部署机器人到底需要什么：The Deployment Moat 的 8 条经验

六位真正在部署机器人的人，两场 panel

事实 10 月 29 日，Embodied Collective 在旧金山 Mission Robotics 办了 The Deployment Moat，300 多人报名。六位造、部署、投资机器人的嘉宾上了两场 panel：Saman Farid（Formic）、Judah Longgrear（Robot.com）、Ruslan Bekbulatov、Rajesh Senthil Kumar（RLWRLD）、Natalia Kokoromyti（Cybernetic Physics）、Evan Tao（Chestnut Robotics）。Robert Scoble 开场。下面每一条都来自台上原话，先写台上说了什么，再写我们的看法和怎么做12

可靠性是每一层相乘，不是模型自己的属性

事实 Saman 说实验室里 85% 成功的 demo 常被当成成功，放到产线差得远。一个任务一天做 1 万次，没人能忍每天几百次失败。整体在线率 = 模型 × 硬件 × 响应和维修速度，要整体接近 99.99%，每一层都得远高于 99.9%。Formic 过去 12 个月在约 150 家工厂的在线率是 99.96%，包括爱达荷、怀俄明、阿拉巴马的偏远现场12

我们的判断 机器人 pitch 最常见的错，是拿模型成功率当产品可靠性。买方感受到的是整条链怎么做：给每一层写一个可靠性数字（模型、硬件、响应、维修），乘起来，这才是客户感受到的数

客户买的是结果，所以必须有人扛风险

事实 Saman 说付款方式被误当成定价问题，其实是风险问题。企业上云不是为了晚付钱，是为了服务器坏了有人负责。一家曲奇工厂不该被迫变成机器人运营商。所以 Formic 打包硬件、软件、维护、备件、融资、在线率保证和保险，能用才收钱。98% 的机器人订阅到期续约12

我们的判断 再好的零部件，大多数工厂都消化不了。他们能买的是一个能用的结果，出事只找一个人。保证本身就是产品怎么做：列出客户要自己处理的所有事（安装、维修、备件、融资、保险、监控），留在客户那边的每一项，都是他说不的理由

机器人到场之前，先说清楚什么算成功

事实 Judah 说 Robot.com 第一个客户是 Sodexo，从试点开始，关键是「一开始就简单说清楚什么算成功」。这个试点长成了 40 多个大学校园、七年合同。Saman 讲了同一个问题的另一面：企业创新团队和产线负责人衡量成功的标准常常不一样，试点能打动一边却动不了另一边。所以 Formic 不做 POC，直接部署，风险放在自己的资产负债表上12

我们的判断 两家解决的是同一件事。只有每天要和机器人打交道的人事先认可了「能用」的标准，试用才会变成生意，否则只是时间更长的 demo怎么做：任何试点前和产线负责人写一句话：「机器人在 Z 周内以 Y 的成功率完成 X，我们就做 W。」写不出来，就当 demo 定价

第一批客户，是最需要、决策最快的人

事实 Saman 说早期客户有两个特征：他们的成败取决于你的机器人，而且能快速拍板。对 Formic 来说往往是中型工厂和小仓库，每个月盯着利润，想着怎么省 30% 成本或多 30% 产能拿下下一单。大牌 logo 放在 pitch deck 上好看，但很少第一个跳。Judah 补充：信任是最大的门槛，「大多数人不信任机器人」；赢得信任后，客户会主动问还能在哪儿帮他们省钱12

我们的判断 机器人公司早期，紧迫感比品牌重要怎么做：给 pipeline 排两列：问题现在有多痛、要几个人签字。从第一列最高、第二列最低的开始

盯使用时长，不盯收入

事实 Saman 说收入是滞后指标，客户可能在付钱，机器人却因为产线问题闲着。Formic 每天按台看全队使用时长，和前一天比；panel 当天是 4,800 小时。Judah 对真部署的定义一样：把机器人送出去是一回事，12、24、36 个月后还在工作、达到服务标准、续约，是另一回事12

我们的判断 使用时长是最诚实的指标，比续约谈判早几个月发现问题怎么做：把每台机器人的使用时长放进每日看板，比前一天低的就去查

把人放进回路，而且是长期的

事实 Formic 不在客户现场驻人，指挥中心监控每台机器人，70–80% 的问题远程解决，平均 10 分钟响应、2 小时解决；Saman 说这要靠部署密度。Natalia 说 Cybernetic Physics 在数据中心里每个动作前都跑安全检查，不通过机器人就不即兴发挥，呼叫远程操作员接管；有些客户只用遥操作也满意，因为省了派人去偏远机房重启服务器。Evan 说遥操作永远不会消失，就算 99.99% 自主，罕见的边缘情况也需要人介入12

我们的判断 完全自主是方向，不是上线条件。今天能部署的公司，都是有意设计人机交接，并把每次交接当训练数据怎么做：上线前定三件事：什么情况触发人、这个人是谁、远程或到场需要几分钟

在现场，每多一个活动部件都是负担

事实 Rajesh 讲了一只 21 自由度的手，实验室里表现很好，到客户现场第一天就坏了，只能寄回中国修。结论：自由度和稳健性负相关。Evan 说 Chestnut 刻意把自由度限制在任务需要的范围内，因为手一离开实验室，复杂度会让故障率快速上升。Evan、Rajesh、Saman 都说最先坏的是传感器，尤其是触觉传感器。Evan 还给了一个基准：他在 Tesla Optimus 做手时，第一个里程碑是 10 万次握合；富士康产线工人一天开合 7,000–8,000 次，按这个频率 10 万次大约只够两周12

我们的判断 实验室能力和现场稳健性方向相反，适合部署的往往是能完成任务的最简单设计怎么做：向硬件供应商要真实工况下的循环寿命数据，不是峰值能力，再按你的任务每天跑几次去算

场景窄、现场可复制，部署才会复利

事实 Natalia 说只做数据中心这一个垂直，是集成能复制的原因：机架有共同标准、端口间距一致、通道布局固定，机器人一天被触发几次，不用 24 小时在线，比要在各种公寓里全天工作的家用机器人好控风险得多。意外照样有：不同厂商的服务器导轨不一样，人类爱用的魔术贴对机器人夹爪很难。一个受限机笼的首次部署大约一到两周。Rajesh 说 RLWRLD 预定义任务的 POC 一周到十天能到约 95%，到生产要的 99% 以上需要更久；但每次部署都回流进模型，同一任务下一次从 90% 左右起步，而不是 70%。Natalia 补充为什么要先部署：数据中心内部永远不会有 PB 级的视频，边缘情况只能在现场找12

我们的判断 只有下一个现场像上一个，部署才会复利。所以头几年窄垂直常常赢过通用机器人怎么做：选市场前先看现场有多标准化。如果每个客户的场地都不一样，第十次部署会和第一次一样贵

关于数据

事实 Rajesh 把今天的瓶颈排成硬件第一、准确的后训练数据第二、模型第三。怎么拿数据，嘉宾讲了三种工具各干各的活：RLWRLD 用遥操作做最后一公里，是目前找到最好的，但慢且贵；Chestnut 做可穿戴外骨骼，让人录下自然的手部动作并通过触觉反馈感到接触；Cybernetic Physics 在高保真仿真里看到了插拔线缆这类窄任务的好结果12