具身智能的“大廣告”時代：伴侶機器人，可能是唯一出路

6月20日，Figure CEO Brett Adcock 在 X 上發布了一張圖表。機器人保有量曲線，向上擊穿了員工數量曲線。

配文是："For the first time, robots now outnumber humans at Figure."

X 上有人歡呼 "turning point"，也有人調侃 "Good luck humanity"。科技媒體很快跟進，標題里開始出現"里程碑""歷史性時刻"這樣的字眼。

但很少有人注意到，這張圖的前奏是一個月前的那場200小時直播。三臺機器人在傳送帶旁分揀了近25萬件包裹，其中一段10小時的人機對照測試顯示，機器人單件耗時2.83秒，人類實習生2.79秒，差距不到0.04秒。

這兩場發布間隔僅一個月，前一場證明"能干"，后一場證明"量產"。節奏看似完美，實則是一次精心編排的預期管理。畢竟，在科技圈，造出一張漂亮的圖表，往往比造出一臺能修好自己的機器人要容易得多。

200小時直播：選了最取巧的測試場景

5月14日到22日，Figure 在圣何塞總部直播了八天。三臺 F.03 機器人站在傳送帶旁邊，循環干一件事：識別包裹，拿起來，旋轉，掃描條形碼，放回傳送帶，條形碼朝下。

近25萬件包裹，200小時沒停。聽著很唬人，但拆開看，這是工業自動化里最經典的場景。傳送帶勻速，包裹規格固定，條形碼位置已知，動作單一重復。傳統機械臂在這種場景下的效率、精度、穩定性都遠在人形機器人之上，成本更低，故障率更低，維護更簡單。

Figure 在最優環境里勉強追上人類實習生的速度，這談不上突破，反倒暴露了人形機器人的尷尬：在最適合自動化的場景里，它才剛剛摸到人類入門水平的門檻。哪怕是在物流分揀這個最友好的場景里，人形機器人也談不上領先。

ABB（瑞士工業機器人巨頭）的快遞分揀機器人單臺每小時可處理1500件，AGV （自動導引車）自動搬運車分揀系統平均每小時640到1100件。Figure 三臺機器人協同，10小時才完成12732件，單臺每小時約424件。這不是"接近人類"的問題，是連傳統機械臂的尾氣都追不上。

真正考驗人形機器人的，從來不是標準化分揀。傳送帶突然停機、包裹破損漏液、條形碼被遮擋這些"長尾異常"，才是難關。直播里這些被刻意回避了。機器人只處理標準包裹，異常件要么被推下傳送帶，要么觸發"自動重置"，等后臺工程師遠程處理。

俄亥俄州立大學工程學院院長 Ayanna Howard 對此評價，這場演示更像一個科學項目，離成熟的商業服務還有距離。

Figure 不需要你記住異常、記住重置、記住專家評價。他們只需要公眾記住三個數字：25萬件、200小時、接近人類速度。而這些數字，在一個月后成了"機器人數超人類"敘事的最佳注腳。

數量超越：數字魔術里的三重概念偷換

200小時直播是"能力證明"，6月20日的"機器人數超人類"是"規模證明"。兩場事件一前一后，補上"能力到規模"的敘事缺口。但每一環都有貓膩。

物流分揀是人形機器人最"作弊"的場景，結構化、標準化、無異常。拿這個推導"機器人可以替代工人"，就像一個人在跑步機上跑完馬拉松，就說自己能征服所有山地地形。用最優場景的成績推導全產業的替代能力，這是第一層偷換。

圖表顯示機器人保有量已大幅超過員工規模。但這條曲線代表的是投產以來的總產量，據制造業慣例推測，其中包含流水線上待組裝的半成品、倉庫里的待發貨設備、實驗室里的原型機。真正部署到客戶產線穩定干活的，據公開披露的客戶案例，規模與總產量之間存在明顯落差。把"自產自用的產能"和"全職在崗的工人"畫等號，就像蛋糕店說"我的模具比師傅多"，模具再多，不烤蛋糕就只是庫存。用總產量冒充在崗勞動力，這是第二層偷換。

這些機器人沒有減少人力，反而需要更多人在背后伺候。數據標注員標注動作樣本，運控工程師調試步態算法，現場運維處理死機故障。所謂"機器換人"，只是把人力從一線操作崗搬到了后臺技術崗，總量沒減，成本結構反而更復雜。用成本套利替代效率優勢，這是第三層偷換。

