人形机器人的进化与挑战：灵巧手技术成量产关键

如同早年马斯克的机器人被戏称为“人工cosplay”，国内何小鹏的机器人近日也面临相似质疑，甚至被迫当场“解剖”一台以自证清白。

小鹏新展示的机器人丨小鹏官网

即便家用机器人已开启预售，公众对人形机器人的疑虑仍居高不下。

支付200美金预购全球首款家用机器人NEO后，琳琳（化名）在小红书发现，NEO竟需人工远程操控：它能处理基础家务，但遇难题时，须呼叫总部人工，通过摄像头查看现场并手动操作。

得知可能花2万美金买到“机器皮影人”后，琳琳却豁达表示：用户数据协议已成常态，且摄像头无处不在。

“科技进步总需用户支持，权当贡献一份力。”

琳琳所言不虚，从零到一的科技应用离不开巨大包容。

例如，近期市场对特斯拉的宽容。

特斯拉再度推迟Optimus量产计划，已是第三次延期。但股价未受影响，突破1.5万亿美金，显示人形机器人不仅获用户包容，更得投资人青睐。

然而，探究特斯拉量产困境，原因出乎意料——非关智能或移动，而是反直觉难题：手。

人类手部含27块骨骼、密集神经与实时反馈系统，能精准调控力度、角度与微调。机器人手则需微型电机、减速器、传感器与算法层层堆叠，力量、稳定性与柔性控制缺一不可。

制造“能动的手”不难，打造“如人般可靠的手”极难。

这不仅是特斯拉之困。所有人形机器人企业皆卡于此。于是，老问题重现——既然酒店、清洁、物流机器人已商业化，为何执着于仿人形？哆啦A梦式设计不也成功？

越像人，越难产

刚过去的万圣节，机器人已加入“不给糖就捣蛋”行列。

近日纽约街头，特斯拉Optimus向行人派发糖果，从篮中抓取一颗递出，若糖果掉落，会弯腰拾起重递。

Tesla Optimus丨Tesla 官网

莫小瞧此简单动作，让机器人街头发糖，特斯拉耗时近五年。

2021年特斯拉AI日，马斯克首度展示“人形机器人”概念。当时仅屏幕演示，由演员扮机器人跳舞，引发嘲讽。但发布会传递核心愿景：特斯拉目标非重复机械动作，而是理解世界的智能体。

一年后，首版Optimus真身亮相。

它能行走，动作略显笨拙，如幼学长颈鹿般摇晃。意义重大在于电动驱动，摒弃液压结构，意味未来可量产、降本、安全融入人类场景。

2023年，Optimus变“聪明”，接入与自动驾驶同源视觉识别与神经网络。它能识别物体，执行放置、夹取、移动等基本操作，甚至当众折叠衣物——此需柔性操控、力控制与实时视觉反馈的复杂动作，传统工业机器人难以想象。

形势向好，Optimus量产计划传出，却突遇“难产”。

Optimus量产已三次推迟：

首次2023年，原计划2024年首批出货，因运动控制算法未达标，延至一年后；

第二次2024年底，量产目标下调为2025年试产数千台；

第三次即近期——特斯拉再曝暂停Optimus量产。

三季度财报会，马斯克坦言难题：缺乏现成供应链。

对比造车与造机器人：汽车工厂有成熟供应链、标准化接口与替换方案；人形机器人则无统一标准，各家企业设计迥异，关节、传感器、动作模型皆不同，导致无标准化接口、共用件，成本难降，制造难规模化。欲产百万台机器人，须先建百万台产业链。

供应链未全，团队亦生变。特斯拉机器人负责人Milan Kovac离职，这位波士顿动力出身、主导Optimus架构的核心人物离去，引发重组。据外媒，马斯克亲掌项目，研发线并入AI芯片团队。

“手”是真正的难题

机器人最难造的是“手”。

北大机器人研究博士林武（化名）形容：灵巧手量产难度超机器人全身。

理解手之难，先看人类手多精妙。

人手含27骨、众多肌群与神经末梢，手掌密布触觉点，使手指可轻捏米粒或紧抓行李箱；感知玻璃杯温变，凭经验判葡萄熟度。此精细控制为连续、实时生物反馈回路：力量从臂肌传来，指节协同，皮肤触觉反馈，大脑毫秒微调。

