AI-generated summary: Yushu Technology's application for a Sci-Tech Innovation Board IPO has been approved. Robots have progressed from spinning handkerchiefs to performing backflips and martial arts on the Spring Festival Gala, while smartphone manufacturers' robots have broken the human half-marathon record. The article breaks down the four major hardware systems of robots: skeleton, joints, sensors, and electrical and computational systems. Skeleton materials have evolved from steel to aluminum alloy, magnesium alloy, and titanium alloy, requiring a balance between lightweight design and impact resistance. Actuators, the most expensive components accounting for approximately 51%, are divided into rotary and linear actuators, containing precision parts such as reducers, motors, lead screws, and encoders. Sensors include IMUs, cameras, LiDAR, and haptic systems. Chips adopt a "brain + cerebellum" architecture. The article points out that although the parts overlap by over 80% with the smartphone and automotive supply chains, the real challenges lie in system-level integration, engineering balance, and mass production consistency, with a mature supply chain being a key factor in robot evolution.

文章作者、來源：36氪

人形機器人的「肉身困局」

6月1日，宇樹科技科創板IPO申請成功通過上交所上市審核委員會審議。而就在不久前，宇樹還發布了首款載人變形機甲。我們離機器人真正落地還有多少距離？

去年春晚上，機器人還在轉手絹、扭秧歌，今年就直接進階到高難度的空翻、武術。如今，連手機廠商製造的機器人都能在半馬上打破人類紀錄了。為什麼這兩年機器人本體的進化能如此之快？

為了進一步理解機器人的本體進化，我們走訪了一些頭部機器人企業，也和一些業內人士聊了聊：造機器人究竟有什麼難點？機器人的製造門檻真的不高嗎？機器人公司的護城河又究竟是什麼呢？

在這篇文章中，我們將詳細拆解機器人身上的各個零件，相信完整看完之後，你也能自己拼出一台機器人。

01 骨架材料：輕量化與抗衝擊的平衡

機器人身上的硬體種類繁多，我們可以粗略地劃分為4個系統：支撐整個結構的骨架、驅動骨架運動的關節、感知環境的感測器、指揮身體的電氣與計算系統。我們先從骨架開始說起。

如果一輛車以時速60公里撞向一個假人，由於巨大的衝擊力，假人會飛出去，摔得七零八碎。而對人形機器人來說，承受這樣的衝擊力，已經成為了「日常」。

王闖

智元合夥人／高級副總裁／通用業務部總裁

機器人每一次空翻觸地時，身上承受的加速度有幾十個g，可能比汽車和航天器還要高，與汽車撞牆時的加速度相當。

這對機器人的結構材料提出了挑戰：要能翻轉，身體就得足夠輕，同時又要足夠堅固以承受如此巨大的衝擊力，否則一個空翻可能就讓零件飛出去了。因此，機器人的第一項挑戰就是探索骨架材料。

世界上第一台全尺寸機器人 WABOT-1，主要以鋼材製成，體重達到了大約 160 公斤，可能它跳一下就得把地板砸個坑，更別說翻跟頭了。

Later, from Honda's ASIMO and Boston Dynamics' early hydraulic Atlas to the first-generation Tesla Optimus, aluminum alloy became the mainstream, with a density only one-third that of steel.

The industry has now begun exploring more materials, such as magnesium alloys, which have a density one-third lower than aluminum, and locally use higher-strength titanium alloys, such as in joints like the knee and ankle that frequently experience impact.

有意思的是，這些堅硬的骨架為機器人扛下了衝擊，但供應商似乎賺的只是個「辛苦費」。

某機器人公司前採購總監

骨架的最終售價，扣除其本身金屬含量及廢料後，比率其實非常低。骨架最終仍以金屬費用加上加工費用售出，大部分成本仍來自其中的 metal，無法再降價。其加工費仍在合理區間內，若產量增加，加工費將趨近於極低，因為這並無太大門檻。

除了這些核心的骨架外，機器人的外觀件，可以分為兩類：

第一類是裝飾保護件，主要用於胸部、背部和頭部，材料從塑料、仿皮TPU到織物，種類繁多，主要用於減少磨損並提升觸感的親和力。雖然有些機器人看起來是金屬機身，但實際上是塑料外殼塗了一層金屬噴漆。

