機器人的“最后一公里”：深聊靈巧手的“不可能三角”與六大技術門派

撰稿 ｜Vicky Xiao

編輯 | 陳茜

大家覺得讓機器人學會走路難，還是讓它學會打開一聽可樂難？我猜大部分人都會說走路難吧，畢竟人類花了幾百萬年才學會直立行走，波士頓動力的機器人摔了無數次才學會后空翻。

但我最近在采訪的時候，才發現一個完全顛覆我認知的事實：在機器人世界里，開可樂這件事比走路可難太多了！也就是說，控制靈巧手要比控制軀體難上至少十倍，而從目前的售價對比上我們也能感受到：

中國Unitree G1人形機器人（會走路）：1.6萬美元；

波士頓動力Atlas機器人（會后空翻）：預估14萬美元；

英國Shadow Robot的靈巧手（會擰瓶蓋）：價格未公開，但業內估計超過10萬美元

也就是說：一只手的價格接近一個完整的頂級機器人！這是什么概念？這好比一個方向盤的價格接近整輛特斯拉。所以機器人的靈巧手為什么難做？目前技術發展到什么階段了？業內的技術派系有哪些、有什么值得關注的公司？

今天我們就來聊聊，這個讓全世界頂級機器人工程師都頭疼的終極難題——機器人靈巧手。以及我們與特斯拉前靈巧手負責人創業的團隊TetherIA一起聊聊，一個300多美元的“Android版機器人靈巧手”如何試圖顛覆這個被壟斷了30年的高端市場。

（本文為視頻改寫，歡迎大家收看以下視頻）

01

機器人的“最后一公里”

為什么我們能看到機器人在工廠里分揀產品，在倉庫里搬運貨物，但卻很少看到它們能像人一樣靈活地擰開可樂瓶蓋，或者精準地拿起一顆螺絲釘？答案就在于：手的復雜性遠超我們的想象。

人類的手有27個自由度，包含27塊骨頭、29個關節、34塊肌肉，以及數不清的神經末梢——這是一個經過了數百萬年進化的“精密儀器”。更神奇的是，這個“儀器”讓我們能夠既有力量握緊工具，又有精度穿針引線。這樣的能力造就了人類文明，但對機器人來說，要復刻這樣的能力，就非常有挑戰了。

Xu Dong TetherIA聯合創始人兼CTO 大家看一下人手的構造，就會發現其實人手非常靈活，里面關節非常多。我們以大拇指舉例：大拇指從上往下，有IP joint（拇指指間關節）、MCP joint（拇指掌指關節），這兩個關節都可以實現屈伸和彎曲。再往下的關節叫CMC joint（拇指腕掌關節），這個關節就明顯靈活很多，可以做側擺動作，也可以做彎曲和伸直動作，甚至還能原地旋轉。而且它的運動范圍非常大。你會看到，關節之間的連接非常小，這就是為什么人手既能靈活，又能保持非常小的體積的原因。

而這，就是機器人工程師們面臨的終極挑戰——機器人靈巧手，英文叫Dexterous Hand，在機器人學里，它專門指高度仿人、具有多自由度、能夠完成精細操作的機器人手。它能夠模擬人手的抓取、操作和感知功能。那什么樣的機器人手才能稱得上“靈巧”？

