Figure AI 仓库机器人据报在 Helix-02 运行测试中完成 81 hours 连续作业并处理 101,391 packages

Figure AI 将原本 8-hour 的仓库演示转化为一场为期数日的耐力展示：据《首尔经济日报》报道，一台名为 Jim 的人形机器人在 Helix-02 运行测试直播中，于 81 hours 内处理了 101,391 packages。

需要明确的一点是：虽然 Figure 官方资料展示了 Helix 在物流包裹处理中的应用，但 81 hours 和 101,391 packages 的计数源自媒体对直播的报道。RoboHub 尚未通过 Figure 官方页面独立验证直播计数器的准确性，因此买家应将其视为一项“据报里程碑”，而非经过第三方审计的基准测试。

尽管存在上述保留意见，该测试依然意义重大，因为它标志着人形机器人正从简短的演示片段转向关注运行时间、可重复性和异常处理。包裹分拣虽然并不起眼，但正是这种重复性强、工作量大的任务，促使仓库在自动化领域投入重金。

Figure 官方关于 Helix 物流应用的说明将任务定义为包裹处理与分拣：检测移动中的包裹、抓取各种纸箱或软包装邮件、调整标签方向以便扫描，并在流程出现瑕疵时进行恢复。该公司表示，Helix 针对该场景的改进包括更丰富的立体视觉、多尺度视觉特征、学习型跨机器人校准，以及用于提升操作速度的推理时加速模式。

此次直播报道提出了一个不同的问题：系统能否持续数日而非数分钟地执行同样的有效工作？据报道，Jim 在没有人工远程操作的情况下运行，利用 Helix-02 识别纸箱、调整标签方向并分拣包裹，每件处理时间约为 3 to 4 seconds。据称，由于机器人持续运行，直播在原定的 8-hour 计划结束后仍在继续。

这正是物流团队会比关注家庭整理演示更密切关注此事的原因。仓库不需要人形机器人看起来像人，它需要的是一台能够嵌入人类设计的工作单元、处理各种奇形怪状的包裹、经受住长班次考验，并能在成本上证明其优于传送带、固定扫描仪、AMR 和人工的机器。

买家仍面临一些棘手的问题。工作单元是否为了直播而进行了简化？人工重置周边流程的频率是多少？面对损坏的标签、挤压变形的纸箱、液体泄漏、混合 SKU 或传送带堵塞时会发生什么？机器人能否在真实的客户仓库中，在整个机群范围内保持同样的运行时间，并提供服务水平保证？

商业层面的启示并非每条分拣线突然都需要人形机器人，而是 Figure 正试图证明其可靠性层级：机载自主性、操作速度、视觉标签处理以及长时间运行能力。如果这些指标持续提升，搭载 Helix-powered Figure 机器人不仅在类似 BMW-style 的工厂制造试点任务中具有价值，对于正在将人形机器人与传统自动化方案进行对比的物流买家而言，也将变得极具吸引力。

对于 RoboHub 的买家来说，Figure 02 仍是目前列出的商业参考点，而 Figure 03 和 Helix-02 则代表了将在 2026 demos 中出现的更新一代自主技术栈。任何严肃的采购洽谈都应询问当前型号的可用性、试点地区、支持的负载、运行时间数据、集成要求，以及 Figure 是直接处理仓库咨询还是通过选定的合作伙伴进行。