另一類就是讓機器人擁有像真人一樣的仿生皮膚，這些皮膚不僅觸感要像人，還得在皮下植入觸覺感測器。

除了骨架和皮膚之外，真正讓機器人實現各種超高難度動作的，是關節，這也是整個機器人硬體中成本最高、技術最密集、故事最多的部分。

02 拆解執行器：關節是最貴也最難的部分

大家肯定看過不少機器人跳舞、空翻的視頻，這是先通過真人動作捕捉，再訓練模型後映射到肢體動作上。

幾年前，我們看到波士頓動力的 Atlas 做後空翻時，還覺得非常驚訝，但現在可能大家都覺得習以為常了，這背後的原因就在於，機器人的關節經歷了從液壓系統到電機的轉變。

王闖

智元合夥人／高級副總裁／通用業務部總裁

以前我們造不出這麼棒的關節，那時的關節整體性能都很差，空翻很難完成，最近一兩年關節的技術進步非常非常大。

關節在業內被稱為執行器，主要分為旋轉執行器與直線執行器，我們先以肩膀來舉例，看看它們是怎麼帶動身體運動的。

肩膀具有三個自由度：前後擺動、上下抬升、內外旋轉，被稱為俯仰（pitch）、滾轉（roll）、偏航（yaw）。本質上，這些運動方式均為旋轉，因此透過三個旋轉執行器的組合，手臂即可在 X、Y、Z 三個方向上自由活動。

到膝關節時，通常只需要一個自由度，因此只需使用一個旋轉執行器或直線執行器即可；直線執行器類似人體肌肉，通過伸縮來帶動上下骨幹的運動。

而做出一個極限動作，需靠全身數十個執行器緊密協同，任何一個地方反應沒跟上，或力量偏差了一點，後果就是摔倒。

這些執行器裡面是什麼結構呢？旋轉執行器與直線執行器都有一套伺服系統，由電機、編碼器、驅動器、感測器組成，兩者最大的區別就在於，旋轉執行器是伺服電機加減速器，而直線執行器是伺服電機加絲桿。

我們先從減速器開始說起。

或許你聽過這個裝置，第一個齒輪轉動 10 圈，第二個齒輪只轉 1 圈，第三個則只有 0.1 圈，總共 100 個齒輪，以此類推，如果要讓最後的齒輪轉一圈，那麼第一個需要轉古戈爾（Googol）圈，也就是 1 的後面有 100 個 0，所需能量超過了整個宇宙的能量總和。

這就是一個大型減速器，本質上是個巨大的槓桿，犧牲速度，換取力量。為什麼機器人的關節需要減速器呢？

由於電機天生具有「高轉速、低扭矩」特性：轉速可輕鬆達到每分鐘上萬轉，但輸出的力矩卻較小。而機器人的關節需要精準控制，我們很難讓電機僅轉動幾度的同時，還能搬動非常重的物體，因此需要減速來降低轉速、提高扭矩，減速比（即齒輪比值）越大，速度降低越多，同時輸出扭矩越高。

行業最常用的三種減速器為：行星減速器、諧波減速器、RV減速器。我們將用模型為大家解釋。

首先是行星減速器，它的名字很形象：電機連接中心齒輪，帶動三個行星輪，行星輪再帶動外圈的大齒輪旋轉，就像行星圍繞太陽一樣。它結構小，成本低，但減速比較小，同樣的電機轉數下，輸出扭矩較低，因此常用在手部關節。

當需要輸出更大的力時，就會用到諧波減速器了。它的最中心是波發生器，將夾層的柔輪撐成橢圓形，一般柔輪與外側固定的鋼輪之間只相差2齒，柔輪只有兩個對稱區域與剛輪嚙合，這樣最中心的波發生器旋轉一周時，柔輪只轉動了2齒，所以減速比可以做到非常大。

Harmonic drive 提供強大的輸出扭矩和高精度，常用於機器人的肘關節和肩關節，以實現手臂的精準控制。

As mentioned earlier, when the robot performs a backflip, the forces it endures are equivalent to a car collision, placing significant demands on the reducers in specific areas. However, the flexible structure of harmonic reducers also means they have poor impact resistance, at which point RV reducers must be used.

RV 減速器由第一級行星齒輪和第二級擺線針輪組成，第一級減速後，通過偏心凸輪帶動擺線盤做偏心運動，擺線盤與外殼上的針齒嚙合，推動外殼旋轉。

因此，不僅減速比大，由於擺線盤有多個齒同時嚙合，剛性更佳、抗衝擊能力更強，常用於機器人髖關節、膝關節、腰部等需要抗衝擊的部位。

減速器是非常精密的部件，加工難度高，而且面對長期磨損，也難以保證穩定性，這是整個關節中最困難的部分。

王闖

智元合夥人／高級副總裁／通用業務部總裁

當大批量製造和使用時，齒輪的精度以及長時間運行的穩定性要求非常高。例如，使用了1000小時後，它就出現各種異響，或性能下降，此時運動控制的算法可能很難進行調整，體現在機器人上就是走路可能不如以前穩定，甚至逐漸開始走歪。

機器人可能需要做出許多極限動作，自身也會摔倒，這些衝擊很可能會損壞內部的小齒輪。我們如何能做出性能優異、成本低廉、長期使用無虞，且摔倒後能抵禦衝擊、不易損壞的齒輪，這是一個極具挑戰性的不可能三角。

In other words, it's not hard to make one reducer, but it's hard to make ten thousand reducers with consistent performance and durability.