第一，它得有足夠多的“關節”。我們人手有27個自由度，而機器人靈巧手通常需要6個以上，高端產品能達到20-27個。這就像是給機器人裝上了真正能“動手指”的手。

第二，它得有“繡花”般的精細控制。我們說的是毫米級甚至更精細的操作——想象一下用機器人手穿針引線，或者像我們一會兒要看到的那樣，精準抓取只有5毫米的M5螺絲釘。

第三，它得有“觸覺”。不只是能看到，還要能“感受”。觸覺傳感器、力覺傳感器、位置傳感器等等，就像給機器人裝上了神經系統，讓它知道抓得是輕是重，是軟是硬。

第四，它得會“察言觀色”。遇到圓的就用一種抓法，遇到方的就換另一種。看到玻璃杯就輕拿輕放，看到鐵塊就可以用力一些。這就是自適應抓取的能力。

最后，它得長得像人手。人類世界的所有工具都是為人手設計的。如果機器人能夠模仿人手的結構、功能和配置，它們就能快速且經濟高效地應用，而無需改變我們的環境。

如果我們看看歷史會發現，靈巧手從有這個概念，到現在逐步趨向成熟，已經走過了40多年的歷程。

• 1980年代：開山之作

Stanford/JPL Hand開創了靈巧手的先河，3根“人形”手指，每根三個關節，配備觸覺/力反饋。但它更像是證明“這事兒能做”的概念機。

• 1990-2000年代：百家爭鳴到夾爪稱王

Utah/MIT Hand、DLR Hand等各顯神通，技術路線百花齊放，但都停留在實驗室：能演示，但離實用還差十萬八千里。

就在靈巧手還在實驗室“紙上談兵”時，簡單粗暴的兩指夾爪已經占領了工廠。雖然只能“抓”和“放”，但便宜、穩定、夠用。這就像是功能機時代——雖然簡陋，但解決了核心需求。

• 2000-2010年代：商業化破冰

Shadow Robot、Allegro Hand等陸續商業化，價格高達數萬美元，主要服務科研機構。這個階段就像早期個人電腦——功能有了，但普通人買不起。

• 2020年代：巨頭入場

特斯拉入局改變游戲規則。馬斯克不只要做靈巧手，還要規模化生產。同時，GPT等AI大模型的突破為機器人控制打開了新世界的大門。

• 2025年：轉折點

特斯拉22個自由度的新手、TetherIA的300美元開源革命、各路開源項目涌現。靈巧手即將迎來“智能手機時刻”——從極客玩具變成人人可得的工具。

然而，靈巧手雖然迎來了巨大的突破，但還是有很多的難點。這個難點并不僅僅在技術上的突破，更重要的是要兼顧性能，成本還有可靠性，這就成了一個“不可能三角”。

02

靈巧手的“不可能三角”性能、成本、可靠性

在現場采訪中，我才知道一個可能會顛覆很多人認知的觀點：靈巧手的控制比整機控制要難10倍！

在TetherIA位于硅谷的辦公室，我見到了他們一路以來設計的各種迭代版本，以及他們剛發布上線的這款開源的靈巧手產品Aero Hand Open。

在我自己真正上手嘗試去控制靈巧手之前，我都非常不理解，一個完整的人形機器人要平衡、要走路、要導航，怎么可能比一只手還簡單呢？但當我自己嘗試去控制這只手的時候，發現真是沒那么容易。

Xu Dong TetherIA聯合創始人兼CTO 我們覺得這個難點其實是多方面的。因為機器人是一個復雜的系統，現在大家比較關注的是AI控制的層面，主要是VLA模型（Vision-Language-Action 視覺-語言-動作）的泛化能力，這毫無疑問是一個很大的難點。 另外，我們覺得從整個整機系統角度來說，這個手的硬件本身也是很大的一個卡點。人手是非常靈巧的，它的相對尺寸很小，每個關節都很靈活，手指又非常纖細，還能做到速度和力量之間的平衡，并且特別經久耐用。

我們人類主要是靠雙手和外界進行接觸，但在傳統的機器人里，更多的是避免機器人和外界接觸，因為一旦接觸就是碰撞，對機器人就有損傷，而手恰恰需要和外界接觸，所以綜合起來，這些都是硬件上的難點。 除了硬件和控制的難點，其實還有很多更不為外行所知的地方。比如，你在控制的同時，希望能夠讓human-in-the-loop（人機回圈），讓人在其中對機器人產生影響和作用，這就牽扯到遙操系統，以及開發過程當中的仿真系統，以及背后整個體系。其實都有很多的困難。

