# 搬箱子直播千万围观：Figure 如何用一场直播替人形机器人"证道" ## 导语：一场"无聊"到爆的直播，凭什么刷屏？ 2026 年 5 月 14 日，一家估值约 390 亿美元的人形机器人公司 Figure AI，把三台名叫 Bob、Frank、Gary 的 F.03 机器人推进了一个仓库场景，让它们对着传送带做一件再枯燥不过的事——抓起包裹、扫码、转方向、再放回去。然后，他们打开了直播。 按原计划，这是一场 8 小时的"全自主当班"演示。但当这篇文章写到一半时，这场直播已经**连续跑了 200 多个小时、处理了将近 24.96 万个包裹、累计观看超过 1000 万次**。一个搬运箱子的直播，愣是把硅谷变成了"追剧现场"——观众在弹幕里给机器人起名字、Polymarket 上有人开盘赌它的运行时长、Figure 甚至趁热推出了周边 merchandise。 你可能会问：搬箱子有什么好看的？这正是这个视频最值得深挖的地方。它表面是个"科技炫技"，本质却是一场精心设计的**可信度实验**——Figure 用"不剪辑、不间断、全程直播"这种方式，正面回应了过去两年人形机器人行业最大的污名："你的演示是不是背后有人遥控（teleoperation）？" 这场直播同时把 Helix-02 这个端到端"全身自主"模型、人形形态的商业逻辑、以及"演示"与"部署"之间那道鸿沟，全都摊在了阳光下。下面我们来一层层拆。 ## 视频背景卡片 | 项目 | 内容 | |------|------| | 视频标题 | Figure 03 just worked an 8-hour shift. With no humans.（F.03 连续自主搬运直播） | | 频道 | Figure（@figureai，官方频道） | | 时长 | 原计划 8 小时，实际连续直播 200+ 小时（截至发稿仍在运行） | | 播放量 | 累计 1000 万+ 观看 | | 核心主题 | 人形机器人长时程全自主作业的可信度证明 + Helix-02 端到端模型 | | 关键人物 | Brett Adcock（Figure 创始人/CEO，2022 年创立） | | 公司估值 | 约 390 亿美元（2025 年 9 月 Series C，融资超 10 亿美元） | ## 核心内容拆解 ### 一、为什么不剪辑的直播，比任何 sizzle reel 都更有杀伤力 视频里最值得琢磨的，不是机器人搬得多快，而是 Figure 选择"直播"这个形式本身。**人形机器人行业有一个长期的信誉危机：演示视频太短、太精致，容易被怀疑是背后有人遥控。** 过去两年，Figure 自己的几支 demo 就多次被质疑存在 teleoperation（远程操控）。 一个精心剪辑的 30 秒短片，能证明"机器人会做某个动作"，但证明不了"它能一直做下去"。而 Figure 这次的赌注是：**把镜头 24/7 对着不动的传送带，一镜到底、不剪辑、多台机器人、还挂着个计时器。** 想在持续运行的镜头前伪造几小时的协同自主作业，难度比剪一支短片高几个数量级。这是一次"反向举证"——与其解释"我们没作弊"，不如直接让你盯着看一周。 这是我的延伸判断：**这场直播真正的产品，不是机器人，而是"信任"。** 在一个被 AI sizzle reel 反复"狼来了"的行业里，"proof-of-work"（工作量证明，借用了区块链术语）成了新的硬通货。Figure 用最笨的办法——把无聊进行到底——反而完成了最高效的营销。评论区给机器人起名、开盘赌时长、买周边，本质上都是观众"用脚投票"为这份可信度背书。 ### 二、Helix-02：从"模块化流水线"到"一个大脑管全身"的范式跃迁 视频反复强调一个技术关键词：**Helix-02**。要理解它为什么重要，得先看传统机器人是怎么工作的。经典工业机器人是**分层的模块化架构**——感知（perception）、规划（planning）、控制（control）是分开的三段式管线：先看清楚物体在哪，再算出路径，最后驱动关节执行。