接下來我們看看直線執行器和它的核心部件——絲杠。

直線執行器可以說是最像人體肌肉的，當我們的手臂這樣擺動時，並不是關節在主動旋轉，而是連接兩端骨骼的肌肉在收縮。所以直線執行器只做一種運動，那就是推拉。

某些機器人的膝關節會採用直線執行器，通過推拉來模擬人類膝部肌肉的運動。當多個直線執行器透過特定結構組合後，還能實現關節的旋轉。這種運動方式會應用於手腕、腳踝等部位。

要製造直線執行器，最簡單的方法就是使用液壓裝置，之前波士頓動力的舊版 Atlas 就主要採用直線液壓缸，具有高爆發力、抗衝擊、功率密度大等優勢。為什麼是舊版呢？因為新版他們也轉向了電機驅動，主要是液壓裝置系統複雜、容易漏油，且控制精度不如電機。

但電機只能旋轉，要輸出直線運動，還需要一個「轉換器」，也就是絲杠。

絲桿軸上具有螺紋，旋轉時會帶動螺母做直線運動，這個過程就像擰螺絲。為了減小摩擦，絲桿內部會加入滾珠，這就是滾珠絲桿。有的會將滾珠換成滾柱，壽命更長、承載更高、剛性更好，這就是行星滾柱絲桿。此外還有的會使用T型絲桿。

王闖

智元合夥人／高級副總裁／通用業務部總裁

目前使用較多的是滾柱絲杠，它對加工精度的要求非常高，而且在長行程中，一致性必須非常好，如果中間有任何不良，將對不同機器之間的控制演算法構成巨大挑戰。

部分直線執行器也會搭配減速器，以讓馬達輸出更高扭力。但目前行業中，直線執行器的應用較少，主要原因有三個：動態性能差、製造困難、成本高。

王闖

智元合夥人／高級副總裁／通用業務部總裁

目前整個行業量產最多的就是旋轉關節。直線執行器在行業內也有一些應用，它的特點是載荷能做到更大，而且在一些狀態下，如果不供電，也能保持一個穩定的姿態，是能夠自鎖的。但是我們覺得它的缺點就是動態性能可能會稍微差一點，因為它的載荷大、減速比大，但動態性能差，所以沒有那麼敏捷的動作。還有一個比較大的難點是很難大批量、低成本地製造，所以在當前，我們覺得還不適合做大規模的商業化。因為大家現在用得少，出貨量也少，在客戶場景中驗證的也少，所以它整個成本現在都居高不下。

说完传动，我們再來說說動力本身，也就是電機與伺服系統。

機器人身體中常用的電機是無框力矩電機，與傳統電機相比，它沒有外殼和軸承，僅保留了最核心的部件，這樣做是為了盡可能縮小尺寸，可直接嵌入關節內部。

靈巧手比較特殊，使用的是體積更小的空心杯馬達，當然輸出功率也就不那麼高。靈巧手的難度甚至比整個機器人本體還高。

身體電機的難點主要在於三塊：能效與散熱、體積和性能穩定性。我們先來說下能效與散熱。

電子產品無可避免會產生熱量，當熱量累積過多，超出正常工作範圍後，性能就會下降，因此電機的能效，也就是實際有多少能量被用於做功，顯得尤為重要；一旦過熱，控制系統只能降低功率，例如在空翻到一半時突然「腿軟」，就會啪一聲摔到地上。

王闖

智元合夥人／高級副總裁／通用業務部總裁

我們以前做的最早期的樣品，可能在10分鐘之內，這些極限動作只能做一次。它的轉速、轉矩這些性能曲線做一次之後整個就變掉了，也有可能因為裡面發熱之類的原因，這時候就需要先把它技能冷卻一下，讓它溫度降下來之後才能繼續做。再一個比較大的問題是它的能效，就是輸入一定的能量有多少轉化為了熱量，比如說是5%，那就和3%就有巨大的差異。這些都會限制性能，哪怕我硬體能力再強，我都不敢再往上去抬性能了。