我在操作的過程中感覺到視覺與力量的協作，是非常關鍵的。由于我是完全感知不到觸感和力度，我抓握的完全是空氣，只能憑借我的眼睛觀察靈巧手與物體的接觸反饋來及時調整。這就很像軟件驅動靈巧手的過程。

我們知道，人類的抓握過程依賴于神經系統、肌肉控制和多模態感知。

人類抓握力的調整分為兩個閉環控制：第一是前饋控制（Feedforward Control），也就是大腦基于視覺和經驗，在抓取前預測所需力量。例如，看見一瓶水時，大腦會預估重量，先設定一個初始抓力。

第二個階段是反饋控制（Feedback Control），在手指接觸物體后，實時通過觸覺和滑動信息進行調整。如果物體開始滑動，神經系統將在<100毫秒內反射性增加力量。這是一種快速的“感知和反應”的閉環。

如果靈巧手要完全復制人手的這個反饋閉環，需要的不只是傳感器和控制算法的堆疊，而是一個更接近人類神經系統的分層控制架構。可以類比為“大腦控制”和“小腦控制”：大腦控制依賴視覺、經驗和推理，用于規劃動作和做出高層決策；而小腦控制則依靠觸覺、力反饋和實時的平衡調整，負責細節上的動態微調與協調。

把多模態傳感（力/力矩、觸覺、視覺）與感知—判斷—調整的閉環控制結合，再通過深度強化學習不斷優化整個系統的策略，真的是非常有挑戰的研發過程。

所以在2023年年底，BC特斯拉的第二代人形機器人Tesla Optimus Gen 2發布捏雞蛋的demo那么受到關注，正是因為它基于視覺的“大腦”和基于力控的“小腦”在協作進步。

雖然實現這一切很難，但要真正實現機器人在多場景下的應用，還真是得依靠靈巧手不可。這個邏輯很簡單：人類世界是為人類設計的。所有的工具、設備、環境都是按照人的尺寸和能力來設計的。要讓機器人真正融入人類世界，最有效的方法就是讓它們具備類似人類的能力。

所以，要想讓靈巧手真的走向產業化、還有一個難題要解決，那就是靈巧手的”不可能三角”。如果把機器人靈巧手比作一個三角形，那么它的三個頂點分別是：性能、成本、可靠性，而這個三角形有個殘酷的特點：你只能優化其中兩個角，第三個必然會受到犧牲。

而如果想要高性能，英國Shadow Robot公司的靈巧手就是完美的例子。它擁有超過120個傳感器，可實現觸覺感知，擁有20個電動關節和24個自由度，其尺寸、形狀和運動范圍與人手相當，非常適合執行專為人手設計和優化的任務。但是，它的價格超過10萬美元！

想要低成本？市面上有很多開源項目，比如DexHand和Amazing Hand，可以3D打印，成本能控制在300美元。但性能嘛...只能說是“擺造型”，抓取功能基本是沒法使用的，甚至一些入門級的商業產品在這方面也不足。

想要高可靠性？那就得簡化設計，減少故障點。越復雜的系統，維護成本越高，故障率也越高。但這樣一來，性能又會大打折扣。

Xu Dong TetherIA聯合創始人兼CTO 因為機械手每一個關節、每一個自由度的運動都需要有電機來控制，如果把電機做得很小，它的功率輸出和性能就會相應變弱。所以，要想匹配人手的自由度、人手的尺寸、以及人手的力輸出和速度，就是一個非常困難的“不可能三角”。

這就像是在玩一個永遠無法獲勝的游戲，除非你能夠找到突破這個三角形的新方法，而在產業中，大家一直在尋找這樣的方法來突破不可能三角，這也衍生出了靈巧手江湖中的6大門派。

03

技術流派大揭秘

6大門派的江湖恩怨

為了解決靈巧手的“不可能三角”，在機器人靈巧手的江湖里，主要有六大門派，各自有著不同的武功路數：

Chapter 3.1直驅派：簡單粗暴的“搭積木選手”

