这可能是人类最后一次战胜机器人了。

近期，在 Figure AI 最近一场 10 小时「人类 vs 机器人」包裹分拣挑战里，实习生 Aime 最终分拣 12924 件包裹，Figure 03 则完成 12732 件，人类以 192 件的微弱优势守住了胜利。虽然，人类在这场比赛里胜利了，但多家媒体称这可能会是人类最后一次在于机器人的对决里获得胜利。

（图源：Youtube）

这话并非空穴来风，在结束比赛后，实习生 Aime 的手指和手部多个关节已经出现酸胀感，无法继续分拣工作，而 Figure 03 则还能坚守在岗位上。也就是说，速度上人类是胜利的，但持续工作这一块，机器人赢得更多。

从这场有趣的比赛，我们能看到人形机器人正在从舞台和发布会，走向工厂、仓库和流水线，而另一个问题是，它们距离真正全面「上岗」，还有多远？

机器人与人类同场竞技，谁赢了并不重要

在比赛之前，Figure 已经把包裹分拣做成了一场连续直播。最初它展示的是 8 小时自主分拣，后来又把测试拉长到 24 小时以上，至截稿前，该直播间已经连续直播了 137 个小时。直播的内容其实也有点无聊，就是几台 Figure 03 站在传送带旁边，一遍遍识别包裹、抓取包裹、翻转包裹，再把面单或条码朝向指定方向放回去。

直播间里的观众给机器人起了名字，有的叫 Bob，有的叫 Frank，有的叫 Gary，还有 Rose、Jim 这样的名字，观众们给这些机器人取名字，盯着看它们会不会出错，让一场看着有些无聊的直播，变成了「真人秀」。

（图源：Youtube）

事实上，这样强烈的反差感也是让越来越多人围观这场直播的原因。一边是一个极其枯燥的物流动作，另一边是几百万甚至上千万网友盯着机器人搬箱子，看它会不会卡住、会不会掉包裹、会不会突然罢工。有网友调侃，这些机器人不只是在抢仓库工人的活，连主播的活也一起抢了。还有人表示，这场直播太好「睡」了，已经成为了自己的助眠神器。

对普通观众来说，这可能有点催眠，但对 Figure 来说，这正是它想要的效果。人形机器人如果真的要进入工厂和仓库，重要的是要在几个小时、十几个小时甚至几十个小时里，持续完成那些单调的动作。越多人围观、越多人盯着这些机器人会不会出错，反倒是给了Figure 更多修正的机会。

（图源：Youtube）

Figure 选择包裹分拣这个最无聊的任务，其实考验的正是目前工业任务里最难的几项工作。试想一下，对人来说，分拣包裹只是看一眼、拿起来、翻个面、放回去；但对机器人来说，这是视觉、抓取、力度控制、路径规划结合起来的综合性能力考验。这些包裹也不完全都是统一的纸箱，还有软袋、薄信封，有的很轻、有的很重，机器人还得先看清条码和姿态，再决定抓哪里、用多大力。所以，在这场直播里，「翻车」的机器人还真不少。

（图源：Youtube）

按照Figure 的介绍，此次参与直播分拣物流的机器人系旗下的Figure 03，身高约 173 厘米，重量 61 公斤，最大载荷 20 公斤，续航约 5 小时，全电驱，并支持无线充电。它不是一台只为某个动作定制的机械臂，而是一个能站在人类工作环境里的通用人形平台。

真正让它能处理包裹分拣的，是 Figure 自研的 Helix 视觉-语言-动作模型。简单来说，Helix 要解决的是三件事，分别是机器人看见了什么，机器人知道自己要做什么，以及机器人下一刻身体、手腕、手指该怎么动。Figure 把这套系统分成负责理解任务和环境的「慢系统」，以及负责高速输出动作控制的「快系统」，后者可以以 200Hz 的频率控制手、腕、躯干和手指的连续动作。

比如，包裹分拣看起来只是手部动作，实际上机器人每一次伸手之前，都要先完成一次动态判断，机器人不能只知道「抓箱子」，还要知道这个箱子现在在哪里、条码朝哪边、用哪只手更合适、翻转后会不会遮住面单。Figure 还在 Figure 03 上强化了手部和视觉能力，比如更低延迟的视觉系统、手掌相机、柔顺手指和指尖触觉传感器，这些都是为了让机器人在抓取时更接近人类拣货的能力。

（图源：Youtube）

实际上，Figure 从 2022 年创立之初就几乎是 All in 机器人工业领域，他要做的就是设计生产能直接投入到制造、物流、仓储、零售等场景的通用人形劳动力。2024 年，Figure 02 已经进入 BMW 位于美国南卡罗来纳州 Spartanburg 的工厂测试，用于把钣金件放入夹具等生产环节。一段时间后， Figure 披露，机器人在 BMW 产线上进行了更长时间部署，参与实际生产任务。

这其实说明，机器人进入到产线，已经不是遥不可及的事情，它已经真实地发生在某些细分行业里。至于与人类的比赛，无论胜负结果，当一个机器人能够与真人在某个工作上比拼，这对于前者而言，已经是一个进步。

