三、人形機(jī)器人核心零部件

具身智能技術(shù)

　　1.人形機(jī)器人是具身智能重要的載體

　　2025年2月20日，國外知名人形機(jī)器人獨(dú)角獸公司 Figure AI 重磅推出自研通用型視覺語言動(dòng)作（VLA）模型—Helix。

　　Helix能夠?qū)⒏兄?、語言理解與學(xué)習(xí)控制融為一體。只需一句自然語言指令、不需要任何事先演示或定制編程，人形機(jī)器人就能抓取幾乎所有家庭小物件。

　　接下來以Helix為例，解析具身智能架構(gòu)。

　　2.Helix發(fā)布的VLA大模型

　　Figure 發(fā)布視覺 - 語言 - 動(dòng)作（VLA）模型 Helix，推動(dòng)機(jī)器人在家庭等場景應(yīng)用，將視覺、語言、動(dòng)作控制融合，實(shí)現(xiàn)低功耗通用行為控制。

　　架構(gòu)創(chuàng)新：Helix 首創(chuàng) “系統(tǒng) 1 + 系統(tǒng) 2” 架構(gòu)。系統(tǒng) 1（視覺語言模型）基于預(yù)訓(xùn)練視覺 - 語言模型進(jìn)行場景理解與決策；系統(tǒng) 2（視覺動(dòng)作模型）能迅速將系統(tǒng)1的語義轉(zhuǎn)化為精準(zhǔn)動(dòng)作，負(fù)責(zé)實(shí)時(shí)控制。二者按各自節(jié)奏運(yùn)作，化解了傳統(tǒng)機(jī)器人在速度和泛化能力間的矛盾。

　　協(xié)作能力強(qiáng)：兩臺(tái)機(jī)器人能依靠同一模型協(xié)同作業(yè)，可抓取未見小型物品，在復(fù)雜家庭環(huán)境靈活執(zhí)行任務(wù)。

　　訓(xùn)練效率高：模型訓(xùn)練僅需約 500 小時(shí)監(jiān)督數(shù)據(jù)，通過自動(dòng)化標(biāo)注降低人工成本，采用單一權(quán)重集學(xué)習(xí)多種行為，無需針對(duì)任務(wù)微調(diào)，還可在嵌入式低功耗 GPU 上運(yùn)行，便于實(shí)時(shí)部署。

　　3.VLA模型是什么？

　　VLA（Vision-Language-Action）大模型指的是視覺-語言-動(dòng)作大模型，是面向具身智能的一種多模態(tài)大模型，融合了視覺語言模型（VLM）的感知能力和端到端模型（E2E）的決策能力。

　　對(duì)于機(jī)器人這類需在物理世界開展交互活動(dòng)的智能體，VLA 模型能夠把視覺、語言以及動(dòng)作等信息進(jìn)行有機(jī)融合，搭建起從感知、決策，到執(zhí)行的完整運(yùn)作閉環(huán)。

VLA的發(fā)展：LLM-VLM-VLA

　　要實(shí)現(xiàn)機(jī)器人的通用性，打造終極形態(tài)的具身智能體，必須借助端到端的方法，打通機(jī)器人從感知到行為執(zhí)行的全鏈路。

　　短期視角來看，目前國內(nèi)初創(chuàng)人形機(jī)器人企業(yè)多采用分層模式，主要是為了快速商業(yè)化落地；僅有少數(shù)企業(yè)例如特斯拉、星動(dòng)紀(jì)元等堅(jiān)持端到端模型。但從長期視角來看，端到端模式是最終實(shí)現(xiàn)具身智能涌現(xiàn)的重要條件。

　　端到端大模型訓(xùn)練瓶頸在于：1）數(shù)據(jù)量差距巨大；2）機(jī)器人獲取數(shù)據(jù)難度極高；3）遙控采集數(shù)據(jù)存在毒性；4）機(jī)器人本體方案未收斂導(dǎo)致數(shù)據(jù)難以復(fù)用。