在 3% 和 5% 之間看起來也許差別不大，但需要注意的是，電機的發熱並非線性。

當關節要做一次極限動作，瞬時電流可能是平時的3～5倍，發熱量就是額定狀態的9～25倍。這意味著熱量的累積速度，遠超關節被動散熱的能力上限。做一次空翻，關節溫度可能就從溫升10度直接跳到50度。所以做完後電機需要冷卻，機器人才能繼續下一個動作。

要提升電機的能效，就得從電機材料、繞線工藝、結構設計上來下手，這裡我們就不詳細說明了。

目前大多數關節的散熱主要依賴被動散熱，因為機身採用了大量金屬，可視為巨大的散熱片，僅在功率非常高的關節（例如腿部）才額外加入風冷或液冷散熱。

而且額外加入散熱措施會帶來第二個挑戰，那就是體積限制。

工程師們正千方百計盡可能縮小關節馬達，一方面是為了減輕重量、降低成本，更重要的是體積越大，轉動慣量也越大，改變運動狀態就越困難。

打個比方，當你旋轉一根繩子的時候，繩子越短，轉速就會更快，如果繩子變長了，轉速不僅會變慢，當你想停下來時，需要的緩衝時間也會更長。

第三個難點是性能是否穩定，也就是在電機輸入多少電流時，轉數是多少、能輸出多大扭力，業內稱為 TN 曲線。這就會影響機器人的控制演算法。

例如，當走過一段不平整的路面時，腳踝上的六維力矩感測器感受到起伏，為維持平衡，就需要動態調整電流以控制馬達扭矩。如果TN曲線不穩定，控制系統可能仍下達相同的指令，但馬達輸出的扭矩會產生偏差，結果就是摔倒。

而且 TN 曲線還對算法的訓練有著很大影響，因為機器人算法是先在模擬系統中訓練，如果模擬系統中的 TN 曲線和現實相差太大，那實際表現也會產生偏差。

王闖

智元合夥人／高級副總裁／通用業務部總裁

我會給仿真系統輸入一條曲線，實際上這個電機能夠達到甚至超越這條曲線，那麼它想實現的性能和動作就能做到。如果相反，在低轉速下沒問題，但一提高轉速性能就下降，那某些極限動作就肯定無法完成，因為一些最困難的動作要求你在極高的速度下同時具備極高的爆發力。

要精確控制電機轉數，還需要一套伺服系統，主要由編碼器、驅動器、感測器組成。

編碼器用於測量電機轉子的角度、速度和位置，讓系統知道電機當前的狀態。

王闖

智元合夥人／高級副總裁／通用業務部總裁

Encoder is actually crucial; because robots have reducers, dual encoders are required to know the positions of both the input and output ends, enabling more precise control.

驅動器會根據編碼器的回饋，以及來自「小腦」的控制指令，調整給電機的電壓、電流。

感測器的種類較多，例如扭力感測器測量輸出扭力，溫度感測器測量電機溫度以防止過熱等。

以上就是執行器裡的關鍵部件，接下來我們再說說執行器的整體，為什麼它是降本的關鍵？自研和採購有多大區別呢？

根據美國銀行的測算，執行器是機器人身上成本最高的部件，約占51%。

某機器人公司前採購總監

無論是手還是電機，motor（電機）和 control（控制器），也就是你的肌肉（執行器），都比你的骨骼、比你的眼睛（感測器）、大腦（晶片），甚至你的心臟（電池）更昂貴。

因此，執行器是未來量產降本的關鍵，最主要的因素在於，中國供應鏈實在太卷了，此前不少需要其他國家工廠精加工的部件，現在國內都能找到替代。

例如生產電機的臥龍電驅、生產減速器的綠的諧波、雙環傳動、中大力德等，甚至還有公司可直接提供完整的執行器，例如三花智控、拓普等。

既然市面上可以買到現成的執行器，機器人公司為何還要費時費力自己研發呢？我們對比下這兩種模式。

如果採購成品，可以降低研發成本，提升開發效率，但相應的物料成本會更高，難以根據自己的需求去定制，性能也會有所不足。

王闖

智元合夥人／高級副總裁／通用業務部總裁

大多數（執行器）公司不會為你專門設計你想要的東西，它賣給你的都是標準件，成本相對來說也比較高。如果一個公司本身的團隊人數又少，關節的積累也不夠，肯定是買別人的會更好一點，會更快速地把這個東西做出來。

如果自行研發，能更好地匹配需求和算法，性能更強，但相應地需要投入大量研發精力。

選擇哪種路徑更多是公司規模與成本的考量，根據我們的調查，目前頭部的機器人公司更多還是偏向自研，甚至會進駐供應商那邊參與設計。

因此，機器人的關節不僅僅是將零件組裝在一起，更需要在極小的體積內實現力量、精度、耐久、成本與重量的平衡，可謂是整個身體中最困難的部分，原因在於這是一個新興產業，此前供應鏈並不成熟，大家仍處於探索階段。

