兩個機器人一句話沒說，把臥室收拾干凈了。

這不是人類與機器人的協作，也不是人類之間的配合。這是機器人對機器人——一臺人形機器人看見另一臺在干什么，自己就補上了下一步。整個過程只有兩分鐘。

Figure AI最近放出了這段視頻。兩臺公司自研的人形機器人站在一間模擬臥室里，沒有事先分配角色，沒有語言指令，沒有中央控制臺。當其中一臺開始整理床鋪，另一臺自動轉向地板上的雜物；當一臺遇到困難停下來，另一臺接過了它手里的活兒。研究人員把這種能力叫做“隱性協作”。通俗一點說，機器人學會了看眼色行事。

這個消息在機器人圈子里引起的反應很分裂。一部分人說“就這？兩分鐘？”，另一部分人意識到了這個數字的分量。

先說為什么“兩分鐘”值得認真看。當前最先進的單人形機器人做家務，速度普遍只有人類的三分之一到十分之一。動作慢是一方面，更多的時間耗在判斷、停頓、重試上。這是單臺機器人的正常節奏。兩臺機器人如果要在同一空間里協作，通常會再加一筆“協調稅”——彼此等待、避讓、確認下一步。人類搭檔也逃不過這個規律，兩個人做事很少真正達到一個人的兩倍效率。Figure AI的兩臺機器人用兩分鐘完成了合作整理，意味著在這項特定任務上，協調稅被壓到了極低。

當然，這個數字有它的限定條件。兩分鐘是在特定房間、特定物品擺放下跑出來的結果，換一間更亂、更隨機的真實家庭場景，會不會還是兩分鐘，目前誰也不知道。Figure AI也沒有透露這次實驗之前做過多少次訓練、環境設置調整了多少。但方向本身是足夠清晰的。

要理解這個方向的難度，得先明白一臺機器人和兩臺機器人的本質區別。單臺人形機器人的工作邏輯，可以簡單描述為一個閉環：傳感器把環境信息送進來，模型算出動作，執行器把動作做出去。兩臺機器人加入之后，閉環數量不是翻倍，而是變成了三個。機器人A的閉環、機器人B的閉環，還有A和B把對方當作環境一部分之后產生出來的交互閉環。A的動作改變B所處的環境，B的動作反過來又改變A面臨的情況——兩個閉環互相嵌套，傳統的中控邏輯很難在這種動態變化里穩住節奏。

工廠里解決這個問題用的是另一種思路。在編程階段就把可能的場景窮舉出來：A負責工序一，B負責工序二，萬一沖突A優先，諸如此類。規則在事先全寫死。這種方式在空間固定、物品固定、流程固定的工廠車間里運轉得很好。可臥室不是流水線。被子每次攤開的位置不一樣，枕頭可能掉到了地上，地板上散落的物品數量和種類也無法提前窮舉。預設規則在處理這類環境時會迅速失效。

Figure AI走的是分布式決策路線。每臺機器人獨立感知環境，同時把另一臺機器人的實時狀態作為一種特殊輸入，各自計算自己的下一步動作。沒有上級調度單元，沒有預先制定的主從關系。這種架構和人控制自己的行為、同時觀察搭檔狀態的那種“看眼色”最為接近。研究人員將這個過程定義為隱性協作，以區別于需要顯式通信或者預分配角色的傳統協作模式。

Figure AI在這個時間節點放出消息，時機掐得很準。當前人形機器人賽道里的大玩家，大多把精力集中在單機能力的突破上。特斯拉把擎天柱機器人放進自家的超級工廠實地執行任務，跑的是單機實證路線。波士頓動力正在推進阿特拉斯的人形機器人商業化版本，仍然以單臺機器人的運動能力和操作精度為核心賣點。亞馬遜在物流倉庫里測試人形機器人，公開畫面里出現的也基本是一臺機器重復某一項固定操作。多機協作被擺在明面上認真對待的團隊并不多。

這給Figure AI騰出了一個差異化窗口。在單機硬件性能的軍備競賽里，想跑到第一梯隊需要巨額資本支撐，畢竟連英偉達的GPU采購都已經動輒以數十萬億韓元為單位計價。但在“如何讓機器人互相配合”這個軟件和算法主導的維度，小公司的機會比硬件競賽大得多。這就是Figure AI目前所押注的錯位競爭邏輯。

那么這種“眼色”能力的第一批落地點會在哪里？最先涌進來的想象是工廠，但現實可能不太一樣。工廠的自動化產線幾十年來一直在用程控邏輯控制器來處理多設備協同，雖然僵硬，但已經夠用。反而是一些半結構化、需要靈活分工的場景，可能更早需要兩臺機器人一起出現的協作能力。建筑工地上的材料搬運、醫院里不同科室之間的物資流轉、災難現場的多點搜救，這些環境很難用預編程窮舉，卻天然需要多個移動單元互相填補空白。Figure AI的做法指向了這些地方。

回過頭來再想“眼色”這件事本身，會發現一個有意思的認知翻轉。人們習慣把眼色當作一種模糊的、不可言傳的人類直覺。但實際上，觀察對方動作、預判下一步、調整自身行為、避開沖突、補足空隙，這一整套認知過程是高度可分解的。它不是天生的，是學出來的。小孩沒有眼色，新人沒有眼色，直到經歷了足夠多次的交互、出錯、修正之后，眼色才慢慢長出來。Figure AI的機器人用大量訓練把這個學習過程壓縮到了可工程化的程度，并且換了一種不依賴語言的實現路徑。機器人沒有學會人類是怎么協作的，它們用一套完全不同的機制，達到了外觀上近似的效果。

這大概才是整件事里最值得琢磨的部分。人類擅長用語言協調行動，兩個人搬沙發要喊“往左一點”“放低一點”。但機器人如果能在不交換任何符號信息的前提下完成復雜協作，那就說明協作這件事比我們原以為的要多出幾條不同的實現路徑。這條路或許比人類之間的協作更安靜，卻未必更低效。