機器人連續分揀快遞超100小時，很多人慌了：這次，我會不會失業？

出品 | 網易智能

作者 | 小小

編輯 | 王鳳枝

原定計劃是8小時。

5月13日，Figure AI把一臺叫Jim的人形機器人推到傳送帶前，架好攝像頭，想證明它能像人類一樣完成一個完整輪班。

8小時到了，Jim沒停機，沒卡住，也沒有等人類接管。團隊沒有喊停。

24小時。48小時。72小時。81小時。到第四天，Jim和后續接替上場的同伴已經處理了超過10萬個包裹。截至發稿，它們連續運行103小時，分揀近13萬個包裹，沒有出現需要人工救援的故障。

沒有加班費，沒有工傷報告，也沒有一句抱怨。

而一個人類分揀員，每天最多干8小時，要吃飯，要休息，會疲勞，也會走神。一臺Figure AI機器人售價預計3萬美元起，和一個美國倉庫工人一年的工資差不多。區別在于，工人一天干8小時，機器人可以跑24小時。一臺頂三個班次，幾個月就可能回本。之后主要是電費和維護成本。

美國有186萬倉庫工人。

技術討論停了。所有人在問同一個問題：我會不會失業？

Jim對此一無所知，只是繼續伸手，拿包裹，翻面，放下。

01一場失控的實驗：從8小時到103小時

Jim接到的指令只有一個：拿起包裹，找到條形碼，翻面朝下，放上傳送帶。

這是物流行業最枯燥、最消耗人力的基礎工種，每天有上百萬人類工人重復這個動作數千次。Figure AI的創始人兼CEO布雷特·阿德考克(Brett Adcock)想證明的事情也很簡單：自家的人形機器人能完成一個完整輪班，全程自主，不靠遠程操控。團隊在YouTube上架起直播，對準倉庫里那臺代號Jim的F.03機器人，阿德考克在X上輕描淡寫地發了條動態，然后坐下來看。

Jim面對的是真實的物流場景。傳送帶送來大小、顏色、形狀各異的包裹，它得用頭部立體攝像頭識別箱子，找到標簽位置，決定怎么抓取、怎么翻轉，最終讓有條形碼的那一面朝下，整齊地放上傳送帶。所有的判斷和動作，全靠它體內的Helix-02人工智能系統在本地完成。沒有操作員在幕后指揮，也沒有工程師在邊上隨時準備按暫停鍵。

直播畫面里，Jim的動作談不上優雅，但非常穩定。大約每3秒處理一個包裹，剛好卡在一個微妙的點上，和熟練的人類分揀員相當。面對夠不到的包裹，它會像人一樣伸展手臂、上半身前傾。五根手指能處理各種奇形怪狀的物體：單手拎塑封袋，雙手抱大紙箱。動作切換沒有猶豫，因為做出這些決策的"大腦"Helix-02采用的是一個統一神經網絡。工程師通過模擬運行給了系統數千小時的練習量，又喂了早期測試中做雜貨購物和廚房清潔的真實案例數據。它接收攝像頭輸入的實時畫面和一個簡單目標指令，直接輸出全身關節的連續動作，中間不需要額外的規劃器。

阿德考克在X上寫道："人類平均每包裹約3秒。F.03現在與人類水平相當。機器人直接根據攝像頭像素進行推理。"

但真正讓人感到不適的，不是速度，是機器人身上那種不需要停下來的東西。

Jim內置了自動恢復機制。卡住了，人工智能自己觸發重置，爬起來繼續干。出現軟件或硬件問題，機器人自主離開工位去維護，另一臺自動接替。和Jim搭班的同伴叫Bob、Frank、Gary，它們輪番上場，保證傳送帶不停轉。

8小時過去，零故障。阿德考克再次發文："我們最初的目標是運行8小時。昨天零故障后，我們決定繼續。現在已連續自主運行超過24小時且無故障。這是未知領域。"直播繼續開著。接下來的事情誰也沒料到。48小時、72小時、81小時，到第四天，四臺機器人合力處理超過10萬個包裹，平均每3到4秒一個。

需要注意的是，Figure AI對"零故障"的定義側重于系統的持續運行能力，而非單個包裹的分揀完美度。根據阿德考克的表述，如果機器人遇到問題能自主重置或自動換班而不需要人類干預，就不算"故障"。直播中確實出現了標簽朝向錯誤、包裹輕微掉落等操作瑕疵，但機器人沒有因此停機或等人來救，這是公司聲稱"零故障"的依據。

