Figure AI 又把人形机器人推到了舆论中心。
从 2026 年 5 月 14 日开始，Figure AI 把三台 F.03 人形机器人放进物流分拣场景，进行连续直播。机器人被网友称作 Bob、Frank 和 Gary，它们在传送带旁识别包裹、抓取、翻转、扫描条码，并把包裹按要求放回传送带。
这场直播最初像是一次回应质疑的公开测试：人形机器人如果要证明自己有实用价值，就不能只靠剪辑好的短视频，而要经得住完整班次、重复任务和长时间运行。
截至澎湃新闻报道时，Figure AI 已经直播了五天，并公开宣称机器人分拣包裹数量超过 10 万件。直播仍可通过 YouTube 查看：F.03 Livestream。
这场直播为什么重要
人形机器人行业过去最常见的问题，是演示视频太短。
几分钟的演示可以展示“能做”，但很难证明“能一直做”。真正的物流、制造和仓储场景，不只看一次抓取是否成功，还看连续运行时的稳定性、异常处理、维护节奏和单位成本。
Figure AI 这次选择直播，等于把问题摆到台面上：
- 机器人能不能持续工作多个小时甚至多天。
- 是否需要人类远程操控。
- 能否自己处理电量、交接和维护。
- 在重复任务中错误率是否可接受。
- 面对软包、硬箱、不同尺寸包裹时能否保持稳定。
相比一条剪辑视频，长时间直播更容易暴露问题。包裹掉落、抓取失误、短暂停顿、传送带节奏变化，都会被观众看到。
这也是它的价值：不是证明机器人已经完美，而是让外界第一次比较直观地看到，人形机器人在工业重复任务里离可用还有多远。
Figure F.03 在做什么
这次任务并不复杂，但很典型。
机器人需要观察传送带上的包裹，判断条码位置，抓起包裹，调整朝向，再把条码朝下放回传送带。看起来只是“拿起再放下”，但对机器人来说，这里面包含多个难点：
- 识别不同形状、材质和尺寸的包裹。
- 估计抓取点和重量变化。
- 避免把软包捏变形或把箱子推落。
- 在有限空间内完成手臂运动。
- 保持动作节奏，不拖慢传送带。
- 失败后能否恢复，而不是卡死。
Figure AI 创始人 Brett Adcock 表示，机器人平均每个包裹约 3 秒，接近人类速度；同时强调系统不是脚本，而是直接从摄像头像素进行推理和控制。
这句话很关键。它想表达的不是“机器人会重复一套动作”，而是机器人能够根据实时视觉输入调整抓取和放置策略。
Helix-02 是核心看点
Figure AI 这次强调，F.03 运行的是自研 Helix-02 系统。
按照公开描述，Helix-02 不是传统工业机器人那种“感知、规划、控制”严格分层的流程，而是更接近端到端的全身自主系统。它把视觉、触觉、本体感觉和全身控制整合到一个模型框架中，让机器人能根据环境实时调整动作。
可以简单理解为三层能力：
- 底层控制：让机器人维持平衡、执行关节动作。
- 视觉运动策略：把摄像头和触觉输入转成抓取、移动和放置动作。
- 语义推理：理解任务目标、场景和异常状态。
这也是人形机器人和传统自动化设备的区别。
传统分拣设备通常针对固定流程优化，效率很高，但改造场景需要重新设计产线。人形机器人则试图用类似人的形态进入现有环境，不改太多设备，就能执行多种任务。
这个方向很诱人，但也很难。机器人的手、眼、身体和大脑必须一起工作，任何一个环节不稳，最终效果都会打折。
直播也暴露了问题
这场直播并不是没有瑕疵。
从澎湃新闻和其他观察者的描述看，直播中可以看到机器人偶尔出现短暂失误，例如抓取时判断不准、包裹位置偏移、甚至把包裹推到传送带外。
这些问题在演示视频里可能会被剪掉，但在真实工作中不能忽略。
物流场景尤其看重准确率。一个包裹掉落，可能只是一次小错误；但如果在大规模仓库里高频发生，就会带来人工复核、延误、损坏和责任问题。
美国机器人专家 Ayanna Howard 也提出过类似看法：这次演示更像科学项目，而不是已经成熟的商业服务。速度很重要，但在实际场景里，准确性、异常处理和监督成本同样重要。
分拣工真的要失业了吗
短期内不必把这场直播理解成“分拣工马上失业”。
Figure AI 展示的是一个相对受控、重复、边界清晰的任务。它证明了人形机器人正在接近某些物流动作的可用门槛，但还没有证明它可以无缝接管完整仓库流程。
真正的物流现场还会遇到更多复杂情况：
- 包裹破损、液体泄漏、形状异常。
- 条码污损或位置不可见。
- 多个包裹堆叠、遮挡、卡住。
- 人类员工临时介入。
- 设备报警、传送带停顿。
- 安全规范和责任划分。
人类工人擅长处理这些“非标准异常”。机器人要进入商业部署，不仅要在标准动作上接近人类，还要证明自己能稳定处理长尾问题。
更现实的变化，可能不是机器人完全替代人，而是先替代一部分重复、枯燥、夜间和高强度岗位，让人类转向监督、维护、异常处理和流程优化。
它对行业意味着什么
这场直播对人形机器人行业的意义，在于把竞争标准从“会不会做动作”推向“能不能持续工作”。
过去，行业经常比拼单项能力：走路、搬箱子、叠衣服、做饭、洗碗。现在，Figure AI 试图证明人形机器人能在真实任务里长时间运行，并且把过程放给公众看。
这会给同行带来压力。
如果其他公司仍然只发布剪辑视频，外界自然会问：为什么不直播？为什么不跑 8 小时？为什么不公开错误率？为什么不让机器人在接近真实的工业节奏下工作？
当然，直播不是最终答案。真正的商业化还要看：
- 单台机器人售价和租赁成本。
- 维护频率和电池寿命。
- 部署和调参成本。
- 单位时间处理量。
- 错误率和事故率。
- 与现有仓储系统的集成难度。
- 客户是否愿意为“人形”形态买单。
如果这些账算不过来，直播再火也只是一次漂亮的技术展示。
小结
Figure AI 的 F.03 分拣包裹直播，确实是人形机器人商业化路上的一个重要信号。
它让外界看到，人形机器人不再只是实验室里做几个动作的样机，而是开始尝试长时间、重复性、工业化任务。Helix-02 这种端到端全身自主路线，也让机器人从“固定动作机器”更接近“能理解场景的劳动工具”。
但它还不能证明人形机器人已经准备好大规模替代仓库工人。
速度、准确率、异常处理、成本、安全和维护，仍然是必须回答的问题。真正值得关注的，不是某个直播瞬间有多震撼，而是这些机器人能不能在真实客户现场，用可控成本连续工作数月。
如果它能做到，物流自动化的下一个阶段就真的来了。