王闖

智元合夥人／高級副總裁／通用業務部總裁

（初期）很多生產線的設備都是業內沒有的，我們還得自行設計（生產）設備。

僅有強健的關節還不夠，機器人又該如何知道如何站穩？如何感知世界？接下來我們聊聊感測器。

現在的機器人在大多數情況下，無論人類如何干預都很難摔倒。要實現這樣的平衡，在硬體上需依賴身體中的各個感測器。

一方面是前面提到的電機伺服系統，它通過關節裡的編碼器和力矩感測器，實時感知每個關節的當前位置和受力情況，然後以每秒上千次的頻率調整輸出。

另一方面，僅有「四肢的感覺」還不夠，就像人類還需要依靠內耳的前庭系統來感知身體的傾斜與旋轉，在機器人身上，這個部位就是慣性測量單元（IMU）。

IMU 非常常見，例如當你旋轉手機時，畫面隨之旋轉，就是依靠 IMU。

IMU 是幾個感測器的組合，最核心的是兩樣東西：一個是加速度計，測量 XYZ 三軸的加速度，另一個是陀螺儀，測量俯仰、偏航、滾轉三個軸的角速度。此外 IMU 還會加入磁力計，相當於電子羅盤，用於校準。

將這些數據融合後，IMU 就能實時感知機器人的運動狀態；當我們踹它一腳時，身體會瞬間獲得一個加速度，同時還會前後左右傾倒，IMU 檢測到這個變化後，會將數據傳給「小腦」，計算出需要為各個關節增減多少扭矩，然後將身體拉回原位。這個部件在手機、汽車等地方廣泛使用，因此技術和應用都相對成熟。

防摔倒靠的是 IMU，而對日常行動來說，更重要的是防碰撞，避障最依賴的就是視覺系統。

機器人的“眼睛”與汽車的自動駕駛非常相似，但又不完全相同。常見方案是攝像頭 + 激光雷達 + 毫米波雷達多感測器融合。其中的例外是特斯拉Optimus，众所周知馬斯克是堅定的純視覺派，僅使用攝像頭。

在傳感器的使用上，機器人幾乎和汽車一樣，許多供應商也都是從汽車供應鏈轉移而來。不過雖然都是同一種傳感器，但實際的規格大不相同，我們以比較貴的激光雷達來舉例。

首先，測距要求不同。汽車要跑高速，激光雷達需要看到 150-200 米外的障礙物。機器人主要在室內活動，10～20 米就夠了。測距短了，意味著激光雷達的功率、體積、成本也可以更低。

第二是點雲密度和掃描方式不同。汽車識別的是車、人、路障，這些都是大物體，點雲密度可以低一些，但機器人需要在桌子上拿起螺絲刀、在地上撿起硬幣，這些都是小物體，所以需要更高密度的點雲。

王闖

智元合夥人／高級副總裁／通用業務部總裁

我們希望點雲非常密集，目前我們使用的是非重複掃描，也就是在原地停留一段時間後，其點雲會變得更密集。這對我們來說非常好，因為我們的機器人通常並不會進行激烈的操作，它像人一樣，許多事情都是慢慢完成的；而汽車對穩定性、實時性及重複性的要求則非常高。

第三是安裝位置和體積不同。車輛可以將雷達安裝在車頂或保險槓上，體積大一點也無妨，但機器人身體較小，就必須使用更小的模組。

第四是可靠性要求不同。例如汽車常年在室外，對工作溫度要求更高；而機器人受到的衝擊力更大，對抗震性要求更高。

王闖

智元合夥人／高級副總裁／通用業務部總裁

我以前做車規的話，雷達最低的要求是 -40 度到 85 度，但在機器人上，至少現在是完全不需要的。所以汽車上有很多專為可靠性做的設計，在機器人看來就是冗餘的。汽車出車禍的時候，可能加速度才能達到機器人日常做一次空翻的加速度，所以我們對這些震動狀態下的穩定性的要求非常高。

雖然汽車的激光雷達已經非常成熟，但機器人的激光雷達仍處於行業早期階段。

王闖

智元合夥人／高級副總裁／通用業務部總裁

我們希望體積變得更小、點雲更密集、探測距離更短但FOV（視場角）更大，這些需求其實都尚未被滿足。

在攝像頭上，根據前特斯拉人工智慧硬體負責人的透露，它們選擇了車規攝像頭，但內部研發時的路徑也一再變化。

劉向科（Kerry）

前特斯拉人工智慧硬體負責人

目前的方案基於車上的攝像頭，為500萬像素。早期最初的方案是堆疊了多個攝像頭，像素各不相同，降低幀率以提高像素。這樣做的原因是在當時Elon提出了一項要求，希望機器人能夠做到穿針引線，我們當時計算過，要實現這一要求，必須要有超過1500萬像素才能看得清楚這件事。