Figure 02 曾在寶馬斯巴達堡工廠進行了11個月試點，參與了3萬多輛X3的生產，搬運了9萬多個零件。這份聽起來不錯的成績單，細算下來卻暴露了效率天花板。按1250小時總工時算，每小時約72個。同規格零件搬運，熟練工每小時處理數百件是常態。72個這個水平，放在工人身上是要被約談的。

寶馬為什么還在用？機器人效率不高，但足夠便宜。Figure 03 定價約25美元/小時，低于美國制造業平均工資。可便宜和技術替代是兩碼事。替代的邏輯是"我比你強，所以取代你"，Figure 現在的邏輯是"我比你便宜，所以你可以容忍我效率低"。成本套利和技術革命，中間隔著一條河。

更有意思的是，Figure 02 在寶馬的試點2025年11月就已經結束。斯巴達堡工廠目前并無 Figure 機器人在崗，寶馬方面也沒有公布復購或擴圍的時間表。甚至寶馬在歐洲的新試點，選的也不是 Figure 03，而是海克斯康旗下的 AEON 機器人。客戶試用完，沒買單，轉頭找了別家。

這也不只是 Figure 的問題。人形機器人行業正在集體涌入一個"場景陷阱"：最先落地的物流分揀、產線搬運，恰恰是最不需要人形的場景。傳統機械臂、AGV 小車成本更低、效率更高。人形機器人的核心價值是通用性，但行業為了商業化，都扎堆在最不需要通用性的場景里講故事。用最優場景的成績推導全場景的未來，整個行業都在給自己畫餅。

先把非標場景的螺絲擰明白再說

當然，我們也不能全盤否定 Figure 的技術價值。200小時公開直播，確實是具身智能行業的重要一步。它第一次把人形機器人從實驗室的概念視頻，搬到了公開可監督的真實場景里。但進步歸進步，敘事歸敘事，演示和商業成熟是兩回事。

國內人形機器人企業也在走相似的路線。宇樹科技2025年人形機器人出貨量超5500臺，智元機器人超5100臺，兩家包攬國內近80%的市場份額。但和 Figure 一樣，這些數字更多是"產能"和"出貨量"，而非"在崗替代勞動力"。

優必選的情況更具代表性：其 Walker S2 在工業場景試點，全年訂單近14億元，但交付量僅數百臺。與此同時，優必選近期推出的消費級產品 U1 系列，主打情感陪伴，分男女兩款，預售10天訂單近4000臺，遠超去年全年人形機器人銷量。該產品在官方頁面標注"僅限成年人購買"。

"萬臺級"的敘事背后，是數據采集中心、展覽展示、教育實訓，以及情感陪伴等場景撐起的訂單。真正的產線替代占比有限，人形機器人行業普遍陷入"技術理想與商業落地脫節"的困局。當工業場景的復購率遲遲上不去，當產線替代的效率天花板撞了11個月，人形機器人公司發現，愿意買單的或許不是工廠，而是客廳。

短期內不存在大面積的"機器換人"。人形機器人會作為"昂貴的特種工具"，在高度標準化的流水線里干單一輔助作業。工人干復雜活，機器干重復活，人機協同才是主流。

具身智能的商業化拐點，從來不看"工廠每小時能造多少臺機器人"。三個硬指標更值得關注：單臺機器人的全生命周期利潤，能不能超過一個同崗位工程師的人力成本；客戶付費復購率，能不能從"試點合作"變成"持續采購"；無人工干預下的連續作業時長，能不能從200小時突破到1000小時，而且不是在傳送帶旁，是在有異常、有變化、有干擾的真實環境里。

技術層面，NVIDIA 近期發布的 SpatialClaw 空間推理框架，通過代碼作為動作接口，讓智能體無需針對每個新場景重新訓練，就能靈活組合感知工具、適應環境變化。這指向了一個關鍵方向：只有當機器人走進一個新場景就能自主理解、自主工作時，通用具身智能的時代才會真正到來。

什么時候 Figure 敢宣布："我們裁掉了一半運維工程師，因為機器人能自己排查故障、自己修復了"，那才是替代拐點的真正到來。

在那之前，圖表上的產能數字只是待消化的成本，和"替代人類的勞動力"之間還差得遠。

現在，先把非標場景的螺絲擰明白再說。