1936年，電影《摩登時代》中，卓別林演繹出流水線工人無休止打螺絲的名場面。傳送帶不斷加速，重復動作刻進肌肉本能，停工后他依舊瘋狂追逐一切可擰的物件。

夸張滑稽的表演之下，也暴露出普通工人的生存困境，人要不斷適應機器，最終變成流水線的一部分。

90年后的今天，隨著制造業招工越來越難、產品迭代越來越快，流水線上也有了新的執行者。那就是人形機器人。只是這場變革討論的不是簡單的替代，是它能否成為一種新的工業生產能力。

目前公開披露的案例中，全球真正在工廠上崗的機器人公司，一只手就能數得過來。似乎沒人知道機器人真實部署的情況。

智元機器人率先改變了這一現狀。智元機器人和它的客戶龍旗集團，今年上半年陸續有8臺智元精靈G2完成產線的真實部署后，已經展開兩次真實產線直播。6月23日-28日的這場連續6天的直播里，每天每臺機器人完成3000次的上料、下料工作。

最忙碌時，8臺機器人為趕訂單連續工作半個月，每天上崗22小時。上崗三個月以來，多臺機器人連續工作時長已經累計超過1500小時。

但在龍旗看來，這些數字并不是最終答案。機器人能完成一次任務，并不意味著它能夠成為成熟的工業設備。對于一座每天追求穩定交付的制造工廠而言，更重要的問題是，連續運行上萬小時后，它還能否保持毫秒級響應？運控系統是否依舊穩定？故障率是否足夠低？維護成本是否能夠接受？

這是一場沒有終點的工業級壓力測試。流水線不會因為機器人是新技術而降低標準，每一分鐘的運行，都在接受制造業最嚴苛的考驗。而最有價值的部分，也恰恰是機器人在一次次失敗、修正和重來中持續進步。

01

3個月的壓力測試

“58秒太慢了”。2025年12月初，龍旗工廠和智元展開合作的3個月后，龍旗制造工藝CTO張龍對智元團隊說。

58秒，是指一臺機器人完成一次上料下料的過程，看起來很簡單的行為，實際上包含32個動作。這個58秒相當于人工的6-7倍，根本無法進入真實的產線。

機器人真實部署到產線并不容易。這不僅是對機器人的壓力測試，對智元的部署團隊來說，同樣也是一場壓力測試。為此，智元機器人部署團隊把實驗室從上海搬到南昌車間。雙方部署團隊開始了高達三個月的高密度細節討論。

回顧這幾個月，智元Genie業務部項目總監艾文也提到，項目落地的過程中，雙方對機器人的產品，生產制造的工藝產品，所有的系統上設計的理念和標準都存在著巨大的GAP。

相比技術，智元和龍旗更多的時間花在了認知對齊上。節拍、機器人轉身動作、故障率、生產的程序、系統方案設計處理的一些接口，都需要形成統一的標準認知。而難度是，當前具身智能還沒有形成工業準入標準，對于兩家基因完全不同的團隊而言，聽誰的，是團隊合作通常要面對的最大難題。

智元的團隊更多參考的是汽車供應鏈和質量標準，把機器人當作高可靠、長壽命、低故障的復雜硬件來做。而龍旗所在的3C制造現場，有自己的秩序。

它強調高節拍，能跟得上訂單交付速度，容錯率比汽車體系要高。但要求能快速恢復，3C產品和工序變化頻繁，也更關注機器人的快速部署和柔性切換能力。

搬到南昌龍旗制造基地后，雙方團隊每天泡在車間里的復制產線上，相互磨合。因為看到的是真實車間環境，而不是原來實驗室的3D模擬場景，雙方認知開始同步。

要把節拍壓下來，十余人的團隊天天在悶熱的車間里，研究機器人腰部動作邏輯，什么時候轉腰，伸手，哪些動作可以并行，哪些動作必須等待確認。這背后是一場細到毫秒級的同步工程。

機器人全力奔跑起來后，智元團隊的工作量爆棚。底盤慣性、腰部轉動、手臂伸展、夾爪夾持和產品對位開始互相牽連，任何一個細小參數都可能被放大成抖動、誤差或節拍損失。智元團隊不僅要讓模型更聰明，還要讓這臺機器在更快的動作中保持身體穩定。算法迭代和本體調參，在真實的車間環境下快速形成閉環。

