跳舞、叠衣服、做咖啡、搬箱子……展会上的机器人能展示的本领越来越多。一段搬箱子的视频，能让人看到机器人会抓、会走、会放，却很难看出同样的工作它每天能持续多久，其间又需要人介入几次。
把机器人买回工厂、仓库或门店的使用方，更关心它能否长期胜任：机器人要跟得上生产安排，要少停机，遇到异常时最好能自己处理。演示回答了“这个动作能不能做”，使用方还需要知道“能不能一直做下去”。
图灵奖得主、中国科学院院士姚期智在 2026 物理 AI 与世界模型大会主旨演讲中说：“真问题推动模型进步。”机器人走进真实岗位，才会不断遇到真问题，进而把它们一个个解决。
工作质量和速度达标之后，判断一台机器人能不能真干活，至少还要问三个问题：它能连续工作多久、已经累计工作了多久；作业时，人多久需要介入一次；一名操作员能同时照看几台机器人。这三个问题，分别对应工作小时数、人工介入率和人效比，也就是衡量“真干活”的三把尺子。
01 工作小时数，决定机器人能承担多少工作
工作小时数，指机器人在岗位上实际工作的时长。一台只能在展台上工作十分钟的机器人，和一台能在产线上连续运行一周的机器人，是两个能力层次。工厂按班次排产，机器人每天能稳定工作几个小时，决定了它能接下多少生产任务；累计工作的时间越长，每个小时分摊的采购成本也越低。
工作时间越长，机器人暴露的问题也越多。很多问题要运行久了才会出现：关节持续发热，零件逐渐磨损，线缆反复弯折，软件长时间运行也可能出现异常。展台上的几分钟能说明动作可行；每天按时启动、稳定运行到班次结束，要靠岗位上一天天的记录来证明。
这类记录，比单看零部件的平均无故障运行时间（MTBF）更能说明问题。MTBF 是工业设备衡量可靠性的常用指标，使用方更想知道的，则是整台机器人放进具体工作里的表现：它在哪个工位上运行了几个月，一天实际工作几小时，中途停过几次，每次恢复要多久。这些记录反映的是机器人的有效作业时间。
眼下行业评价机器人，主要还靠演示视频和发布会，整机在真实岗位上的连续运行记录，公开的还不多。能按班次持续作业、留下这样的记录，机器人才算具备了上岗的基础。
02 人工介入率，决定用人成本能不能真正降下来
人工介入率，看的是机器人工作时，人需要介入接管的频率。用机器人，是为了省下人的时间。如果旁边必须站着一个人随时准备接管，即使机器人能够自主完成部分工作，也还没有让操作员摆脱全程值守。
演示画面之外的人力投入，也要计算在内：有人全程在远端操作，有人只在出错时接管，也有人负责偶尔维护，这几种情况对人的占用完全不同。需要追问的是：人多久需要介入一次，每次接管多长时间，是否需要全程值守。
这几种情况里，全程在远端操作占用人的时间最多，但它也有自己的价值：在配电室、危险区域或分散的作业地点，人不必亲自到场，也就避开了现场的风险。远程操作省去了到场的奔波，但如果仍需全程操控，对操作员的持续占用并没有解除。
因此，衡量人工介入率，关键要看人投入的时间能不能持续减少：同样的任务，刚上岗时需要频繁接管，几个月后接管次数是否减少；原来每次都要人处理的问题，现在机器人能否自己解决。比起一次“无人干预”的演示，介入次数的长期变化更能说明机器人有没有进步。人投入的时间少了，一名操作员就有余力照看更多机器人；对工厂来说，同样的人手能带动更多产能，整体效率也随之提高。
03 人效比，决定规模化部署后能省下多少人力
人效比，指一名操作员能同时照看几台机器人。机器人部署得越多，这个数对用工的影响越大。对使用方来说，人效比往往是决定是否采购的那一项：一台机器人能替代多少人工，需要配备几名操作员，多久能收回投入。