屏幕外，數百萬觀眾涌入直播間，有物流從業者，有投資人，有純粹看熱鬧的網友。有人指出，僅在美國就有大約186萬倉庫工人，而一個機器人就能做幾十個人才能完成的工作量。"機器人不請病假，不要求加薪或休假。當這個數學對足夠多的公司有意義時，數百萬人的收入會在一夜之間消失。而幸存的工作崗位只有兩種：制造這些機器人的人，和修理它們的人。"

02 "黑燈工廠"的曙光，還是科學項目？

這場持續數日的公開測試，讓"黑燈工廠"這個不算新的概念再次被推到臺前。邏輯很直接：如果機器人真的能7天24小時自主運行，不需要燈光、空調、休息和福利，物流中心的吞吐量將出現指數級增長。

但行業內并非一片叫好。

美國機器人專家阿亞娜·霍華德(Ayana Howard)在觀看直播后，把這次演示定性為"更像一個科學項目，而不是一個完全商業化的服務"。她沒有否認機器人的持續性表現，但把矛頭指向了一個更關鍵的問題：準確性。

細心的觀眾在直播畫面中捕捉到了不少小失誤。Jim偶爾會把包裹有條形碼的一面放反，還有一次直接把一個包裹撞下了傳送帶。在高度依賴效率的物流中心，分揀錯誤帶來的后續糾錯成本，往往會抵消前面省下來的時間。霍華德直言："它還沒有為黃金時段做好準備。我們距離在物流中心實現完全自主的類人機器人還有很長的路要走。"

在實際的物流現場，人類工人可以互相溝通、處理異常尺寸的貨物、調整傳送帶節拍，機器人面對這些變量的容錯空間還很窄。機器人在簡單重復任務中的可持續性已經得到證實，但從"能跑"到"能賣"，中間還隔著一整套商業化驗證。

03評論區吵翻了：為什么需要一個類人機器人來翻包裹？

直播引發的討論很快溢出技術圈，炸進了更廣泛的公共輿論場。

一部分人的態度開始松動。那個一口氣跑了幾十個小時、沒喊過累、沒出過大錯的畫面，比任何白皮書都有說服力。有網友坦言，自己一開始對這類機器人抱持懷疑，但連續幾天的直播"毫無疑問地證明了它能夠完成實際工作"。

另一撥人在逐幀分析直播畫面，尋找漏洞。有人注意到機器人出現了多次"標簽向上"的錯誤，認為如果能公開錯誤率的統計數據，會是一個更有價值的改進參考。

還有人直接潑了盆冷水，指向一個更根本的問題：包裹分揀早就是物流自動化里最成熟的環節之一。市面上已有大量傳送帶、掃描儀和固定式分流器組合的系統，高效處理著海量包裹，根本不需要兩條腿、兩只手的類人形態。"如果唯一的工作是翻轉包裹讓條形碼朝下，倉庫運營商可能會問，為什么需要一個完整的類人機器人？"

這個問題，恰好戳中了Figure AI真正想講的商業故事。

他們要的不是造出世界上最好的條形碼翻轉器。他們試圖證明，一個通用形態的機器人可以進入原本為人類設計的工位，在多項任務之間靈活切換。如果這條路走通了，它的價值就不止于一條傳送帶，從分揀到裝載、補貨、檢查，所有不值得為之改造整個設施的零散工作，都是它的目標市場。

而Figure AI的同行們，反應更加直接。

據Business Insider報道，在舊金山的一場活動中，當被問及Figure AI的直播時，競爭對手Agility Robotics的聯合創始人喬納森·赫斯特(Jonathan Hurst)只回了一句話："恭喜。我們兩年前就做到了。"

這不是隨口的酸話。Agility Robotics總部位于俄勒岡州，其人形機器人Digit已經部署到了亞馬遜、舍弗勒集團和物流公司GXO等客戶的真實產線上。赫斯特有底氣這么說，因為他的公司確實走在商業化落地的更前面。對比之下，Figure AI的這場直播更像是在追趕，只不過追趕的方式是公開的、可驗證的，而不是靠剪輯短片。

阿德考克顯然不滿足于讓機器人獨自表演。他在X上回應了一條"需要與從事相同工作的人進行對比"的帖子，寫下"我和你想的一樣"。一場人與機器的正面交鋒，被提上日程。

規則已經公布：對決持續10小時，分揀包裹最多的一方獲勝。人類一方嚴格遵守加州勞動法，輪班期間享有用餐時間和帶薪休息。任務不變，檢測條形碼，拾取包裹，有條形碼的一面朝下重新放上傳送帶。