結果反饋很明顯。一個月后，智元精靈G2的節拍從原來的58秒，降低到27秒。到春節前后，降到22秒。因為現場真實數據反饋，負責機器人上半身的模型迭代也非常快，“幾乎兩天一個版本。”張龍說。

精靈G2在平板傳送帶前作業

盡管智元團隊攻克了節拍問題，但遠沒到喘息的時刻，壓力測試仍在繼續。今年3月機器人真正上崗后，很多在線下跑了幾百個小時都沒出現的問題集中爆發，“我們兩邊的人都快崩潰了。”張龍坦言。

真實產線上幾十臺設備、上百臺手機和平板同時發出的無線信號，對機器人通訊造成了嚴重干擾。機器人需要同時與測試裝備、流水線、MES系統保持毫秒級通訊，任何一次信號延遲都可能導致作業失敗。

激光雷達的點云信號傳輸會突然出現停頓，排查了很久才發現，是總裝時線束緊固不到位，跑一定時間后就會出現接觸不良。還有斜坡電機剎車片偏薄導致的掉電問題，腰部結構剛性不足導致的定位偏差……

到6月，8臺機器人已經經歷了高強度連續運轉。一些設備運轉了近2000小時，最長的接近3000小時。但這仍然不是終點。龍旗真正想看的，是萬小時級別的穩定性。

可以預料的是，這個過程會繼續出現新的問題。因為很多問題只有跑到一定數量級才會出現，比如剎車片，電機壽命，結構磨損，長期通訊穩定性，多機協同下的異常恢復，這些不是實驗室里跑幾百次就能看出來的。但智元有信心面對接下來的任何挑戰。

02

大考背后的數據飛輪

智元8臺機器人連續作業背后，不只是一場在工廠打工的大考，也是在持續開采真實世界的“數據油田”。

一臺機器人一次作業包含二十多個動作組，每天要完成3000次。一臺機器人完成一次上下料，并不是一個簡單動作。它背后包含二十多個動作組，識別、靠近、伸手、抓取、抬起、轉向、放置、回撤、等待、再進入下一次循環。

每天3000次作業，意味著同一套動作要在真實產線的光線、節拍、誤差、震動和物料變化中，被反復驗證3000次。

直播第四天的數據

當8臺機器人同時運行，每天產生數十萬條真實作業數據，就有幾萬條動作軌跡。一個月下來，可能就是數十萬條軌跡。這個規模并不小。要知道，當前公開的大型機器人數據集，也不過剛剛來到百萬級軌跡。

這些數據放在全球來看也非常稀缺。盡管全球數采廠動輒百萬、千萬小時規模，但是在業內人看來，全球高質量的數據可能也不過50萬小時。

智元這些來自真實產業線的數據質量，幾乎是頂配。它不同于實驗室里的仿真環境，或可穿戴設備上拍攝的人在物理世界的視頻數據，而是屬于高度工業化的動作穩定性數據，記錄的不只是成功動作，也記錄抖動、偏差、重試、節拍損失、異常恢復和設備狀態變化。

正如張龍告訴我們，機器人必須在這些不完美的條件下跑起來，數據才有價值。

實際上現在的具身大腦，無論是VLA還是世界模型，想要突破泛化能力，前提都是要有足夠的數據。龍旗和智元的路線，就是先解決在場景用問題，再去收集數據，反哺VLA大模型。

不少具身行業的人都認為，當前具身大腦仍處于ChatGPT 1.0甚至更早期的時刻，還遠未到大語言模型的萬億token時代。而距離ChatGPT 3時刻，具身行業需要千萬小時甚至上億小時的數據。

數據高度稀缺的情況下，一些具身公司開始仿照自動駕駛的閉環系統，希望打造具身的閉環。智元無疑是最有代表性的公司之一。今年4月以來，智元加速了模型和本體耦合的敘事，新模型迭代和部署速度雙雙提升。

4月9日，智元發布發布新一代VLA基座大模型GO-2。據官方披露，GO-2已實現“預訓練+后訓練+數據閉環”的規模化部署能力，支持千臺級機器人協同訓練，訓練效率提升約10倍。在工業任務中實現分鐘級收斂，成功率提升2—4倍，數據需求降低50%以上，標志著具身智能大模型正式邁入產業化落地新階段。

智元的模型迭代節奏一直處于行業前列。4月17日智元合作伙伴大會上，智元宣布新一代基座大模型GO-3也將于三季度發布。鄧泰華稱，GO-3模型融合ViLLA架構和世界模型架構，具備了規劃推演能力和備復雜任務的推理執行能力，數據規模達GO-2的數十至百倍。

