东京一家机器人公司倒了，我回头翻了翻自己的测试日志

我对比了仿真环境和真机部署这两条路，实际跑了一遍。Integral AI这种公司倒掉，我不意外。做机器人最难的从来不是做出动作，是让动作在真实环境里每天稳定重复一千次。

报道里说这家东京公司倒闭，是机器人赛道前路的信号。我前两天正好在把机械臂装到轮式底盘上，做货架取放，顺手把这事想了一遍。

先说准备。我这边的配置不复杂，四轮底盘加一条机械臂，视觉识别货架上的料箱，抓取，放到指定位置。仿真里跑了一个月，各种环境都顺了。抓取成功率很漂亮，数据我都不好意思晒。

然后移植到ROS2上，大概又折腾了两周。仿真到真机，第一步就是重新标定联合坐标系，这里花了一个下午。仿真模型多干净，真机就有多脏。关节零点偏一点，视觉标定偏一点，叠起来抓取位置能差好几厘米。

上手之后才是真正的落差。仿真里传感器是理想数据，真机上激光雷达的点云有噪点，深度相机在仓库侧光下经常丢特征点。我这边测下来，最花时间的不是算法逻辑，是IO。

供应商给的指标是理论吞吐，实际跑起来，存储读写跟不上，控制器就卡顿，机械臂在运动中断一秒钟，安全逻辑直接急停。这个在仿真里根本不会发生。还有一次夹爪报错，查了半天发现不是视觉没识别到，是通信线松动。你可以在仿真里加一百种干扰，但加不出「线松了」这种故障。

踩坑的过程中我越来越明白一件事：模型和算法是加分项，部署和稳定性才是基本盘。这也解释了为什么物流仓储是physical AI落地最早的场景。货架固定，流程固定，工作环境里没有行人乱窜，机器人的自由度被压缩到一个可控范围内，系统才敢说稳定。换到开放环境，光是极端天气和网络抖动就能让一堆Demo死在现场。

如果你问我要不要买，我的建议是看情况。做演示项目，仿真完全够用，成本低效率高。但你要是做商用产品，必须真机跑，而且要在客户的真实场地跑，不是在自己仓库里跑给自己看。机器人的价值不在单次动作的成功率，在连续运行几个月的可靠性。自动化工具该失败时会失败，问题是它失败了能不能明确告诉你，还是默默装死。

往后看，能跑出来的公司大概率不是把机器人做得更像人的那批，是把系统做得更皮实的那批。边缘端智能会越来越多，因为延迟和稳定性这两个问题，现在看不是靠云端能解决的。这话我上周在展会贴子里就说过，这次更确定了一点。

---

本文编译自 Bloomberg Tech，原文：https://www.bloomberg.com/news/newsletters/2026-08-18/integral-ai-s-demise-signals-hurdles-ahead-for-robotics
版权归原作者所有，本文为基于公开报道的编译与独立分析。