智元机器人精灵G2南昌工厂直播六天 人形机器人量产测试转向持续直播

6月23日至28日，智元机器人在南昌龙旗科技工厂开展了为期6天的现场直播。8台精灵G2机器人按照“早八晚七”的标准工时上岗，覆盖平板量产质检的全工段。这场直播被视为对人形机器人实际工作能力的公开检验。

从精剪demo到持续性直播

在一个月前，Figure AI也曾凭借一场33小时的机器人分拣直播引发关注，该直播吸引了200万人围观。两起事件显示出行业趋势：人形机器人厂商开始摒弃精心拍摄的样片，转向持续多日的现场直播，以此展示产品的真实作业表现。

行业人士指出，这种转变恰好勾勒出人形机器人产业的核心命题——机器人到底能否真正“上班”？从实验室炫技走向工厂实干，中间究竟需要跨越哪些障碍。

直播内容拆解：8台精灵G2的工厂排班

智元机器人此次直播选址在南昌龙旗科技工厂，精灵G2机器人承担平板量产质检任务。8台机器人按标准工时排班，完成从早八点到晚七点的全工段作业，包括外观检测、功能测试等工序。直播时长共6天，连续记录机器人在产线中的实际表现。

• 直播地点：南昌龙旗科技工厂
• 参与设备：8台精灵G2机器人
• 作业内容：平板量产质检全工段
• 直播时长：6天（6月23日至28日）

专业名词解析：人形机器人“进厂打工”直播

“进厂打工”直播指将人形机器人部署在真实工厂产线中，以连续视频直播形式公开其作业过程，而非播放预先剪辑的演示视频。这种方式要求机器人在工业环境下稳定运行并完成重复性任务，对硬件可靠性、控制系统及环境适应能力构成直接检验。

行业直接影响：量产落地信心试金石

直播的持续性与围观热度表明，人形机器人能否在制造业中实现规模化应用，已成为行业焦点。持续数日的工厂直播，将加速推动人形机器人从展示阶段进入实际部署周期，为后续的客户采购与产线改造提供参考依据。

智元机器人完成6天不间断产线直播 8台G2作业总量超4.5万次成功率99.98%

6月23日，智元机器人在龙旗科技南昌工厂启动了一场持续6天的“早八晚七”标准工时直播。8台精灵G2机器人集群作业，覆盖整条平板量产质检工段，独立完成多媒体界面测试、音频测试、辐射杂散发射测试和耦合测试等多道高精度检测任务。

截至直播第四天，智元公布的数据显示：8台机器人总作业时长超44小时，产线产能12212台，作业总量45279次，成功率99.98%。这一数据对比4月首次直播时的99.5%以上，提升了0.48个百分点，背后是多台机器人集群协同作业的稳定性突破。

智元合伙人姚卯青将此次直播定义为“国内通用人形机器人产业成熟度的标志性验证”。

两次“进厂”直播：从8小时到6天

早在今年4月14日，智元机器人曾在同一工厂进行了一场8小时不剪辑、无预演的产线直播。当时4台精灵G2站上平板电脑多媒体集成测试工站，连续工作8小时，完成2283项任务，成功率100%。那次验证的主题是“能不能进厂”。

6月的直播则将验证方向升级为“能不能稳定地、批量地、可持续地干活”。从单工位到全工段，从4台到8台，从8小时到6天，作业规模与时长均显著提升。

精灵G2是智元机器人推出的通用型人形机器人，具备双手抓取、信息交互、分类放料等操作能力，可用于产线质检等场景。

直播中出现“叠料异常”

6月23日下午3点左右，一台作为通信主节点的机器人向产线皮带线发出请求，但皮带线未能及时响应，导致上一块平板未被传走。机器人在按预定程序放料时遭遇空间不足，最终产生叠料异常。

智元Genie业务部项目总监艾文在接受红星资本局在内的媒体采访时解释：“严格来说，这不算机器人本身的操作失误，而是两套工业体系融合时产生的摩擦。”他表示，机器人体系偏向汽车和自动驾驶模式，工厂仍是工业自动化逻辑，两者的故障处理方式、异常恢复能力要求都不一样。

艾文称，精灵Genie机器人目前已通过3000多小时的长时间作业，基本迈过“及格线”。他认为理想结果是“一个月出现一次小的故障，并且可以快速解决”。

中外厂商直播对比：真实产线vs实验室循环

一个月前，海外厂商Figure AI刚结束一场200小时的仓库分拣直播——3台Figure 03机器人在仓库中分拣包裹，官方宣称全程“零人类介入”，但引发了关于是否AI自主决策的争议。有网友指出动作存在约0.5秒延迟、出现“摸头”等异常动作，质疑存在远程操控。

艾文回应称，部分海外厂商目前更多是在实验室环境下循环执行单一任务，智元的核心战略是进入真实的生产线填补劳动力缺失，产生解放劳动力的价值。他同时指出，智元机器人的直播场景是真实的量产产线，而非实验室模拟。

行业转向前移：数据成为模型迭代核心

当前，优必选、千寻智能等国内厂商也推动人形机器人进入富士康、宁德时代等工厂。一名机器人企业创始人对红星资本局表示，厂家更关注良率、节拍、成本，技术并非场景落地的唯一问题。艾文也认为，技术不会成为壁垒，全球具身智能领域的竞争核心在于高效的数据采集与模型迭代方法。

艾文坦言：“如果类比ChatGPT，目前具身智能的智能化水平，还不到ChatGPT的1%。”他强调，当前行业最大的壁垒是数据，“所有数据可能也就是百万小时层级，但真正实现模型涌现需要上亿小时。”