最近Figure AI的直播挺熱鬧的，三臺人形機器人連續不間斷分揀包裹200個小時，期間還安排了一場人機大戰，人類小哥跟機器人對干了10小時，胳臂都要累斷了，最終以12,924件對12,732件險勝。換算下來，人類比機器人快0.04秒。

Figure AI的CEO說這是"人類最后的勝利"，但我還是覺得，人形機器人商業化進工廠，沒那么樂觀。

直播是真的，問題也是真的

先說說直播里我注意到的一些東西。

第一個繞不開的問題：這場直播到底是不是真的？

估計是被忽悠次數多了，有網友質疑背后有人遠程遙控：你看這機器人不知道為啥時不時就抬手往腦袋上扶一下，像不像戴VR頭顯的人下意識推眼鏡？

Figure堅決否認，說這是全自主的。CEO也上電視辟謠了。

行吧，就算這一切完全是真的，沒有任何人類干預，那暴露出來的問題也不少。

準確率上還差點意思。直播里大量包裹夾不穩掉落，更要命的是掉了也不知道撿。物流分揀講究的是不出錯，錯一個件意味著投訴、賠付、客戶流失。這個錯誤率放到真正的倉庫里，第一天就會被叫停。

遇到困難也完全不會變通。有個包裹夠不著拿不起來，它就反復較勁半天，不會換個角度試試、不會用另一只手、不會跳過去先處理下一個。人干活遇到問題會想辦法，它沒有plan B，面對這種沒被預編程過的狀況，表現跟傻子沒有區別。

還有一類更詭異的：做跟任務完全無關的動作，干著干著活突然開上摩托了，過了好幾秒才回過神來。

按理說它應該代表的是相當先進的水平了，畢竟之前從來沒有機器人能直播連干200小時，那為什么看起來還是有點笨呢？這得從它的"大腦"說起。

小小的模型裝不下太多世界

Figure機器人的模型叫Helix-02。它有一個根本性的約束：模型完全跑在機器人本地芯片上，不上云端大模型。

這其實不只是Figure一家的選擇，所有人形機器人都面臨同樣的物理約束：操控動作需要避免延遲。就拿分揀快遞來說，一個包裹滑過來，機器人必須迅速決定怎么抓。你不可能每次都先把攝像頭畫面傳到云端、跑一遍GPT級別的大模型、等一會再把指令傳回來。那包裹早堆成山了，更別說機器人的真實工作環境也不一定有穩定的網絡。

所以Helix-02采用分層架構：頂層是一個7B參數的視覺語言模型，每秒做7-9次場景理解和任務決策；底層是一個只有千萬參數級的全身控制器，以1000Hz頻率實時控制關節。全程在機器人本地芯片離線運行，不依賴云端。

代價是腦子小，見過的世面就少。GPT、Claude這種千億參數的大模型之所以能應對各種奇怪輸入，靠的是海量數據把邊角case都覆蓋了。你把模型壓到千萬級塞進機器人腦袋里，它就只認識訓練時見過的東西。

直播大部分時間看著還行，是因為環境太理想了：光照穩定、沒有干擾、傳送帶勻速。但只要出現一點訓練數據沒覆蓋的變量，它就開始對空氣做動作了。

所以俄亥俄州立大學工程學院院長Ayanna Howard看完直播說了句大實話："這更像一個科學項目，不是商業服務。"

真實環境會把它打回原形

直播是在Figure總部搞的。光照恒定、溫度適宜、傳送帶勻速、包裹規格統一。

真實的快遞倉庫什么樣？我隨便列幾個變量：

夏天有的分揀站室內溫度超過40度。電機在高溫下性能衰減、電池續航縮短、傳感器讀數飄移。冬天低溫環境下潤滑油變稠，關節響應變慢。

粉塵。物流倉庫里紙屑、膠帶碎片、填充物到處飄。這些東西進到光學傳感器鏡頭上，進到關節縫隙里，進到散熱口里。精密設備最怕的就是粉塵。

異形件。真實的快遞包裹有多奇葩？有編織袋、有球拍、有長條卷軸。直播里方方正正的紙箱和塑料袋，在真實場景里絕對不是全部。

突發狀況。傳送帶卡了、前面有個破損包裹漏了液體弄濕了下一件、兩個包裹粘在一起過來了。人工分揀員一眼就能判斷怎么處理，機器人面對任何一個超出訓練數據的意外都會發懵。

