人形机器人已经在上班了，8 小时连轴转，专门干你想逃进去的活
前几天刷推文，刷到一条让我停下来的。
是一条转帖，转发的是 Figure AI CEO Brett Adcock 发的直播预告。原推文说，去看一组人形机器人以人类绩效水平完成完整的 8 小时轮班，完全自主运行，机器人型号是 Helix-02。
转发这条的那个人，配文就一行，「如果 AI 抢了你的白领工作，那就转行做蓝领吧。」🤦
然后下面接着这个直播。
我盯着这个组合看了大概三秒。那个 🤦 不是在开玩笑，是在说一件正在发生的事，用了一个既好笑又有点沉的表情说出来。
「去做蓝领」这个说法，你大概不是第一次听到。AI 这两年的浪潮里，它是一种安慰语，也是一种被很多人认真对待的判断。逻辑是，AI 先替代的是重复性的脑力劳动，程序员、客服、翻译、财务分析师，真正需要跟物理世界打交道的体力活，机器人搞不定，还要等一段时间，所以「去做蓝领」是一种暂时的安全港。
然后，5 月 13 号，Helix-02 完成了 8 小时轮班。
安全港这两个字，我现在有点说不准了。
先说 Helix-02 这件事本身。
Figure AI 是一家美国创业公司，2022 年成立，创始人叫 Brett Adcock，92 年的，连续创业者，在这之前做过劳动力招聘平台 Vettery 和电动垂直起降飞机公司 Archer Aviation，然后转头来做人形机器人，公司叫 Figure，官网介绍自己是「第一家把通用人形机器人带入现实的 AI 机器人公司」。这个自称第一的帽子戴得有点大，Tesla 和 1X 可能有话说，但暂时不管这个。
人形机器人，两条腿两条手臂、大概像人形状、能在各种环境里活动的机器人，跟工厂里那种固定在地上的机械臂是两件完全不同的事。机械臂很厉害，一秒焊几十个点，精度极高，但它只能做一个轨迹上的动作，你换一个场景它就不知道怎么办了。人形机器人的目标是通用，不需要为每个任务单独编程，能像人一样进一个新环境，搞清楚自己该干什么，然后干。
这个目标，两年前听起来还很遥远。
然后我看了一下 Figure 今年的时间线，我是真的愣了一下。
今年 1 月 27 号，Figure 发布 Helix-02，宣称这是「迄今为止人形机器人完成的最长时程、最复杂的自主任务」，展示内容是机器人在一个完整的厨房环境里，全程无干预、不重置，完成洗碗机装卸，时长 4 分钟。
3 月 9 号，客厅整理。
5 月 8 号，卧室整理。
5 月 13 号，8 小时轮班。
从 4 分钟到 8 小时，4 个月。
好家伙。
我有点好奇 Helix-02 是怎么做到这种程度的自主能力的，去看了他们对技术架构的说明，跟我预想的不一样。
大家可能对机器人控制系统的直觉是「感知，规划，执行」三步走。传感器采集数据，计算机分析、做决策，然后发指令给各个关节执行。这个框架逻辑上没问题，但对人形机器人来说有一个大挑战，就是速度。
人走路、拿东西的时候，整个系统的响应是毫秒级的，而且是实时在微调的。如果你的计算链路太长，机器人走路就不稳，手抓东西就抖。
Helix-02 的解法是把控制系统分成三层，并行运行。
最底层叫 System 0，1000 赫兹频率，就是每秒运行 1000 次，这一层专门处理平衡、接触和全身协调。机器人走路的时候每一步踩下去，地面给脚的反力、全身的重心偏移，全部要在几毫秒内响应，不然就摔了。这一层的神经网络参数量只有 1000 万，对比现在动辄几百亿参数的语言模型，很小，但它必须极快。
中间层叫 System 1，200 赫兹，处理感知到动作的转化。就是「我看到那个杯子在桌子左边」转化成「我的手需要移到这里，手指要这样弯」，这个翻译过程在这一层完成。
最上面叫 System 2，频率最低，处理语义理解和任务规划。「把那个蓝色的杯子放到左边的托盘上」，理解这句话，分解出任务步骤，往下传。
三层同时跑，各自有自己的节奏，协调成一个整体。
然后这个整体，是一个单一神经网络，从视觉输入、触觉输入、本体感受输入（本体感受是指机器人感知自己身体位置的能力，类似人闭眼也知道自己的手在哪里）直接输出控制信号，端到端，中间没有手写规则，没有人写「如果杯子在左边就把手移到这里」，是从数据里学出来的。
训练数据是超过 1000 小时的人类运动数据。不是人写的规则，是人的动作本身。
