---
title: "5 项标准先落地，人形机器人还没进厂"
date: 2026-11-21
category: 政策监管
site: 脑机网
canonical: https://aiai.cafe/a/njw-humanoid-standards-1121
language: zh-CN
---

# 5 项标准先落地，人形机器人还没进厂

> 5 份文件，4 个层面。有一层，落了两份。

5 份文件，4 个层面。

有一层，落了两份。

## 五个文件四层

工信部 TC8 发布的 5 项人形机器人标准，覆盖能力、部件、数据、应用。

5 份文件对 4 个层面，平均一层一份多一点，除下来是 1.25。

至少有一个层面放了两份，其余各一份；具体哪一层多出一份，公开口径里没有说。能确认的只有这个除法：5 除以 4，商 1 余 1；商是每层至少一份，余数是多出来的那一份。

哪一层多一份，没说。

这就是目前能确认的结构：五个文件，四个层面，一份余数。文件数、层面数、余数，三个数都能对上；再往下问每一份叫什么、管什么，就出了公开口径。

结构清楚了，内容还没展开。

## 只给了四个词

对外给出的范围，只有四个词。

能力、部件、数据、应用，四个词并列，没有先后，也没有各自包含几项指标。标准的编号、名称、生效时间，公开信息里都没有。能写的只有它覆盖了哪四层，不能写每一层具体管什么。四个词之间是并列关系，不是包含关系。并列的四层，没有上下级，也就没有一条主线可以顺着往下拆。

四个词，不能再展开。

四个词给的是覆盖范围，不是逐条指标。范围画到四层，再往下就是文件正文的事。

在这个边界内，能说的是：讨论的对象分在四层，整机不在其中。

整机没有单列。

四个词里，“能力”和“应用”靠产品近，“部件”和“数据”靠底层近。近产品的两层决定怎么比，近底层的两层决定能不能复现。四层合起来，才是一台机器人的完整描述。

## 可比与可测

标准先解决的是可比。

同一台机器人，A 厂说它能搬 20 公斤，B 厂说它能搬 25 公斤，如果称重的位置、速度、夹具不一样，两个数就不能放在一起。部件、数据、应用各有一层定义之后，参数才有共同的坐标。可比之后才谈得上可测：同一项能力，用同一套条件去测，结果才能对照。称重条件写清楚，20 公斤和 25 公斤才是同一道题的两个答案。

先有坐标，再谈分数。

可比的对象不只是整机。一个关节模组、一套数据集、一段作业流程，只要定义一致，都能放在同一张表上；拆成四层之后，比较的单位从整机变成了层。整机对整机的比法，看的是最后的结果；分层之后的比法，能看出结果差在哪一段。整机比不出来的时候，往下一层比，才有下一个问题可问。

四层要连起来。

可比与可测，是四层能连起来的前提。能力说得清，部件对得上，数据留得下，应用才接得住。任何一层缺定义，另外三层的数就落不到同一张表上。

四层各管一段。

## 成都的第二批

11 月 19 日，成都轨道集团发布第二批 10 项“轨道+”场景清单。

第一批是 16 项。第二批 10 项，是第一批的 62.5%。两批之间隔了多久，没有写；能确认的是批次和数目：先 16 项，再 10 项，先后不等于替换。场景清单的写法是把需求先列成条目，企业按条目来对，能做的就签，不能做的就等下一批。清单一年出几批、每批几项，公开信息里没有节奏表。

先列事，再找人。

10 项比首批少 6 项。少的是哪几类，没有列；能确认的是数量从 16 降到 10。两份清单之间是加法还是替换，也没有说；所以不能把两批加成一个 26 项的总盘。

数量能对，加法不能做。

这和标准的路子相反：标准先把物拆成四层，场景先把事列成条目。一个从物出发，一个从事出发。

一个拆物，一个列事。

## 十六项落十二

首批 16 项，8 项签约。

另有 4 项确定合作单位。

8 加 4 等于 12，12 除以 16 是 75%。剩下 4 项，占四分之一，还没有落点。这组数字是成都轨道自己给的，没有说 4 项卡在哪里，也没有说下一批什么时候补。能算出来的只有这个比例：四分之三有主，四分之一空着。分母是首批的 16 项，不是两批的 26 项。12 项有落点，不等于 12 项已经上线；落点和上线是两张表。