Figure AI在公告里的語氣帶著一種坦率的不可預測性："我們的賭注？人類更快，但疲勞和休息可能會拖慢他的速度。此外，還有龜兔賽跑的情況。沒人告訴實習生讓機器人贏。老實說，誰贏都有可能。"

有網友直接在評論區開起了盤口，壓機器人贏。理由很簡單：故障和休息時間加上累積的疲勞，會讓人類在一周工資周期的長度里完全喪失優勢。"可能在一班輪班中不會那么明顯，但拉到一周，機器人會贏。"

04白宮亮相與整理臥室：一場多維度的能力展示

就在倉庫直播吸引數百萬目光的同時，Figure AI的F.03還悄然完成了另外兩件事。它們從不同側面拼湊出這家公司更大的野心。

一件事發生在白宮。在一場與第一夫人梅拉尼婭·特朗普(Melania Trump)的"共同培育未來"倡議相關的技術峰會上，F.03成為首臺踏入白宮的人形機器人。它走進房間，用多種語言向與會者問好，然后離開，全程沒有做更多互動。時間很短，但在真實政治環境里看到一臺雙足行走的機器人，還是讓在場的人感到一陣恍惚。

外界隨后掀起了一場小辯論：這到底是不是真正意義上第一次有人形機器人進入白宮？有人翻出舊賬，1987年里根總統收到過一臺Tomy Omnibot 2000，但那是個帶輪子的玩具；奧巴馬時代用過遠程呈現機器人與殘障權益倡導者互動，但那更像一個帶屏幕的移動終端。嚴格按雙足行走和逼真人機交互的標準來看，F.03確實是第一個。

另一件事發生在更日常的場景里。Figure AI放出了一段視頻：兩臺F.03在兩分鐘內一起整理完一個有人住過的臥室。

它們走進房間，一臺把扔在床上的外套掛到墻上掛鉤，另一臺合上桌上的筆記本電腦，把耳機放回支架。走到床鋪前，兩臺機器人自然分開，各站一側，開始配合著拉平床單和被子。中途被子起皺滑落，左邊那臺微微偏頭，右邊那臺注意到對方的姿態變化，在恰到好處的瞬間調整抓握，接住了滑落的被子。

Figure AI官方解釋稱，它們之間沒有互相發送任何數據。每個機器人都在觀察對方的身體語言，并即時調整動作。

倉庫、白宮、臥室。三個場景放在一起，構成了一個更完整的敘事：Figure AI要證明的，從來不是一臺機器在單一工位上的速度極限，而是一個通用平臺可以在工業現場、政治場合和家庭環境之間切換，執行從包裹分揀到社交問候到精細協作的多種任務。

05從奇觀到產品，中間還隔著一堆枯燥的數字

直播讓Figure AI在輿論場上占盡風頭，但也把壓力轉移到了自己身上。

當長達數天的公開測試提供了足夠多的素材，人們自然會開始追問那些枯燥但重要的問題。電池續航多久？更換頻率怎么樣？包裹破損、標簽模糊、傳送帶節拍突變時，機器人怎么處理？一臺機器人后面需要幾個人做后臺保障？鏡頭之外，有沒有人在清理卡堵、調整設備？

一個在可見測試中分揀包裹103小時的機器人令人印象深刻，但一個每周都能做到、且服務成本可預測的機器人，才是一個產品。

有評論指出，直播的可信度雖然遠超30秒的剪輯短片，但買家還是得把它看作公司自行提供的數據，而非獨立驗證的結果。Figure控制著環境、任務、攝像頭角度、報告方式和"失敗"的定義。下一步要拿出來的，是運行日志、正常運行時間記錄、干預次數、錯誤率和維護事件，這些更枯燥的東西。

這也是整個類人機器人行業正在經歷的分水嶺時刻。過去幾年里，資本瘋狂涌入，估值一路飆漲。根據Business Insider等媒體報道，Figure AI目前估值已接近400億美元。但倉庫不會為新奇事物長期買單，它們在意的永遠是吞吐量、正常運行時間、安全、勞動力替代和每個包裹的總成本。

如果Figure能在實際客戶設施里跑通可重復的正常運行時間、低監督需求、可控的維護成本，以及比固定自動化更劃算的經濟賬，那么人形機器人就會從人工智能奇觀變成工業設備。

在此之前，今年5月的這場直播，是一個嚴肅的信號，但遠不是最終的證明。