這一派的哲學很簡單：需要動哪里，就在哪里放個電機。就像韓國Wonik Robotics的Allegro Hand，16個自由度，16個電機，電機“一對一”服務；還有最新出的國產產品SharpaWave，Wuji Hand以及XHand，都是這個路線。

這種設計的優點在于方便精細控制。缺點在于，電機驅動器體積小、抗沖擊差、不可反驅、指末端力輸出小，而且維護和維修都不太方便。

Xu Dong TetherIA聯合創始人兼CTO 因為機械手每一個關節、每一個自由度的運動都需要有電機來控制，如果把電機做得很小，它的功率輸出和性能就會相應變弱。所以，要想匹配人手的自由度、人手的尺寸、以及人手的力輸出和速度，就是一個非常困難的“不可能三角”。

這一派的代表是特斯拉的Optimus和Shadow Robot。特斯拉大家都熟悉了，而Shadow Robot這家英國公司就像是靈巧手界的“勞斯萊斯”。近30年的技術積累讓他們在高端市場占據統治地位，但高昂的價格也限制了他們的市場擴張。

他們的設計思路最接近人體：把“肌肉”（電機）放在前臂，通過“肌腱”（鋼絲繩或高強度合成纖維）來控制手指運動。

這就像是控制木偶一樣——所有的線都連到一個中央控制臺，通過拉動不同的線來實現復雜的動作。這種設計的優點是輕量化、力量輸出穩定、具備一定自適應能力，而且布局和人體更接近。特斯拉最新的Optimus手宣稱它擁有22個自由度，已經非常接近人手的27個自由度了。我們實地探訪的TetherIA他們現在推出的這款高性價比靈巧手也是采用的繩驅方案。

但是，繩驅動也有自己的麻煩。

Xu Dong TetherIA聯合創始人兼CTO 雖然特斯拉是堅定走“繩驅”路線——但是我們看到其實很多創業公司，真正跟隨特斯拉技術路線的并不多，而且很多人會質疑特斯拉。為什么呢？我們覺得，因為“繩驅”最根本的優勢，就是剛才我介紹的，能夠實現比較好的力輸出和自適應。但它根本的劣勢在于，尤其是對于欠驅動來說，它沒有辦法實現精準控制。因為它是欠驅動，每個地方的力輸出會隨著自適應的情況不同而不同。 這個時候，就需要我們能夠在軟件里，對“繩驅靈巧手”的各個模塊進行精準的建模。只有你很好地理解這個手在不同條件下會發生什么樣的變化，你才可能實現精準的控制。

Chapter 3.3液壓派：追求極致力量的“暴力美學”

加拿大Sanctuary AI公司就走的液壓驅動派系。他們的Phoenix機器人配備了21個自由度的液壓手，能夠產生強大的力量輸出。

液壓系統的優勢是力量大、響應快、功率密度高，能完成高負載任務，但傳統上液壓系統都很龐大。Sanctuary AI的突破在于將液壓組件小型化到硬幣大小，并且經過了20億次循環測試而無泄漏。

這就像是把挖掘機的液壓系統縮小到了手表的尺寸，技術難度可想而知。不過，液壓系統依然面臨成本、維護、噪音和能效方面的挑戰，因此目前主要用于特定工業和研發場景。

Chapter 3.4 連桿派：發揮機械美學的“優雅派”

這一派的代表作是源自韓國研究團隊提出的ILDA靈巧手，通過精巧的連桿設計實現高自由度動作。它的哲學是：將驅動器全部集成在手掌內部，用連桿、搖臂、滑塊等機構把多個直線動作“分配”到多個關節，讓手指多個關節彎曲，擺出類似人類手指的各種姿態。

