人形機器人：為何靈巧手是邁不過去的門檻？

海豚君對人形機器人產業鏈各環節做了詳細梳理之后，本篇重點研究一下靈巧手，海豚君關注幾個關鍵問題：

1）探討靈巧手為何重要？

2）靈巧手的產業瓶頸到底在哪里？

3）這些瓶頸的解決意味著怎樣的風險與機會？

4）靈巧手未來的方向是什么，可能的商業化路徑？

廢話不多，直接上正題：

一、為什么要關注靈巧手？

對于人形機器人，馬斯克及特斯拉曾反復強調靈巧手的難度及價值。在此前多個Optimus人形機器人的演示視頻中，我們也可以看到，市場期待也是手部動作的進展。

同時，人形機器人整機廠，尤其是中國大陸整機廠商，一年多以來運動控制上炫技頻頻，從只會轉手絹，迅速進化為跳舞打拳樣樣精通，動作流暢度已經讓大部分人類自嘆不如了。但我們是否有注意到，這些炫酷動作主要集中在身體關節，基本上沒有用到手。

這當然不是手不重要，反而說明手部動作的實現難度遠大于身體關節。

手有多重要呢？我們可以想象一下，一臺只裝了假手的人形機器人，不管身體關節如何靈活，如果它沒有靈巧的雙手，那么相較于輪、足機器人，甚至最普通的工業/協作機器人，也強不到哪里去。

所以手，其實是人形機器人上最關鍵的部位。但從產業化的角度，手的實現難度的確很大。

舉個簡單的例子：當人類決定用手抓取東西時，依據是什么信息呢？

首先是視覺信息，我們用眼睛看到一個物品，然后，我們可以利用獲取到的視覺信息，疊加我們的思考，來判斷這個東西的位置、距離、種類以及性質等。

然后我們開始實施抓取動作，在這個過程中，觸覺開始發揮作用。首先，我們的手指開始接觸這個物品，然后，我們通過手指的觸覺神經，來獲取這個物品的重量、軟硬、溫度以及摩擦力等信息，最后我們開始實施抓取，可以想象，對于光滑的或者粗糙的物品，我們抓取它們的方式顯然是不同的。

另外，這里觸覺所獲取信息的精細度也與視覺不同，比如對于一根纖細的動物毛發，我們通過視覺可能很難捕捉到它，但如果用手指觸摸，卻能很容易感受到它的存在。

圖：Optimus抓取雞蛋及應用觸覺傳感器

來源：特斯拉，海豚研究

通過以上表述，我們能夠簡單理解靈巧手的難度了，那么要想使得靈巧手實現這樣的能力，瓶頸又在哪里？

二、靈巧手的瓶頸在哪里？

這里我們分為硬件和軟件兩部分。簡單來說，硬件難點在硬件集成和多模態感知融合，軟件在大模型算法架構和數據量積累。

1、硬件角度，難點主要體現在高空間集成和多模態感知

（1）空間集成難度大

例如在特斯拉Optimus 2.5方案中，需要在極小空間內塞下20多個自由度所需要的零部件，包括電機、齒輪箱、微型滾珠絲杠以及腱繩等，且這些零部件需要滿足高功率密度、高精度、高可靠性、高壽命以及低成本等要求。

（2）對感知要求高，需大量且多模態的傳感器，其中難點最大的還是觸覺

這里涉及到傳感器，尤其是觸覺傳感器。關于傳感器，我們在談到過，一方面需要滿足高精度要求（要求數據一致性，且不能有性能漂移），一方面需要將不同知覺信息融合，那么就對多模態感知融合能力要求極高，這需要克服不同模態的固有差異。

