Figure机器人连续工作四天半，无休处理10万包裹
8 小时 demo 变成四天半直播、10 万包裹与 Helix-02——人形机器人在物流产线上的耐力赛。
最近几天，我的信息流被一件事刷屏了。
Figure把机器人扔进了物流仓库，开了一场YouTube直播。原计划干8小时，验一验能不能无人值守分拣包裹。结果机器人没停，公司也没喊停，直播一路拉到四天半，包裹数冲破10万。
我第一反应不是「好厉害」，而是「？？？这也行？」
一场 8 小时的 demo，怎么变成了马拉松
故事得从5月中旬说起。
仓库里一条传送带，旁边站着一台叫Jim的人形机器人。任务很无聊，抓包裹，看面单朝向，扔到格口。每个三四秒，跟人类分拣员差不多。
本来就是个8小时demo，给投资人、同行、吃瓜群众看一眼，证明Helix-02不是PPT。8小时一到，零故障，团队当场决定，继续播。
然后就没有然后了。
机器人没趴窝，直播没关，计数器一直跳。首尔经济日报5月17日写的是，截至当天上午11点，Jim在81小时里处理了101391个包裹，全程没有人类遥控，靠机载AI自己认箱子、认标签、认落点。
81小时，差不多三天半。中文圈说的「四天半」，多半是直播还在跑时的口语约数。不管哪个口径，一天两万八到三万，量级已经够吓人了。
你想想看，人类分拣员要三班倒、吃饭、上厕所、摸鱼、请假。Figure CEO Brett Adcock在X上写得很直白，要跟人类干同一条产线，比一比谁更能熬。公司甚至放话，机器人不坏，实验不停，直播不停。
现场：没有想象中那么丝滑
我连着刷了几段直播切片。
说实话，没有想象中那种科幻片式的丝滑。有的包裹扔偏了，动作看着也笨重。专家Ayanna Howard泼冷水，说这更像科学项目，离商业化还远，精度、异常处理、工人协作，都还是坑。
可即便如此，我还是被震了一下。
震我的不是「机器人会抓箱子」。仓储里机械臂、Kiva、AGV，早就把机器搬货玩明白了。
震我的是，这次上场的是人形。
两条胳膊，一个躯干，站在人类站过的位置，干人类干过的活。不是专用机械臂，是通用形态，往现成的人类工位里塞。这背后的赌注，比10万个包裹大得多。
Helix-02：从像素到动作
顺着这个，聊聊 Helix-02。
Figure今年1月推出Helix-02，一个神经网络，从摄像头像素直接出全身动作，不靠远程操控。仓库里的烂摊子很具体，箱子、软袋、扁信封，传送带还在动，标签朝向乱七八糟。
他们去年2月的技术博客里提过立体视觉、在线自校准、Sport Mode推理加速，8小时高质量示教就能训出能用的策略。赌的是数据质量，不是堆量。这次马拉松，等于把实验室指标搬到直播间里验。24小时零中断、头一天零失误，是Figure自己报的，信不信另说。可即便是营销，也得有底子才能播这么久。第四天还有六千多人在线，大家等的不是分拣教学，是「它到底什么时候挂」。
人性啊。
10 万个包裹背后，站着谁
我有时候会想，10 万个包裹背后站着谁。
可能是一个夜班分拣员，凌晨两点站在传送带旁，腰已经酸了，脑子里还在算这个月能不能多挣几百块。他刷到这条新闻，心里会是什么滋味？
我不是要制造焦虑。很多岗位本来就很苦，重复、高强度、流动性大。机器能稳定接手，对雇主是成本，对某些人可能是解脱。
但「能抓10万个箱子」和「能替代一个完整物流班组」，中间隔着一整条鸿沟。人会在高峰期顶上去，包裹形状古怪时喊一声，机器卡住时伸手帮一把。机器人现在展示的，是单任务、单场景、单条产线上的耐力赛。
耐力赛很重要。Figure想证明的就是，我不睡觉，不请假，每秒三四秒，我能一直干。这对「暗厂」叙事太友好了，没有灯的车间，没有人的仓库，7×24运转。可现实里的物流，还有调度、异常、理赔、最后一公里。Jim抓的是传送带上的标准件，不是你家楼下塞不进柜子的异形快递。
人形机器人的「续航」军备竞赛
回到整个赛道。
2026年开年，人形机器人热闹得不像话。每一次「连续工作XX小时」的新闻，都是同一场军备竞赛的不同章节。
8小时，是「我能上岗」。
24小时，是「我能当班」。
四天半、10万包裹，是「我能当机器」。
再往后，大概是「我能赚钱」。这事Figure还没证明。视频里确实有包裹落偏的画面，真上了商业产线，错一个可能就是理赔、是整条链路的阻塞。
我倒是欣赏他们敢直播。敢直播就意味着敢翻车，压力测试公开化了。你盯着看，它没挂，你信服一分。它挂了，你也看到了上限在哪。这比闭门发通稿，有意思。
发电机换了，产线没改
说个有点远的联想。
一百多年前，工厂引进电力，很多老板买了发电机，产能却没涨。因为他们只是把蒸汽机换成了电动机，厂房布局、管理方式，全还是老样子。真正吃到红利的，是重新设计整条产线的那批人。
AI和人形机器人现在有点像那个阶段。大家疯狂买「发电机」，装OpenClaw、接大模型、试人形机器人。可如果只是把旧流程塞给新工具，效率可能还不如预期。Figure这次马拉松，至少证明了一件事，在足够窄、足够标准化的任务上，端到端学习已经能扛住长时间连续运行。
窄，是关键。
宽，还早。
Jim 不会累，只会没电
还有个细节挺戳我。Figure给机器人起了名字，Jim，还有Bob、Frank、Gary。观众会下意识问「Jim累了没有」，而不是「设备MTBF是多少」。可Jim不会累，只会没电。没电了换一台顶上，他们提过轮换协议，产线不停。恐怖之处不是某一台干了四天半，是这套系统可以永远接力。
写在最后
坦率的讲，看完这场马拉松，我对人形机器人的态度变了一些。一年前我觉得人形是「为了像人而像人」的执念，专用形态明明更高效。现在我觉得，人形是一条笨路，但可能是唯一能把「通用」说清楚的路。人类工位是几十年堆出来的，改不动。你造一个万能形态，哪怕现在很蠢、很慢、很费电，至少理论上能塞进更多地方。
10万个包裹，是一个数字。
四天半不休息，是一个符号。
符号背后，是Figure在向整个行业喊话，我们不是在拍走秀视频了，我们在熬时间。人类太熟悉熬这件事了，流水线、夜班、旺季，都是熬出来的。机器也来熬，而且熬给你看。
我做AI内容三年了，见过太多「重大突破」三个月后无声无息。Figure这次，我倾向于当成里程碑，而不是终点。路标立住了，路还长着。
对普通读者，工位如果不是「站在传送带旁三四秒抓一个包裹」，短期冲击没那么直接。对做物流、制造、自动化的人，值得看一眼回放，数一数它在哪里卡壳、在哪里需要人扶一把。
大时代啊，朋友们。
一台叫Jim的机器人，在仓库里抓了四天半的包裹。
人还在刷手机看它抓没抓完。
这画面，有点好笑，也有点认真。