近期圍繞 Figure AI 的一系列影片與直播內容，讓外界再次將焦點放在人形機器人是否已經具備進入倉儲、物流與製造場域的條件。從人形機器人長時間分揀包裹，到與人類實習生進行 10 小時速度對決，Figure AI 透過公開直播將人形機器人的能力放在市場面前檢驗，也讓「自主運作」與「是否需要遠端操控」成為這波討論的核心。
Figure AI 這次受到關注的關鍵，在於公司安排人形機器人進行長時間包裹分揀任務。根據 Business Insider 報導，Figure AI 在聖荷西總部進行直播，讓機器人將包裹以條碼朝下的方式放上輸送帶，任務看似單純，實際上需要視覺辨識、物件抓取、手眼協調與動作控制持續配合。直播開始後迅速吸引大量觀看，最初 8 小時在 X 平台累積超過 150 萬次觀看，24 小時後機器人已分揀超過 30,000 件包裹，累積觀看數超過 300 萬次。
Figure AI 執行長 Brett Adcock 將這次展示定位為人形機器人自主工作的公開驗證。他表示，機器人以 Helix-02 運作，目標是證明人形機器人能在長時間工作中維持穩定表現。根據報導，現場採取多台機器人輪替方式，一台機器人執行分揀，其他機器人則在後方充電，當作業機器人需要補電或發生狀況時，其他機器人可接手工作。這種安排讓展示重點不再只是單台機器人的單次表現，也開始接近未來倉儲場域可能採用的多機輪班模式。
Figure CEO 強調「沒有遠端操控」
由於直播中曾出現機器人停頓、動作異常，甚至像是觸碰頭部的姿勢，部分觀眾懷疑機器人是否受到人類遠端操作輔助。Brett Adcock 對此強調，Figure AI 的機器人是完全自主運作，並依靠機身攝影機與 AI 模型判斷下一步動作。Adcock對此解釋時說道，機器人卡住時，AI 模型會觸發自動重置，因此直播中偶爾會看到停頓或重啟動作。
這一點對 Figure AI 來說非常重要。人形機器人產業過去多次因展示影片是否使用遙控、剪輯或人為輔助而引發質疑，特別是在商業化前期，外界不只看重機器人能不能完成任務，也會檢視它完成任務的方式。若機器人必須依賴大量遠端人員操作，商業價值就會大幅受限，反之，若機器人能透過 AI 自主處理大部分動作與異常狀況，才具備進入企業場域的基礎。
人機對決 x 人類仍勝出，但差距已經縮小
Figure AI 在第一波展示過後，又進一步安排一場 10 小時包裹分揀比賽，讓一名實習生 Aimé Gérard 與人形機器人對決。根據 Business Insider 報導，Gérard 是 Figure AI 的視覺化專員，雙方比賽內容同樣是將包裹放上輸送帶。結果人類仍然勝出，Gérard 在 10 小時內完成 12,924 件包裹，機器人完成 12,732 件，雙方差距為 192 件。Gérard 平均每件約 2.79 秒，機器人平均每件約 2.83 秒。
這場比賽顯示人形機器人在高度重複性的單一任務中，速度已經接近人類工作節奏。人類選手仍具有靈活應變、即時修正與體感判斷能力，但也需要休息、用餐與處理生理需求。報導指出，Gérard 在比賽中途因休息離開時，機器人一度取得領先；最後人類雖然追回差距並勝出，但 Figure AI 已經成功把討論焦點帶到「長時間穩定運作」與「接近人類效率」上。
Figure AI 在這次直播與影片中，試圖把焦點從機器人硬體轉向 AI 控制能力。包裹分揀表面上只是拿取與放置，但機器人必須判斷包裹位置、辨識條碼方向、調整手部抓取角度、控制放置位置，並在遇到偏差時重新修正。這些動作對人類而言近乎直覺，對機器人而言則需要視覺、語言、動作模型與全身控制系統共同運作。而這也是 Figure AI 與 Tesla Optimus、Agility Robotics Digit、Unitree 等業者競爭時的關鍵。人形機器人產業正在進入「誰能穩定工作」的階段，單次展示已不足以說服市場。企業用戶更關心的是機器人能否連續工作、能否處理異常、能否降低停機時間，以及維護成本是否低於人力與傳統自動化設備的總成本。
Figure AI 的這場直播成為矽谷近期受到關注的「機器人倉儲工」觀看熱潮，許多觀眾甚至為機器人取名為 Bob、Frank、Gary，並把反覆分揀包裹的畫面稱為某種「robotic ASMR」。不過，外界對這項展示仍保持保留。俄亥俄州立大學工程學院院長、機器人專家 Ayanna Howard 表示，長時間無重大故障的表現令人印象深刻，但目前技術距離實際部署仍有距離。她指出，直播中仍可看到包裹條碼方向錯誤、包裹被碰落等問題，也提醒外界速度只是評估指標之一，準確率與完整流程處理能力同樣重要。這些質疑讓 Figure AI 的展示更接近真實產業評估。
Figure AI採取積極的公開展示方式，透過長時間直播、人機對決與工廠部署敘事，建立「機器人已經可以工作」的市場印象。這不代表 Figure AI 已經全面領先，也不代表人形機器人已經可以大規模取代人力。它代表焦點正在轉向落地速度、任務穩定性與展示透明度。未來誰能先把機器人放進真實工作場域，並且以可量化的方式證明成本效益，誰就更有機會取得早期商業化優勢。
倉儲與製造業會先成為落地試驗場
倉儲物流具有高度重複、流程明確、工作強度高、人力流動率高等特徵，適合作為人形機器人初期落地場域。相較於家庭服務需要面對高度不可預測的環境，倉儲與工廠能提供較標準化的空間、明確任務與可量化績效。Figure AI 先前也曾公布與 BMW 工廠相關的部署成果，表示前一代機器人在 BMW Spartanburg 工廠進行長時間作業測試，參與零件搬運與生產流程。這些案例顯示，人形機器人的早期商業化方向會先集中在工廠、倉儲與物流場域，而不是立即進入家庭市場。接下來的關鍵，在於它能否在真實場域中長時間維持穩定、降低錯誤率、處理異常狀況，並且以合理成本整合進既有作業流程。
從目前展示來看，人形機器人尚未完全成熟，距離大規模部署仍有準確率、安全性、維護成本與場域整合等挑戰。但 Figure AI 已經把競爭門檻往前推了一步。當人形機器人的表現開始能用工時、件數、秒數與故障率來衡量，這項技術也正式進入商業化檢驗階段。
