10月1日，初创公司 Nucleus 在 X 上放出一段将近两小时、未剪辑的人形机器人工厂作业录像：零件分拣、货架补货、搬运料车，摇晃和人工干预都没剪掉。创始人兼 CEO Melvin Schwarz 自己说，这段演示“60% 自主、40% 遥操作”。
这事的看点不在 60/40 这个数字，而在于它把通常藏起来的“人”亮了出来。行业里绝大多数演示都是精修过的——只放跑通的那几秒，把卡顿、纠正、接管悄悄剪掉。
Nucleus 等于把行业的遮羞布扯开了一条缝。独立媒体 Humanoids Daily 的编辑说得很直白：Nucleus 公开一段这么长的未剪辑录像、且把磕绊留着，等于把具身智能买家在下单前该向所有厂商索要的“证据门槛”抬高了一截。
但“60% 自主”到底怎么算，Schwarz 没说。是按时间、按任务完成数，还是按干预次数？三种口径算出来的“自主率”天差地别。AI Weekly 提醒得关键：答案不同，这段录像的含义就完全不同。
如果按时间算，两小时里大约 72 分钟机器人自己干、48 分钟靠人接管；如果按任务算，可能只是“完成的活里有六成没求助”；如果按干预次数算，那每次卡住都算一次失败。没有口径，数字就只是营销话术。
先说清楚什么是遥操作：就是人通过手柄或穿戴设备，在远端实时操控机器人做纠正。对一台人形来说，在光照、物体摆放、流程都陌生的真实工厂里，遇到没见过的状况时，人接管是最稳的兜底。这也解释了为什么遥操作既是短板、又是数据来源——每一段被纠正的轨迹，本身就是后续训练最贵的样本。
Nucleus 的策略恰恰是把“还没完全自主”当成商业模式，而不是缺陷。它的打法是“先上岗、再全自动”：让机器人在人的协助下先去工厂干活、交付服务，同时把遥操作的每一次纠正当成训练信号。
具体来说，系统会记录视觉观测、深度信息、机器人运动、接触信号、人的纠正和任务结果，喂给模型去迭代。部署和自主之间因此形成一个闭环：机器人干活 → 遇阻 → 人纠正 → 记录轨迹 → 模型变好 → 再回产线。
为什么行业普遍不披露遥操作占比？很简单——“自主”是当下最值钱的叙事。投资人、客户都爱听“全自动”的故事，承认“四成靠人遥控”像是在承认不成熟，于是大多数厂商只晒干净片段。更现实的是，目前既没有第三方认证机构去量这个指标，也没有买方在采购合同里强制要求披露，于是“不报”成了默认选项。
更深的问题是没有标准。不像汽车有油耗、手机有续航，“自主率”至今没有行业公认的测算方法。同一段运行，用时间、任务或干预次数去量，结论能差出一大截。
看头部玩家，这种“只说自主、不报占比”是常态。 特斯拉 Optimus 强调端到端神经网络、直接把传感器输入转成控制指令； Figure 的 Helix 在宝马工厂实测搬运与拣选； NVIDIA 提供底层算力与训练栈——它们都谈自主能力，却很少量化“无人监督能连续跑多少小时”。
国内一侧， 宇树 靠体量与演示拉满声量， 智元 把 300 多台机器人铺进珠海主题乐园、第 2 万台已下线， 优必选 的 Walker S 系列进比亚迪、富士康做工业协同——部署是真实发生的，但自主率的披露同样稀疏。
对真正要买单的工厂来说，单一“自主率”数字远远不够。更该问的是：一个操作员能同时盯几台？多久干预一次？平均无故障时间（MTBF）到多少？60/40 这个切口回答不了“每台机器人占用多少人工注意力”。换句话说，工厂算的是“人工监督比”而不是“自主率”——一台机器人再能跑，如果始终要一个人贴身盯着，它的经济账就立不住。
反过来，遥操作占比高在现阶段反而是理性的。具身智能的数据瓶颈本就卡在“靠人示范采集训练数据”的成本与可扩展性上——Nucleus 把难免的监督顺势变成燃料，比“藏起来等全自动”更诚实，也更能滚数据。这也是为什么不少厂商的早期部署其实是“人在回路”的：先把活干下来、把数据攒起来，自主率才有望随里程数慢慢抬上去。
这背后是一场基准的迁移：从“惊不惊艳的一次成功”转向“能不能无聊地、重复地、能从错误里恢复地干完一整班”。Schwarz 那句“我们拼命让它变得无聊”，恰恰点中了工业客户真正在意的——稳定，而非炫技。
但也要泼盆冷水：这段录像毕竟是 Nucleus 在自己选的班次、自己拍的，没有第三方审计，60/40 的测算方法也没公开。未剪辑不等于独立验证，它抬高了门槛，却还不是铁证。
对整条赛道而言，意义在于“证据门槛”该往上抬了。只拿精修高光片段示人的厂商，往后要面对更尖锐的追问：那段里删掉了什么？接管了几回？无人监督跑了多久？
自主率正在从形容词变成可考核的 KPI，但前提是口径统一、主动披露。在具身智能这里，“无聊的活”才是更难的考题——谁先把真实、可比的自主率摆上台面，谁就更接近真正上岗。本文基于公开报道整理。