四分之三有落点。

75% 放在 16 项的基数上是 12 项；放在 10 项的基数上是 7.5 项。两个批次不能混着算。比例只在各自的批次里成立，跨批次一乘，就会多出并不存在的项目。

比例有基数，基数不能换。

场景清单不是合同。签约和确定合作单位，是两种进度；从确定单位到真正上线，中间还有一段。这一段有多长，没有给；能确认的只是两种状态之间的先后。

两种进度，不是一回事。

## 场景写在产品前

先有场景，再有产品。

成都轨道的清单里，AI 智能隐患识别模型覆盖 12 大施工场景，整体识别准确率 85% 以上。85% 的意思是每 100 次识别，最多 15 次不对。这个数对应的是 12 类场景共用一套模型，还是每类各有一套，没有说。两种结构，读法不一样。共用一套，模型的错误会摊到每一类；每类各一套，错误就分不开。

一个数，两种算法。

85% 以上是整体准确率，不是每一类都 85%。12 类场景里，哪一类高、哪一类低，没有拆开。整体数能说明模型在 12 类场景里的平均表现，不能说明每一类都能用。整体准确率是加权还是简单平均，也没有说；两种算法会给出两个不同的 85%。12 类场景各自有多少次识别，也没有给。

整体和单类，不能互相代替。

场景清单先写哪里要人、哪里危险、哪里重复，产品再回答用什么设备、装几只眼睛、多久巡一次。

题目先出，答案后交。

12 类场景、85% 的准确率、成眉线上的机器狗，三样东西都在产品之前：场景是题目，准确率是阶段成绩，测试是样机。产品要进的是排班表，不是清单。

## 展台与产线

人形机器人这一次出现的地方，是展台。

广电运通展出的是银行人形机器人柜员；成都轨道成眉线上测试的是机器狗；它石智航进常州艾博格产线的是机器人，公开信息里没有写是不是人形。三条消息放在一起，人形机器人在展台上、在标准文本里，产线那条消息里却没有“人形”两个字。三样东西的位置不一样，读法也不一样。

标准写的是人形。

展台离产线有多远，没有里程数；能确认的是三种位置：展出、测试、进厂。三种位置对应三种证据：一台样机、一段线路、一条按节拍出货的线。证据的份量不一样，读消息的时候要分清。展出的设备可以只跑一段，测试的设备要跑完整线路，进厂的设备要跟班次。

三种位置，三种证据。

所以“还没进厂”说的是已经确认的事实：产线上有机器人，但没有一条确认的消息说，进厂的是人形。

进厂的和写标准的，不是同一批。

## 机器狗还在测试

成眉线上的机器狗，还在测试。

测试和排班是两件事：测试看能不能用，排班看能不能天天用。5 项标准管的是能力、部件、数据、应用四层；场景清单管的是哪件事先做、谁来接。两条路都在产品之前，一条给坐标，一条给题目。测试通过，只说明这台设备能完成一次；排班要的是每个班次都能完成。

坐标和题目，都先到了。

测试线上的机器狗做的是巡视，不是装配；它替的是眼睛，不是手。人形机器人要进的厂，考的是手。替眼睛的设备已经在线上测试，替手的人形还在展台上。一个在看，一个在做，中间隔着一双手。替眼睛的设备出问题，是漏看；替手的人形出问题，是停线。

替眼睛和替手，两道题。

产品到没到，看产线。展台上的柜员、成眉线上的机器狗、艾博格线上的机器人，三种位置，三种状态。

首批 16 项里，4 项还没定合作单位；成眉线上，机器狗还在测试。

**免责声明：本文基于公开信息撰写，仅供读者参考，不构成任何投资建议。**

---

来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-humanoid-standards-1121
本内容仅供参考，不构成投资建议。
