2026年5月13日，一家名为Figure AI的硅谷创业公司开始了他们"计划中8小时"的人形机器人直播演示。8天后的5月21日晚上，三台被网友命名为Bob、Frank、Gary的Figure 03人形机器人完成了200小时不间断自主工作，累计分拣了249,560个包裹——全程零机械故障、零系统崩溃。这场直播吸引了数百万人观看，Polymarket上甚至开出了赌盘。更令人震撼的是，在其中一场"人机对决"中，人类实习生仅以192个包裹的微弱优势险胜机器人。CEO Brett Adcock放言："这是人类最后一次赢了。"
这不是科幻电影。这是2026年5月真实发生的事。而它背后的技术，可能比你想象的更接近改变世界。
| 项目 | 内容 |
|---|---|
| 视频标题 | F.03 Livestream - Day 8 | Over 167+ consecutive hours and 209K packages |
| 频道 | Figure (Figure AI) |
| 类型 | 实时直播（持续8天） |
| 播放量 | 数百万观看 |
| 核心主题 | 人形机器人长时间自主物流分拣验证 |
整件事的起因其实很简单。工业自动化领域的知名博主Dr. Scott Walter公开发起挑战：人形机器人如果不能独立完成一个完整工作班次（8小时），就谈不上什么商业价值。Figure AI CEO Brett Adcock接下了这个挑战，但也坦诚表示："大概率会出故障。"
5月13日，直播开始。三台Figure 03机器人在Figure AI位于Sunnyvale的总部仓库里，执行一个看似简单的任务：扫描包裹条形码，拿起包裹，将其条形码朝下放在传送带上。所有推理都在机器人本地的硬件上运行，不需要云端连接。
8小时过去了——没有崩溃。24小时过去了——依然正常运行。Adcock当即决定：继续播，24/7，直到机器人出错为止。结果这个"直到出错"的终点，在8天后才到来。200小时，249,560个包裹，零机械故障，零系统崩溃。
我的延伸分析：这场直播之所以成为病毒式传播，核心原因在于它的"透明性"——没有剪辑、没有精心编排的镜头，观众可以24小时实时看到机器人的每一次抓取、每一次失误、每一次成功。在Tesla Optimus被多次质疑使用远程操控（teleoperation）的背景下，这种原始、未编辑的直播反而建立了更强的信任感。
这场200小时壮举的技术核心，是Figure AI的Helix-02系统——一个三层架构的统一神经网络，它用完全不同于传统机器人学的方式解决了"移动+操作"这一经典难题。
传统工业机器人把"走路"和"动手"分成两套独立系统，用状态机拼接：走过去→停下来→稳定→伸手→抓取→再走。这种拼接方式慢、脆弱、不自然。Helix-02的突破在于，它用单一的神经网络同时控制整个身体：
System 0（S0）：1 kHz频率执行的全身体感控制器。一个1000万参数的神经网络，训练自超过1000小时的人类运动数据，在20万个并行仿真环境中完成强化学习。它替代了原来109,504行手写C++代码，用"学来的运动直觉"实现稳定、自然的全身动作。
System 1（S1）：200 Hz频率的视觉运动策略。把头部摄像头、手掌摄像头、指尖触觉传感器的所有输入，直接映射到全身所有关节的控制输出——"所有传感器进来，所有关节出去"。这是人类首次在机器人上实现依赖手掌摄像头和触觉传感器的神经网络策略。
System 2（S2）：语义推理层。处理场景理解、语言指令，生成动作序列。它不需要规划脚步位置——只需要说"走到洗碗机旁边把它打开"，S1和S0自动完成执行。
我的延伸分析：S0替代109,504行C++代码这个细节极其重要。传统机器人工程中，运动控制是手工编码的——每种动作（走路、转身、蹲下、伸手）都有单独的控制逻辑和参数调优。Helix-02把这个过程完全"学习化"了，意味着机器人不需要为每个新动作写代码，只需要更多训练数据。这是从"编程"到"学习"的范式转移，和软件工程中从手写规则到机器学习的转变如出一辙。
5月17日，直播迎来最高潮——一场10小时的"人机大战"。人类代表是Figure AI的实习生Aimé Gérard，机器人代表是被网友亲切命名为Bob的Figure 03。
最终成绩： - Aimé（人类）：12,924个包裹，平均2.79秒/个 - Bob（机器人）：12,732个包裹，平均2.83秒/个
人类以192个包裹、每包0.04秒的优势险胜。但细看过程更耐人寻味：第5小时Aimé上厕所休息时，Bob一度反超。Aimé回来后才重新夺回领先。而比赛结束后，Aimé reportedly带着"基本报废的左前臂"和水泡双手离场。Bob？它随时可以再干10个小时。
我的延伸分析：这场对决揭示了一个关键事实——机器人的速度已经接近人类水平，但真正的优势不在速度，而在耐力。人类每天最多高效工作8-10小时，需要休息、吃饭、睡觉。机器人可以24/7运行，只需每3-4小时自动走到充电桩充一次电。以200小时直播为例，这相当于一个人类工人连续工作25天不休息——这在生理上是不可能的。
Figure AI不是只会在直播中做表演。早在2025年，他们的Figure 02机器人就已经在BMW位于南卡罗来纳州的Spartanburg工厂进行了为期11个月的真实部署。
部署数据： - 每天运行10小时班次，周一至周五 - 累计加载90,000+个零件 - 运行1,250+小时 - 参与生产了30,000+辆X3汽车 - 机器人累计走了超过200英里（约120万步）
