Figure AI 24小时仓库机器人测试透露了什么

• 在传送带上识别包裹
• 扫描条形码
• 将包裹放到正确位置

相关报道指出，这些机器人处理包裹的速度接近人类完成同样任务的效率。

需要注意的是，这一说法必须放在特定背景下理解：

机器人并没有执行整个仓库工作流程，而是在高度结构化的环境中重复一个固定操作。即便如此，在物流分拣这种真实产业场景中达到接近人工效率，仍然是人形机器人发展的重要一步。

Helix‑02：让机器人“看、想、动”合一

整场测试的核心是Figure开发的Helix‑02 AI系统。这是一个视觉‑语言‑动作（Vision‑Language‑Action）模型，可以直接从摄像头输入控制机器人身体动作。

在传统机器人系统中，这些能力通常是分开的：

• 视觉系统负责识别物体
• 控制系统负责规划动作
• 程序逻辑负责执行任务

Helix尝试把这些能力整合到一个神经网络系统中，使机器人能够更灵活地处理任务。

此前的演示中，Helix驱动的机器人已经能够完成家庭场景任务，比如整理房间、收纳物品等。

这次仓库直播则展示了同一系统在工业物流环境中的长期运行能力。

多机器人协作与连续运行

直播的另一个关键点是：多台机器人同时在同一分拣线上工作。

这对于真正的商业部署非常重要。

现实中的仓库和工厂不会只使用一台机器人，而是需要多个设备同时运转，维持稳定的整体产能。

报道还提到，机器人在工作期间会在任务与充电之间轮换，以维持系统持续运行。

为什么这次测试对行业很重要

当前人形机器人领域竞争激烈，包括Figure、Tesla等公司都在试图证明：通用型机器人可以承担真实经济价值的工作。

这次直播的意义在于，它把评价标准从“炫技”转向了更接近工业设备的指标，例如：

• 连续运行时间
• 每班处理的包裹数量
• 多机器人协同效率
• 故障与恢复能力

这些指标才是真正决定机器人能否进入商业环境的关键。

直播并不等于商业成熟

尽管运行时间令人印象深刻，但这场测试仍不足以证明机器人已经准备好大规模商业部署。

原因主要有几个：

首先，测试环境高度结构化。传送带分拣是一种相对可预测的任务，而真实仓库通常存在杂乱物品、复杂流程和人与机器混合作业。

其次，大部分证据来自公司直播和相关报道。一些观察者也提出质疑，认为演示是否完全反映真实、无人监督的工作环境仍需要更多验证。

第三，经济性仍是未知数。机器人要被大规模采用，必须在成本、维护、可靠性等方面与现有自动化系统或人工劳动力竞争。

大规模制造的计划

Figure将Figure 03定位为其第一款面向量产的人形机器人。

公司建立了一座名为BotQ的生产设施，用于大规模制造机器人并降低成本。

官方更新称，该工厂已经生产了数百台第三代机器人，并大幅提升生产速度。

与此同时，公司还完成了超过10亿美元的C轮融资，公司估值约390亿美元，资金将用于扩大Helix AI平台和机器人部署规模。

接下来真正的考验

这场仓库直播确实是人形机器人发展中的一个重要节点：机器人开始从短暂演示走向长时间、可量化的工作表现。

但真正决定未来的测试仍然在后面。

要证明已经准备好进入现实世界，像Figure 03这样的机器人还需要展示：

• 数月甚至更长时间的稳定运行
• 在客户真实仓库中的部署效果
• 与人类工人安全协作
• 总体成本低于其他自动化方案

如果这些条件都能实现，那么这场多日仓库直播，也许会被视为一个早期信号：未来的物流系统中，人形机器人可能成为常见劳动力的一部分。