目前机器人复刻人手，乃用机器替代关键元素。

人类肌腱换为微型电机，关节靠减速器与传动线驱动，骨骼化轻量化支架，触觉感受器变力/压/温传感器阵列，大脑控制由实时运动模型与AI决策完成。

此仅第一步。灵巧手真问题在——力量、准确与持久。

首先，手部物理空间太小。

致关节电机、传感器、减速器需极高精密制造，小空间意味小电机，小电机意味低电池密度，进而抓力不足。

“现六七十公斤机器人仅抓十公斤重物”，博士透露，“与期望相差甚远”。

解抓力有两法：一是“仿生肌肉”，通过电动肌纤维、气动人工肌或液压微管模拟人体肌腱，使指柔性弯曲。此法实验室优美，但力量放大与耐用性距量产远。

二是如人类，力量“外包”至前臂。特斯拉、波士顿动力、Figure采此路。驱动力电机置前臂，手指通过细传动线控制，使整体力大、结构可控，但结构复杂、维护成本高。

“准确”是另一难关。

人类取杯乃无意识行为，实为高度复杂生物协作：眼识别物体，脑估距离轨迹，瞬间定指力方向；指触杯身，皮肤压力感受器反馈微调。此过程涉视觉、运动皮层、小脑、感觉系统与肌肉系统同步。

机器人无“无意识经验”。

机器人取杯分五步：先“看见”物体，需摄像头与深度传感器识别；再算三维位置，定手伸向；推抓取点；决定抓力，玻璃、塑料、纸杯需不同力；最后接触时实时微调——需触觉传感器与反馈算法。

关键差：人类行动前“已知”，机器人“过程中”推测修正。

故机器人准确性成难题。林武例实验室问题：“令机器人抓物时，它先寻最佳路径，用左右手或移动方向，探索中或满屋乱跑。抓碎草莓、掉落玻璃亦有发生。”

此景若为高价企业机器人，可致重大损失。

为解决准确性，部分转向AI模型，让机器人脑更聪慧。若手未灵巧至捏葡萄，则让葡萄滚入手掌。

特斯拉、Figure、Agility、DeepMind试此路：收集工人操作视频，模型学意图，拆解为指令，机器环境试错微调，让大模型“悟”任务完成。

解“灵活”已困重重，量产还需“持久”，即寿命问题。有报因散热不足、部件寿命短，Optimus灵巧手使用寿命不超两月。

马斯克曾言：特斯拉总部有Optimus全天行走，“可引路至会议，但关键问题是手。”

“我不是人！还不行么！”——不行

既然手难，不做人形机器人可否？

实则机器人已潜入生活，但多非人形。

酒店送物机器人，形如“带货梯桶”，靠激光雷达导航，精准穿廊，只负责点对点运输。

商场清洁机器人，实为“工业增强扫地机”，重路径规划与避障，耐力稳定胜人力。

仓库物流机器人最“反直觉”，如京东、亚马逊“小乌龟”群穿梭，送货架至拣货员——非仿人搬物，而是绕人体限，推效率极致。

2024年中国酒店服务机器人出货近50万台，清洁机器人全球市场超80亿美元，仓储物流机器人成亚马逊、京东降本核心。这些机器人共性：任务单一、场景可控、无需如人思考，故商业化成功。部分场景中，其成功正因弃仿人，成场景“最优解”。如清洁：人类臂长关节限，清洁机器人却“为地板而生”。

然问：既然非人形机器人已胜任多工，为何执着昂贵、难产、笨拙的人形机器人？

何小鹏科技日上答——他初为“四足”机器人派，但研发中两问题改观：

四足机器人无部位装手，“问士兵战场极限选择，失手或失脚，多数选失脚。”何小鹏例证“手”之重。

小鹏机器人丨小鹏官网

于是尝于“象鼻”或“马臀”加手，因效果诡异终弃。

另一问题：中国家庭多百平以下，非人形四足机器人转弯难，机器非宠物柔韧，每转易伤己或家具。

故小鹏团队定：机器人须像人。

小鹏机器人进化概括为何需人形：答案纯简——日常环境为“人”设计。

所有门把、货架高、桌宽、楼梯跨、电梯尺、操作台距、工具柄径……皆以人手握距、臂长、躯干重心为标准。换言之，世界乃人形接口，工具乃人形操作器，工作流程绕人体建。人形机器人追求本质，是通用性。

欲机器人无缝入人类场景，最现成法即做人形。

通用人形机器人，非代单一场景，而是补未来劳动力缺口。

至2030年，日本劳动人口或再减15%、中国劳动力2035年达峰后回落，美国制造业缺口超800万，年轻人渐不愿从事护工、清洁、搬运等工。

终有一天，须面对各领域需机器人顶上的世界。

届时，机器人若摆烂言“别拿我当人！我不是个人！还不行么？”则只能回：不行。

封面图来源：Giphy