　　以星動(dòng)紀(jì)元為例，其在2024年12月發(fā)布其具身大模型ERA-42，該模型是國內(nèi)首個(gè)真正意義上的端到端原生機(jī)器人大模型?；谠撃Ｐ停淙诵螜C(jī)器人能完成超 100 項(xiàng)復(fù)雜精細(xì)操作，如緊固螺釘、敲釘?shù)顾龋磺夷軌蛟诙虝r(shí)間內(nèi)適應(yīng)多種新任務(wù)。

　　4.英偉達(dá)開源的VLA模型介紹及影響

　　在 2025 年 GTC 大會(huì)上，英偉達(dá)推出全球首個(gè)開源人形機(jī)器人通用VLA模型Isaac GR00T N1 。它能完成抓取、移動(dòng)物體等常見及多步驟任務(wù)，可應(yīng)用于物料搬運(yùn)、包裝、檢查等領(lǐng)域。

　　GR00T N1 的關(guān)鍵技術(shù)是雙系統(tǒng)架構(gòu)：系統(tǒng) 1 （快思考模型）類似人類 “反射與直覺”，能快速處理即時(shí)任務(wù)，在工業(yè)緊急避障、家庭服務(wù)即時(shí)響應(yīng)指令等場景發(fā)揮重要作用；系統(tǒng) 2（慢思考模型）由視覺語言模型驅(qū)動(dòng)，負(fù)責(zé) “理性思考”，可依據(jù)環(huán)境和指令推理、規(guī)劃行動(dòng)，二者協(xié)同讓 GR00T N1 響應(yīng)高效且能應(yīng)對(duì)復(fù)雜任務(wù) 。

　　此外，英偉達(dá)提供的生態(tài)支持也為其賦能，如借助 Omniverse 平臺(tái)生成合成數(shù)據(jù)、依托 Isaac Lab 與 Jetson Thor 芯片，以及運(yùn)用 Newton 物理引擎。

　　最重要的是，英偉達(dá)將模型代碼開放，支持開發(fā)者按需后訓(xùn)練和定制，大幅降低開發(fā)門檻，吸引了 ABB 等工業(yè)機(jī)器人巨頭、Figure 和特斯拉 Optimus 等人形機(jī)器人公司，以及迪士尼等跨界企業(yè)參與。

　　從產(chǎn)業(yè)角度，GR00T N1 借助開源降門檻、算力筑優(yōu)勢、合作拓應(yīng)用，構(gòu)建起生態(tài)系統(tǒng)，將深刻影響機(jī)器人產(chǎn)業(yè)未來走向。

　　5.關(guān)于具身智能大模型的兩點(diǎn)思考

　　具身智能發(fā)展核心在于模型的優(yōu)化和有效數(shù)據(jù)的收集。

　　5.1數(shù)據(jù)端問題業(yè)界如何解決

　　工業(yè)領(lǐng)域數(shù)據(jù)難獲取如何解決：1）重構(gòu)場景與仿真。對(duì)真實(shí)場景進(jìn)行逼真重構(gòu)，并植入更多資產(chǎn)，增加場景多樣性；2）植入數(shù)字機(jī)器人。進(jìn)行導(dǎo)航、操控，實(shí)現(xiàn)數(shù)字自動(dòng)化采集模型驗(yàn)證。

　　當(dāng)前，數(shù)據(jù)端難題仍未攻克，業(yè)內(nèi)企業(yè)紛紛基于自家方案收集數(shù)據(jù)，先在單一場景實(shí)現(xiàn)泛化，再推動(dòng)人形機(jī)器人落地。未來 3 - 5 年，待數(shù)據(jù)量充足、硬件方案趨同，具身智能基礎(chǔ)模型有望實(shí)現(xiàn)智能涌現(xiàn)，構(gòu)建端到端具身智能大模型。

　　5.2能否采用Deepseek范式來加強(qiáng)具身智能大模型的發(fā)展？

　　DeepSeek 采用預(yù)訓(xùn)練與強(qiáng)化學(xué)習(xí)結(jié)合模式，引入高質(zhì)量數(shù)據(jù)，降低大模型算力和數(shù)據(jù)需求。這對(duì)具身智能大模型而言方向正確，但要素尚不齊全。當(dāng)下，既缺乏強(qiáng)大的具身智能基礎(chǔ)模型，強(qiáng)化學(xué)習(xí)流程也有待完善 。

