夜雨聆风【导读】Figure AI 让一个人类实习生和自家第三代人形机器人 F.03 面对面，连续分拣包裹 10 小时。最终比分：人类 12,924 件，机器人 12,732 件——差距只有 192 件，平均每件只快了 0.04 秒。赛后 CEO Brett Adcock 直接放话："这是人类最后一次赢。"
10 小时，12000 多个包裹，人类的手臂快断了
5 月 18 日，Figure AI CEO Brett Adcock 在 X 上发了一条帖子，公布了一场持续 10 小时的人机包裹分拣挑战结果。
挑战双方：一边是 Figure 第三代人形机器人 F.03（内部代号 Bob），另一边是公司的人类实习生 Aime。
任务规则也简单粗暴——检测包裹上的条码，抓起包裹，条码朝下放到传送带上。就这一个动作，重复 10 小时。
根据加州劳动法，Aime 中间有用餐和休息时间；机器人当然没有。
▲ Brett Adcock 在 X 上公布比分，帖子获得近 300 万次浏览
最终比分：
- F.03：12,732 件，平均 2.83 秒/件
- Aime：12,924 件，平均 2.79 秒/件
人类赢了，但赢得有多惊险？192 件，平均每个包裹只快 0.04 秒。
而且 Adcock 在帖子里补了一句：Aime 自己说左前臂"basically broken"（基本上废了），手指上全是水泡。
"Congrats to Aime!! He said his left forearm is basically broken"
「恭喜 Aime！他说自己左前臂基本废了。」
人类付出了肉体代价，才勉强赢下这一局。
CEO 的判断：这是人类最后一次赢
Adcock 没有在比分上多做文章，而是直接甩出了一个判断：
"This is the last time a human will ever win"
「这是人类最后一次赢。」
这句话的逻辑很明确——F.03 已经逼近人类手速，而机器人的迭代周期远比人类适应能力的提升快得多。下一代机器人、下一版 AI 模型，只会更快。
当有用户追问"机器人是遥控操作还是完全自主的？"时，Adcock 回复了三个词：
"100% autonomous"
「100% 自主。」
按照他的说法，F.03 在整场 10 小时挑战中没有任何人工遥控介入。不过目前这一点尚未经过独立第三方验证。
从 6.84 秒到 2.83 秒：Helix 系统的技术曲线
F.03 能做到 2.83 秒/件，背后靠的是 Figure 自研的 Helix 系统——一套端到端的视觉-语言-动作（VLA）AI 模型。
2025 年 6 月，Figure 发布了 Scaling Helix 技术博客，披露了 Helix 在物流包裹任务上的进展：
从只能处理刚性盒子，扩展到软包、塑料袋、扁平信封 处理速度从 6.84 秒/件提升到 4.05 秒/件 条码扫描成功率从 88.2% 提升到约 95%
▲ Figure 官方 Scaling Helix 博客，展示 Helix 在物流任务上的能力跃升
需要说明的是，上面的 4.05 秒/件数据来自 2025 年的技术博客测试，和这次 10 小时挑战中 F.03 达到的 2.83 秒/件来自不同时间、不同条件，不能直接画等号。但从数字看，Helix 的学习曲线仍在陡峭地下降。
F.03：不只是一个 demo 机器人
2025 年 10 月发布的 F.03 是 Figure 的第三代人形机器人，硬件上做了大量面向量产和实际部署的升级：
- 视觉系统
：帧率翻倍、延迟降到四分之一、每个摄像头视野宽了 60% - 触觉感知
：每根手指都有触觉传感器，能检测到仅 3 克的压力 - 数据回传
：支持 10 Gbps 毫米波无线传输 - 充电方式
：脚底 2 kW 无线感应充电，站在充电板上就能补电
▲ Figure 官方 F.03 产品页，展示传感、触觉和量产规划
Figure 还在建设名为 BotQ 的量产工厂，官方称首期年产能可达 12,000 台，四年目标 100,000 台。这些数字仍然是公司自述的规划目标，但方向很明确——Figure 不打算让 F.03 只停留在实验室里。
网友不买账：你这比的是什么？
帖子下面的评论区才是真正精彩的地方。
有人直接问：你这个任务，为什么不直接加一段传送带就解决了？非得用人形机器人？
这个问题戳中了要害——如果任务只是"从 A 点拿起包裹放到 B 点"，那人形机器人的价值必须来自通用性，而非替代一个更便宜的专用机械结构。
也有人质疑挑战对手的代表性：Aime 是一个实习生，顶级仓库工人的速度可能比 Aime 和 F.03 都快。这场挑战更像一次面向公众的演示，而非对人类劳动力上限的测试。
技术层面的追问也不少：
机器人掉包比人多，而且掉了不能自己捡回来 方形盒子翻面失败率更高 标签被损坏的情况怎么算？
这些细节在 CEO 的帖子里没有展开，但恰恰是工业客户最关心的东西。
从直播 demo 到真实仓库，中间还隔着什么？
OfficeChai 在同日的报道中给出了一个冷静的提醒：
"Industrial buyers care about repeatable uptime, maintenance costs, failure recovery on damaged or oddly-oriented packages, and total cost per unit."
「工业买家真正关心的是可重复的正常运行时间、维护成本、对损坏或异常朝向包裹的恢复能力，以及每单位总成本。」
▲ OfficeChai 对这场挑战的报道，强调了工业客户视角
这段话把问题拉回到了现实：
10 小时比赛和真实仓库之间的差距，远不只是时间长度。真正的仓储环境是三班倒、全年无休，要看的是 MTBF（平均故障间隔时间）、维护频次、异常包裹处理能力、和整体单元经济模型。
一场直播比赛比 30 秒剪辑视频强得多，但它仍然不等于第三方独立测试。比赛规则谁定的、包裹分布是否随机、掉包和错误怎么计、有没有任何人工干预——这些问题都还没有公开的方法论文档。
人类还能赢多久？
回到 Brett Adcock 那句话——"这是人类最后一次赢"。
作为创业公司 CEO 的挑衅式预判，这句话当然带有营销成分。但让人不安的地方在于：它背后的数字正在变得越来越有说服力。
一年前，Helix 的速度还是 4 秒/件；现在 F.03 做到了 2.83 秒/件。人类赢了，但赢的幅度只剩 0.04 秒。机器人不会手臂酸痛，不会起水泡，不会因为疲劳在第 8 个小时掉速。
更关键的一点：这场挑战里的"分拣"，实际上是一个定义很窄的任务——检测条码、抓起包裹、朝向调整、放上传送带。它还远远算不上完整的仓库分拣流程（需要识别目的地、路线调度、异常处理、和库存系统对接）。
但即使是在这个最简单的子任务上，人类已经只领先了不到 1.5%。
当机器人开始在最基础的体力任务上逼平人类，那些更复杂的岗位还远吗？这个问题，可能比 CEO 的营销话术更值得认真想一想。
— END —