直播已經是最理想的環境了。最理想的環境里它還會出問題。真實倉庫那就是地獄難度。

商業化遙遙無期

說回到人機大戰的數據。人類2.79秒一件，機器人2.83秒。看起來差不多對不對？

醒醒，這是供了一個祖宗。

買來第三個月，第一次預防性維護就該到了。按行業建議，高強度運轉的人形機器人每3到6個月就要做一輪全面保養——關節潤滑、傳感器校準、線纜檢查。 你不養它，它就罷工。

工業機器人行業的通用標準是：年維護費用占原設備價格的10%到20%，就算沒有任何故障，幾年下來光維護費就夠再買一臺了。

這還不算零件換新的費用。

人形機器人是一臺由精密關節驅動的運動機器。Figure 03全身30個自由度，光手部就有20個，撐全身重量、承受分揀動作沖擊的大關節——膝關節、髖關節、肩關節、腕關節——有十個左右。

這些關節每一個都在動作中持續承受敲擊式負載。關節里最核心的零件叫諧波減速器。按照行業標準，諧波減速器在額定負載下的壽命大約是7,000到10,000小時，6,000小時以上就算合格。

什么概念？一個倉庫如果單班運轉，一年工作約2,000小時，核心關節撐3.5到5年就得換。如果是三班倒，這個數字直接縮到一年半到兩年。

同時要換的還有電池。

Figure 03的電池容量2.3千瓦時，續航5小時。

鋰離子電池的循環壽命一般是500到1,000次滿充滿放。如果每天一充，2到3年電池就得換。換一組電池不便宜，價格在1000到5000美元不等。

這還是在自然磨損沒出故障的前提下。某一天，它真壞了怎么辦呢。

人形機器不像叉車，車間師傅擰兩下就能修。一個腕關節出問題，流程是這樣的：聯系原廠工程師 → 排期上門 → 拆機 → 診斷 → 確認需要更換減速器 → 訂零件 → 供應商備貨 → 零件到了 → 更換 → 校準 → 測試 → 恢復運轉。

要是零件缺貨，可能要等到明年。

而在這么長的時間里，這個工位的產能是零。工業機器人計劃外停機的損失，制造業全行業平均每小時26萬美元。

汽車制造業的損失更是高達每小時230萬美元。換算到分鐘，低則一千美元，高則上萬美元。

今年Figure宣布了BotQ工廠的建廠計劃，目標年產12,000臺。問題是：就算你造出來12,000臺，誰買？

以目前的性價比，物流公司不會買（算不過來賬），制造業不會買（專用機械臂更穩更便宜），消費市場更不會買（十幾萬美元一臺的玩具？）。沒有需求端的規模支撐，你的產線開了也是空轉。

說回Figure的直播

我不用"給投資人表演""騙融資"這種陰謀論去理解它。200小時直播前所未有，有實質進步。這一點要認。
但這不等于離商業化近。
人形機器人現在的處境就一句話：便宜不過人工，好不過專用機械臂。

5-10年之內，很難在真實運轉的快遞分揀中心看到它。

順便說一句，最近我在內部啟動了一件事：用AI來評價我們整個組織的AI Native建設程度。核心目的是讓公司擁有創業公司級別的聚焦能力和機動性，靠系統、靠數據、靠AI本身的反饋機制。

內部做了這么多，我們也想把我們的經驗分享給真正想要轉型的企業，實現真正的AI Native組織變革。