演示视频看多了，容易形成一种错觉：动作已经这么顺，落地应该只是时间问题。真到了车间，卡住的地方往往不在手上——不是它抓不起来，而是它抓起来之后，旁边那台设备的节拍变了半秒。
演示与现场之间，隔着一层容错
视频里，物体摆在打好的光里，背景干净，失败的那一次剪掉。车间不一样：来料有公差，光照随班次变化，地面有震动，上一道工序偶尔漏放一个零件。这些都不算故障，是日常。
于是真正要回答的问题不是“能不能完成一次动作”，而是“连续做很多次，出错的那几次会不会把整条线拖停”。前者是能力问题，后者是成本问题。人手笨一点没关系，看一眼就补上了；机器出了错，往往要等人发现、停机、复位，这一段时间常常比动作本身长得多。
很多时候，改的是环境，不是设备
一些项目做下来，改动最大的部分不在本体上：给料盘加定位，把工位的光源固定，在交接处加一段导向，把几种规格的来料先归并成两种。听起来不够“智能”，但这类改造往往决定了项目能不能验收。
换句话说，机器人的实际能力，有一部分是现场替它补上的。让环境变得可预测，比让机器人去适应一切要便宜得多。这也解释了一个常见现象：同一套设备，在一个车间能用，换到另一个车间就要重新调——设备没变，是那层看不见的环境工程没跟过去。
长尾的那部分，交给谁
剩下的异常，通常没人愿意承认自己解决不了：料卡了，标签贴歪了，两个零件粘在一起。这类情况种类极多、每种都少见，逐一去做视觉和策略，投入产出比很难看。
比较务实的做法是把人留在环里。远程接管、异常呼叫、人工兜底，听起来不够体面，但它让系统先跑起来，把真实的异常分布攒出来，再决定哪些值得自动化。先有人，再慢慢减人，这个顺序反过来，项目往往会拖很久。
边界在哪里
不是所有工位都值得上设备。判断依据其实很朴素：这个动作是不是高频、重复、环境相对可控，出错之后的代价是不是承受得起。三条里缺一条，就值得再想想。有些岗位人做起来轻松，机器做起来要绕一大圈，这种时候硬上，账是算不过来的。
反过来，那些看着不高级的搬运、上下料、固定路径巡检，反倒容易先跑通。原因也简单：失败模式少，出了错看得见、停得住。
还有一段距离
具身智能这两年热度很高，模型让设备对开放环境的理解确实在变好。但从“理解”到“稳定输出”，中间还隔着可靠性、维护、责任划分这些不太性感的东西。一台设备能不能在车间待三年，靠的往往不是它最聪明的那一刻，而是它出错的时候有多容易被收拾。
所以看一个机器人项目，我的习惯是先问一句：它出错的时候，谁去处理，多久能恢复。这个问题的答案，比任何一段演示视频都更能说明它能不能留下来。