续集报道：新一代机器人进厂打工新篇章——物流中心分拣工领域的新变革。随着科技的飞速发展，机器人技术不断进步，智能机器人已逐渐融入现代工业生产体系。一款名为“Figure”的机器人再次成为关注的焦点，它在物流中心分拣工作岗位上展现出了惊人的实力和潜力。，，在繁忙的物流中心，分拣工作一直是劳动强度大、效率要求高的环节。而Figure机器人的加入，彻底改变了这一局面。它凭借先进的机器视觉技术、人工智能算法和灵活的机械臂，实现了高效、精准的分拣作业。在分拣过程中，Figure机器人能够自动识别物品的形状、大小、重量等信息，根据预设的程序和实时指令，将物品准确地分配到指定位置。，，与传统的分拣工相比，Figure机器人具有显著的优势。它不受疲劳影响，可长时间稳定工作；工作效率高，能够大幅度提升分拣速度和准确率；降低了人力成本，为企业节约了大量成本开支。Figure机器人还具备自主学习能力，能够在实践中不断优化和改进工作方式，提高工作效率。，，这一系列报道将深入剖析Figure机器人在物流中心分拣工作岗位的应用情况，探讨其给企业带来的变革和影响。还将关注智能机器人在其他领域的广泛应用，以及未来发展趋势。敬请广大读者关注这一系列报道，共同见证智能机器人引领的工业生产新时代。

美国机器人公司Figure AI近期宣布其人形机器人成功拓展至物流分拣领域，这一进展标志着其技术迭代速度与应用场景的显著提升。以下是关键信息总结及技术背景分析：

### 一、技术迭代与应用效率突破

1. **时间效率大幅提升**

Figure机器人从汽车装配到物流分拣的适应周期从12个月缩短至30天，主要得益于其自研的视觉-语言-动作（VLA）模型Helix的部署。Helix模型通过端侧视频流实时指导机器人识别条形码、抓取并分类快递包裹，显著减少了传统编程训练需求。

2. **Helix模型的核心优势**

- **通用性与自主性**：Helix是全球首款能对人形机器人上半身（头部、躯干、手腕等）实现高频连续控制的AI模型，支持自然语言指令直接转化为动作。例如，机器人可响应“拿起仙人掌”等复杂指令，甚至处理从未见过的物品。

- **端侧运行与低功耗**：模型完全嵌入机器人本地GPU运行，无需云端依赖，适合实时任务处理，且已具备商业化部署条件。

### 二、实际应用表现与局限性

1. **当前效能与验证进展**

- 在客户场地（推测为亚马逊等大型物流中心）的初步验证中，机器人已能完成分拣任务，但效率仍低于熟练人类员工。

- 分拣流程依赖视觉识别条形码及逻辑摆放算法，未来需进一步优化动作连贯性与速度。

2. **多机器人协作潜力**

Helix支持双机协作，例如两台机器人可通过“眼神交互”协调物品摆放，这一功能在演示中展示了复杂场景下的任务分配能力，未来或用于提升分拣效率。

### 三、技术突破的背景与战略

1. **脱离OpenAI转向自主AI研发**

Figure于2025年2月初终止与OpenAI的合作，转而全力投入Helix开发。此举旨在实现完全端到端的机器人自主控制，减少对外部大模型的依赖。

2. **商业化与融资进展**

- Figure正进行15亿美元融资，估值达395亿美元，计划通过垂直深耕少数大客户（如宝马、亚马逊）加速规模化部署，目标未来4年内部署10万台机器人。

- 公司策略聚焦“数据飞轮”，即通过实际场景数据反哺AI模型迭代，形成技术闭环。

### 四、行业影响与未来展望

Figure的进展反映了人形机器人从单一工业场景向多领域扩展的趋势。尽管分拣效率仍需提升，其快速适应新任务的能力已展现通用型机器人的潜力。随着Helix模型的进一步优化与算力扩展，物流、零售等劳动密集型行业的自动化进程或迎来加速。此外，Figure的端侧AI方案为行业提供了低延迟、高隐私性的技术路径参考。