這種方案的優點是結構緊湊、自由度高、外形優雅，充分展現了機械設計的美感；但它的缺點也很突出——抗沖擊性較差，在復雜或高負載場景下可靠性不足，導致整體實用性偏低。

Chapter 3.5 混合派：工程師的“中庸之道

還有一些設計嘗試將直驅、繩驅、連桿機構等組合起來，折中成本、重量和性能。例如一些開源或學術手就采用連桿+部分驅動的方案，用較少的執行器實現更多自由度，在科研和教學中很受歡迎。

混合方案之前一直停留在學術研究領域，而TetherIA正在通過混合派路線，開發他們旗下的另外一款高自由度靈巧手方案。他們通過剖析人手的具體功能和結構（結合繩驅及拉桿方案），將上面提過的繩驅、拉桿等方案有機結合在一起，通過強大的工程化實現能力，開發出了一款既高效又可靠的高自由度靈巧手方案。

Chapter 3.6 值得一提的“開源派”

他們是亂拳打死老師傅——不拼技術精度，不比硬件豪華，而是用開源的方式打破行業壁壘。雖然單個產品可能不如Shadow Robot那樣精密，但它們的威力在于“群狼戰術”：把靈巧手的價格門檻做到最低，讓全世界的工程師都能玩得起靈巧手，從而反過來推動技術的進步。

從DexHand到ORCA Hand，越來越多的開源項目正在降低技術門檻。這就像是Android系統對手機行業的影響一樣，可能會徹底改變游戲規則。

而TetherIA在研發一款高自由度、非常接近人手性能的靈巧手的同時，發現系統其實可以極致簡化，于是也做出了一款低自由度、但據說也是市面上性能最好之一的靈巧手。這款靈巧手已經在前陣子發布，并全部開源，售價僅僅為300美元。

團隊對我們說，他們這款靈巧手是極度任務導向的。雖然自由度較低，但能完成很多接近人手的任務。那我們就來看看，這雙手已經能完成哪些復雜的任務。

04

四個Deomo背后的技術密碼

接下來通過四個TetherIA的最新產品展示demo，我們來看看每個看似簡單的動作背后隱藏著什么樣的技術挑戰。

Chapter 4.1 抓取螺絲釘

M5螺絲釘直徑只有5毫米，這個demo看起來簡單，實際上是對精細控制能力的終極考驗。

Xu Dong TetherIA聯合創始人兼CTO 小物體的難度在于也是多方面的：一個是在于它的精準控制能力；另外一個是在于，當你抓小物體的時候，如果力輸出的方向沒有辦法很好的配合，往往會把小物體抓飛。這其實都體現了：既要有硬件設計上實現很好的自適應，以及力輸出的一致性，另外其實也是我們整個軟件系統要相應配合，實現對這個相對復雜的“繩驅靈巧手”的精準操作。

Chapter 4.2 抓取大物件

抓大盒子的挑戰完全不同。這時候，機器人手只有指尖的一小部分在接觸物體，就像是用指甲尖去抓握一個籃球。

Xu Dong TetherIA聯合創始人兼CTO 因為這個盒子幾乎和機器人的手一樣大，因此必須非常精準地去抓住它。基本上這種情況下，你只能用指尖來施力，也就是靠機器手最后一節關節來提供力量。所以對于機械手來說，這樣的抓取就變得相當棘手。這個盒子的大小，已經是人手大小能夠抓的最接近的尺寸了。手的大小對于人類來說是限制，對于機器人靈巧手來說也是。但是你可以看到我們的靈巧手，對于處理這種接近它手大小極限的物體的時候也是沒有問題的。

開可樂是最讓人印象深刻的dem，因為它真正展現了機器人手的“人性化”特征。

Xu Dong TetherIA聯合創始人兼CTO 這是體現了我們硬件結構設計上的一些創新，以及我們對手的實用性的一些理解。我們覺得，其實人在很多情況下，指甲都起到很重要的作用。一個就是您剛才提到的可樂瓶，我們需要有一個自適應，能夠在狹小的空間里實現相對較大的力輸出。 另外，在生活中很多細節上，比如洗菜、做飯、剝菜的過程中，其實都會用到。我們這里不僅僅是一個“指甲”，更重要的是手前端的設計，能夠用軟物質包裹，自適應，而且曲率非常接近人手的曲率，所以才能夠實現這些功能。