有一个细节让我看的时候停了一下，是指尖的触觉传感器，可以感知低至 3 克的力。3 克大概是一片纸巾的重量。这对机器人操作柔软或脆弱物体意味着什么，你想想就知道了，鸡蛋、草莓、注射器，这类东西机器人一直很难处理，因为不知道该用多少力，轻了没抓住，重了捏碎了。3 克的感知精度，这个问题的解决空间就大了很多。
说回 8 小时轮班，我想聊聊这件事难在哪里。
表面上看，8 小时是 4 分钟的 120 倍，但难度不只是时间乘以 120。
真正难的地方有几个。
第一是持续稳定性。一台机器人能跑 4 分钟不出错，跟能跑 8 小时不出错，是两件完全不同的事。工作环境里会遇到各种「非预期情况」，一个东西没在预期的位置，一个新出现的障碍物，一个之前没训练过的物体摆放方式。如果机器人只会走「已知路径」，遇到异常就卡死，8 小时下来出错概率极高。能跑完 8 小时，说明它面对预期外情况有一定的恢复能力，不是硬刚着走完的。
第二是「不需要人」。这里的不需要人，是真的不需要人站在旁边备用，不需要人偶尔推一把重置，不需要人盯着万一出问题立刻接管。这个标准比「偶尔需要人帮忙」要高得多，因为你必须能处理所有你实际遇到的情况，而不是「遇到难的就等人来」。
第三是「人类绩效水平」。这不只是说跑完了 8 小时，是说跑完了 8 小时，而且做事的速度和质量跟人差不多。如果机器人做一个动作需要 5 分钟，同样的动作人做需要 30 秒，那这台机器人在经济上没有意义，没有工厂愿意用它。「人类绩效水平」这个标准，是机器人从「能做」到「值得用」的分水岭。
这三点都过了，才叫「完成了 8 小时轮班」。
我有时候会习惯性地往「有没有什么局限性」这个方向想，工程师的老毛病。
所以我也想了一下现在的局限在哪里。
从 Figure 展示的场景来看，都是相对结构化的室内环境，厨房、客厅、卧室，物体种类有限，场景范围固定。真实的工厂或物流仓库比这复杂，货物型号多样、地面状况不一、偶发故障类型更多，而且不同工厂的流程差异也很大。
成本问题是实际存在的。Figure 没有公布单台机器人的价格，但量产之前肯定不便宜。工厂要算账，要算机器人的折旧、维护频率、故障处理成本，跟一个工人的总用工成本比较，这个账什么时候能算过，现在很难给出定论。
还有一个更难衡量的，叫「长尾场景」的处理能力。一般流程没问题，但罕见情况，比如货物倒塌、地面积水、设备某个部件卡住了，这类情况从一次 8 小时的演示里很难完全验证。
但我想说的是，这些局限性，不是「这事不会发生」，而是「这事发生的时间线在哪里」。
这是两个完全不同的问题。
说一个更大的背景吧。
不只是 Figure AI，这两年整个人形机器人赛道的进度都快于大多数人的预期。
Tesla Optimus，马斯克在 2025 年底宣布开始在特斯拉内部工厂试点使用，并表示计划之后外售。1X Technologies，拿了 OpenAI 投资，在做家庭场景的 NEO 机器人，目标是能在家里帮人日常做事。Agility Robotics 的 Digit 已经在亚马逊仓库里实地测试了一段时间。Boston Dynamics 的 Atlas 在 2024 年完成了全电动化改版，那个液压驱动的老版本退役了，新版本更轻、更灵活。国内这边，宇树科技、优必选、智元机器人，也都在快速出新版本，中国政府把人形机器人列为战略新兴产业，有明确的量产目标。
Goldman Sachs 2023 年给出过一个预测，2035 年全球人形机器人市场规模 380 亿美元。我不知道那个预测的分析师有没有充分考虑到 2024-2026 年这波进度，坦率讲，我自己也没有能力判断这个数字是高估还是低估，但凭着这段时间看到的事，我有点倾向于认为，「还有很长时间才会发生」的判断，可能需要修正。
回到那个「去做蓝领」的话题。
这个说法背后有一个隐含的假设，就是「机器人搞定体力活还需要很长时间，所以蓝领是安全港」。
这个假设不一定错，但它有一个问题，就是「很长时间」到底是多长。
如果你认为是 20 年，那现在考虑转蓝领的确是一个缓冲策略。
如果是 5 年，那这个策略本身就有问题了。
然后你看 Helix-02 这几个月的时间线，从 4 分钟到 8 小时，4 个月。这不是线性的进步，指数式的推进曲线在前期看起来很缓慢，但在某个临界点之后会快得让人来不及适应。
