人机分拣巅峰对决：Figure 03以毫厘之差惜败，人类优势还剩多少？
人类在体力劳动领域对机器人的微弱优势，或许已接近尾声。
Figure AI近期进行了一场为期10小时的包裹分拣人机对决。结果颇具象征意义：人类实习生Aime处理了12924件包裹，机器人Figure 03完成了12732件。人类以192件的微弱优势险胜。然而，多家行业观察指出，这可能是人类在此类效率竞赛中的最后一次胜利。
这一判断基于一个关键事实：比赛结束后，实习生Aime因手指和关节酸胀无法继续工作，而Figure 03仍可无缝投入下一班次。人类赢得了短期爆发力，机器人则展现了压倒性的持久性与稳定性。
这场对决释放了一个明确信号：人形机器人正加速走出实验室，进入真实的工厂、仓库与产线。随之而来的核心问题是：它们距离大规模商业化“上岗”还有多远？
人机同台：胜负之外的真实价值
事实上，在正式比赛前，Figure已将包裹分拣升级为一场马拉松式直播。从最初的8小时自主运行，延长至24小时以上，截至发稿前，其直播已连续进行超过137小时。内容看似单调：几台Figure 03机器人站在传送带旁，循环执行识别、抓取、翻转包裹，确保面单朝向正确。
然而，这种枯燥催生了独特的参与感。观众为机器人命名，像观看真人秀一样关注其是否出错或卡顿。有评论指出，这些机器人不仅挑战了仓储工人的角色，甚至因其稳定、重复的节奏，成为了另类的“助眠直播”。
这种反差正是直播吸引数百万围观的关键。对Figure而言，这正是其追求的效果。人形机器人要融入工业环境，核心能力之一便是在长时间内稳定执行单调任务。广泛的公开测试，为其提供了海量的故障发现与算法优化机会。
Figure选择包裹分拣这一“基础”任务，实则挑战了工业自动化中的经典难题。对人类而言，这是简单的视觉与动作组合；对机器人而言，却是对视觉识别、抓取规划、力度控制与路径决策的综合考验。包裹形态、材质（硬纸箱、软邮袋、薄信封）与重量千差万别，机器人需实时识别条码位置、物体姿态，并决策抓取点与施力大小。直播中频繁出现的“翻车”场景，正说明了其复杂性。
官方资料显示，参与直播的Figure 03身高约173厘米，重61公斤，最大载荷20公斤，续航约5小时，采用全电驱动并支持无线充电。其定位并非单一功能的机械臂，而是能直接适配人类工作环境的通用人形平台。
其核心是Figure自研的Helix视觉-语言-动作模型。该系统需要解决三个层次的问题：环境感知（看到了什么）、任务理解（要做什么）、运动控制（如何执行）。Figure将其分为负责高层规划与理解的“慢系统”，以及以200Hz高频控制手、腕、躯干和手指的“快系统”。
以包裹分拣为例，每次抓取前，机器人都需完成一系列动态判断：包裹的实时位置、条码朝向、最优抓取手选择、翻转后是否遮挡信息。为此，Figure 03强化了手部与视觉模块，配备了低延迟视觉系统、手掌相机、柔顺手指及指尖触觉传感器，旨在让抓取动作的熟练度无限逼近人类拣货员。
自2022年创立以来，Figure便全力聚焦工业机器人领域，目标是打造适用于制造、物流、仓储的通用人形劳动力。2024年，其Figure 02已进入宝马美国南卡罗来纳州工厂测试，参与钣金件放入夹具等工序。后续信息表明，机器人已在产线上进行了更长时间的部署并参与实际生产。
这一切都指向一个事实：机器人在细分产线场景的应用已非科幻，而是正在进行时。回归到那场比赛，胜负本身已不重要。当一台机器人能在具体工作任务上与人类同台竞技，这本身就是其技术成熟度的一个重要里程碑。
工厂优先：人形机器人的现实落地方向
放眼全球，Figure并非孤例。国内外机器人企业已形成共识，将工厂和仓库视为首要落地场景。
国内厂商中，智元机器人进展迅速。其发展重心明确指向工业智能制造、物流分拣、上下料及搬运。其远征A2-W面向柔性制造，已在周转箱拆码垛、车间搬运等场景推进应用；精灵G1则侧重对泛化能力要求更高的仓储分拣。据悉，智元已与富临精工达成数千万元项目合作，近百台远征A2-W将落地工厂；德马科技也订购了数十台精灵G1用于仓储分拣。