我本來想使個壞，使勁搖晃了下可樂罐，本來想讓靈巧手給我開個“噴氣式”可樂的，但是...怎么這么平靜？這次使壞失敗，大家如果知道怎么能讓可樂罐搖晃打開能噴出來的給我留個言，我下次再去找靈巧手試試。

Chapter 4.4 拿iPhone——桌面操作的“終極考驗”

這個看似最簡單的動作，實際上是技術含量最高的。iPhone緊貼桌面，手指必須伸入只有幾毫米的縫隙中，還不能與桌面發生硬碰撞。

Xu Dong TetherIA聯合創始人兼CTO 我們發現iPhone其實是一個非常窄小的空間，需要在這個狹小空間里使用比較大的力，并且拿穩。這個過程中有若干難點，其中一個難點是：很多靈巧手的末端設計，如果曲率是向外的，在抓的過程中，力的方向會斜向外，不容易抓穩。 另外一個難點是：抓的時候，手指會不可避免地跟桌面接觸，從而增加靈巧手損傷的概率。我們的手能解決這些問題：一是有自適應過程，在抓的時候能夠調整力的方向，讓它抓穩并拿起來；二是因為我們是“繩驅”方案，讓手在接觸桌面的時候自適應，而不是直接碰撞和對抗，從而減少損傷。

AI大模型時代的靈巧手

目前，我們正處在一個特殊的歷史時刻：AI大模型的突破為機器人技術帶來了前所未有的可能性。

比如前面說的Vision-Language-Action（VLA）模型，就給機器人的“大腦升級”。傳統的機器人需要為每個任務編寫專門的程序，而VLA模型讓機器人能夠理解自然語言指令，并將其轉化為具體的動作。這就像是給機器人裝上了“翻譯機”——它能夠將“幫我倒杯水”這樣的自然語言翻譯成具體的動作序列。

Xu Dong TetherIA聯合創始人兼CTO 我們發現我在做的過程當中靈巧手的操縱很大的一個難點，就是如何進行遙操。因為它的自由度比較多會比夾爪復雜很多，特別是對于我們繩驅的方案，所以我們基于這個痛點做了一款AI小腦，這個AI小腦在用戶操縱的過程當中能夠實現自適應，對于不同的任務，用戶并不需要精準地告訴操縱我們靈巧手的力輸出甚至力輸出的方向，手會給予任務來進行自適應的調整，極大的提高了這個遙操的絲滑程度。

此外，Sim2Real（仿真到現實）技術正在解決機器人訓練的成本問題。在虛擬環境中，機器人可以進行數百萬次的試錯，而不用擔心損壞硬件。但是，仿真和現實之間總是存在差距。

Evan Tao TetherIA聯合創始人兼CEO 這個的確是機器人在做的過程中的一些難點，主要是在于，因為物理世界是非常復雜的，我們仿真的過程中肯定是簡化了很多的一些參數。比如像物體比較多的摩擦力、剛性、柔軟的程度，仿真的模型并不能夠很好的去體現。并且我們在物理世界設計機械手、生產機械手的過程也會有一些的誤差，所以這也是我們一直在克服的東西。

這就像是在游戲中練習開車和在現實中開車的區別——基本技能可以學會，但真正的路感還是需要實際體驗。

不僅如此，甚至在硬件上，AI也在發力。機器人昂貴的一個原因，是它的供應鏈比較缺乏。很多這種驅動器都是專門為了機器人定制的，目前來說產量也比較低，所以整個行業的成本還沒有辦法做得非常便宜。并且，傳統機器人的設計是通過不斷提高產品的精度，來實現很多高級、炫酷的功能。但是現在有了AI的加持，對機器人硬件的精度要求就不會再繼續那么高，所以整體的價格我們相信會越來越低。