也因為軟體團隊表示，如果連像素和攝像頭都改變了，重新訓練這個模型的要求、時間和工作量都會大幅增加。如果做不到該怎麼辦？於是考慮在攝像頭上加自動對焦。但後來似乎又說這件事也未必一定需要，所以總之一直在變。

接下來我們說說觸覺，要實現觸覺，主要分 4 種途徑：

最常見的是壓阻式，通過將壓力轉化為電阻來改變電流信號，例如電子秤會用到。

第二種是電容式，使用彈性介質隔開上下兩層，當施加壓力時，電極距離變小，電容值發生變化。

第三種是壓電式，只要材料受力，就會直接產生電壓，比如打火機裡放電的小玩意。

第四種是光學式，表面有彈性材料，受力後產生形變，由攝像頭來捕捉，這是目前最熱門的方式。

觸覺最好是三維的，不僅能感受到壓力，還能感受到平面上的摩擦。例如，當我們拿起可樂時，手會捏緊瓶子並向上抬起，如果手指感受到瓶子有下滑的摩擦力，就會加大捏的力度以避免滑落。

But this also poses significant challenges to materials and algorithms.

王闖

智元合夥人／高級副總裁／通用業務部總裁

首先，在傳感器本身的層面，因為本質上它們都是材料，任何材料都很難在三個（XYZ）方向上很好地解耦，因此精度比一維力難以實現得多，該如何使其準確？其次，如此複雜的三維觸覺數據，如何與操作模型結合，這也非常困難，因為目前數據量極少。

在這些挑戰下，此前行業中的量產機器人，幾乎不怎麼搭載觸覺。

王闖

智元合夥人／高級副總裁／通用業務部總裁

在2025年全年量產的產品中，觸覺應用極少，幾乎沒有，不僅是我們，整個行業都很少使用，因為這項技術不穩定。

需要考慮它在長期使用時如何保持不變形，因為只要稍微變形，輸出的信號就可能完全不一樣。此外，還不能發生性能漂移，形狀和位置都不能損壞，但材料又需要稍軟一些，同時還要非常耐磨，這本身就很矛盾。

但到了今年，情況似乎有點變化。我們的採訪嘉賓表示，到了2026年，看到了規模化生產的希望，接下來就是如何在數據採集、訓練中，讓觸覺系統更好地結合了。整體來說，觸覺這個行業還非常早期，我們也期待看到未來更多進步。

除了前面提到的這些感測器外，機器人身上還需要溫度、濕度、六維力矩感測器、UWB 等等，這些都比較成熟，我們就不多贅述了。

感測器讓機器人能感知世界，關節賦予了機器人活動的能力，但要讓這兩者結合，還需要一個「中樞」，接下來我們聊聊這個中樞——電氣架構。

在我們之前關於機器人演算法的文章中提到，業界已發展出「System 1+System 2」這樣的雙系統架構，System 1 負責操控四肢，System 2 執行複雜思考，在晶片上也採用了「小腦+大腦」這樣的組合。

為什麼不用一個晶片做所有事？因為需求完全相反。

大腦晶片要思考「該怎麼做事」，需要的是高算力、大記憶體，最好能在端側運行大模型，延遲幾秒基本沒什麼影響。

目前絕大多數機器人大腦選用的是英偉達的 Orin 芯片，2025 年英偉達還推出了性能更高、專為機器人和物理 AI 設計的 Thor 芯片，預計將成為未來主流。

特斯拉 Optimus 是個例外，它使用的是自研晶片，而且還是雙晶片。

劉向科（Kerry）

前特斯拉人工智慧硬體負責人

機器人並非自动驾驶，因此沒有這種安全考量，Elon 自己認為，他說：不需要這個安全冗餘的問題了，一個晶片就夠了。在打造單晶片系統之後，他後來一想不對，機器人的世界模型對算力的需求，遠高於自动驾驶。自动驾驶兩個都勉強，那機器人怎麼可能只用一個？他自己又反應過來說：不對不對，改回兩個晶片。