每一段都精致，但段与段之间的接口会累积误差，而且很难应对突发状况。 Helix-02 走的是另一条路：**端到端（end-to-end）的"全身自主"模型**。它把视觉、触觉、本体感觉（proprioception，机器人对自己关节状态的感知）和全身运动，融合进**单一策略（single policy）**里，直接在机器人本体上实时运行，对着摄像头画面即时反应。可以理解为三层能力叠在一起： - **底层控制**：保持平衡、执行关节动作； - **视觉运动策略（visuomotor policy）**：把摄像头和触觉输入，翻译成抓取、移动、放置动作； - **语义推理**：理解任务目标、场景和异常状态。 Figure 透露，这个控制器训练用了 **1000 多小时的人类动作数据**，再加上分布在 **20 多万个并行仿真环境**里的仿真时间。最关键的是：当机器人卡住或遇到没见过的包裹时，策略能**自己触发复位、自己恢复**继续搬，不需要人介入。Brett Adcock 的原话是：**"系统不是写死的脚本，而是直接从摄像头像素里推理和控制的。"** 我的延伸分析：这其实是整个 AI 领域正在发生的同一场范式迁移——**从"堆砌专家模块"到"训一个大一统策略"**。自动驾驶里"纯视觉端到端"对"激光雷达+高精地图"的挑战（这个我们之前聊过）、大语言模型对传统 NLP 流水线的碾压，本质都是同一回事。Helix-02 的意义在于：它把这场革命从"屏幕里的语言"搬到了"物理世界的手和脚"上。而物理世界的端到端，难度要高出一个量级，因为它必须实时、必须在有限的机载算力上跑、且容错率极低（抓空了就是抓空了，没有第二次机会改 prompt）。 ### 三、"人机大战"的微妙结局：机器人输了一点点，却赢了整盘棋 视频里最戏剧化的一幕，是一场**"Man vs Machine"（人机大战）插曲**：让实习生 Aimé Gérard 和机器人舰队比拼一个 10 小时的班次。结果人类以 **12,924 个包裹（平均 2.79 秒/个）** 险胜机器人的 **12,732 个（2.83 秒/个）**。 乍看是机器人输了。但这是个需要细品的数字。**这个差距小到可以落在任何一个班次的噪声范围内**——也就是说，在"专注的 8 小时窗口"里，机器人和人类的速度基本持平。可机器人有一个结构性优势是人类永远没有的：**它不需要睡觉、吃饭、上厕所。** 当人下班回家，机器人在跑夜班；当人请病假，机器人在跑第三个班次（third shift）。 所以 Figure 的论点非常精准，而且很诚实：**这场演示要证明的不是"机器人能在一个班次里打败专注的人类"，而是"人形机器人能可信地承担一个连续的第三班次"。** 这是个聪明的框架转换。在物流行业，真正贵、真正难招人的，恰恰是夜班和重复劳动。我的判断：当"接近人类速度"叠加"24/7 不间断"，经济账的天平就已经悄悄倾斜了——哪怕单台机器人贵一点，分摊到不停歇的工时上，单位成本可能反而更低。这正是 Figure 想让观众自己算出来的那笔账。 ### 四、Moravec 悖论的逆转时刻：抓一个软塌塌的袋子，比下围棋难 这里我想补充一个视频没点破、但理解整件事的关键背景：**Moravec's paradox（莫拉维克悖论）**。早在 1980 年代，AI 先驱 Hans Moravec 就指出一个反直觉现象——对人类越难的高级认知（下棋、做数学、写代码），AI 反而越容易学会；对人类来说"根本不用想就会"的感知运动技能（走路、抓取、识别一个歪掉的包裹），对 AI 却难如登天。 这场直播之所以震撼，正是因为它在展示**这道最难的题正在被解掉**。视频里机器人的活儿，对人是"闭着眼都能干"的本能：辨认不同形状/材质/大小的包裹、判断抓取点、估算重量变化、别把软袋子捏变形、别把箱子推出传送带、在狭窄空间里摆手臂、卡住了别僵住……每一项都是机器人领域的硬骨头。能做到"约 3 秒一个包裹、接近人类速度"，意味着 Moravec 悖论那道墙，正在被端到端模型+海量数据一点点凿穿。 