一人照看多台机器人，意味着操作员的工作从持续操作一台设备，变成处理多台设备的少数异常。机器人独立完成的工作越多，操作员腾出的时间越多，能兼顾的机器人也越多。
一人多机，还要靠调度：哪台机器人需要帮助，系统能否及时提醒；几台机器人同时出问题，应该先处理哪一台；接管其中一台时，其他机器人能否继续工作，这些都会影响一名操作员实际能照看多少台机器人。
工时、介入和人效三个数，再加上完成的工作量、设备价格和维护费用，使用方就能判断这笔投入是否合算。
拿工作小时数、人工介入率和人效比这三把尺子去量今天的行业，能看清现在的水平：多数机器人还停留在演示和试点阶段，在岗工时积累得少；它们只能在少量标准场景里自主作业，绝大多数真实作业场景仍需要一对一的人工值守，介入降不下来，人效也难有明显提升。
要让工时增加、介入减少、人效提升，机器人得先走进真实岗位，在作业中不断改进。已经有企业这样做了：国内，有人形机器人在电子代工厂的质检产线上并线了一百多天；海外，有人形机器人在汽车工厂里运行了 11 个月。
04 一名操作员在远端，同时遥操多台长期在岗的机器人
睿尔曼智能走的正是这条路，而且同时在工时、介入和人效三方面推进。这家公司从机械臂关节起家，核心零部件全部自研，已有近百台机器人在工业和商业场景中持续服务。它的做法可以分三步来看。
第一步是让工时积累起来，靠的是硬件。睿尔曼智能的一体化关节模组通过了 CR L3 级可靠性认证，平均无故障运行时间达到 50000 小时，按全年不停机计算接近六年；这些关节模组按“车规级”标准制造和交付，从毛料加工到关节组装，每个环节都有标准作业流程。
第二步是让人工介入逐步减少，起点是远程作业网络 GLN。GLN 连接操作员与分布在不同地区的机器人，人不必赶到现场，也能操作机器人完成任务。自主能力还在提升的机器人，借助远程操作就能在真实岗位上作业；作业积累得越多，需要人介入的地方越少。
第三步是提高人效。机器人能自己处理的情况增多了，一名操作员能同时管控的机器人也随之增加。在工业分拣、电力巡检等场景，睿尔曼智能已经让单名操作员同时管控多台现场机器人，验证了人效翻倍的可行性。机器人能自己处理的情况为什么会越来越多？答案在作业留下的数据里。
05 在岗留下的真机数据，再经层层质量把关反哺模型训练
GLN 的另一层价值在数据：人通过 GLN 每操作一次，机器人就在真实环境里留下一份作业记录。
在配电室，睿尔曼智能与合作伙伴筑欣物联共同推出了“硅基值守”服务，持证人员通过 GLN 操作机器人，完成巡检、抄表、分合闸等任务。在老字号北京稻香村的零号寻宝馆，睿尔曼智能的机器人常态化驻店，参与倒料、搅拌、脱模、刷蛋液等月饼制作工序，末端也从两指夹爪升级成了灵巧手。这些真实作业，都在持续产生数据。
睿尔曼智能把自己对高质量真机数据的要求概括成三句：真干活、真长时间干活、回收数据真有用。前两句落在场景和硬件上，第三句落在数据本身：真机数据回流到模型、真正用起来，机器人才能持续进步，人工介入也会越来越少。
作业记录要经过整理才能拿去训练，相机画面和动作记录的时间对不上，就无法准确还原某次操作。
睿尔曼智能为此建立了一套质量管理流程，覆盖采集准备、原始记录、格式转换、语义标注、数据集交付和模型验证六个环节。仅原始数据检查一环，就要核对采样频率、时间戳完整性、丢帧和多模态时空对齐，发现问题按原因隔离、返工或重采。数据有没有用，最终要看它能否进入训练，让机器人的实际表现变好。