人形机器人，先去工厂打工

Figure 之外，国内外机器人公司其实早就把目光投向了工厂和仓库。

国内走得比较快的一个例子是智元机器人。它的落地重心并不只是发布会上展示人形机器人走路、互动，而是把工业智能制造、物流分拣、上下料、搬运等作为重点方向。智元的远征 A2-W 面向柔性制造，已经在周转箱拆码垛、车间搬运、上下料等场景里推进应用；精灵 G1 则更偏向仓储分拣这类对泛化能力要求更高的任务。据了解，智元与富临精工达成数千万元项目合作，近百台远征 A2-W 将落地工厂；在物流领域，德马科技也订购了数十台精灵 G1，用于仓储分拣。

（图源：智元机器人）

优必选先扎进汽车厂，再向 3C 和物流扩散。Walker S 系列本身就是面向工业场景开发的人形机器人，过去一年多已经多次进入车厂实训，包括蔚来、极氪、一汽-大众青岛、奥迪一汽、比亚迪、北汽新能源等。它做的也不是抽象的「智能制造」，而是更具体的装配、转运、质检、维护、物料处理等工序。比如 Walker S1 在极氪工厂进行多机协同训练，还与无人叉车、物流设备配合完成汽车零部件入库等任务。更值得注意的是，优必选还把合作范围扩到富士康和顺丰，前者为 3C 制造，后者则是深入到物流体系。

（图源：优必选）

小米与其他两家都不太一样，它先选择了在自家工厂「实习」。今年3 月，雷军和小米技术官方披露，小米人形机器人已经进入小米汽车工厂「实习」，基于通用 VLA 基座模型 Xiaomi-Robotics-0，结合多模态感知和强化学习，在自攻螺母上件工站、料箱搬运等场景中进行自主作业。其中，自攻螺母上件工站的数据十分亮眼，机器人连续自主运行 3 小时，双侧同时安装成功率达到 90.2%，同时满足最快 76 秒的产线生产节拍要求。

（图源：小米）

最先被大众以表演形式认识到的魔法原子也在工业领域加速前进，比如 MagicBot 已经进入工厂产线进行多项作业训练，覆盖工业、商业、家庭等场景。虽然大家可能在 2026 年春晚上看到的魔法原子人形机器人和四足机器人因为舞台表演出圈，尤其是多机协同、动作编排和高密度调度，但其实它在工业的布局也比大众想象得要更加深入。

（图源：魔法原子）

在海外，特斯拉的Optimus 更加激进。Optimus 先是绑定自家工厂，在在特斯拉工厂中进行过电池分拣、零部件搬运等任务演示，另外，特斯拉也承诺 Optimus 将在完成验证后，对外出售。

（图源：特斯拉）

不难看出，人形机器人行业的整体共识就是，第一批落地的岗位，可能不是表演、家庭，而是仓库和流水线上。这些场景虽然没有要求高度情绪交互，但也并不代表没有实用场景，这些搬运、上下料、分拣、装配等岗位，很难被自动化完全替代，但人力去做，难免辛苦又无聊。从这个角度回到这次 Figure 看似有点「离奇」的分拣直播和分拣挑战赛，就不是太难理解了，它只是用一种更像「表演」的形式告诉大众，机器人或许真的要上岗了。

和人类「轮班制」，工厂机器人的下一个选择

说到底，人形机器人今天还不是工厂里的最优解。

如果只看单一动作的速度和精度，专用机械臂依然更成熟。它不需要长成人的样子，也不需要理解太复杂的环境，只要在固定位置、固定轨迹、固定节拍里重复工作，就能跑得又快又稳。对很多已经高度自动化的产线来说，人形机器人未必有优势，甚至可能显得有点「绕远路」。

如果和熟练工人比，它也没有便宜到哪里去。就比如一个老工人看到包裹卡住、料箱歪了、零件掉到地上，伸手就能处理，机器人还是不一样，它要先看见异常，再判断发生了什么，最后规划下一步动作，这中间还不包括识别出错造成的重复思考，效率大打折扣。

所以，人形机器人目前真正能解决的，可能不是那些已经被机械臂吃透的标准化岗位，也不是立刻把熟练工人全部替掉，或许它可以成为与人类「轮班制」工作的存在，比如夜班、节假日工作等，又或者是在不改造一些老旧仓库的情况下，增加自动化的岗位，让机器人负责。

（图源：robotmagazine）

像搬运、分拣、质检、简单装配，都属于这样的工作。

但更现实的问题是，工厂并不总是追求某一个动作的极限效率。很多时候，它追求的是一条产线、一个仓库、一个班次能不能稳定运转。专用机械臂当然快，但它通常需要固定工位，而熟练工人很难在这样无聊的岗位上待上好几年。

人形机器人的能力，正好在这两者之间。它不一定在第一天就比机械臂快，也不一定立刻比人工便宜，但如果它能像人一样使用现有通道、货架、料箱和工具，就有机会绕开大规模改造产线的成本。对很多老工厂和物流仓库来说，他们不需要先把空间改造成「机器人友好型」，机器人本来就有能力先适应这个环境。

所以，人形机器人真正要跨过的门槛，不只是技术演示，也不是把目标定在「比赛中胜过人类」，要让企业信任才是关键。这里的信任，更多的是指这些机器人加入到生产流程里，会不会打乱原有的节奏，影响产线效率。只有充分展示了长期的稳定性，才能真正走进更多工厂，完成更多「无聊」的工作。