让AI操作机器到底靠不靠谱？六家机构实测：99.3%的成功率和一次翻车

半夜两点，量子计算机房，激光锁又断了。

放在以前，这个电话会打到值班专家家里：从被窝里爬起来，开车赶到现场，手工重锁激光，一次5到10分钟，处理完天也快亮了。

现在不一样了。系统自己发现断锁、自己重锁，全程0.9秒，工程师第二天翻日志，才知道夜里出过事。

先把答案放桌上：让AI操作机器靠不靠谱，不看演示视频，看三样东西——护栏焊在哪一层、翻车了谁兜底、失败了它认不认账。

据QuEra 2026年公布的盲测数据，这套系统被人为注入700次故障，自动恢复695次，成功率99.3%。

这个场面，一百年前其实演过一遍。上世纪初的电梯，全都配着专职操作员；自动电梯的技术早早就成熟了，可没人敢坐一台"没人开的电梯"。

1945年，纽约电梯操作员大罢工，全城高楼瘫痪，写字楼一夜回到爬楼梯的年代，自动电梯从此加速普及。而真正让公众敢走进无人电梯的，不是厂家的宣传，是那颗红色急停按钮、紧急电话和语音提示——"出了事我能让它停下"的确定感。

今天老板问"让AI操作机器靠不靠谱"，问的是同一个问题。下面把六家机构的实测结果摆上桌。

一、六家机构真把机器交给了AI，测出了什么

QuEra，量子计算公司，就是开头那个机房。据QuEra 2026年公布的盲测数据：700次人为注入故障，系统自动恢复695次，成功率99.3%；简单故障0.9到5.4秒恢复，复杂故障10到14秒；试运行期间43次自然发生的模式跳变，全部自动恢复。还有个意外收获：系统发现并压制了一个隐藏共振，这个问题人工调试多年都没抓到。

卡内基梅隆大学，自动化实验室。据卡内基梅隆大学参与团队2026年报告：4台互不兼容的设备，约8小时完成驱动与编排，厂商方案通常要数周。更关键的是安全测试——团队人为注入6种危险状态，包括样品板缺失、样品板放歪、相机断连、设备不可达、急停激活，全部在设备动作之前被拦截。顺带说一句，实验全程用染料替代真实药物，先把翻车的代价压到最低。

基因泰克（Genentech），生物制药。据Anthropic 2026年8月官方公告：液体处理仪、机械臂、读板机三台设备协同做蛋白质定量，AI在实验中自行优化移液速度。这家还贡献了全篇最重要的一次翻车，下一节单独讲。

HHMI Janelia，神经科学研究所。据Anthropic 2026年8月官方公告：一台原本要开七个厂商软件的显微镜系统被统一到一个接口，之后新加一台相机，只需几分钟。

华盛顿大学。据华盛顿大学参与团队2026年报告：约一周接入6台仪器，包括qPCR监控和带防碰撞的板交接。

Tetsuwan Scientific。据Tetsuwan Scientific 2026年公布的数据：9143次分液、300种转移类型、1508个测量条件，AI对分液精度的预测，比厂商标称值还准约12%。