以上是硬件障礙，但這只是一方面，軟件同樣存在障礙，且這個障礙可能需要更長的時間來解決。

2、軟件角度，主要在大模型算法架構和數據量的積累

這里我們可能會產生疑問：靈巧手只是一個執行器總成，是硬件，與軟件有什么關系呢？其實不完全是這樣的：

（1）算法：瓶頸之一

人形機器人的算法仍然處在動態演進階段，技術路線尚未收斂。但整體而言，在大腦部分，采用端到端大模型是普遍認知，盡管采用何種類型、何種架構的大模型還未有共識。

與大腦相對應的是小腦，大腦負責感知-推理-決策，小腦負責接收命令并執行，這是通常我們從概念上所理解的，人形機器人的算法架構。

那么問題是，既然大腦需要大模型，小腦需大模型嗎，或只使用傳統算法就足夠滿足需求？以及，這里的大腦和小腦要被放置在哪里，是在云端還是人形機器人頭部或身體中央，還是可以將一部分配置在手部之類的邊緣端？就以上問題，目前并沒有形成標準解法。

那么對應靈巧手而言，它就不再是一個純硬件，而是需要有軟件植入其中，且這里的軟件大概率不只是一個傳統的、小型的運動控制算法。也就是說，人形機器人所面臨的算法挑戰也正是靈巧手所面臨的算法挑戰，這是其一。

其二，在人形機器人的整套算法體系當中，對于靈巧手的控制是核心難點之一。如果想讓靈巧手模仿人類手實施抓取動作，正如上文談到，需要以多模態的感知輸入為基礎，那么這對算法的多模態信息的融合能力要求極高。

總之，靈巧手的研發必須與算法深度融合，絕不僅僅是一個孤立的模塊。

（2）數據量：幾乎是目前面臨的最大瓶頸

人類動作的數據采集與標注極其復雜且成本高昂，對數據準確性的要求極高，而目前人形機器人所積累的數據量遠遠不足。

這里做個對比，我們可以想象在智能駕駛領域，行業能夠收集到的數據量等級，然后再與人形機器人相比較，目前新能源汽車全球年銷量即將突破2000萬輛，顯然相較于機器人，智能駕駛能夠積累的數據量要多得多。

但即便如此，智能駕駛卻還沒有完全走向成熟。與此同時，人形機器人的感知更復雜、執行更復雜，所需要的數據體量預計也會遠大于智能駕駛。那么可以想象，數據量對行業構成了多大的限制。

而數據量瓶頸，主要制約的是靈巧手的能力。我們在上文已經談到，身體關節的復雜動作，人形機器人已經能夠在一定條件下實現，但手還差得很遠。

當然，除使用真實世界數據以外，仿真等方式也可被用來做訓練，但這卻更能體現靈巧手的瓶頸，因為仿真數據有明顯邊界。

目前隨著英偉達Isaac Sim等平臺的物理引擎越來越逼真，人形機器人絕大部分的基礎步態訓練的確可以在虛擬世界進行，且成本已有所降低，但是諸如材質摩擦性質等差異微妙的長尾場景，以及涉及復雜交互的場景，仿真仍然很難完美模擬，而這些場景主要涉及靈巧手的操作。

表：幾種訓練方式的優劣勢對比

以上是我們對靈巧手行業的簡要分析，接下來讓我們把視角轉向硬件環節的投資機會。

三、哪些硬件比較重要，它們涉及哪些上市公司？

靈巧手在硬件上的技術路線并未收斂，各家整機廠商仍在探索。而領頭羊，或者說起燈塔作用的，仍然是特斯拉的Optimus。此前特斯拉展示的Optimus 最新版本，在執行器上大體采用電機+行星齒輪箱+微型絲杠+腱繩的結構，那么我們以此為基礎對硬件進行一番梳理。

表：執行器技術路線比較

（一）首先，我們先來拆解一下這個結構：在這個靈巧手結構當中，每只手的手部有22個自由度，自由度可以理解為關節，在這其中有17個是主動自由度，就是說這些自由度由執行器去主動控制，也就是上文所說的電機+行星齒輪箱+微型絲杠+腱繩的結構。

圖：靈巧手以及手腕的自由度

來源：特斯拉，海豚研究

其中：

1、電機：動力單元，提供原始動力，它們被布置在手臂位置，早期版本是采用6個空心杯電機，但考慮到2.5版本已經增加到17個主動自由度，所以使用的電機大概率遠超6個，根據產業鏈信息，既可能采用空心杯電機，也可能采用無刷齒槽電機。