优必选选择了从汽车制造业切入，再向3C和物流领域扩散的路径。其Walker S系列本就是为工业场景开发的人形机器人，过去一年多已密集进入多家车厂实训，合作方包括蔚来、极氪、一汽-大众、奥迪、比亚迪等。它承担的具体任务涉及装配、转运、质检、维护、物料处理。例如，Walker S1在极氪工厂进行多机协同训练，并与无人叉车等物流设备配合完成零部件入库。值得注意的是，优必选还将合作扩展至富士康与顺丰，分别切入3C制造与物流体系。
小米的路径有所不同，选择先让机器人在自家工厂“实习”。今年3月披露的信息显示，其基于通用VLA基座模型Xiaomi-Robotics-0的人形机器人，已进入小米汽车工厂，结合多模态感知与强化学习，在自攻螺母上件、料箱搬运等工站进行自主作业。其中，自攻螺母上件工站的数据显示：机器人连续自主运行3小时，双侧同时安装成功率高达90.2%，并能满足最快76秒的产线节拍要求。
凭借春晚表演出圈的魔法原子，在工业领域的布局比公众认知更深。其MagicBot已进入工厂产线进行多项作业训练，覆盖工业、商业及家庭场景。公众因其舞台上的多机协同与高密度调度表演而熟知它，但其工业应用的推进同样扎实。
在海外，特斯拉的Optimus策略更为激进。它率先绑定自家工厂，演示过电池分拣、零部件搬运等任务。特斯拉也已承诺，在完成验证后，Optimus将对外出售。
不难发现，行业共识已然形成：人形机器人第一批大规模落地的岗位，并非家庭服务或娱乐表演，而是仓库与流水线上的重复性劳动。这些场景对情感交互要求低，但实用价值巨大。搬运、上下料、分拣、装配等工作，既难以被传统刚性自动化完全替代，又因其枯燥导致人力留存困难。Figure那场看似“行为艺术”的分拣直播，其深层用意正在于此——它以一种极具张力的方式向市场宣告：机器人，已准备好进入劳动力市场。
轮班制互补：人形机器人的现实定位
必须清醒认识到，就当前技术水平而言，人形机器人远非工厂里的最优解。
若单纯比拼单一动作的速度与精度，专用机械臂更为成熟可靠。它们无需拟人形态与环境理解，在固定位置沿固定轨迹工作即可做到又快又稳。对于高度自动化的成熟产线，引入人形机器人可能优势有限。
与熟练工人相比，人形机器人在成本与突发情况处理的灵活性上也未必占优。老师傅可瞬间处理包裹卡住、料箱歪斜等异常，而机器人需经历识别、判断、再规划的流程，整体效率可能打折扣。
因此，人形机器人眼下真正的价值定位，并非立即全面替代熟练工人或抢占机械臂的标准化岗位。它更现实的角色，是与人类形成“轮班制”的互补关系，例如接管夜班、节假日或高强度时段的工作；或是在不改造老旧厂房的前提下，填补自动化空白，让机器人去适应既有的、非标准化的环境与工具。
搬运、分拣、质检、简单装配这类工作，正是其潜在的用武之地。
工厂追求的终极目标，往往不是单一动作的极限效率，而是一条产线、一个仓库的整体稳定与连续运转能力。专用机械臂虽快，但通常需要固定的工位和昂贵的产线改造；人类工人虽灵活，却难以常年忍受高强度、高重复性的枯燥劳动。
人形机器人的能力，恰好卡在这个中间地带。它未必在首日就比机械臂快，也未必立刻比人工便宜，但如果它能像人一样使用现有的通道、货架、料箱和工具，就有机会帮助企业规避大规模改造产线的巨额资本支出。对于众多存量工厂和传统仓库而言，这意味着无需将环境彻底改造为“机器人友好型”，机器人可以主动适应人类已有的工作环境。
因此，人形机器人要跨越的终极门槛，早已不是技术演示或某场比赛的胜负。关键在于能否赢得企业的信任——信任其加入后不会扰乱现有生产节拍，信任其能长期稳定运行，信任其综合拥有成本（TCO）具备竞争力。只有当它们充分证明了自身的可靠性、经济性与适应性，才能真正走进更多工厂大门，接手那些人类不愿长期从事却不可或缺的“无聊”工作。