Figure AI 又把人形機器人推到了輿論中心。
從 2026 年 5 月 14 日開始，Figure AI 把三台 F.03 人形機器人放進物流分揀場景，進行連續直播。機器人被網友稱作 Bob、Frank 和 Gary，它們在輸送帶旁識別包裹、抓取、翻轉、掃描條碼，並把包裹按要求放回輸送帶。
這場直播最初像是一次回應質疑的公開測試：人形機器人如果要證明自己有實用價值，就不能只靠剪輯好的短影片，而要經得住完整班次、重複任務和長時間運行。
截至澎湃新聞報導時，Figure AI 已經直播了五天，並公開宣稱機器人分揀包裹數量超過 10 萬件。直播仍可透過 YouTube 查看：F.03 Livestream。
這場直播為什麼重要
人形機器人產業過去最常見的問題，是展示影片太短。
幾分鐘的演示可以展示「能做」，但很難證明「能一直做」。真正的物流、製造和倉儲場景，不只看一次抓取是否成功，還看連續運行時的穩定性、異常處理、維護節奏和單位成本。
Figure AI 這次選擇直播，等於把問題擺到檯面上：
- 機器人能不能持續工作多個小時甚至多天。
- 是否需要人類遠端操控。
- 能否自己處理電量、交接和維護。
- 在重複任務中錯誤率是否可接受。
- 面對軟包、硬箱、不同尺寸包裹時能否保持穩定。
相比一條剪輯影片，長時間直播更容易暴露問題。包裹掉落、抓取失誤、短暫停頓、輸送帶節奏變化，都會被觀眾看到。
這也是它的價值：不是證明機器人已經完美，而是讓外界第一次比較直觀地看到，人形機器人在工業重複任務裡距離可用還有多遠。
Figure F.03 在做什麼
這次任務並不複雜，但很典型。
機器人需要觀察輸送帶上的包裹，判斷條碼位置，抓起包裹，調整朝向，再把條碼朝下放回輸送帶。看起來只是「拿起再放下」，但對機器人來說，這裡面包含多個難點：
- 識別不同形狀、材質和尺寸的包裹。
- 估計抓取點和重量變化。
- 避免把軟包擠變形或把箱子推落。
- 在有限空間內完成手臂運動。
- 保持動作節奏，不拖慢輸送帶。
- 失敗後能否恢復，而不是卡死。
Figure AI 創辦人 Brett Adcock 表示，機器人平均每個包裹約 3 秒，接近人類速度；同時強調系統不是腳本，而是直接從攝影機像素進行推理和控制。
這句話很關鍵。它想表達的不是「機器人會重複一套動作」，而是機器人能夠根據即時視覺輸入調整抓取和放置策略。
Helix-02 是核心看點
Figure AI 這次強調，F.03 運行的是自研 Helix-02 系統。
按照公開描述，Helix-02 不是傳統工業機器人那種「感知、規劃、控制」嚴格分層的流程，而是更接近端到端的全身自主系統。它把視覺、觸覺、本體感覺和全身控制整合到一個模型框架中，讓機器人能根據環境即時調整動作。
可以簡單理解為三層能力：
- 底層控制：讓機器人維持平衡、執行關節動作。
- 視覺運動策略：把攝影機和觸覺輸入轉成抓取、移動和放置動作。
- 語義推理：理解任務目標、場景和異常狀態。
這也是人形機器人和傳統自動化設備的區別。
傳統分揀設備通常針對固定流程最佳化，效率很高，但改造場景需要重新設計產線。人形機器人則試圖用類似人的形態進入現有環境，不改太多設備，就能執行多種任務。
這個方向很誘人，但也很難。機器人的手、眼、身體和大腦必須一起工作，任何一個環節不穩，最終效果都會打折。
直播也暴露了問題
這場直播並不是沒有瑕疵。
從澎湃新聞和其他觀察者的描述看，直播中可以看到機器人偶爾出現短暫失誤，例如抓取時判斷不準、包裹位置偏移，甚至把包裹推到輸送帶外。
這些問題在演示影片裡可能會被剪掉，但在真實工作中不能忽略。
物流場景尤其看重準確率。一個包裹掉落，可能只是一次小錯誤；但如果在大規模倉庫裡高頻發生，就會帶來人工覆核、延誤、損壞和責任問題。
美國機器人專家 Ayanna Howard 也提出過類似看法：這次演示更像科學項目，而不是已經成熟的商業服務。速度很重要，但在實際場景裡，準確性、異常處理和監督成本同樣重要。
分揀工真的要失業了嗎
短期內不必把這場直播理解成「分揀工馬上失業」。
Figure AI 展示的是一個相對受控、重複、邊界清晰的任務。它證明了人形機器人正在接近某些物流動作的可用門檻，但還沒有證明它可以無縫接管完整倉庫流程。
真正的物流現場還會遇到更多複雜情況：
- 包裹破損、液體洩漏、形狀異常。
- 條碼汙損或位置不可見。
- 多個包裹堆疊、遮擋、卡住。
- 人類員工臨時介入。
- 設備警報、輸送帶停頓。
- 安全規範和責任劃分。
人類工人擅長處理這些「非標準異常」。機器人要進入商業部署，不僅要在標準動作上接近人類，還要證明自己能穩定處理長尾問題。
更現實的變化，可能不是機器人完全替代人，而是先替代一部分重複、枯燥、夜間和高強度崗位，讓人類轉向監督、維護、異常處理和流程最佳化。
它對產業意味著什麼
這場直播對人形機器人產業的意義，在於把競爭標準從「會不會做動作」推向「能不能持續工作」。
過去，產業經常比拚單項能力：走路、搬箱子、疊衣服、做飯、洗碗。現在，Figure AI 試圖證明人形機器人能在真實任務裡長時間運行，並且把過程放給公眾看。
這會給同業帶來壓力。
如果其他公司仍然只發布剪輯影片，外界自然會問：為什麼不直播？為什麼不跑 8 小時？為什麼不公開錯誤率？為什麼不讓機器人在接近真實的工業節奏下工作？
當然，直播不是最終答案。真正的商業化還要看：
- 單台機器人售價和租賃成本。
- 維護頻率和電池壽命。
- 部署和調參成本。
- 單位時間處理量。
- 錯誤率和事故率。
- 與現有倉儲系統的整合難度。
- 客戶是否願意為「人形」形態買單。
如果這些帳算不過來，直播再火也只是一場漂亮的技術展示。
小結
Figure AI 的 F.03 分揀包裹直播，確實是人形機器人商業化路上的一個重要信號。
它讓外界看到，人形機器人不再只是實驗室裡做幾個動作的樣機，而是開始嘗試長時間、重複性、工業化任務。Helix-02 這種端到端全身自主路線，也讓機器人從「固定動作機器」更接近「能理解場景的勞動工具」。
但它還不能證明人形機器人已經準備好大規模替代倉庫工人。
速度、準確率、異常處理、成本、安全和維護，仍然是必須回答的問題。真正值得關注的，不是某個直播瞬間有多震撼，而是這些機器人能不能在真實客戶現場，用可控成本連續工作數月。
如果它能做到，物流自動化的下一個階段就真的來了。