这套数据建设，最近得到了省级层面的认可。10 月 20 日，2026 物理 AI 与世界模型大会在南京召开。大会期间，睿尔曼智能科技（江苏）有限公司联合江苏经睿智能科技有限公司、常州大学和中国移动通信集团江苏有限公司常州分公司申报的“工业场景具身智能真实作业真机高质量数据集建设项目”，入选“2026 年江苏省高质量数据集建设重点项目名单（物理 AI 与世界模型方向）”。
06 产线上的一百天，和宝马工厂的十一个月
在电子代工厂的质检产线上并线一百多天的，是人形机器人公司智元的精灵 G2；在汽车工厂运行 11 个月的，是美国人形机器人公司 Figure 的 Figure 02。这两份在岗记录说明了同一件事：真干活的能力，是在岗位上逐步积累起来的。
去年 12 月，精灵 G2 进驻龙旗科技的南昌工厂。到今年 5 月，8 台精灵 G2 完成并线，与工人在同一条产线上作业，覆盖平板量产质检工段的多媒体界面、音频、辐射杂散发射和耦合测试四道工序，按工厂工人的班次上岗。龙旗科技机器人业务部总经理李龙在 6 月提到，并线运行一百多天里，现场发现的 60 多个问题都已逐一解决。
进入产线，机器人要跟上生产节拍，也要和检测设备、其他机器人配合，很多问题要到现场才会陆续暴露。对机器人来说，进厂只是开始，能否把现场出现的问题逐一解决，决定了它能否长期留在产线上。
Figure 02 在宝马位于美国的斯帕坦堡工厂完成了一个持续 11 个月的项目，负责从料箱里取出钣金件，放到焊装夹具上。它启用后 6 个月内进厂测试，10 个月内在运行中的装配线上全面部署，此后每个工作日都按周一至周五、每天十小时的班次上线。项目累计运行超过 1250 小时，装载超过 9 万件钣金件，参与生产超过 3 万辆宝马 X3。
这些数字的价值在于具体可查。Figure 02 负责的是哪道工序，累计处理了多少零件，一天能工作多久，外界都能从记录里找到答案。“参与生产 3 万辆汽车”，指的是 Figure 02 承担了其中钣金上料这一道工序。项目结束后，Figure 把这段时间积累的经验带进了下一代产品 Figure 03。
三家企业的做法各不相同，但都把问题带到了实际岗位上：设备能否长期工作，现场问题怎样解决，已完成的作业能否帮助下一次做得更好。这类在岗记录积累得越多，工时、介入和人效这三个数，就越能在不同企业之间放在一起比较。
07 结语
展会上的演示视频有价值，它能让人看到机器人学会了什么；长期作业记录则帮助人判断，这项能力是否已经值得投入使用。
对机器人企业，方向是把工作做得更稳定，让人少接管，让一名操作员能照看更多设备；对使用方，采购机器人之前，可以用这三个数，加上工作量、设备价格和维护费用，算清投入回报；对产业上下游，各家用同样的方法统计工时、介入次数和人效之后，零部件、整机和场景方之间就有了共同的验收标准。
下一次再看到一段机器人作业的视频，不妨多问三句：这台机器人已经累计工作了多久？其间需要人介入几次？一名操作员能管理几台机器人？机器人离成为生产力还有多远，答案藏在每天的工作记录里。
-END-
点击下方卡片，关注【Xbotics具身智能实验室】
你想要的这里都有~~
Ask Me Anything｜提问箱
对文章有疑惑，或想聊更深？欢迎把你的问题丢给我们：技术方案、实操踩坑、课程与资料、项目合作、职业发展，都可以问。
怎么问：在评论区留言，或私信公众号
我们会做什么：每周集中整理高质量问题并公开回复，重点问题邀请作者或嘉宾深度解答；典型问题会加入知识库并持续更新。
提问小提示：尽量说明「你的目标—当前做法—期望产出」，附上必要信息（硬件/软件版本、数据规模等），能更快获得有用答案。
一起把问题变成知识，推动社区进步 🚀