2、行星齒輪箱：也在手臂位置，與電機連接，也可以叫做行星減速器，用來減速并增加扭矩，與身體旋轉關節的作用類似。

3、微型絲杠：連接行星齒輪箱，將旋轉運動轉化為直線運動，同樣在手臂位置。為什么有行星齒輪箱了還要配置絲杠？主要是基于體積、精度、壽命等因素考慮。

4、腱繩模塊：連接絲杠螺母和手指，穿過手掌，將絲杠產生的直線拉力傳導到手指，這當中，主動關節和被動關節都需要通過腱繩來連接。

那么靈巧手關節的驅動過程顯而易見：接收到小腦發出的指令后，電機開始轉動，動力傳導到行星齒輪箱，再傳導到微型絲杠，再傳導到腱繩，最后傳導到手指，在這里，腱繩類似于人類手部分布在手掌和手指位置的肌腱。

圖：Optimus的手臂

來源：特斯拉，海豚研究

另外還有各類傳感器，其中觸覺傳感器在較早版本中主要分布在五指指尖，每只手有5個，最新版本預計已經把覆蓋范圍擴展到整個手掌，數量上看預計遠大于5個。

（二）產業鏈環節和硬件，以及相關公司

1、觸覺傳感器

關于觸覺傳感器，我們在此前的人形機器人報告中已經做過分析，此處不再贅述，僅談談未來的變化。一方面，觸覺傳感器的面積和數量預計將繼續增加，由指尖擴展到整個手掌；同時，技術路線也在變化，可能由壓阻式進化為壓阻式和電容式相結合的混合方案。

不過有一點值得提示，目前即便是精度較高的電容式方案，想要還原紋理等極精細的接觸力學數據，還是存在困難，所以技術路線還有可能進一步演進。

2、執行器硬件：電機、行星齒輪箱和微型絲杠

上篇文章也已經談過，這里也僅談談可能的變化：未來電機可能由空心杯電機過渡到無刷有齒槽電機即微型無框電機，主要基于降本目的，但再往后電機方案仍可能發生變化；絲杠可能由微型滾珠絲杠進化為行星滾柱絲杠，主要基于精度、負載以及壽命要求。

3、腱繩

腱繩是特斯拉最新方案的重要組件，腱繩的主要難點在材料：從腱繩所發揮的功能我們可以看到，其與其他零件的最大差異在于，它不是剛性的，而是可以發生形變的，這會導致以下問題：

（1）可能發生蠕變，即會隨時間發生變形且不可恢復；（2）在驅動過程中會產生彈性形變，導致遲滯效應；（3）會磨損甚至斷裂，影響負載能力，影響壽命。

目前，主要采用金屬或高分子纖維材料（典型如UHMVPE），其中UHMWPE被產業認為是更適合于量產的方向。

UHMWPE產品目前最領先的是荷蘭皇家帝斯曼集團，其他生產商主要是美國霍尼韋爾國際公司、日本東洋紡織株式會社、三井化學株式會社等，中國大陸有部分企業也取得一些進展，處于驗證階段，包括南山智尚、同益中、恒輝安防等。

表：不同方案腱繩材料對比

圖：某種腱繩混合方案的工作機制示意

來源：《Finger Unit Design for Hybrid-Driven Dexterous Hands》, Chong Deng, et al., Dolphin Research

4、總成環節

此前我們在三花智控的報告中談過，特斯拉傾向于將執行器總成環節交給供應商來生產，而不是采購零部件自己組裝，靈巧手同樣也是總成思路。

目前已經有多家中國大陸企業在推進與特斯拉在靈巧手上的合作。根據產業鏈反饋的信息，目前進展較快的包括新劍傳動（手部絲杠及手部總成）、浙江榮泰（手部絲杠及手部總成）等，其他有潛力的還包括特斯拉的總成供應商如拓普集團、三花智控等。

5、獨立開發靈巧手的公司

人形機器人產業的確加速了靈巧手低成本方案的成熟落地。但靈巧手作為一個完整模塊，并不完全依附于人形機器人本體而存在，試想靈巧手安裝在輪足機器人上、機器狗背上、甚至工業機械臂上，也能實現一定功能。

