5月25日，Figure AI 扔出了一份相当硬核的“体检报告”。在长达200小时的全自动作业直播中，3台 Figure F.03 人形机器人轮班上阵，累计分拣了近24.96万个包裹。最引人注目的不是数量，而是状态——据新浪科技等媒体报道，全程未出现任何硬件故障，也没有导致系统停运的宕机。
CEO 布雷特·阿德科克（Brett Adock）将这一里程碑描述为对工业自动化专家斯科特·沃尔特博士发起的“8小时耐力挑战”的回应。早在5月14日，Figure 就宣布突破了24小时连续自主作业时长。如今，这个纪录被拉长到了接近一周。对于曾经受限于电池续航和软件崩溃的具身智能行业来说，这是一个明确的信号：F.03 已经解决了“能不能一直干活”的基础生存问题。
然而，在物流自动化这个极度讲究“性价比”的赛道上，能干活只是入场券，干得快、干得省才是硬道理。就在同场进行的“人机大战”中，F.03 团队暴露出了另一面。根据 Yahoo Finance 香港版的报道，Figure AI 安排了一名人類實習生與三台輪換的機器人進行10小時的包裹分類競賽。规则很简单：识别条码，拿起包裹，将条码朝下放置在传送带上。
结果出人意料。人类实习生以微小的优势战胜了机器人团队。虽然官方后来声称机器人的分拣速度“基本追平人类”，但那个“微小差距”在商业逻辑里往往意味着巨大的成本鸿沟。如果你是一名仓库经理，你会为了追求那一点点稳定性，而选择需要更高维护成本、更低初始吞吐量的人形机器人吗？
这里有一个容易被忽视的细节：F.03 并非单一机器人在战斗，而是“三台轮换”。这意味着在10小时的对决中，每台机器人实际工作的时间被分摊了，且中间存在换班间隙。相比之下，人类实习生可以凭借肌肉记忆和本能反应，在疲劳到来前进行微秒级的姿态调整。而机器人即便有先进的运动控制算法，在处理非标准化包裹（如软塌、异形、条码磨损）时，其重试和纠错机制依然比人类笨拙得多。
这种“稳定性有余，灵活性不足”的特征，正是当前具身智能落地的普遍困境。我们之前讨论过《物理AI进车间，离替代熟练工还远吗》，当时得出的结论是：从抓取装配到家庭服务，它现在更像辅助工具。F.03 的200小时测试进一步印证了这一点。它在封闭、受控、高度结构化的环境中证明了可靠性，但在面对真实世界中那些不可预测的“长尾场景”时，效率瓶颈依然明显。
此外，这场测试的场景也被部分业内人士质疑过于理想化。物流仓库的真实环境远比直播间复杂：光线变化、地面污渍、堆叠混乱的包裹、突发的人员走动，这些都是 F.03 在200小时测试中可能未充分覆盖的变量。正如我们在《AI进工厂，先过设备和数据两道坎》中提到的，工信部的政策推动下，制造企业发现落地的难点往往先落在设备互联和数据质量上。F.03 的零故障更多是软件层面的鲁棒性胜利，而非物理世界适应性的全面胜利。
当然，不能否认 Figure AI 的进步。从早期的步履蹒跚到如今能连续分拣数万包裹而不宕机，其端到端大模型在视觉-动作对齐上的迭代速度令人瞩目。但这并不意味着人形机器人即将接管全球物流网络。相反，它更像是一个高成本的“特种部队”，适用于那些人类不愿去、或者对人类来说效率极低的高风险、高精度场景，而非简单的搬运和分拣。
对于行业观察者来说，200小时零故障是一个重要的基准线，标志着具身智能从“实验室玩具”向“工业级资产”迈出了关键一步。但对于真正的买家而言，他们还在等待下一个答案：当机器人不仅不会坏，而且干得比人更快、更便宜时，拐点才会真正到来。在此之前，F.03 依然需要在“快”这个字上下功夫，毕竟在物流行业，时间就是金钱，而人类的直觉，目前依然是最高效的算法。
参考来源：
- 新浪科技，《Figure 03 人形机器人完成 200 小时全自动作业直播，分拣近 25 万包裹零故障》，2026-05-25
- Yahoo Finance HK，《機器人還無法取代人類？Figure AI人形機器人F.03分揀包裹輸給實習生》
- 搜狐网，《Figure 03人形机器人完成200小时全自动作业直播》