而TetherIA推出的這款繩驅方案的開源靈巧手，就是想讓硬件以便宜的價格被更多機器人和科技愛好者所采用，在此之上去更好的用AI開發軟件來加速靈巧手和機器人的技術進步。

Xu Dong TetherIA聯合創始人兼CTO 我們這款低自由度的產品，是結合了我們在設計高自由度的過程當中，對于整個整體結構設計的一些經驗，然后并且采用了市面上主流的off-the-shelf（現成的）的這種電機，所以能夠做到極致的低成本。

Evan Tao TetherIA聯合創始人兼CEO 我們的計劃和特斯拉是不一樣的，因為我們不像特斯拉有那么多的資金去完全投入在研發中，我們是要和我們的社群一起去成長的過程。為什么我們對我們低自由度的手非常有信心，而且覺得會是一個爆款的產品，是在于我們通過300美金的硬件成本能夠做到超越別人幾千美金、甚至幾萬美金的產品的功能性。這樣的好處是，不僅僅是很多很頂尖的公司和很頂尖的科研院所可以使用這樣的產品，更多的愛好者也可以一起參與到這個靈巧手算法的應用的開發過程中來。

圖片來源：TechCrunch

這就像是Google的Android策略——雖然蘋果的iOS可能在單個產品上更優秀，但Android通過開放生態獲得了更大的市場份額。而且通過開源硬件，全世界的研究者都成為數據貢獻者。

06

機器人走進家庭的前夜：

從擁有一雙真正靈巧的手開始

回顧機器人靈巧手的發展史，其實就是人類技術進步的一個縮影。我們從模仿自然開始，逐步理解其中的原理，然后用工程的方式去實現，最終可能會超越自然的原型。

我們在采訪中發現，TetherIA的故事特別有意思，因為它代表了一種新的發展模式：通過開源降低門檻，通過眾包加速創新，通過生態建設推動產業發展。這就像是Linux對操作系統行業的影響，或者Android對移動行業的影響一樣。

當然，從300多美元的開源版本到真正實用的家庭機器人，這中間還有很長的路要走。技術上的挑戰、成本上的壓力、應用場景的探索，每一個環節都充滿了不確定性。

但是，正如受訪者在采訪最后說的那樣：我們相信五年之后，我們會看到機器人在很多地方部署，它不會是一個停留在視頻里或者概念里的東西，就像我們現在每天接觸ChatGPT一樣，它會真正在我們生活當中產生巨大的價值。

也許再過數年，我們回頭看2025年，會發現這是機器人真正走向普及的起點。到那時，每個家庭都可能有一個機器人助手，能夠幫我們做飯、打掃、照顧老人、陪伴孩子。而這一切的起點，就是讓機器人擁有一雙真正靈巧的手。

以上就是我們機器人系列的第一期的內容，之后我們還會走訪硅谷明星初創公司和一線研發機器人的團隊，從大腦、AI算法、數據、腦機接口等多個維度來深度聊聊機器人如今的研發現狀。關于機器人，大家還有什么想問的、想聊的，歡迎在評論區一起告訴我們吧。

視頻有視覺和音樂的加持，更能呈現出這些精彩的故事細節。 請跳轉至硅谷101【視頻號】收看完整版

注：部分圖片來源于網絡

【本期節目不構成任何投資建議】

【視頻播放渠道】

國內：B站｜騰訊｜視頻號｜西瓜｜頭條｜百家號｜36kr｜微博｜虎嗅

海外：Youtube

聯系我們：video@sv101.net

【創作團隊】

監制｜泓君 陳茜

撰稿 ｜Vicky Xiao

主持｜陳茜

剪輯/動效｜踹 AK12 橘子

運營｜王梓沁 孫澤平 朱婕