四、人形機(jī)器人核心零部件

靈巧手系統(tǒng)解析

　　1.靈巧手介紹

　　1.1靈巧手為何重要

　　靈巧手是人形機(jī)器人實(shí)現(xiàn)擬人化的關(guān)鍵組成部分，使機(jī)器人能夠?qū)崿F(xiàn)對(duì)物體的感知、操縱以及抓取等功能，使得機(jī)器人能夠應(yīng)用在更多元、復(fù)雜的場景。

　　靈巧手具有較高的技術(shù)壁壘和資金壁壘。Optimus靈巧手的開發(fā)工程量占到整個(gè)機(jī)器人開發(fā)工程量的50%-60%，成本占到了整個(gè)Optimus機(jī)器人的17%。靈巧手的設(shè)計(jì)與研發(fā)涉及力學(xué)、材料、電子、數(shù)學(xué)等多學(xué)科的綜合應(yīng)用。

　　1.2靈巧手發(fā)展概況

　　市場規(guī)模：根據(jù)頭豹研究所，2024年中國靈巧手市場規(guī)模125億，預(yù)計(jì)2030年中國靈巧手市場規(guī)模12，535億，期間復(fù)合增長率 115% 。

　　競爭格局：當(dāng)前我國靈巧手的技術(shù)在同美國和歐洲等發(fā)達(dá)國家相比還存在一定差距，但伴隨著產(chǎn)業(yè)政策引導(dǎo)、需求空間驅(qū)動(dòng)、市場化程度提高等因素，中國企業(yè)有望憑著供應(yīng)鏈成本優(yōu)勢擠占市場份額。

　　2.靈巧手的分類

　　靈巧手根據(jù)自由度數(shù)量可分為全驅(qū)動(dòng)和欠驅(qū)動(dòng)，由驅(qū)動(dòng)系統(tǒng)、傳動(dòng)系統(tǒng)、控制系統(tǒng)、傳感/感知系統(tǒng)、控制系統(tǒng)四部分構(gòu)成。

　　驅(qū)動(dòng)系統(tǒng)：為靈巧手指關(guān)節(jié)的運(yùn)動(dòng)提供力。按驅(qū)動(dòng)器所在位置可以分為內(nèi)置和外置。按驅(qū)動(dòng)方式可分為液壓、氣壓、形狀記憶合金、電機(jī)驅(qū)動(dòng)。電機(jī)驅(qū)動(dòng)是當(dāng)前主流驅(qū)動(dòng)方式。主要裝置為空心杯電機(jī)、行星減速器等。

　　傳動(dòng)系統(tǒng)：將驅(qū)動(dòng)系統(tǒng)產(chǎn)生的力傳動(dòng)到指關(guān)節(jié)處，使指關(guān)節(jié)運(yùn)動(dòng)。按傳動(dòng)方式可分為齒輪傳動(dòng)、連桿傳動(dòng)、腱繩傳動(dòng)。腱繩傳動(dòng)是當(dāng)前主流傳動(dòng)方式。連桿傳動(dòng)多用于工業(yè)和商業(yè)用途，齒輪在工業(yè)機(jī)器人中應(yīng)用較為廣泛。主要裝置為蝸輪蝸桿、滾珠絲杠、腱繩等。

　　傳感/感知系統(tǒng)：按感知信息的類型可以分為內(nèi)部感知和外部感知，內(nèi)部感知用于感知靈巧手的運(yùn)動(dòng)參數(shù)，外部感知用于感知環(huán)境信息。主要裝置為六維力矩傳感器、觸覺傳感器等。

　　控制系統(tǒng)：依靠內(nèi)嵌的算法對(duì)傳動(dòng)系統(tǒng)和驅(qū)動(dòng)系統(tǒng)實(shí)施精準(zhǔn)的控制。主要使用的算法有深度學(xué)習(xí)算法、模擬學(xué)習(xí)算法、PID算法、模糊控制算法等。

　　目前，靈巧手企業(yè)均未 All in 一條技術(shù)路徑，需要保持對(duì)其他技術(shù)路徑和方案的持續(xù)關(guān)注。

　　3.靈巧手如何傳動(dòng)

