东伦敦一家垃圾处理厂的传送带旁，一名工人戴着虚拟现实头盔，正在教一台中国造的人形机器人怎么分拣垃圾。这家三代家族企业每年处理28万吨混合回收物，员工年流失率高达40%。他们的解决方案不是招人，而是造一个不用辞职的"同事"。

一个算不过来的账：人为什么留不住

打开网易新闻 查看精彩图片

英国垃圾分拣行业的数字很难看。年流失率40%，致命事故率是全国平均水平的8倍，工伤和职业病发生率比其他行业高45%。

工作内容是这样的：站在高速运转的传送带旁边，从混合垃圾流里挑出鞋子、混凝土块、录像带，偶尔还有枪支。环境粉尘弥漫、噪音震耳。

企业试过涨工资、轮班制、劳务派遣。Tom Sharp创立的Sharp Group用了24名派遣工在快速传送带上作业，但问题没变——这活危险、难受、耗体力，人找到机会就走。

第三代管理者算明白了：不是招聘策略的问题，是这岗位本身留不住人。

为什么是"人形"：不用拆厂房的算盘

Sharp Group的答案是Alpha，一台由中国RealMan Robotics制造、英国初创公司TeknTrash Robotics改造的人形机器人。TeknTrash创始人Al Costa的逻辑很直接：人形设计能让机器人塞进现成厂房布局，不用为了自动化推倒重来。

美国科罗拉多州的AMP和加州的Glacier走了另一条路——专用分拣系统，机械臂、气流喷射、人工智能视觉识别。这些方案有效，但需要新建厂房或昂贵的改造。

对于负担不起重建的中小型回收厂，一个能站在人站的位置、干人干的活的机器人，理论上是更便宜更快的自动化路径。

「人形形态因子允许机器人接入现有工厂布局，而无需设施围绕它重新设计。」Al Costa这样解释。

VR训练现场：工人教机器人"怎么伸手"

BBC到访时，Alpha还在训练阶段。传送带旁，一名工人戴着Meta Quest 3虚拟现实头盔，记录自己的分拣动作，演示什么叫"成功抓取"。

TeknTrash的HoloLab系统用多摄像头采集数据，训练机器人并行处理两个任务：识别传送带上的物品，以及物理抓取。每小时有数千件物品流过传送带——塑料袋、食物残渣、金属碎片，形状、重量、表面纹理各不相同。

这套训练方法的核心是模仿学习：不是写死规则让机器人"认识"每种垃圾，而是让熟练工人的动作成为训练数据。工人分拣一次，机器人学一次。

目前Alpha尚未正式运行，但训练逻辑已经清晰：用即将离开的人类，教不会离开的机器。

中国硬件+英国改造：谁造了这台机器

RealMan Robotics是中国的人形机器人制造商，Alpha的硬件基础来自这里。TeknTrash Robotics负责将其适配到回收场景——软件改造、任务训练、与现有传送带系统的对接。

这种分工模式在工业自动化中越来越常见：中国供应链提供硬件平台，本地创业公司做场景化改造。对英国中小型回收厂来说，这比从头研发或采购整套欧美自动化系统成本更低。

但成本优势能否转化为实际运行效率，还要看训练完成后的表现。垃圾分拣的难点在于极端不确定性：同一类别的物品可能有无数种形态，而传送带不会停下来等机器人"想清楚"。

40%流失率背后的行业困境

英国回收行业的劳动力危机不是Sharp Group一家的问题。全国数百家中小型处理厂面临同样的算术：招人成本、培训成本、工伤赔偿、事故风险，叠加在一起让人力成为不可持续的投入。

行业组织的数据表明，垃圾分拣是英国最危险的工种之一。粉尘导致的呼吸系统疾病、重物搬运造成的肌肉骨骼损伤、高速传送带带来的机械伤害，构成三重健康威胁。

更高的工资能延缓流失，但不能消除风险。轮班制能分散疲劳，但不能改变工作环境。劳务派遣把用工风险转嫁给中介，但培训成本和事故成本最终仍会回到企业。

当所有人事手段都试过之后，用机器替代人成了唯一还没被证伪的选项。Alpha能否通过训练、达到商用水平的分拣速度和准确率，将决定这个选项是否成立。

对Sharp Group来说，这不是技术乐观主义，是算术。40%的年流失率，乘以24个岗位，乘以培训周期和事故概率——这笔账如果机器能算平，整个行业的劳动力模型就要重写。