机器人比同事多,你却还在学PPT?一个比失业更可怕的信号来了

6月19号晚上，Rohan Paul在推特上发了一条消息。

"We are past the point of theory. For the first time ever, Figure's robot count has passed its human count."

我盯着这条推文看了大概十秒。

机器人数量超过人类员工——不是在科幻小说里，不是在某个概念视频里，是在一家真实的、正在运营的公司里。

发生了什么

Figure AI是一家人形机器人公司，总部在美国。创始人Brett Adcock，之前创办了Helix（人力市场平台）。Figure从2022年开始做人形机器人，定位很明确——不做花架子，做工业级通用劳动力。

过去几个月Figure一直在刷屏。5月中旬他们做了一次物流场景的直播测试：机器人连续工作47小时，处理了数万个包裹。零冗余——意味着每个包裹的视觉识别和抓取规划都成功完成了。

然后6月19号，创始人Brett Adcock确认了一个事实：Figure公司内部，机器人的数量已经超过了人类员工的数量。

不是"接近"，不是"快要"——是已经超过了。

为什么这条消息让我不舒服

说实话，我对人形机器人一直有种矛盾感。

一方面，技术层面我很佩服。Figure的执行器热管理系统让机器人连续47小时高负载抓取还能保持精度，快速换电技术让它们几乎不需要停——这比人类强太多了。人类要休息、吃饭、睡觉，机器不需要。一台机器人24/7全天候干活，单个包裹的处理成本（CPU/耗电/折旧）已经开始逼近人类劳动力。

另一方面，"机器人数超过人类"这件事——嗯。

我脑子里的画面是：一家公司里，走廊上机器人比人多。会议室里坐着的，一半是金属。HR要管理的不再是员工社保和加班费，而是充电桩和执行器维护排期。

这不舒服不是因为"机器人取代人类"这种宏大叙事——我对宏大叙事免疫很久了。不舒服是因为它来得太快了。

Figure 2022年才成立。四年。四年时间，一家公司的机器人数超过了自己的员工数。

不舒服的另一层

我还想到一件事。

Figure现在机器人数超过人类，但它自己有几百号员工——工程师、研究员、运营人员。这些人的工作就是让机器人更好，让更多机器人能替代更多人。

这是一个很诡异的循环：人类花所有时间让机器人替代人类，然后机器人数量超过人类，然后人类继续让更多机器人替代更多人。

但我说"诡异"不代表我反对它。物流分拣是全球劳动力短缺最严重的领域之一，Figure的机器人在仓库里干那些人不愿意干的活，这是实打实的需求。只是——这个循环的速度比我想的快。

5月中旬那次直播，Figure强调的不是"机器人能做什么花式动作"，而是47小时、数万个包裹、零冗余。这是工业级的指标——不是说"看，它能走路了"，而是说"看，它能打长工了"。

专家点评那句话我记下来了："以前我们认为人形机器人太贵、太慢。现在，Figure用47小时、数万个包裹的数据告诉我们：它们已经具备了'打长工'的素质。"

深层看：不是数量问题，是拐点问题

机器人数超过人类员工，这事本身不难理解。一家机器人公司当然会买很多自己生产的机器人做测试和部署。数量超过员工只是时间问题。

真正的问题是：这个拐点来得太早了。

TechShack的一篇文章分析了2026年人形机器人赛道，核心判断是——"2026 probably won't be the year humanoid robots are everywhere. It may be the year they stop feeling hypothetical."

Figure这条消息正好印证了这个判断：机器人不再是假设性的了。它们真的在干活，真的能持续干活，真的数量在增长。

但我也不确定。真的不确定。

Figure的机器人在自家仓库里干活——这是最友好的测试环境。出了这个环境呢？工厂里有油污、有异常件、有工人操作不规范。物流中心有快递箱大小不一、有软包装、有重量悬殊。Figure的直播展示了处理异形件和软包装的能力，但直播环境和真实运营环境之间永远有一道墙。

这道墙什么时候能越过？

没人告诉过我这个答案。

对做AI产品的人有什么启发

我站在做AI工具的角度想这事。

Figure不是在做软件产品——它在做硬件+软件+AI的复合体。但它解决问题的思路跟做软件产品一模一样：先在受控环境验证核心功能，然后逐步扩展到复杂环境。47小时连续作业是核心功能的验证，就像你的MVP先跑通一个核心流程一样。

Figure还做了一件很聪明的事：专注于物流场景。不贪心做"通用家务机器人"，先在一个领域深耕。物流分拣——重复、标准化、劳动力短缺严重、回报周期可计算。

这跟做产品的逻辑一致：窄场景先打穿，再扩展。

Danny做PromptMaster也是这个思路——先做AI提示词管理这一个核心场景，做好了再扩展。

但Figure的案例还提醒我一件事：**当你的产品能24/7不间断运行时，你对"效率"的定义变了。**人类效率的上限是8小时/天，机器人效率的上限是24小时/天。这不是2倍差距——是3倍。加上没有情绪波动、没有疲劳累积、不需要培训周期，实际差距可能是5倍以上。

做AI工具的人也应该想这个问题：你的工具能不能做到某种意义上的"24/7"？不是让用户24小时在线，而是让工具的核心功能在不依赖用户持续操作的情况下持续产出价值。

Figure给出了一个极端版答案——机器人完全自主，人类只需要维护和监督。

我们的工具做不到这个程度。但方向是一样的。

后面会怎样

短期看，Figure会在物流场景继续深耕。Robot count > human count这个消息会被大量转发讨论——它太直观了，太容易被当作"人类被替代"的证据。

中期看，其他赛道会跟进。制造业、仓储、简单巡检——这些场景的ROI计算最清晰，部署门槛最低。Figure、Tesla Optimus、Agility Digit、Apptronik，每家都在抢第一波真实部署合同。

长期看——我承认我也看不清楚。人形机器人到底是专用工具的通用外壳，还是真的会成为"通用劳动力"？现在两种可能性都存在。

专用的移动 manipulator——轮子+机械臂——可能在很多场景比人形更高效更便宜。人形的优势是能直接进入人类设计的环境：人类高度的货架、人类形状的门把手、人类习惯的工具。

但如果环境可以重新设计——仓库重新规划货架高度，工厂重新定义操作流程——那专用机器人可能更划算。

这个问题没人能现在回答。

Figure机器人数超过人类员工。

这个事实本身不复杂。但它意味着什么——嗯……怎么说呢，比表面看起来复杂得多。