　　靈巧手的傳動(dòng)分為三級(jí)：

　　一級(jí)傳動(dòng)：減速器將驅(qū)動(dòng)裝置的高速旋轉(zhuǎn)運(yùn)動(dòng)轉(zhuǎn)換為低速高扭矩運(yùn)動(dòng)。主要裝置為行星減速器、諧波減速器、RV減速器。

　　二級(jí)傳動(dòng)：運(yùn)動(dòng)轉(zhuǎn)換裝置與減速器相連，將旋轉(zhuǎn)運(yùn)動(dòng)轉(zhuǎn)換為直線運(yùn)動(dòng)。主要裝置為滾珠絲杠、錐齒輪、蝸輪蝸桿等。

　　三級(jí)傳動(dòng)：將轉(zhuǎn)換后的直線運(yùn)動(dòng)傳遞至指關(guān)節(jié)處。主要傳動(dòng)方式為齒輪傳動(dòng)、連桿傳動(dòng)、腱繩傳動(dòng)。

　　滾珠絲杠+腱繩傳動(dòng)：減速器與滾珠絲杠通過聯(lián)軸器連接。驅(qū)動(dòng)下絲杠旋轉(zhuǎn)，帶動(dòng)滾珠在螺旋槽與螺母間滾動(dòng)，使螺母沿軸做直線運(yùn)動(dòng)。腱繩一端在螺母處繞成腱環(huán)，另一端依次穿過滑輪，與指關(guān)節(jié)末端相連，模擬人體肌腱傳遞力和力矩，實(shí)現(xiàn)手指屈伸，借助復(fù)位彈簧完成指關(guān)節(jié)復(fù)位 。

　　特斯拉的靈巧手經(jīng)過3次迭代，采用了空心杯電機(jī)驅(qū)動(dòng)和滾柱絲杠+腱繩傳動(dòng)的方式。

　　4.靈巧手核心零部件—空心杯電機(jī)

　　空心杯電機(jī)為靈巧手中優(yōu)選方案，其轉(zhuǎn)子呈無鐵芯空心杯狀，定子由永磁體構(gòu)成，該結(jié)構(gòu)降低整體重量和轉(zhuǎn)動(dòng)慣量。空心杯電機(jī)還具有體積小、效率高、響應(yīng)快、線性度佳、運(yùn)行平穩(wěn)等優(yōu)勢，在航空航天、機(jī)器人、醫(yī)療器械以及模型玩具等對(duì)電機(jī)性能和控制精度要求高的領(lǐng)域應(yīng)用廣泛。

　　空心杯電機(jī)市場概況：據(jù)中商產(chǎn)業(yè)研究院和QY Research數(shù)據(jù)，2023年全球空心杯電機(jī)市場規(guī)模為8.1億美元，2028年將增至11.9億美元，CAGR 達(dá)到8%。國內(nèi)市場方面，2023年中國空心杯電機(jī)市場規(guī)模為2.9億美元，2028年將增至4.7億美元，CAGR 達(dá)到10.14%。中國在全球空心杯市場的市場規(guī)模有望進(jìn)一步提高。

　　空心杯電機(jī)壁壘：當(dāng)前空心杯電機(jī)市場尤其是中高端空心杯市場主要由國外廠商占據(jù)，其在繞組設(shè)計(jì)、動(dòng)平衡設(shè)計(jì)上具有較強(qiáng)的技術(shù)和專利優(yōu)勢（繞組設(shè)計(jì)：線圈纏繞方式和排列的一致性會(huì)影響電機(jī)效率與扭矩，扭矩越大，電機(jī)轉(zhuǎn)動(dòng)慣量越大，輸出力也越大；動(dòng)平衡設(shè)計(jì)：轉(zhuǎn)子動(dòng)平衡是影響電機(jī)運(yùn)行性能的關(guān)鍵，關(guān)乎電機(jī)運(yùn)行時(shí)的噪音和振動(dòng)。使用不同磁性材料的轉(zhuǎn)子質(zhì)量有差異，會(huì)導(dǎo)致動(dòng)平衡出現(xiàn)差異 ）國內(nèi)廠商要突破有較大的難度。