六家机构，横跨量子计算、生物制药和基础研究实验室。一句话：设备是真设备，故障是真故障，数据是盲测数据。

二、最值钱的不是成功案例，是那次翻车

成功案例看完，必须讲那次翻车——它比99.3%更能说明问题。

基因泰克的实验里，一份黏稠样品在处理时出了泡沫。AI的第一反应，是在同一个孔里换参数重试，结果越搅泡沫越多。

注意这个细节：它能流畅读懂设备的错误代码，却不懂泡沫背后的物理机制。错误代码是"语言"，泡沫是"物理"，两回事。

人类专家向它解释了泡沫的成因之后，它学会了正确处理，并把这个做法一直保持到实验结束。

据Anthropic 2026年8月官方公告，这次翻车被完整记录在案。它至少说明三件事。

第一，AI缺物理直觉。说明书它读得懂，但液体起泡这类物理世界的事，它现在没有直觉。

第二，护栏拦得住违规动作，拦不住科学判断的缺失。出泡沫的整个过程里，AI没有违反任何一条安全限制，它只是做了错误的科学判断。

第三，专家不能撤。需要物理直觉兜底的环节，人必须在场。

三、它凭什么敢让AI碰机器：三道防线

回到电梯。公众敢坐无人电梯，靠的不是电梯公司的广告，是那颗急停按钮。这套系统敢让AI碰真机器，靠的是三道防线，而且都焊死在AI够不着的地方。

第一道，安全限制硬编码在驱动层。速度上限、角度上限直接写死在设备驱动里，AI模型再能说会道也绕不过去。这不是"劝AI别那么干"，是让AI在物理上干不成。

第二道，危险状态在设备动作之前拦截。卡内基梅隆那6种危险状态，全部是动作前拦截——设备还没动，指令先被挡下。这就是那颗红色急停按钮：出了事，先能让它停下。

第三道，AI不进微秒级实时控制环。AI的角色是老师傅：在测试台上研究、调试，产出一套控制程序，验证无误后，交给不会走神的确定性代码去高速执行。实时环里跑的是固定代码，不是大模型。

还有一条不算防线，但同样重要。据QuEra 2026年公布的盲测数据，那5次没恢复成功的故障，控制器如实报告了失败，没有谎报成功。

一个会说实话的系统，才配谈靠谱。

四、你的场景靠不靠谱，先过这四道筛子

别人的实验室看完，回到你自己的厂。AI工程师樊军刚判断一个场景能不能让AI上手，看四条。

接口数字化。设备得有数字接口，纯机械、纯模拟的设备，AI够不着。

任务重复性高。同一个动作重复成百上千次，才值得AI接手，也最对AI的胃口。

失败后果可控。卡内基梅隆用染料替代真药，就是这条的示范：试点阶段，先把翻车的代价压到最小。

有人兜底。基因泰克的泡沫已经证明，需要物理直觉兜底的环节，人不能撤。

四条都占，可以让AI上手；缺一条，先让人盯着。

帮企业设计AI试点、把风险锁在小场景里，正是樊军刚AI的服务方式：先诊断、先算账，算不出省钱的场景不动手。定价口径也简单：单点场景3万起、2-4周上线；多场景组合与长期合作另有分期方案。深耕制造业场景，方法论可迁移到贸易、批发、供应链。

五、说句实话：这些数字的边界在哪

这篇的数字，全部来自Anthropic官方公告与合作伙伴自报，未经第三方独立复现。

公开演示用的都是Claude；这套系统（MHS，Model Hardware Standard）本身仍是研究预览，没有开源。

所以上面的成绩单，是"早鸟成绩单"，不是行业平均水平。值不值得盯紧？值得。值不值得现在押上身家？不值。

老板常问的三个问题

问：AI操作机器，失控了怎么办？

答：护栏不在AI手里。安全限制硬编码在驱动层，AI绕不过；危险指令在设备动作前拦截；急停激活这种状态，在测试里全部拦下。失控的前提是护栏失效，而护栏恰恰不经过AI。

问：99.3%听着高，那0.7%出事谁负责？

答：这就是"失败后果可控、有人兜底"两条筛子存在的原因。QuEra那5次失败，系统如实报告，人来接手。选场景时就得选那种"0.7%发生时我兜得住"的场景。

问：我们小厂没有量子计算机，这事跟我有关系吗？

答：有。六家机构用的是量子计算机和显微镜，你厂里可能是机床、灌装线、检测仪——判断标准是同一套：接口数字化、任务重复、后果可控、有人兜底。拿这四条过一遍你的设备清单，哪台够格，一眼就看出来。

一百年前，让公众敢走进无人电梯的，不是宣传，是那颗红色急停按钮。今天，让老板敢把机器交给AI的，不是演示视频，是焊死在驱动层的护栏、动作前的拦截，和失败后一句诚实的"我没做到"。

敢按停，才敢放行。靠谱从来不是不出事，是出了事，你确定能让它停下。