人類vs機器人分揀大戰：Figure 03差點反超，人類贏了卻笑不出來

這可能是人類最后一次戰勝機器人了。

近期，在 Figure AI 最近一場 10 小時「人類 vs 機器人」包裹分揀挑戰里，實習生 Aime 最終分揀 12924 件包裹，Figure 03 則完成 12732 件，人類以 192 件的微弱優勢守住了勝利。雖然，人類在這場比賽里勝利了，但多家媒體稱這可能會是人類最后一次在于機器人的對決里獲得勝利。

（圖源：Youtube）

這話并非空穴來風，在結束比賽后，實習生 Aime 的手指和手部多個關節已經出現酸脹感，無法繼續分揀工作，而 Figure 03 則還能堅守在崗位上。也就是說，速度上人類是勝利的，但持續工作這一塊，機器人贏得更多。

從這場有趣的比賽，我們能看到人形機器人正在從舞臺和發布會，走向工廠、倉庫和流水線，而另一個問題是，它們距離真正全面「上崗」，還有多遠？

機器人與人類同場競技，誰贏了并不重要

在比賽之前，Figure 已經把包裹分揀做成了一場連續直播。最初它展示的是 8 小時自主分揀，后來又把測試拉長到 24 小時以上，至截稿前，該直播間已經連續直播了 137 個小時。直播的內容其實也有點無聊，就是幾臺 Figure 03 站在傳送帶旁邊，一遍遍識別包裹、抓取包裹、翻轉包裹，再把面單或條碼朝向指定方向放回去。

直播間里的觀眾給機器人起了名字，有的叫 Bob，有的叫 Frank，有的叫 Gary，還有 Rose、Jim 這樣的名字，觀眾們給這些機器人取名字，盯著看它們會不會出錯，讓一場看著有些無聊的直播，變成了「真人秀」。

（圖源：Youtube）

事實上，這樣強烈的反差感也是讓越來越多人圍觀這場直播的原因。一邊是一個極其枯燥的物流動作，另一邊是幾百萬甚至上千萬網友盯著機器人搬箱子，看它會不會卡住、會不會掉包裹、會不會突然罷工。有網友調侃，這些機器人不只是在搶倉庫工人的活，連主播的活也一起搶了。還有人表示，這場直播太好「睡」了，已經成為了自己的助眠神器。

對普通觀眾來說，這可能有點催眠，但對 Figure 來說，這正是它想要的效果。人形機器人如果真的要進入工廠和倉庫，重要的是要在幾個小時、十幾個小時甚至幾十個小時里，持續完成那些單調的動作。越多人圍觀、越多人盯著這些機器人會不會出錯，反倒是給了Figure 更多修正的機會。

（圖源：Youtube）

Figure 選擇包裹分揀這個最無聊的任務，其實考驗的正是目前工業任務里最難的幾項工作。試想一下，對人來說，分揀包裹只是看一眼、拿起來、翻個面、放回去；但對機器人來說，這是視覺、抓取、力度控制、路徑規劃結合起來的綜合性能力考驗。這些包裹也不完全都是統一的紙箱，還有軟袋、薄信封，有的很輕、有的很重，機器人還得先看清條碼和姿態，再決定抓哪里、用多大力。所以，在這場直播里，「翻車」的機器人還真不少。

（圖源：Youtube）

按照Figure 的介紹，此次參與直播分揀物流的機器人系旗下的Figure 03，身高約 173 厘米，重量 61 公斤，最大載荷 20 公斤，續航約 5 小時，全電驅，并支持無線充電。它不是一臺只為某個動作定制的機械臂，而是一個能站在人類工作環境里的通用人形平臺。

真正讓它能處理包裹分揀的，是 Figure 自研的 Helix 視覺-語言-動作模型。簡單來說，Helix 要解決的是三件事，分別是機器人看見了什么，機器人知道自己要做什么，以及機器人下一刻身體、手腕、手指該怎么動。Figure 把這套系統分成負責理解任務和環境的「慢系統」，以及負責高速輸出動作控制的「快系統」，后者可以以 200Hz 的頻率控制手、腕、軀干和手指的連續動作。

比如，包裹分揀看起來只是手部動作，實際上機器人每一次伸手之前，都要先完成一次動態判斷，機器人不能只知道「抓箱子」，還要知道這個箱子現在在哪里、條碼朝哪邊、用哪只手更合適、翻轉后會不會遮住面單。Figure 還在 Figure 03 上強化了手部和視覺能力，比如更低延遲的視覺系統、手掌相機、柔順手指和指尖觸覺傳感器，這些都是為了讓機器人在抓取時更接近人類揀貨的能力。

（圖源：Youtube）

實際上，Figure 從 2022 年創立之初就幾乎是 All in 機器人工業領域，他要做的就是設計生產能直接投入到制造、物流、倉儲、零售等場景的通用人形勞動力。2024 年，Figure 02 已經進入 BMW 位于美國南卡羅來納州 Spartanburg 的工廠測試，用于把鈑金件放入夾具等生產環節。一段時間后， Figure 披露，機器人在 BMW 產線上進行了更長時間部署，參與實際生產任務。

這其實說明，機器人進入到產線，已經不是遙不可及的事情，它已經真實地發生在某些細分行業里。至于與人類的比賽，無論勝負結果，當一個機器人能夠與真人在某個工作上比拼，這對于前者而言，已經是一個進步。