　　5.靈巧手核心零部件—腱繩

　　靈巧手需要滿足高強(qiáng)度、低蠕變性、耐磨損、折疊不易損的特性，腱繩因其韌性強(qiáng)、輕量化等特點(diǎn)，更適合用于靈巧手。

　　腱繩材料的構(gòu)成：腱繩的材質(zhì)范圍包含金屬及超高分子量聚乙烯纖維，在成本、重量方面有不同的優(yōu)勢，需要取決不同的應(yīng)用場景。而超高分子聚乙烯是腱繩的主要材料。其強(qiáng)度是優(yōu)質(zhì)鋼材的15倍，玻璃和尼龍的66的4倍，碳纖維的2.6倍。

 

　　腱繩穿過滑輪的方式：根據(jù)控制N個(gè)獨(dú)立關(guān)節(jié)所需的驅(qū)動(dòng)器數(shù)量，腱繩穿過滑輪的方式主要有N型、N+1型、2N型，當(dāng)前主流的方案為N+1型。N+1型較好地平衡了驅(qū)動(dòng)器以及腱繩的數(shù)量，能夠使用在較高的自由度中。

　　6.靈巧手核心零部件—六維力矩傳感器

　　力矩傳感器是一種用于測量力矩的裝置。按照測量維度。力矩傳感器可分為一維傳感器、三維傳感器、六維傳感器。六維力矩傳感器可同時(shí)測量Fx、Fy、Fz、Mx、My、Mz六個(gè)分量。

　　六維力矩傳感器能精準(zhǔn)測量三維空間力與力矩，由彈性體與應(yīng)變片等敏感元件構(gòu)成，借助彈性體受力變形、應(yīng)變片轉(zhuǎn)化電信號(hào)，并采用惠斯通電橋電路提升測量精度。它可同步獲取 X、Y、Z 軸三個(gè)方向的力與繞軸力矩，具備高精度、高靈敏度、線性度佳、響應(yīng)迅速的特性。憑借這些優(yōu)勢，六維力矩傳感器在工業(yè)自動(dòng)化的機(jī)器人操作、航空航天的風(fēng)洞試驗(yàn)，以及生物力學(xué)人體運(yùn)動(dòng)研究等領(lǐng)域發(fā)揮著關(guān)鍵作用 。

　　六維力矩傳感器利用串?dāng)_、精度、準(zhǔn)度來衡量六維傳感器的性能。串?dāng)_：衡量多維力傳感器各測量方向間耦合影響，反映測量誤差水平；精度：衡量測量結(jié)果之間的重復(fù)性；準(zhǔn)度：涵蓋滯后、線性、蠕變等誤差因素，體現(xiàn)產(chǎn)品的綜合性能。

　　六維力矩傳感器壁壘：1）設(shè)備研發(fā)。六維力矩傳感器需六維聯(lián)合加載檢定來提高精確度。目前六維聯(lián)合加載檢定裝置無標(biāo)準(zhǔn)化產(chǎn)品可采購，需六維力矩廠商自己研發(fā)。其研發(fā)涉及空間光學(xué)定位、載荷位移補(bǔ)償、機(jī)電一體化等多項(xiàng)技術(shù)，非常依賴工程經(jīng)驗(yàn)；2）解耦及關(guān)鍵技術(shù)。六維力矩傳感器需要解耦來減少串?dāng)_，解耦的方法存在著技術(shù)門檻，分為硬件解耦和軟件解耦兩種。

　　7.靈巧手的幾點(diǎn)思考

　　靈巧手存在兩大核心矛盾

　　一是性能短板，在可靠性、穩(wěn)定性、靈活性方面，和人手相比提升空間巨大。以抓重比為例，人手抓重比達(dá) 1：12，shadow hand 僅 1：1.2。

　　二是性能與成本、空間適配性難以平衡?；趹?yīng)用場景選型時(shí)，靈巧手性能與成本無法兼顧，且受空間、尺寸和重量限制 —— 尺寸過大，人機(jī)交互感降低；重量過大，靈活性降低 。

