Figure AI 200小时分拣直播:人形机器人工业化里程碑
5月14日,美国加州某物流仓库内,三台名叫 Bob、Frank、Gary 的 Figure 03 人形机器人走上分拣流水线。
它们没有开启任何开关。因为 Figure AI 的 CEO Brett Adcock 说:“这场直播没有关机按钮。”
原计划8小时的验证测试,变成了一场持续8天、200小时不间断的工业耐力马拉松。最终三台机器人累计分拣包裹 249,558 个,平均约 2.88秒/个,全程无重大硬件故障。
这不是一次产品发布。这是一次公开上岗考核。
直播的核心数据
| 指标 | 数据 |
|---|---|
| 直播时长 | 200小时(5月14日—5月22日) |
| 累计分拣包裹 | 249,558个 |
| 平均处理速度 | 约2.88秒/个 |
| 机器人数量 | 3台(轮班制) |
| 单台续航 | 3-4小时 |
| 重大故障 | 零 |
三台机器人采用轮换调度:单台工作至电量降至20%,自主请求队友接替并前往充电区。整个过程无需人工干预。
人机大战:人类赢了0.04秒,却累到无法继续
5月19日,Figure AI 安排了一场10小时的人机同场竞技。
结果:
- 人类工人:分拣12,924件,单件平均 2.79秒
- Figure 03:分拣12,732件,单件平均 2.83秒
人类在总数上仅多出192件,单件速度领先 0.04秒。
但比赛结束后,人类工人手指磨出水泡、左臂酸痛至无法抬起。而三台机器人换下电池,继续分拣。
Brett Adcock 的赛后宣言是:“这可能是人类最后一次在分拣任务中战胜机器人。“
Helix-02:端到端神经网络的工业验证
Figure 03 的大脑是 Helix-02,一套端到端的全身自主神经网络系统。
与传统工业机器人分层控制不同,Helix-02 是一个统一的单一模型:
- 高频底层控制器:直接驱动关节
- 视觉运动策略层:将摄像头像素映射为动作指令
- 语义推理层:处理语言指令与场景理解
所有推理在设备端完成,不依赖云端。机器人”直接从摄像头像素进行推理”。
这证明了端到端具身智能方案在工业场景中的可行性和稳定性。
量产速度:每小时一台机器人
Brett Adcock 在直播中披露了一个关键数字:Figure 的 BotQ 工厂目前 每小时可生产一台 F.03 机器人。
120天前,这个数字是每天1台。生产效率扩大了 24倍。
仅直播当周就生产了超过55台。F.04 的设计已完全锁定,零部件交付流程已启动。
Adcock 称 F.04 是”机器人世代更迭之间取得的最大飞跃”。
商业化验证:成本下降62%
Figure AI 已联合 DHL 等3家全球物流巨头推进部署。
官方披露数据:首批20台在加州某电商仓连续运行30天,拣选成本降低 62%,人力需求减少 50%以上。
美国仓储物流业平均时薪约20美元。一台机器人可24小时跑2-3个班次,电量成本几乎可忽略。实际”工资”可能不到人工的一半。
且不会请假、不会工伤、不会闹情绪。
争议与局限
直播期间最受质疑的一幕:F.03 突然抬手摸了一下自己的头部。
评论区瞬间炸锅:这是自主行为,还是远程遥控?
Figure 解释称机器人当时在规避流水线旁的铁架结构。但部分网友截取其他时间点画面,认为附近并无明显障碍。
业内人士也指出测试环境的局限性:
- 包裹规格高度统一(仅颜色不同,大小厚薄一致)
- 真实快递SKU复杂度远超测试场景(异形件、易碎件、液体包裹等)
- 直播中多为易处理的软包,实际不规则纸盒难度更高
一位具身智能从业者评价:“Figure 03在连续作业稳定性和动作流畅性上确实行业领先,但测试场景过于理想化,参考价值有限。“
行业信号
这场直播传递了几个明确信号:
- 人形机器人工业耐力已被验证:200小时不间断不是Demo剪辑,是真实工业场景
- 端到端神经网络方案可行:Helix-02在复杂环境中证明了稳定性和适应性
- 量产拐点临近:每小时一台的产能意味着规模化部署成为可能
- 物流是最先被冲击的蓝领岗位:美国蓝领人力成本高,ROI计算清晰
Figure AI 不是在做一场营销秀。它在向企业客户和投资人证明一件事:这东西能当员工用。
来源
- 每日经济新闻,2026-05-22
- 科创板日报,2026-05-15
- IT之家/新浪科技,2026-05-24
- Figure AI 官方社交媒体直播及Brett Adcock推文