2025 年 11 月，Agility Robotics 宣布其双足人形机器人 Digit 在 GXO 位于美国佐治亚州 Flowery Branch 的物流设施中，累计搬运超过 100,000 个 totes。Digit 的任务包括从自主移动机器人上取放料箱、放上传送线，并在不同地面位置堆放容器。这是近 6 个月内少数公开了高频作业量的人形机器人商业部署案例，重点不在展示，而在真实吞吐、长期稳定性和仓储工作流集成。 Agility Robotics 的 Digit 是目前最早进入付费物流场景的人形机器人之一。2025 年 11 月 20 日，Agility 公布 Digit 在 GXO Logistics 位于美国佐治亚州 Flowery Branch 的设施中完成了超过 100,000 次料箱搬运。这个数字的意义不只是“够大”，而是它来自长期商业部署中的重复作业：机器人需要在真实仓库节奏下识别料箱、抓取、转身、行走、放置，并和 AMR、传送线、… Digit 的工作流集中在仓储物流中最常见也最容易造成疲劳的环节：把 tote 从自主移动机器人转移到传送线，或者把容器堆放到指定地面位置。传统自动化可以用传送带、机械臂或 AMR 完成单一动作，但现实仓库往往充满临时变化：货架、料箱、人工通道和设备位置不一定为机器人重新设计。Digit 的人形结构让它能进入为人类设计的空间，使用双腿跨过或绕过小范围障碍，用双臂处理标准容器。 Agility 在文章中强调，这不是单次演示，而是对“吞吐量”的验证。仓储客户真正关心的不是机器人能否在视频里完成一次抓取，而是它能否在数千、数万次循环中保持一致表现，能否适应不同照明、容器位置和负载变化，能否在故障时保持安全。10 万次料箱搬运把讨论从“人形机器人有没有用”推进到“它能否在单一流程中持续产生 ROI”。 仓储物流是人形机器人最现实的早期市场之一，因为它同时具备劳动力紧缺、动作重复、基础设施复杂、自动化改造成本高几个特点。Digit 的优势在于不要求客户彻底重建仓库，它可以在已有通道、工位和容器标准上逐步导入。对 GXO 这类客户来说，机器人先从固定作业单元切入，积累足够的作业数据，再扩展到更多站点和任务，是比一次性全仓改造更稳的路线。 限制也不能忽略。Digit 当前最强的场景仍是结构化物流任务，抓取对象相对标准，协作区域和安全边界需要严格设计。它能证明“人形机器人在仓库里可以稳定干一件事”，但还没有证明“一个机器人能随时处理所有仓储异常”。因此，这个案例最适合被理解为人形机器人商业化的低风险入口：先把最脏、最累、最重复的搬运动作产品化，再逐步叠加更多技能。