此外，今年初在 CES 上，高通也發布了機器人大腦晶片 Dragonwing IQ10，並宣布與 Figure 合作。

而小腦晶片要「操控身體」，不需要特別高的算力，但實時性、穩定性、響應速度必須高，一旦延遲幾毫秒就可能摔倒。

例如當機器人翻筋斗或跳舞時，基本上是使用預先錄製的動作，但我們會發現它的腳仍會有一些細微步幅，這正是小腦在動態調節平衡，就像人類的「本能反應」一樣。

王闖

智元合夥人／高級副總裁／通用業務部總裁

小腦要求速度非常快，因此小腦內的頻率可能是 1K 赫茲。

目前小腦晶片通常是 MCU，主流選擇是意法半導體的 STM32 系列、恩智浦的 i.MX RT 系列、瑞薩的 RZ 系列等。

現在我們也看到了一個新趨勢，行業正試圖將大腦和小腦晶片整合在一起。在這方面，特斯拉較為前沿，一開始就走這條路線。

劉向科（Kerry）

前特斯拉人工智慧硬體負責人

我們當時假設使用的是 Hardware 4 這款電腦的自研晶片。特斯拉的大腦和小腦都集中於同一顆晶片上，如何透過這顆晶片，以何種通訊架構來控制全身的動作？當時我們也花了一些時間研究這種方案：在一個 SOC 中，既包含算力的 ASIC，也包含一個多核心的 CPU，這個高頻率的 CPU 可用來處理小腦之類的任務，其延遲也非常低。

Besides Tesla, other companies are also researching integrated solutions.

例如，靈境智源在今年3月發布了德沃夏克架構，在一塊晶片上整合了「大腦-小腦-皮層」三個功能。那統一成一塊晶片，會帶來哪些好處呢？

王闖

智元合夥人／高級副總裁／通用業務部總裁

首先，我認為最大的優勢在於，現在整合成一塊板後，整個胸腔的體積和走線都會變得更簡潔。其次，大腦和小腦，越往後，它們之間的協調就越重要。舉個例子，有人向你扔出一支飛鏢，你觀察並預測飛鏢的軌跡，這些可能都是由大腦處理，但你伸手抓住它，則是小腦的功能，這兩者之間的通訊越快，就越有利於完成極高難度的動作。如果大腦和小腦整合在一起，晶片之間的通訊會非常非常快，大腦可能能夠實時控制小腦的動作，並以極高的速度反饋。

不過根據行業內的觀點，統一大小腦晶片仍處於非常早期的階段，需要等機器人出貨量足夠多、市場足夠大之後，機器人公司才會像現在的智能汽車公司一樣，逐漸轉向一體化的自研晶片。

最後，還需要為全身提供能量的電池，就像機器人的心臟。核心需求是如何在更小的密度下，容量做到更高，主要供應商有寧德時代、LG、億緯鋰能等，

此外，還有遍布全身的線束，就像神經與血管，用於設備之間的通信與供電。主要供應商包括立訊精密、TE Connectivity、Amphenol 等。

關於機器人的供應鏈種類繁多，我們就不一一介紹了，在這裡放一張全景圖，大家有興趣可以放大研究。

看到這裡，相信你已經學會了怎麼造一台機器人，但先別急，如果你真的自己去做了，會發現哪哪都是問題，因為造機器人最大的難點，其實是各個工程之間的平衡。

最後，我們再來聊聊組裝與量產的難題，以及這兩年機器人突飛猛進的原因。

05 組裝與量產：能動不等於好用

如果你看過前一段時間的機器人馬拉松，會發現現場有不少趣事。

有的隨地大小坐，引來隔壁機器人拍手叫好；有的跑著跑著腳崴了、喝醉了、胳膊掉了、衝上綠化帶了，或者被減速帶絆倒後「粉身碎骨」了。

當然也有表現非常亮眼的，例如榮耀的機器人，不僅包攬了前六名，還刷新了人類的半馬紀錄。

But this has also sparked some discussion: if even smartphone manufacturers can perform so well in robotics, does that mean the industry has no barriers to entry?

業內人士的回答是：Yes，and，No。我們先說 Yes 的部分。

我們之前提到的各個零部件、供應商，與手機和汽車行業高度重疊；再往上，演算法也有部分可與自動駕駛複用，這正是為何榮耀、小米、特斯拉、小鵬會進軍機器人領域的原因。

某機器人公司前採購總監

電氣與電力系統（Electrical & Power system）的供應商重疊度可達90%以上，機械系統（mechanical system）即使模具不同，供應商也多有相似。電驅這一塊是唯一可能與汽車相關性較低的部分，因為汽車內不需要提供如此高扭矩的裝置。但減速器、齒輪等零件在汽車中極為常見，感測器（sensor）也是如此。因此，基本上80%以上的部件均可實現同質化。

理論上，只要你認識這些供應商，就能自己搓出一台機器人。但「能動」和「好用」之間，卻隔著一道巨大的鴻溝，這就是 No 的部分。

For example, if the weight distribution is uneven after assembly, the robot's center of gravity will shift. To maintain balance while walking, certain joints must exert additional force, increasing power consumption and reducing battery life, and potentially affecting gait stability.

