Figure AI 倉庫直播透露的人形機器人真實成熟度

• 讀取條碼
• 抓取包裹
• 將包裹放到正確位置

相關報導指出，機器人的處理速度 接近人類在同一任務中的效率。

但這個說法需要理解其前提。機器人並沒有完成整個倉庫工作流程，而是專注在一個高度重複、且環境受控的操作上。即使如此，在物流產線中達到接近人類的吞吐量，仍然是人形機器人發展的一個重要里程碑。

Helix‑02：控制整個身體的 AI 系統

整場示範的核心，是 Figure 的 Helix‑02 AI 系統。這是一種「視覺‑語言‑動作」（Vision‑Language‑Action）模型，能從攝影機影像直接控制機器人的整個身體動作。

這類系統把過去在機器人領域分散的能力整合在一起，例如：

• 環境視覺感知
• 任務與物體理解
• 動作規劃與操作控制

透過單一神經網路整合這些能力，Figure 的目標是讓機器人能在不同任務之間學習與泛化，而不是依賴硬編程腳本。此前的展示中，Helix 系統也曾讓兩台機器人合作完成整理房間等家務任務。

這次倉庫直播則顯示，這套系統也能支撐長時間的工業流程。

多機協作與持續運作

直播另一個值得注意的部分，是 多台機器人同時在同一條分揀線工作。

在實際倉庫環境中，重點並不是單一機器人，而是整個機器人「隊伍」的產能與協作能力。倉儲與製造業需要的是整體吞吐量，而不是單機演示。

報導也提到，機器人會在工作與充電之間輪替，以維持整體系統持續運作。

為什麼這場測試對產業重要

目前人形機器人領域競爭激烈，包括 Figure、Tesla 等公司都在嘗試證明：通用型機器人能夠完成具有經濟價值的工作。

這場直播顯示一個產業評估方式的轉變。過去大家關注的是靈巧度示範，例如抓水果或折衣服；現在觀察者更關注類似工業設備的指標，例如：

• 可以連續運作多少小時
• 每個班次處理多少包裹
• 發生錯誤後如何恢復
• 多台機器人的協同效率

這些指標，才真正決定機器人是否能取代現有倉庫自動化設備或部分人力。

直播能證明什麼，也不能證明什麼

儘管這次長時間運作令人印象深刻，但它 仍然不足以證明機器人已經完全準備好商用。

幾個限制仍然很明顯：

首先，測試環境高度結構化。輸送帶分揀是一種相對可預測的任務，而真實倉庫往往包含雜亂物品、不規則包裝，以及與人類的互動。

其次，大部分證據來自公司自己的直播與二手報導。一些觀察者也質疑，這次展示是否完全代表無監督的真實環境。

第三，經濟效益仍然未知。要被大規模採用，人形機器人必須在 成本、可靠性與維護 上與現有自動化設備或人工競爭。

製造與量產野心

Figure 正把 Figure 03 定位為第一款面向大規模製造的人形機器人。公司建立了一座名為 BotQ 的生產設施，目標是透過工業化製造降低成本並提升產量。

公司更新顯示，這座工廠已生產數百台第三代機器人，並大幅提升生產速度。

同時，Figure 也在資本市場獲得支持：公司在 Series C 融資中累計 超過 10 億美元資金，估值約 390 億美元，用於加速 Helix AI 平台與人形機器人的部署。

接下來的真正考驗

這場直播無疑是人形機器人發展的一個重要時刻。讓機器人連續工作一整個班次甚至更久，代表討論焦點開始從「炫技影片」轉向 可量化的工業性能。

但真正的驗證仍在未來。

要證明人形機器人真的準備好投入勞動市場，像 Figure 03 這樣的系統還需要在以下方面取得突破：

• 在數月甚至數年的運作中保持穩定
• 在客戶自有倉庫環境中部署
• 安全地與人類員工協作
• 在總成本上優於其他自動化方案

如果這些條件最終達成，這場看似普通的倉庫直播，或許會被視為一個歷史性的早期畫面：

機器人開始像員工一樣，真正「上班」的時刻。