eWeek 还提到 Helix-02 的另一面：在厨房 demo 里它能**连续 4 分钟把洗碗机的碗取出、端过房间、放进橱柜，全程无复位无人工介入**；还能用触觉传感器和掌心摄像头完成**拧瓶盖、从药盒里抠药片、从注射器推出 5 毫升液体**这类精细活。这些"精细"和"笨重"由同一个模型驱动——这才是 Helix-02 真正吓人的地方：它不是"为搬箱子特调的专家"，而是"能搬箱子、也能拧瓶盖的通才"。 ### 五、真正的护城河不是机器人，是数据飞轮 如果说前面几点是"炫技"，这一点才是商业层面的内核。**这场 200 多小时的直播，本身就是一个巨大的数据采集装置。** 每一次抓取、每一次复位、每一次失败模式，都在喂给下一轮 Helix 的训练。 这和特斯拉的逻辑一模一样：**特斯拉的护城河从来不是那辆车，而是几百万辆在路上跑的车源源不断传回的真实驾驶数据。** Figure 现在做的是同一件事——把"长时间、真实场景、无人干预"的运行，变成训练数据的复利。而且这条路有正反馈：模型越好 → 机器人能跑更久更稳 → 采集到更多更难的失败案例 → 下一版模型更强。这是一个越跑越快的飞轮。 我的延伸判断：在这场人形机器人军备竞赛里（对手包括 Tesla Optimus、Agility Robotics、Apptronik、Galbot，以及多家中国厂商），**最后赢的不一定是"机器人做得最酷"的那家，而是"真实世界数据飞轮转得最快"的那家。** Figure 用一场直播，既向客户证明了能力，又顺手把全世界最稀缺的长时程自主作业数据收入囊中——一箭双雕。 ### 六、为什么非得是"人形"：不改造工厂，才是最大的省 一个常被忽视的问题是：**仓库里搬箱子，为什么要用一个人形的机器人？** 一个固定的机械臂、一条专用的分拣线，传统自动化早就做得又快又便宜。答案藏在"人形"这个形态选择的经济学里。 传统自动化设备是为**固定流程**优化的，效率极高，但**换个场景就得重新设计整条产线**。而人形机器人的赌注是：**人类的世界是为人类的身体尺寸设计的**——门的高度、货架的间距、工具的手柄、台阶的高度，全都适配人形。所以一个和人一样高、一样宽的机器人，可以**直接走进现有的人类环境，不需要改造车间**。这就是 Figure 能进 BMW 斯巴腾堡工厂的根本原因——据报道，其上一代 F.02 已经参与了 **3 万辆汽车的生产**。它不是去替换流水线上某个特化工位，而是去填补那些"本来该由人干、但流程太杂没法自动化"的缝隙。 这也是视频里反复强调"接近人类速度"的潜台词：**人形机器人的竞争对手，从来不是工业机械臂，而是人类小时工。** 它要赢得不是效率赛，而是"能不能即插即用地顶替一个人"的替代赛。 ### 七、批评者的清醒：演示是一回事，部署是另一回事 这个视频最值得尊敬的地方，是它没有回避质疑。整合多方报道，批评声音主要集中在三点： 第一，**环境是被精心控制的**。直播里的包裹大小相对统一、大多是轻量袋子和纸箱，没有真正的"异常流水线"——没有破损包裹、没有液体泄漏、没有读不出的脏条码、没有堆叠堵塞。真实仓库里那"长长的异常尾巴（long tail of exceptions）"，恰恰是人类工人最擅长处理、而机器人最容易翻车的地方。 第二，**单位经济学（unit economics）至今是个黑箱**。Figure 从没披露一台 F.03 的造价、部署成本、维护频率和电池寿命。在数字落地之前，"人形机器人替代仓库工人"始终更像一个 demo claim，而不是 deployment fact。正如一位机器人专家所言，这场演示"看起来更像一个科学项目，而不是成熟的商业服务"。 第三，**这是 Figure 自己跑的演示，不是独立审计**。在第三方验证之前，它最好被理解为"公司自证的 proof point"，而不是仓库就绪的最终证据。 我的观点：**这三点批评全部成立，但它们削弱不了这场直播的价值——因为 Figure 卖的不是"我已经完全准备好了"，而是"我有诚意让你看着我一步步靠近"。