2026年5月，硅谷机器人公司Figure AI做了一件在 robotics 历史上前所未有的事：他们把三台人形机器人放进一个仓库，打开YouTube直播，然后——什么都不做。没有遥控操作，没有人工干预，没有剧本。三台名叫Bob、Frank和Gary的F.03人形机器人，靠着自研的Helix-02 AI系统，连续自主工作了超过200小时，分拣了近25万个包裹。这不仅仅是一个技术demo——这是一份来自未来的工厂考勤表。本文将深度拆解这场直播背后的技术架构、商业逻辑，以及它对全球物流业和劳动力市场的颠覆性冲击。
| 项目 | 内容 |
|---|---|
| 视频标题 | F.03 Livestream - Day 9 | 191 consecutive hours and 238K+ packages sorted |
| 频道 | Figure |
| 时长 | 9天连续直播（累计200+小时） |
| 播放量 | 数百万（多日连续直播） |
| 核心主题 | 人形机器人F.03全自主物流分拣——零人工干预的极限测试 |
Figure AI最初只计划让机器人跑8小时。5月13日，CEO Brett Adcock发帖称："看一队人形机器人以人类水平跑完完整8小时班次，全程自主运行Helix-02。"但机器人表现远超预期——8小时变成了24小时，24小时变成了3天，最终一直跑到了第9天，累计超过200小时，分拣了约249,560个包裹。
这个数字意味着什么？ 三个机器人以平均约3秒/个的速度处理包裹，已经达到人类工人的效率基准。更关键的是——它们没有休息，没有上厕所，没有打卡下班。California劳动法强制要求人类工人必须休息，但机器人不需要。
🔍 延伸分析：这200小时不是在实验室里完成的，而是在一个真实的仓库环境中。包裹的大小、形状、标签位置各不相同。这意味着Helix-02不是在做"重复动作回放"，而是在持续进行实时的视觉识别、抓取策略规划和力控调整。
Figure AI在这场马拉松直播中加入了一个引人注目的环节：人机对决。他们安排了一位名叫Aime的人类实习生与F.03机器人Bob进行10小时包裹分拣竞赛。
| 选手 | 分拣数量 | 平均速度 | 备注 |
|---|---|---|---|
| 人类实习生Aime | 12,924个 | 2.79秒/个 | 加州劳动法强制休息 |
| 机器人Bob | 12,732个 | ~2.8秒/个 | 零休息连续工作 |
差距仅有192个包裹——约1.5%。但真正的故事不在比分上。Aime需要遵守劳动法强制休息，而Bob根本不需要停。Salesforce CEO Marc Benioff甚至到现场"压力测试"——他抓起已分拣好的包裹扔回去，机器人立刻调整并继续工作，完全没有被打断。
🔍 延伸分析：这场比赛的设计极其聪明。Figure没有让机器人赢——那会显得像营销噱头。让人类险胜，反而传递了一个更震撼的信息：机器人已经达到人类水平，而且它还在快速进化，而人类的速度是有上限的。
这场直播的真正主角不是F.03硬件，而是它的"大脑"——Helix-02。这是Figure AI自研的第二代Vision-Language-Action（VLA）模型，也是理解这场技术革命的核心钥匙。
三层架构设计（参考视频原话与技术文档）：
┌─────────────────────────────────────┐
│ System 2 (S2) - 语义推理层 │
│ • 理解自然语言指令 │
│ • 场景理解与任务规划 │
│ • 运行频率：较低 (~1-5 Hz) │
├─────────────────────────────────────┤
│ System 1 (S1) - 运动控制层 │
│ • 从像素直接到全身动作 │
│ • 整合头部相机、手掌相机、触觉传感器 │
│ • 运行频率：高频 (~30-50 Hz) │
├─────────────────────────────────────┤
│ System 0 (S0) - 感知策略层 │
│ • 环境感知与状态估计 │
│ • 全身本体感受(proprioception) │
│ • 实时平衡与步态控制 │
└─────────────────────────────────────┘
最关键的突破在于：Helix-02用一个统一的神经网络控制了机器人的整个身体。此前的Helix（第一代）只控制上半身，下半身的行走和平衡仍然依赖传统控制代码。Helix-02彻底抛弃了代码——从相机像素输入直接映射到全身关节运动，把行走、抓取、平衡整合为一个连续的行为系统。
🔍 延伸分析：这种"pixels-to-action"的端到端架构，是机器人领域近年来最激进的技术路线。传统机器人学把感知、规划、控制分成独立模块，用大量手工编写的代码连接。Helix-02的做法更像人类大脑——你不会先"规划"怎么伸手拿杯子，你只是看到杯子就直接伸手了。这种架构的泛化能力远超传统方法，这也是为什么F.03能做从未训练过的任务。
Helix-02的"出圈"时刻其实发生在2026年1月27日。那天，Figure AI发布了一段4分钟未经剪辑的视频：F.03机器人在一个真实厨房里，自主完成了整个洗碗机的装卸过程。
这不是简单的"拿起放下"。61个连续动作包括：走动、抓取不同形状的餐具、在狭小空间内精确定位、用臀部关上抽屉、用脚辅助操作。零干预，零重置，零彩排。