核心任务是金属钣金件装载——从料架中取出金属板件，精确放置到焊接夹具上，公差要求5毫米以内，每个周期仅2秒。最终达到了每班>99%的成功率和零人工干预的目标。
我的延伸分析：这段BMW的经历才是Figure AI真正的护城河。直播可以炒作，但11个月的工厂部署数据是真金白银。而且，BMW部署中发现的硬件薄弱环节（前臂是最高故障点）直接反馈到了Figure 03的设计中——他们完全重新设计了腕部电子架构，消除了分发板和动态线缆。这种"部署→发现问题→迭代改进"的循环，正是大规模产品化的关键。
Figure AI在2026年4月宣布，其BotQ制造工厂的产能已从每天1台机器人提升到每小时1台——120天内实现了24倍的产能提升。目前已交付超过350台Figure 03机器人。
这个速度意味着什么？如果保持这个产能（每天24台），Figure AI一年可以生产约8,760台机器人。当然，对比全球物流行业的用工需求（仅美国仓库就有约100万工人），这个数字还远远不够。但从0到1的突破已经完成。
每台机器人下线前需要通过80多项功能验证测试，包括多肢压力测试和"burn-in"环节——机器人要做数千次深蹲、肩推、慢跑来模拟真实使用场景。电池产线的良品率达到99.3%。
我的延伸分析：制造能力是Figure AI最被低估的竞争优势。很多机器人创业公司卡在"能做出原型但造不出来"的死胡同里。Figure AI用150个联网工作站和自研的制造执行系统，把人形机器人的生产从"手工打造"变成了"流水线制造"。这才是从"研究项目"走向"商业产品"的分水岭。
尽管直播效果震撼，质疑声也从未停止。
质疑一：机器人真的完全自主吗？在Tesla Optimus多次被揭穿使用远程操控的背景下，Figure AI的"完全自主"声明也面临审视。Adcock坚称"没有远程操作员"，但缺乏独立第三方的现场验证。直播中，机器人偶尔会抓空、掉包、反复尝试抓取同一个包裹——这些"失误"反而增加了一些真实感，但也有专家指出，这些行为模式可能暗示了预设的容错策略，而非真正的自主决策。
质疑二：任务的通用性有多强？200小时里，机器人只做了一件事：扫描条形码→拿起→翻面→放到传送带。这是一个高度结构化、可重复的任务。物流仓库中真正复杂的场景——大小不一的异形包裹、破损的箱子、堆叠混乱的货物——还远没有被验证。
质疑三：经济账算得过来吗？一台Figure 03的造价尚未公开，但考虑到其包含的触觉传感器、毫米波通信模块、高精度执行器，成本不可能低。对比专业的分拣系统（传送带+工业视觉+机械臂），人形机器人的性价比优势并不明显。
Figure AI并非孤军奋战。人形机器人赛道已进入白热化竞争：
Figure AI的优势在于：$39B估值带来的雄厚资金（Series C融资超过$10亿，投资方包括Nvidia、Microsoft、Intel、Amazon、OpenAI）、Helix-02的技术领先性、以及BMW 11个月的真实部署经验。但要保持领先，速度至关重要。
mindmap
root((Figure AI 200小时直播))
技术架构
Helix-02统一神经网络
S0 全身控制器(1kHz)
1000万参数
1000+小时人类运动数据
20万并行仿真环境
S1 视觉运动策略(200Hz)
全传感器输入
全关节输出
手掌摄像头+触觉传感器
S2 语义推理层
场景理解
语言指令
核心数据
200小时零故障
249,560个包裹
人机对决 0.04秒差距
3-4小时电池续航
商业部署
BMW 11个月
30,000辆X3
90,000+零件
>99%成功率
BotQ工厂
每小时1台
350+台已交付
24倍产能提升
争议与挑战
自主性验证
任务通用性
经济可行性
竞争格局
1. "学习化"正在取代"工程化"
Helix-02用1000万参数的神经网络替代了109,504行C++代码。这个趋势不只发生在机器人领域——从自动驾驶到自然语言处理，从代码生成到芯片设计，"用数据训练代替手工编码"正在成为所有技术领域的共同范式。如果你是工程师，现在是时候认真补课强化学习和端到端学习了。
2. 仿真到现实（Sim-to-Real）的突破是关键杠杆
Figure AI在20万个并行仿真环境中训练S0，然后零次微调直接部署到真实机器人上。这种"仿真训练→真实部署"的能力，是突破数据瓶颈的核心方法。无论你做什么AI项目，理解仿真驱动的方法论都有价值。
3. 制造能力本身就是护城河
技术牛不等于能赚钱。Figure AI证明了从"能做出一台"到"每小时产一台"的制造能力，才是从实验室走向商业化的真正壁垒。如果你的创业项目涉及硬件，越早思考量产问题越好。
人形机器人赛道已经从"概念验证"阶段进入"早期商业化"阶段。Figure AI的$39B估值是否合理？取决于你相不相信人形机器人能在3-5年内大规模替代物流、制造业中的人类劳动力。BMW的11个月部署数据是一个积极的信号，但还远远不够——真正的考验是能否在5个以上的不同行业、50个以上的客户场景中实现正ROI。
人形机器人替代人类体力劳动，已经不是"会不会"的问题，而是"什么时候"的问题。Figure AI CEO的那句"这是人类最后一次赢了"，也许带着硅谷式的夸大，但趋势是清晰的。如果你从事重复性体力劳动，现在是认真考虑技能转型的时候了。
Figure AI用200小时零故障的直播证明了人形机器人已经跨越了"能工作"的门槛，下一个战场是"大规模部署的经济可行性"。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。