　　靈巧手的發(fā)展趨勢

　　硬件層面：1）更高的自由度，以實(shí)現(xiàn)更多的抓取動(dòng)作和應(yīng)用于更多元化、復(fù)雜的場景；2）驅(qū)動(dòng)器外置轉(zhuǎn)向驅(qū)動(dòng)器內(nèi)置或驅(qū)動(dòng)器混合置。驅(qū)動(dòng)器外置會(huì)造成靈巧手尺寸過大，而選用驅(qū)動(dòng)器內(nèi)置可以為靈巧手釋放更多的空間，但也降低了靈巧手的靈活性；3）傳感器從單維信息感知到多維信息感知；4）降本與性能的平衡。

　　軟件層面：算法在靈巧手的綜合權(quán)重占比為75%-80%，好的算法可以為靈巧手附加價(jià)值。1）神經(jīng)AI學(xué)習(xí)，實(shí)現(xiàn)人類級(jí)的推理能力；2）具身智能，實(shí)現(xiàn)對(duì)環(huán)境的主動(dòng)感知，動(dòng)態(tài)調(diào)整抓取策略；3）群體協(xié)同算法，實(shí)現(xiàn)多靈巧手協(xié)同作業(yè)。

五、思考與總結(jié)

期待爆發(fā)，謹(jǐn)慎樂觀

　　1.未來前景與挑戰(zhàn)：期待爆發(fā)，謹(jǐn)慎樂觀

　　人形機(jī)器人落地面臨技術(shù)和市場雙重難題。技術(shù)上，運(yùn)控、大腦研發(fā)及場景適配存在問題，技術(shù)路徑不明，競爭格局未定；市場上，尚未實(shí)現(xiàn)規(guī)模化商業(yè)落地，成本仍較高。

　　其發(fā)展需硬件與 AI 雙驅(qū)動(dòng)，AI 更為關(guān)鍵，不聚焦大模型的企業(yè)生存艱難。

　　成本問題同樣突出，人形機(jī)器人價(jià)格曾高達(dá)百萬，未來下降空間大，2030 年成本有望降至20 萬及以下，這或成落地拐點(diǎn)。

　　預(yù)計(jì) 3 年左右人形機(jī)器人將迎來應(yīng)用場景，工業(yè)領(lǐng)域先行，各國情況有別。產(chǎn)業(yè)鏈企業(yè)需協(xié)同合作，實(shí)現(xiàn)落地還需 3-5 年。

　　投資重點(diǎn)關(guān)注關(guān)節(jié)裝置（行星滾柱絲杠、諧波減速器）、具身智能、靈巧手（腱繩、六維力矩傳感器）

　　2.2025年會(huì)是量產(chǎn)元年嗎？

　　今年1月以來，國內(nèi)外各大人形機(jī)器人頭部企業(yè)紛紛透露量產(chǎn)信息，坐實(shí)2025年人形機(jī)器人“量產(chǎn)元年”的推斷。

　　預(yù)計(jì) 2025 年，技術(shù)突破與生產(chǎn)規(guī)模擴(kuò)大將促使人形機(jī)器人價(jià)格下探，部分企業(yè)計(jì)劃將全尺寸產(chǎn)品售價(jià)壓至 20 萬元以下，加速其在各行業(yè)的應(yīng)用。

　　商業(yè)化進(jìn)程上，多家廠商將在 2025 年實(shí)現(xiàn)量產(chǎn)或發(fā)布新品、布局市場。部分企業(yè)計(jì)劃量產(chǎn)超千臺(tái)，覆蓋更多垂直行業(yè)，多數(shù)企業(yè)設(shè)定了超百臺(tái)的量產(chǎn)目標(biāo)，通過放量與產(chǎn)品迭代提升市場占有率。

　　綜合來看，2025 年有機(jī)會(huì)成為人形機(jī)器人商業(yè)化量產(chǎn)元年，國內(nèi)人形機(jī)器人整機(jī)廠商能夠憑借成本端和需求端的雙重優(yōu)勢，在國際市場逐步展現(xiàn)出強(qiáng)勁的競爭力，帶動(dòng)產(chǎn)業(yè)鏈發(fā)展。

　　從春晚舞臺(tái)到智能工廠，從實(shí)驗(yàn)室到生產(chǎn)線，各個(gè)場景的實(shí)踐表明，中國機(jī)器人產(chǎn)業(yè)步入創(chuàng)新裂變階段。在政策、技術(shù)與市場三重利好下，未來生產(chǎn)力革命正拉開帷幕。