这个视频之所以震撼业界，是因为它展示了loco-manipulation（运动-操作一体化）——机器人学中几十年来最棘手的未解难题。让机器人走路不难，让机器人抓东西也不难，但让它在走路的同时抓取、放置、平衡——这些动作相互约束、需要实时协调——这才是真正的挑战。
Figure AI的野心不止于技术突破。他们的BotQ智能工厂在2026年前4个月实现了产能的24倍跃迁：
| 指标 | 2026年1月 | 2026年5月 | 增长倍数 |
|---|---|---|---|
| 生产速度 | 1台/天 | 1台/小时 | 24× |
| 累计产量 | ~30台 | 350+台 | — |
| 产线良率 | — | >80% | — |
| 电池良率 | — | 99.3% | — |
| 执行器生产 | — | 9,000+ | — |
1小时生产一台人形机器人——这个速度在2024年简直是科幻。Figure的方法论很清晰：每一台出厂的机器人都变成一个真实世界的数据采集终端，持续为Helix AI模型提供训练数据。这是一个飞轮效应：更多机器人→更多数据→更好的AI→更强的机器人→更多订单→更多机器人。
Figure AI在BMW美国斯巴达堡工厂的部署是业界首个大规模工业验证。F.02机器人在那里连续工作了11个月：
LinkedIn上有业内人士指出了冷峻的一面：2,400小时的可用工时中，实际有效工作时间是多少？停机、维护、故障恢复的比例并没有被公开。但这依然是人类历史上第一次人形机器人在真实工厂中长期工作。
Figure AI的路线图清晰而激进：先工厂，后家庭。2026年3月，他们发布了Helix-02在真实家庭环境中打扫客厅和卧室的视频。5月，CEO Adcock宣布与JCPenney母公司Catalyst Brands签署合作协议，扩大人形机器人在零售物流中的应用。
2026年6月，Boston Dynamics的电动版Atlas也开始向现代汽车交付首批单元。人形机器人市场正从"能做demo"快速转向"能干活赚钱"。
graph TD
A[Figure AI 人形机器人生态系统] --> B[硬件平台]
A --> C[AI大脑 Helix-02]
A --> D[制造体系 BotQ]
A --> E[商业部署]
B --> B1[F.02 - 第二代工业版]
B --> B2[F.03 - 第三代量产版]
B2 --> B2a["手掌相机 + 指尖触觉传感器"]
B2 --> B2b["6个RGB相机"]
B2 --> B2c["双GPU嵌入式计算"]
C --> C1["S0 感知策略层<br/>实时环境感知"]
C --> C2["S1 运动控制层<br/>像素→全身动作<br/>~30-50Hz"]
C --> C3["S2 语义推理层<br/>语言理解与任务规划"]
C1 --> C2 --> C3
D --> D1["1台/小时产能"]
D --> D2["350+台已交付"]
D --> D3["数据飞轮:<br/>机器人→数据→AI→机器人"]
E --> E1["BMW斯巴达堡<br/>11个月/30K辆车"]
E --> E2["物流仓库分拣<br/>200+小时自主"]
E --> E3["Catalyst Brands<br/>零售物流"]
E --> E4["家庭场景<br/>清洁/整理"]
style A fill:#1a1a2e,color:#fff
style C fill:#e94560,color:#fff
style D fill:#0f3460,color:#fff
style E fill:#16213e,color:#fff
1. 端到端学习正在吞噬传统机器人学。 Helix-02用纯神经网络替代了传统控制代码，这意味着未来机器人开发的核心壁垒不再是控制算法，而是数据和算力。如果你在做机器人相关的工作，学习深度学习和VLA模型比精通ROS更有未来。
2. "数据飞轮"是机器人公司的终极护城河。 每台F.03都是一个移动数据采集器。350+台机器人产生的真实世界操作数据，是任何竞争对手用仿真环境无法复制的。这不是AI领域的Scaling Law——这是物理世界的Scaling Law。
3. 物流自动化从"可以尝试"变成了"必须评估"。 F.03已经达到人类分拣速度的98.5%，而且不需要休息。如果你的仓库还完全依赖人工，现在应该开始评估人形机器人的ROI了。Figure的路线表明，12-18个月内成本曲线将急剧下降。
4. 不要被"机器人替代人类"的叙事吓到，也不要忽视它。 Figure自己说得很清楚——他们的目标是做"不安全、重复性、无聊的工作"。短期内，人形机器人最可能替代的是仓储分拣、流水线装配等高强度重复劳动。对知识工作者来说，这反而是重新思考"什么是人类独特价值"的契机。
5. 你的下一台"同事"可能不是人类。 这不是2030年的预测——2026年6月，Figure的BotQ工厂已经在以每小时一台的速度生产人形机器人。到2026年底，全球人形机器人的部署数量可能达到数千台。关注这个趋势，不是为了焦虑，而是为了在变化到来时能做出更明智的职业选择。
Figure AI用200小时不间断的自主物流分拣证明了一个事实：人形机器人不再需要"学会"某个任务——它们只需要"看到"这个世界。
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。