全球有多家公司選擇專注于靈巧手的研發和生產，我們簡單梳理這些公司，盡管它們基本都未上市，但以之為參考，可以觀察靈巧手技術的演化和收斂方向。

表：靈巧手公司梳理

（三）風險在哪里？

1、技術路線未收斂

靈巧手的技術路線并未收斂，換句話說，目前靈巧手的技術方案仍滿足不了需求。對于硬件相關公司來說，如果技術路線最終確定，那的確會帶來投資機會，但如果技術路線被拋棄，那自然會面臨預期落空的風險。

那么當前時點，我們為什么還要做上述硬件環節的分析呢？因為只有知道了是什么和為什么，才能前瞻地判斷未來可能的變化。

舉例來說，對于特斯拉最新的靈巧手方案，大量的執行器都集中在手臂，這可有效減小手部體積，從而大幅增加自由度。但與此同時，這又會增加結構復雜度，造成控制延遲，以及帶來熱積聚等一系列問題。

那么往后看，為了解決這些問題，靈巧手和整機公司也許會做出這樣的選擇：暫時犧牲靈巧手的部分手指自由度，那么這將不利于某些執行器零件；增加熱管理的硬件配置，那么這將有利于供應熱管理模塊的公司，等等。

這里結合上文分析，對于硬件的迭代方向，我們認為可以重點總結為以下幾點：

（1）成本要繼續降低，對于目前的靈巧手方案，成本仍是制約因素；

（2）要有足夠靈敏和足夠精確的感知能力，這是大模型算法能夠有效應用的前提；

（3）集成度和性能都要滿足，所以執行器技術方案還需要權衡，不只是硬件迭代，整個動力傳導結構也存在不確定性；

（4）材料還需要進一步開發，需要同時滿足柔性、準確性以及壽命要求；

（5）熱管理可能是一個增量環節；

（6）需要關注不同環節的相互影響，例如腱繩的問題是否可通過其他環節來補足，比如通過算法糾錯，或者通過增加位置傳感器的反饋來提高準確度等。

2、供應鏈還未收斂

目前投資市場和資本市場對人形機器人產業的預期顯而易見，但考慮到眾多主機廠商并未上市，于是部分硬件公司就成為了市場流動性的蓄水池。

這里問題在于，按照特斯拉給予的預期，如果進展符合規劃，那么2026年產業將進入量產階段，這將導致供應鏈收斂風險：

我們可以看到，對于人形機器人每個硬件環節，前期參與研發和驗證的硬件公司均有多家，但如果進入量產階段，整機廠商在每個環節的實際供應商可能并沒有這么多，經驗上一般在2-3家，那么在進入量產階段后，最終未進入供應鏈的硬件企業將面臨預期落空風險。

四、最后，不談具體環節和公司，我們想結合產業鏈的最新進展，對行業做一些展望

1、首先，未來靈巧手真的是人形機器人身上必不可少的的模塊嗎？

從任務泛化和環境適配的角度講，人形機器人的末端硬件，做成五指手的形狀也就是靈巧手，幾乎是必然選擇。

我們可以想象，人形機器人的遠期空間在于，它們將能夠替代人類任何形式的勞動，而這些勞動所依附的工具，本身都是基于人類的生理特性來適配的。可能有人說，給機器人裝上一個鍋鏟，它就可以直接炒菜，為什么還要費勁給它裝一只手，再讓這只手拿著鍋鏟炒菜呢，這豈不是多此一舉？

完全不是，因為手是一個媒介，它的作用是連接萬千工具，它就像底層代碼，或者說像人類的語言，沒有手的存在，機器人的通用性自然無從談起。

另一方面，從數據獲取和模型訓練的效率來看，靈巧手也具備必然性。

通過上文的分析我們可以了解，靈巧手乃至人形機器人的最大瓶頸之一在于數據量，而怎么獲取這個數據呢？最可靠的仍然是來自現實世界的數據。而獲取這些數據的最可靠方式，就是直接觀察和模仿人類的行為。

