杭州萧山，兆丰股份的汽车零部件工厂。乐聚夸父人形机器人正在上料：弯腰、伸手、抓住零件、起身、走到产线边，再弯腰放下。整个过程约35秒。熟练工做同一套动作，十几秒。 它没有停在演示里，只是比熟练工多花了二十秒左右。产线按节拍走，一个工位慢下来，前后工序都得等。界面新闻
更早的时候，这些机器人连站都站不稳。兆丰股份董事长孔爱祥说，机器人一开始站不了，摔跤，拿也拿不住，光是手抓零件就做了约1.5万次训练，反复调整力度、算法模型。 一万五千次训练，换来的是产线上一个能稳定重复的动作。第一财经
现在，这条线上有15台机器人，覆盖15个工位、10余种零件，累计运行约1000小时，协助生产超过6万件零部件，上料成功率98%。 98%不低，但产线按“次”算账：每100次上料，仍有约2次失败；循环越多，失败带来的停顿就越多。界面新闻
乐聚机器人常务副总裁柯真东说，在标准可控的环境里，靠数据把一个技能做到95%以上的成功率“非常简单”；但工厂里有人穿行、机器噪声、光照变化，这些不确定性只能靠修正数据集一点点补。 实验室里的95分，是关起门来考的；产线上的95分，要在一堆变量里考。第一财经
98%不是起点，是磨出来的。乐聚CEO常琳说，预训练阶段的准确率可能只有30%~40%，后训练能到95%左右；要在95%的基础上继续提升，就要靠真机数据回流。实验室能证明一个动作“会”，产线才把它磨到“稳”。
所以，工厂对“会干活”的定义很具体。孔爱祥把目标定在15秒：他希望一年甚至半年内把单次上料压到15秒；如果一年后能做到，参照人工成本，大约部署3到4年可以看到投资回报。 35秒到15秒，差的不是20秒，是从“能上岗”到“能算得过账”的距离。第一财经
连续跑起来，问题还会从“看不准”变成“扛不住”。11月2日的泰山赛上，一台基于宇树G1开发版的机器人因机体过热，中途退赛，被工作人员用担架抬下了山。 这台机器人不是宇树官方参赛产品，但“过热”两个字，足够说明问题。人形机器人运行时，约90%的能量直接转化为热量，而非做功；热量排不出去，关节会过热降频，灵巧手会失去精确度。实验室里跑个百米，和产线上连干一个班，是两种运动。财能圈
更难的是复制。宇树科技创始人王兴兴说过，在固定场景里把数据和训练做足，机器人完成任务的成功率几乎能到100%；可换一件物品、把环境挪一挪，成功率就会大幅下滑。 乐聚把上料技能拆成30多个基础模块，但同一套方案换到别的工厂，仍要适配零件、设备接口和安全要求。产线要的不是一个工位的满分，而是把经验搬到下一个工位、下一座工厂的能力。华商韬略
当然，产线也在给出正反馈。小米的CyberOne 02在汽车工厂的中控台侧盖板排序工站连续干了8小时，能跟着产线节拍走，来料偏了会自己调整。 但同一篇报道也提醒，公开视频是广角、加速播放的，难以看清细节；10万小时的训练数据，和真实部署之间仍有距离。8小时是一个里程碑，不是通用机器人的毕业证。智能车参考
人形机器人进厂，难的是把“做对一次”变成“做对每一次”。实验室里，一次成功就能剪成视频；产线上，同一个动作要重复成千上万次，还要让节拍、良率、维护和复制都过得去。第一个跑出来的，未必是动作最像人的那台，而可能是最先把一个工位磨到能算得过账的那台。