** 在一个满是 demo 的行业里，"暴露问题"反而比"隐藏问题"更稀缺。直播里偶尔出现的抓空、推掉包裹、节奏卡顿，恰恰是它可信度的来源。 ### 八、给行业立了个新规矩：下一个人形 demo，得先过 200 小时这关 这场直播对整个行业最深远的影响，是它**抬高了"可信度"的准入门槛**。过去业界比的是"孤立能力"——会走路吗、会搬箱子吗、会叠衣服吗、会做饭吗。现在 Figure 把问题换成了："它能不能持续工作？能不能不让人盯着？能不能让你看完整过程？" 这给所有竞争对手施加了压力。如果其他公司继续只发剪辑短片，观察者自然会反问：**你为什么不直播？为什么不跑满 8 小时？为什么不公开错误率？为什么不让它用接近工业的节奏干活？** 在我看来，这才是这场"无聊直播"真正的历史意义——它把人形机器人的竞争标准，从"会不会"改写成了"扛不扛得住"。 ## 知识结构图 下面这张图，把这场直播背后"技术—可信度—商业"三层逻辑串起来： ```mermaid flowchart TD A[Figure F.03 搬箱直播
200+小时 / 25万包裹 / 1000万观看] --> B{为什么是直播？} B -->|回应信誉危机| C[信任工程
对抗 teleoperation 质疑] B -->|证明持续能力| D[把标杆从'会不会'
改成'扛不扛得住'] A --> E[核心技术: Helix-02] E --> E1[端到端单一策略
替代感知-规划-控制三段式] E --> E2[1000+小时人类动作数据
+20万并行仿真环境] E --> E3[自复位 / 自恢复
无人介入] A --> F[数据飞轮 真正的护城河] F --> F1[长时程真实运行
采集失败案例] F1 --> F2[喂给下一轮 Helix 训练] F2 --> F3[模型更强 -> 跑更久更稳] F3 --> F1 A --> G{演示 vs 部署的鸿沟} G -->|批评1| H1[环境受控
缺少长尾异常] G -->|批评2| H2[单位经济学未披露
造价/维护/寿命成黑箱] G -->|批评3| H3[非独立审计
公司自证] D --> I[行业新门槛:
下一个 demo 需过200小时基准] F3 --> J[商业逻辑:
人形=即插即用顶替人类小时工
而非替代工业机械臂] ``` ## 实战启示：普通人/从业者能从中拿走什么 **如果你是投资者或行业观察者：** 别再被"机器人会翻跟头/会打拳"这种 spectacle 牵着走。**判断一家人形机器人公司的成色，问三个问题**——它敢不敢直播？它的数据飞轮转得多快（有没有真实客户场景在持续喂数据）？它的单位经济学敢不敢公开？Figure 这场直播提供了一个绝佳的"评估框架"：长时程、全自主、可观测。任何一家对手如果拒绝这三条，你就该提高警惕。 **如果你是制造业/物流的决策者：** 这场直播给你的启示是"分阶段替代"，而不是"一夜换人"。最现实的路径是：**让机器人先接管那些重复、枯燥、夜班、高强度的工作，把人转移到监督、维护、异常处理、流程优化上。** 不要指望一个 demo 就能接管整个仓库——真实物流里那些破损件、脏条码、堆叠堵塞，短期内还是人类的天下。但同时，你也该开始**为"人形协作者"做准备了**：车间的安全规则、责任边界、人机协作流程，这些才是真正决定部署成败的软性成本。 **如果你是技术从业者/AI 学习者：** 这场直播是理解"具身智能（Embodied AI）"和"VLA（Vision-Language-Action）模型"最好的活教材。值得深挖三条线：一是端到端策略 vs 模块化管线的取舍（这是自动驾驶也在经历的同一场辩论）；二是仿真到现实（sim-to-real）的训练范式，20 万并行环境这个数字本身就是一节课；三是触觉和本体感觉如何融入多模态策略——这是 Helix-02 能做精细活（拧瓶盖、推注射器）的关键。**认知升级在于：AI 的下一个主战场，正在从"屏幕里的语言"转移到"物理世界的动作"。