或者在實驗室裡跑1小時沒問題，但放到真實環境跑100小時，各種毛病就出來了：比如某個螺絲鬆了、某根線磨損了、某個關節的潤滑脂乾了、某個感測器開始漂移了，這些都必須經過不斷調試，才能找到平衡點。

某機器人公司前採購總監

Each component, I break it down by supplier; I think the difficulty for each supplier isn't high, I believe the real challenge lies in system integration。

更多是說你給它上了 constraint（約束），比方說你要把這個東西減重、輕量化做到什麼（程度），但是你以人形把它框住了之後，它的力矩的大小以及它的精密度上，都要達到人類的高度，這才是難點，更多是工程路徑上的 trade off（權衡）。

王闖

智元合夥人／高級副總裁／通用業務部總裁

市面上常見的標準產品往往無法令人滿意，與我們真正的算法應用需求仍有差距，因此這些都是核心零部件，我們必須親自製作。

要做出可商業化、能量產的機器人，還會面臨一致性的问题。

Because the joint backlash, sensor zero points, and motor parameters differ across units, adjustments to each detail are required to ensure the same algorithm can be stably applied to different batches of bodies.

王闖

智元合夥人／高級副總裁／通用業務部總裁

你放10個機器人在那，給它發同樣的參數（指令），它的手伸出去的位置是不一樣的。

如果操作時差了幾毫米，就可能從成功抓取變成撞倒物體，此時如何做好所有機器人感測器與執行器的校準方案，就非常困難。此外，在完成校準後，能否確保使用一年後，當多個部件老化、感測器出現畸變時，系統仍能保持穩定？這時可能還需要一些在線校準，即系統能自行分析出誤差。這些都是看不見的功夫，但若不做好，後續許多問題都無法解決。

所以真正的難點不是「拼起來」，而是系統級的整合。

我們回到機器人馬拉松，今年不僅速度進步了不少，整體的完成度也提升了，再看這兩年機器人動作的進化，從走路，到轉手絹，再到跳舞、武術，為什麼這兩年進化如此快呢？最重要的原因就在於供應鏈的成熟。

王闖

智元合夥人／高級副總裁／通用業務部總裁

在過去一兩年，機器人行業還不像現在這樣被大家看好，那時大家不會為機器人做雷達，只會說我這個是為物流車做的，你拿去直接用吧。那時是求著別人的，大家對機器人都持懷疑態度。

正如我們前面所說，機器人產業鏈的許多環節與汽車產業重疊，此前對供應商而言，存在內部資源博弈的問題：在產量有限的情況下，是優先供應商業化成熟的行業？還是修改產線，去押注商業市場尚未成熟的機器人？

某機器人公司前採購總監

以前我覺得市場還未達到這個層次，與真正的量產手機、汽車等相比，可能還差一到兩個數量級。因此，供應商也在博弈，因為其內部資源也有限。

As the robot sector becomes increasingly popular, suppliers are now willing to create custom molds and products specifically for robots. We believe that as demand grows and commercialization pathways become clearer, the supply chain will continue to expand like a snowball.

那下一個里程碑的動作，會是什麼呢？

06 下一個里程碑：從空翻到接住一片落葉

王闖

智元合夥人／高級副總裁／通用業務部總裁

我幾天前去了上海馬戲城，我看了一場表演之後，我的感覺就是，機器人裡還要進步的東西太多太多了。

那個蒙著眼睛在幾十米高空走鋼絲的演員，那個用一根筷子讓幾十隻碗同時旋轉的雜技師，他們展示的，是人類用了上百萬年才進化出的東西：極致的感知、本能級的平衡、毫釐之間的觸覺反饋。

Although robots can now perform backflips and martial arts, they are still far from being like humans.

我問王闖，對機器人的下一個里程碑時刻有什麼期待，他的答案其實有點讓我驚訝。他的答案，不是什麼更複雜、更fancy的動作，而是一個非常非常基礎、具備人類「感控融合」本能的「接住一片落葉」。

王闖

智元合夥人／高級副總裁／通用業務部總裁

有一片樹葉，我能走過去，手伸起來正好就捏到那片樹葉。

僅僅是一陣風飄過，穿過一片樹林，而「它」走過去，伸出手，「恰好」接住了一片落葉。這一天到來的時候，機器人距離我們的生活，又近了一大步。