人形機器人，先去工廠打工

Figure 之外，國內外機器人公司其實早就把目光投向了工廠和倉庫。

國內走得比較快的一個例子是智元機器人。它的落地重心并不只是發布會上展示人形機器人走路、互動，而是把工業智能制造、物流分揀、上下料、搬運等作為重點方向。智元的遠征 A2-W 面向柔性制造，已經在周轉箱拆碼垛、車間搬運、上下料等場景里推進應用；精靈 G1 則更偏向倉儲分揀這類對泛化能力要求更高的任務。據了解，智元與富臨精工達成數千萬元項目合作，近百臺遠征 A2-W 將落地工廠；在物流領域，德馬科技也訂購了數十臺精靈 G1，用于倉儲分揀。

（圖源：智元機器人）

優必選先扎進汽車廠，再向 3C 和物流擴散。Walker S 系列本身就是面向工業場景開發的人形機器人，過去一年多已經多次進入車廠實訓，包括蔚來、極氪、一汽-大眾青島、奧迪一汽、比亞迪、北汽新能源等。它做的也不是抽象的「智能制造」，而是更具體的裝配、轉運、質檢、維護、物料處理等工序。比如 Walker S1 在極氪工廠進行多機協同訓練，還與無人叉車、物流設備配合完成汽車零部件入庫等任務。更值得注意的是，優必選還把合作范圍擴到富士康和順豐，前者為 3C 制造，后者則是深入到物流體系。

（圖源：優必選）

小米與其他兩家都不太一樣，它先選擇了在自家工廠「實習」。今年3 月，雷軍和小米技術官方披露，小米人形機器人已經進入小米汽車工廠「實習」，基于通用 VLA 基座模型 Xiaomi-Robotics-0，結合多模態感知和強化學習，在自攻螺母上件工站、料箱搬運等場景中進行自主作業。其中，自攻螺母上件工站的數據十分亮眼，機器人連續自主運行 3 小時，雙側同時安裝成功率達到 90.2%，同時滿足最快 76 秒的產線生產節拍要求。

（圖源：小米）

最先被大眾以表演形式認識到的魔法原子也在工業領域加速前進，比如 MagicBot 已經進入工廠產線進行多項作業訓練，覆蓋工業、商業、家庭等場景。雖然大家可能在 2026 年春晚上看到的魔法原子人形機器人和四足機器人因為舞臺表演出圈，尤其是多機協同、動作編排和高密度調度，但其實它在工業的布局也比大眾想象得要更加深入。

（圖源：魔法原子）

在海外，特斯拉的Optimus 更加激進。Optimus 先是綁定自家工廠，在在特斯拉工廠中進行過電池分揀、零部件搬運等任務演示，另外，特斯拉也承諾 Optimus 將在完成驗證后，對外出售。

（圖源：特斯拉）

不難看出，人形機器人行業的整體共識就是，第一批落地的崗位，可能不是表演、家庭，而是倉庫和流水線上。這些場景雖然沒有要求高度情緒交互，但也并不代表沒有實用場景，這些搬運、上下料、分揀、裝配等崗位，很難被自動化完全替代，但人力去做，難免辛苦又無聊。從這個角度回到這次 Figure 看似有點「離奇」的分揀直播和分揀挑戰賽，就不是太難理解了，它只是用一種更像「表演」的形式告訴大眾，機器人或許真的要上崗了。

和人類「輪班制」，工廠機器人的下一個選擇

說到底，人形機器人今天還不是工廠里的最優解。

如果只看單一動作的速度和精度，專用機械臂依然更成熟。它不需要長成人的樣子，也不需要理解太復雜的環境，只要在固定位置、固定軌跡、固定節拍里重復工作，就能跑得又快又穩。對很多已經高度自動化的產線來說，人形機器人未必有優勢，甚至可能顯得有點「繞遠路」。

如果和熟練工人比，它也沒有便宜到哪里去。就比如一個老工人看到包裹卡住、料箱歪了、零件掉到地上，伸手就能處理，機器人還是不一樣，它要先看見異常，再判斷發生了什么，最后規劃下一步動作，這中間還不包括識別出錯造成的重復思考，效率大打折扣。

所以，人形機器人目前真正能解決的，可能不是那些已經被機械臂吃透的標準化崗位，也不是立刻把熟練工人全部替掉，或許它可以成為與人類「輪班制」工作的存在，比如夜班、節假日工作等，又或者是在不改造一些老舊倉庫的情況下，增加自動化的崗位，讓機器人負責。

（圖源：robotmagazine）

像搬運、分揀、質檢、簡單裝配，都屬于這樣的工作。

但更現實的問題是，工廠并不總是追求某一個動作的極限效率。很多時候，它追求的是一條產線、一個倉庫、一個班次能不能穩定運轉。專用機械臂當然快，但它通常需要固定工位，而熟練工人很難在這樣無聊的崗位上待上好幾年。

人形機器人的能力，正好在這兩者之間。它不一定在第一天就比機械臂快，也不一定立刻比人工便宜，但如果它能像人一樣使用現有通道、貨架、料箱和工具，就有機會繞開大規模改造產線的成本。對很多老工廠和物流倉庫來說，他們不需要先把空間改造成「機器人友好型」，機器人本來就有能力先適應這個環境。

所以，人形機器人真正要跨過的門檻，不只是技術演示，也不是把目標定在「比賽中勝過人類」，要讓企業信任才是關鍵。這里的信任，更多的是指這些機器人加入到生產流程里，會不會打亂原有的節奏，影響產線效率。只有充分展示了長期的穩定性，才能真正走進更多工廠，完成更多「無聊」的工作。