我不是在说蓝领工作明天就会消失。不会。这里有技术成熟度的问题，有成本问题，有替换现有工厂设施的时间和资金成本，有工会和法规的摩擦。这些都是实际存在的减速器。
但「蓝领是安全港」和「蓝领的某些工作在某个时间点会面临同样的冲击」，这两件事是可以同时成立的。前者说的是现在，后者说的是趋势。
怎么说呢，我自己在想这件事的时候，会陷入一个循环，就是，如果 AI 搞定白领，机器人搞定蓝领，那人能干什么。
这个问题我没有答案。我觉得老实说没人有完整的答案，包括那些在做 AI 和机器人的人。
但我有一个更小的问题，是可以想的，就是，在我现在做的事里，哪些是因为「人比机器人便宜」才存在的，哪些是因为「人真的在这里不可替代」而存在的。
这两种工作，在未来的抗压能力是不一样的。
第一种，会随着机器人成本下降而承压。第二种，相对稳健。
我是一个写程序的人。我知道我现在做的事里，有一部分是在翻译，把产品经理的需求翻译成代码，把模糊的问题翻译成可执行的方案。这部分，Claude Code 和 Cursor 已经在帮我做，而且做得越来越好。这部分在缩水，这是真实的。
但理解一个系统为什么会出问题，跟一个完全不懂技术的业务方沟通清楚真正的需求是什么，判断一个架构决策 5 年后的影响，这些目前还不行。
我不知道「目前还不行」这个状态会持续多久，但在它持续的时间里，我可以把更多精力放在这里。
厉害了，这听起来像一句废话，但我觉得「把更多精力放在不可替代的事情上」这件事，在真正想清楚之前，很多人其实没有做到。
说一个可能有点自找麻烦的想法。
我觉得「AI 和机器人会不会抢我的工作」这个问题的框架，本身就容易让人往焦虑方向走，因为它把你放在一个被动的位置，等着看会不会发生。
一个可能更有用的框架是，「在机器人越来越便宜的世界里，什么是真正有价值的」。
这两个问题表面上差不多，但心理状态完全不同。第一个让你守，第二个让你想。
守的问题是，你可能守到最后，发现防线已经移到另一个地方，而你一直在防错误的点。
想的好处是，即使结论不确定，思考本身会让你更清楚自己在哪里，手里有什么，接下来能走哪条路。
我有时候会想，技术浪潮是一件很奇怪的事情。
它总是比大多数人预期的慢，然后在某个时间点之后，又比大多数人预期的快。
2016 年有人说自动驾驶 5 年内普及，现在是 2026 年，高速路上还是有司机，但同时，某些特定区域的无人驾驶已经在跑了，不完全对，也没完全错。大模型这边，ChatGPT 出来之前，大多数人的感觉是「还早」，出来之后，大家又觉得「怎么突然就这样了」。
人形机器人这个事，我有一个不确定的感觉，就是它可能正处在「还早」往「怎么突然就这样了」过渡的那个阶段。
Helix-02 的 8 小时轮班，是这个过渡阶段里的一个数据点。
万能青年旅店有一首歌叫「在这个星球没有人能够找到我」，里面有一句，「我希望成为一个比较好的人，不害怕失去或是害怕变老。」
我有时候觉得，面对这类技术变化，「不害怕」是一种挺高级的状态，它不是说对这件事视而不见，而是说，我看到了，我认真对待它，然后我继续往前走，而不是因为害怕就停在原地。
Helix-02 完成了 8 小时轮班。
这是一件真实发生的事，不是科幻小说里的情节，不是未来某个时间点可能发生的事，是上周五，Brett Adcock 开了一个直播，然后放出来的。
好家伙，我觉得这件事值得被认真对待，而不只是被当成一条让人不舒服的消息刷过去。
最后说一句不太正经的——
「AI 越来越能干，那就干点 AI 不能干的事」是这两年最朴素的反应。盯着 Helix-02 视频看几遍后，我盘了盘自己手头还剩下点啥，得出一个完全合乎逻辑但听起来有点离谱的结论——
现在开始学厨师吧，AI 做不了八大菜系。
不开玩笑。机器人能 8 小时轮班、能洗碗、能整理客厅，但川菜那一勺火候、淮扬刀工、粤菜对食材本味的判断，目前还稳稳在「人真的不可替代」那一栏里。这是个梗，但梗背后是一个真问题——你手里的活，是靠手感和判断，还是靠重复执行？ 前一种暂时稳；后一种不管你是白领还是蓝领，心里都得有数。
行了，明年再来对账。
顺手写一下信息来源，这次聊的 Helix-02 相关内容可以去 Figure AI 官网看，figure.ai/news，他们把每次里程碑的视频和说明都放在那里了。Brett Adcock 在 X 上有账号 @adcock_brett，如果你想实时跟进他们的进度，可以关注。