智元的另一位創始人彭志輝判斷，2026年智元的數據飛輪開始加速轉動。據了解，智元在工業場景部署的機器人，預計在2026年超過上百臺。

這意味著，來自真實車間的數據將是巨量級別的。

03

未來制造業的分水嶺

數據閉環的意義，其實不止于機器人本身。對龍旗來說，智元精靈G2真正被期待的，是它在移動部署、柔性切換、數據互通，以及未來智能制造系統中的平臺角色。某種程度上，它可能成為未來制造業的一道分水嶺。

龍旗不是簡單買幾臺設備，是和智元一起摸清“機器人的邊界到底在哪里”。過去這一年，雙方反復討論后形成的一個共識是，相比只能承擔單一固定任務的機械臂，具備“大腦”和泛化能力的人形機器人，理論上可以覆蓋產品生產流程中的更多環節。

張龍把未來智能制造拆成三個條件：信息互通，完成當前工序任務，以及具備快速部署的柔性能力。工業機械臂雖然能完成動作，但它往往固定在一個位置，接口也不統一，很難在不同廠商、不同系統之間形成一致的數據閉環。與此同時，機械臂速度快，卻缺少力反饋，面對復雜現場時適應性仍然有限。

龍旗看中人形機器人的地方，正在于它有可能同時具備機械臂、AGV和“大腦”的能力。

更長遠看，龍旗對人形機器人的熱情，不只是為了提升眼前的效率，更是在思考一家企業未來制造業的壁壘到底該怎么建。過去一年的合作里，龍旗投入到智元精靈G2部署的人力，也從最初的幾人，逐漸增加到數十人。

雙方在真實產線上落地的項目，也遠不止直播里展示的平板量產質檢工段——多媒體界面測試、音頻測試、輻射雜散發射測試和耦合測試等高精度檢測任務。

當外界將目光聚焦在機器人進場的成本核算時，龍旗內部已經明確，他們要搭建一套適配未來人形機器人進廠打工的系統架構，可以承接未來的智能制造。

從如何選場景、如何設計系統架構、如何定義作業單元、如何實現人與機器人、機器人與自動化設備之間的協同等，提前布局的經驗可以快速復制到更多產線，形成制造業的真正壁壘。

智元和龍旗已經為未來三年的合作制定了清晰的發展規劃。2026年，更像是規模化部署經驗形成期。重點不是一下子鋪開幾百臺機器人，而是在一個成熟場景里把技術、節拍、穩定性、部署工具鏈和數據閉環跑通。當前3C平板質檢工段就是一個樣板。場景需求真實，節拍要求穩定，任務邊界清晰，且具備復制價值。

第一次并線大約需要48小時，后續工序遷移基本壓縮到24小時。這意味著，智元和龍旗開始形成可復用的部署工具鏈，動作原子化、任務編排、現場數據回流、模型快速迭代、異常處理機制，以及多臺機器的一致性調試。

2027年，規劃重點會從單一場景、單一任務，走向多場景、多任務。最近直播的G2已經驗證上下料這一單一任務的遷移能力，雙方已經在實驗室探索G2多任務的泛化，應用到比如更多工段、更多產品、更多任務上。比如從平板擴展到手機，從質檢上下料擴展到裝配、搬運、包裝，甚至與倉儲系統、測試系統、工藝系統聯動。

到2028年，龍旗希望這種形態能在更多場景驗證。那時，機器人可能不只是一個執行設備，而是智能制造平臺的一部分。Agent與Agent之間協作，工程人員更多做系統盤點，一線人員對機器人和數據進行維護反饋。

機器人真正部署到實際作業，還有很遠的路。很多場景不是模型想到了就能做。電機扭矩密度、末端執行器、力控、精細操作、長期磨損，都會限制機器人進入更復雜工序。

目前的G2在直播場景里上下料節拍，只是人力的1/2，但已經達到電機的極限。人形機器人要規模化，必須從單一任務走向多任務，從單一工序走向多工序，這要依賴大量真實場景數據。

真實產線不是機器人秀場，而是一場永不停機的壓力測試場。在龍旗的南昌制造基地里，一群來自智元的年輕算法團隊，已經圍繞一群還不成熟的機器人，正在摸索一種新的工業秩序。這或許正是具身智能真正開始的地方。

撰寫｜劉培

編輯｜吳尋