如果人形機器人的末端不是靈巧手，那么這個模仿就無從談起。通過靈巧手，人形機器人的動作可以與人類動作達成最直接的映射關系，這樣的數據利用和學習的效率最高，最終動作的遷移也會更自然和準確。

2、但反過來說，從商業化的角度講，靈巧手是一個馬上可以商業化的產品嗎？

我們認為初期階段，靈巧手的應用仍將首先集中在限定性場景，如特斯拉Optimus可能將靈巧手首先應用在特斯拉內部工廠以進行數據收集和訓練；以及某些非成本敏感領域，如科研教育等。而要想真正實現通用性場景的應用，還需要一定的時間。

因為上文談過，靈巧手的最大瓶頸來自于數據量，而數據的最可靠準確的來源是現實世界，那么這個數據積累過程是無法被繞過的，至少從現階段看，一定需要足夠的場景和足夠的時間。

然而，盡管在此過程中，完整的靈巧手方案仍然需要持續打磨，但某些中間形態，卻可能首先達到商業化應用的條件，或許是兩指，或許是三指，或者較少的自由度，或者某些欠驅動方案，或者相對簡化的感知硬件，以滿足某些半通用性半專用性的場景。

圖：Robotiq的三指夾爪

來源：Robotiq，海豚研究

圖：Barrett Technology的BarrettHand三指手

來源：Barrett Technology，海豚研究

關于這種“場景降維”，我們可以類比汽車自動駕駛的演進路徑——在自動駕駛的萌芽階段，部分公司選擇直接將L4/L5級別的自動駕駛作為實現目標，而有的公司則選擇了一條漸進式路徑，先布局L2/L3級別的輔助駕駛，作為行業的入場券，以現金流反哺產品研發迭代。

另外，最近兩年，在自動駕駛還未成熟的前夜，無論是特斯拉，還是中國大陸新能源汽車企業，選擇首先推出某些場景化的輔助駕駛服務，例如高速NOA、城市通勤NOA、全場景NOA等。

在有限的場景里，通過技術簡化和功能限制，來實現一些可商用的、有一定商業價值的產品；同步地，利用這些產品的商業化，積累數據來進一步迭代算法，以逐步逼近終極產品。那么這也是一條可以兼顧現金流可持續性和產品迭代的可行路徑。

<全文完>

//轉載開白

本文為海豚研究原創文章，如需轉載請添加微信：dolphinR124 獲得開白授權。

//免責聲明及一般披露提示

本報告僅作一般綜合數據之用，旨在海豚研究及其關聯機構之用戶作一般閱覽及數據參考，並未考慮接獲本報告之任何人士之特定投資目標、投資產品偏好、風險承受能力、財務狀況及特別需求投資者若基於此報告做出投資前，必須諮詢獨立專業顧問的意見。任何因使用或參考本報告提及內容或信息做出投資決策的人士，需自行承擔風險。海豚研究毋須承擔因使用本報告所載數據而可能直接或間接引致之任何責任或損失。本報告所載信息及數據基於已公開的資料，僅作參考用途，海豚研究力求但不保證相關信息及數據的可靠性、準確性和完整性。

本報告中所提及之信息或所表達之觀點，在任何司法管轄權下的地方均不可被作為或被視作證券出售邀約或證券買賣之邀請，也不構成對有關證券或相關金融工具的建議、詢價及推薦等。本報告所載資訊、工具及資料並非用作或擬作分派予在分派、刊發、提供或使用有關資訊、工具及資料抵觸適用法例或規例之司法權區或導致海豚研究及／或其附屬公司或聯屬公司須遵守該司法權區之任何註冊或申領牌照規定的有關司法權區的公民或居民。

本報告僅反映相關創作人員個人的觀點、見解及分析方法，並不代表海豚研究及/或其關聯機構的立場。

本報告由海豚研究製作，版權僅為海豚研究所有。任何機構或個人未經海豚研究事先書面同意的情況下，均不得(i)以任何方式製作、拷貝、複製、翻版、轉發等任何形式的複印件或複製品，及/或(ii)直接或間接再次分發或轉交予其他非授權人士，海豚研究將保留一切相關權利。

文章不易，點個“分享”，給我充點兒電吧~