** ## 延伸学习路径 1. **Figure 官方频道（@figureai）** — 持续关注 F.03 直播的后续里程碑（一周连续运行、首批物流客户部署）。这是第一手数据来源。 2. **Helix 技术博客（figure.ai/news）** — Figure 的 Series C 公告（$1B+ 融资、$39B 估值）和 BMW 合作进展，理解其商业版图。 3. **Moravec's paradox 原始论述** — 理解为什么"对人类越难的认知，AI 越容易学；对人类越简单的运动，AI 越难学"。这是看懂人形机器人难度的底层框架。 4. **特斯拉 FSD 的"端到端纯视觉"路线 vs Waymo 的"激光雷达+高精地图"** — 同一场范式辩论在另一个赛道的前传，能帮你看清 Helix-02 路线的赌注和风险。 5. **Agility Robotics（Digit）、Apptronik（Apollo）、Tesla Optimus 的对标 demo** — 横向比较"谁敢直播、谁只发短片"，用 Figure 立的新标杆去审视整个赛道。 ## 一句话总结 **Figure 用一场 200 小时不间断的"无聊"直播，把人形机器人的竞争标准从"会不会做"改写成了"扛不扛得住"——它卖的不是机器人，而是信任，而真正的护城河是那台越转越快的数据飞轮。** --- ## 参考来源 1. [Figure 03 just worked an 8-hour shift. With no humans.（F.03 连续自主搬运直播）](https://www.youtube.com/watch?v=-HiN3nRozpc) — 本次分析的核心视频 2. [Figure AI's F.03 Humanoids Cross 200 Hours of Nonstop Package Sorting on Live Stream](https://noqta.tn/en/news/figure-ai-f03-helix-02-warehouse-livestream-2026) — 200 小时/24.96 万包裹/Helix-02 技术细节 3. [Figure AI's Robots Work 17-Hour Shift, Sort 22,000 Packages（eWeek）](https://www.eweek.com/news/figure-helix-robots-22000-packages/) — 17 小时 2.2 万包裹、厨房/精细操作 demo 4. [Figure AI's Humanoid Robots Sort Packages Nonstop: What the Livestream Proves（Knightli）](https://knightli.com/en/2026/05/18/figure-ai-f03-livestream-package-sorting/) — 直播可信度价值、三层架构、批评视角 5. [The Internet can't stop watching Figure AI's humanoid robots handling packages（Ars Technica）](https://arstechnica.com/ai/2026/05/the-internet-cant-stop-watching-figure-ais-humanoid-robots-handling-packages/) — 直播现象、观众文化 6. [Figure Exceeds $1B in Series C Funding at $39B Post-Money Valuation（Figure 官方/PRNewswire）](https://www.figure.ai/news/series-c) — 公司估值与融资背景 --- > 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。