，难在它不可标定。一个是「把已知误差压到最小」，一个是「在未知形变里保持不超差」。前者靠设备，后者靠感知加实时闭环——这也是为什么这套方案要融合视觉、力觉、位觉、触觉四种模态，再由自研的 M2S2 小脑模型在动作层统一。
换句话说，2mm 这个数字看着宽松，其实是「在布料每一次都不一样的前提下还能守住 2mm」。这两个 2mm 的重量完全不同。
现在做一道很简单的算术，这道算术比任何精度参数都更能说明问题。
节拍 35 秒一件，每天按 10 小时算：36000 秒 ÷ 35 秒 ≈ 1028 件。这与报道里「日产 1000 件」的表述吻合，说明 35 秒是含上下料的整节拍，不是单次动作时间。
那么一天要发生 1028 次「抓取—展平—对位—缝合」。每一次对位都必须落在 ±2mm 内。
把单次成功率换算成一天的失误次数：
一条服装产线，一天出 10 件返工，车间主任当天就会来找你；一天 1 件，可以接受；十天 1 件，才算「能上产线」。
所以这个品类里，「成功率」这个指标不报到三个九，基本没有讨论价值。而厂商对外报成功率时，往往报的是「演示环境下的单次成功率」——这两个口径之间差着一到两个数量级。
判断：柔性操作的真门槛不是精度，是「稳定性 × 节拍」的组合。精度可以靠一次调参达标，稳定性只能靠连续运行把长尾工况跑出来。35 秒的节拍意味着没有时间做多次尝试、没有时间等待人工干预——每一次都必须一次成型。这比「能不能做到」难一个量级。
仓储物流这套的参数是：两台 WA2 加一台 WA1，协同迦智的 AMR，跑拆码垛、分拣、搬运到精密装配的完整链路；35 秒一趟，分拣成功率 ≥90%，装配 0.03mm。
但真正值得注意的一句是：在德国凯傲集团（KION）工厂里，这套系统接入了现场既有的料架、播种墙、AGV 和仓储作业流程，围绕 5 类物料完成验证并通过阶段性 POC。
「既有」这两个字，比任何参数都贵。
工业客户最怕的不是机器人干得慢，是「为了上机器人，整条线要改」。改线意味着停产、意味着重新做安全评估、意味着原有设备的投资打水漂。所以一个方案能不能落地，很大程度取决于它能不能「寄生」在现有流程里，而不是要求客户为它重建环境。
判断：「接入既有体系」是这个行业最被低估的能力指标。它不体现在参数表上，体现在集成周期和改造成本上。本号此前拆海外 RaaS 的单位经济时看到同一个规律：单台人形机器人在产线部署，基础设施改造与安全措施要花 4 万到 10 万美元、4 到 6 周工程集成——这笔钱往往比机器本身更难说服客户。
补一个必须说的背景数：Counterpoint Research 的数据显示，全球人形机器人出货里，智能制造占 13%、仓储物流占 5%，加起来不足两成；另有机构口径称，上半年全球超过六成设备流向实验室、科研机构、展会演示与文旅展示。也就是说，浙江人形选的这三个方向，恰好是「占比最小、难度最高」的那一段。
这不是说它选错了。恰恰相反——占比小的地方，竞争也少。报道里那句「整条赛道上玩家屈指可数」，是有产业含义的：在一个还没被填满的格子里，先做出可验证的样本，比在挤满人的格子里拼价格更划算。
这篇现场稿里有两句话，比所有参数都更接近真相。
第一句：当前国内真实物理交互场景合规数据仅约 50 万小时，而商业化落地所需规模是数千万小时，缺口超过 99%。
第二句：全尺寸双足人形机器人续航普遍停留在 2 至 4 小时，工业场景却要求 8 小时以上连续作业。
这两句放在一起看，是一个很尴尬的组合：数据不够，所以模型不够稳；续航不够，所以采集数据的时间窗口更短。一台机器一天只能干 2 到 4 小时，意味着它一天的采样量只有理想状态的三分之一到一半。缺口不是靠多买机器就能补上的，还要靠「每台机器每天能跑多久」。
这解释了为什么浙江人形在物流场景用的是轮臂式 WA2，而不是全尺寸双足。轮式底盘不解决「像人」的问题，但解决「能连续干 8 小时」的问题。在工业场景里，后者的权重高得多。
判断：在人形机器人的工业落地里，「像不像人」正在被「能不能连续干满一个班」取代，成为第一道筛选条件。这不是技术的退让，是场景的选择——工厂付钱买的是工时，不是形态。
也解释了浙江那组产业数据的意义：全省 18 家整机企业、130 余家核心零部件厂商，杭州一地 2025 年具身智能产业集群产值 1068 亿元，四足与人形分别占国内市场 80% 和 50%。硬件迭代的物理距离被压缩到「出门就能找到供应商改一版关节」的程度——这是「最后几毫米」攻坚最实际的竞争力，比任何单点参数都难复制。
第一，连续运行时长。三套方案都提到了「产线验证」「阶段性 POC」「多次连续全流程运行」，但没有一套给出连续运行多少小时、期间干预几次。这两个数才是判断稳定性的关键，也是客户最想看的。
第二，换型时间。服装场景最难的不是做牛仔裤，是明天换一款版型还做不做得了。报道没提换型需要多久——如果每次换款都要重新示教几小时，那 35 秒的节拍意义会被摊薄。
第三，99.99% 的分母。施耐德方案标的「作业成功率 99.99%」，需要知道是「单步操作」还是「整条流程」。整条流程若有 20 个步骤，每步 99.99%，总体就只有 99.8%——一天跑几百个样本，仍然会掉。
最后提醒一句：本文引用的所有节拍与成功率均为厂商与现场稿口径，本号没有取得任何一份验收报告。参数可以听，验收必须自己跑。