机器人“肉身”的进化与行业护城河

本期视频继续硅谷101的《机器人系列》，聚焦于本体硬件的进化、量产能力与供应链体系。随着宇树科技推出载人变形机甲，以及机器人在半马比赛中打破人类历史记录，机器人行业正从实验室走向舞台中央。空翻、功夫、跨栏等复杂动作已成为各家公司的展示标配，但抛开“大脑”层面的具身智能不谈，具身智能的“肉身”在过去两年中经历了极其迅速的发展。这种进化并非仅体现在单一动作的完成上，更体现在背后那套复杂且精密的“身体系统”的成熟。

“如果把机器人拆开来看，我们会发现真正厉害的不是某一个动作，而是它背后那套复杂的‘身体系统’。”

人形机器人在实际运行中，几乎每天都在承受接近车祸级别的冲击，同时还需要频繁应对工程师的推倒、踹倒等反复测试。这种极端工况下，机器人之所以不会散架，且能完成高难度动作，依赖于其内部结构的坚韧与协调。本期内容将顺着机器人“肉身”的每一层结构，深入剖析其制造逻辑。核心问题在于：机器人到底难在哪？为什么这两年进化速度如此之快？ 当供应链逐渐成熟，决定一家机器人公司能否脱颖而出的，不再是单点技术的突破，而是系统整合能力的综合较量。

骨架材料升级：轻量化与抗冲击的平衡

机器人的骨架是支撑整个“肉身”的基础结构，其材料选择直接决定了机器人的轻量化水平与抗冲击能力。在早期的机器人设计中，材料往往侧重于强度，导致整机重量过大，能耗极高。然而，随着应用场景的拓展，轻量化成为刚需。工程师需要在保证结构强度的前提下，尽可能减轻重量，以提升机器人的机动性和续航能力。

目前，主流的人形机器人骨架材料主要集中在铝合金、碳纤维复合材料以及部分高强度工程塑料的混合使用上。铝合金因其良好的加工性能和性价比，被广泛用于非关键受力部位；而碳纤维则因其极高的比强度，被用于对重量敏感且需要高刚性的关键部位。这种混合材料策略旨在寻找轻量化与抗冲击之间的最佳平衡点。

“人形机器人几乎每天都在承受接近车祸级别的冲击，还时不时被工程师推倒、踪倒、反复测试。它为什么不会散架？”

这种对材料性能的极致追求，反映了机器人从“演示品”向“工业品”过渡的趋势。骨架不仅要轻，还要耐造。在测试过程中，骨架需要吸收和分散来自地面的反作用力以及外部冲击，防止结构疲劳断裂。因此，材料科学的进步是机器人本体进化的重要基石，它直接影响了机器人的寿命、维护成本和最终的商业化可行性。

执行器成为核心：关节是最贵也最难的部分

如果说骨架是机器人的骨骼，那么执行器（Actuator）就是机器人的肌肉和关节，它是整个本体硬件中成本最高、技术难度最大的核心部件。执行器负责将电能转化为机械能，驱动机器人完成各种动作。在人形机器人中，关节的数量众多，每个关节都需要独立的执行器，这使得执行器的总成本在整机BOM（物料清单）中占据极大比例。

执行器的核心挑战在于高扭矩密度、高精度和高响应速度的综合实现。机器人需要在有限的空间内输出巨大的力量，同时保持动作的平滑和精准。这要求执行器内部的电机、减速器、驱动器等多个子组件高度集成且协同工作。目前，行业内的共识是，关节是机器人最贵也最难的部分，其性能直接决定了机器人的运动能力和控制精度。

“执行器成为核心：关节是最贵也最难的部分。”

由于执行器涉及多学科交叉，包括电机设计、精密机械、电力电子和控制算法，其研发门槛极高。许多机器人公司选择自研执行器，以掌握核心技术和成本控制权；而另一些公司则选择采购成熟供应商的产品，以加快研发进度。这种自研与采购的博弈，反映了不同公司在技术积累和商业化策略上的差异。执行器的性能优化，是提升机器人整体性能的关键路径。

拆解三大减速器：性能、成本与耐用的“不可能三角”

在旋转执行器中，减速器是不可或缺的关键组件，它负责降低电机转速并放大扭矩。目前，人形机器人主要使用三种类型的减速器：谐波减速器、RV减速器和行星减速器。每种减速器都有其独特的性能特点、成本结构和适用场景，构成了一个难以同时兼顾的“不可能三角”。

减速器类型 核心优势 主要劣势 典型应用场景 成本估算 (相对值)
谐波减速器 体积小、重量轻、传动比大、精度高 寿命相对较短、抗冲击能力弱、承载能力有限 手臂、手腕、腿部小关节 高
RV减速器 刚性强、精度高、承载能力大、寿命长 体积大、重量重、成本高、制造难度大 腰部、大腿等大负载关节 极高
行星减速器 结构紧凑、效率高、成本较低 传动比小、精度相对较低、背隙较大 手部、足部等低精度高爆发场景 低

谐波减速器因其轻量化和高精度，被广泛应用于人形机器人的手臂和腿部关节，但其寿命和抗冲击能力是主要短板。RV减速器虽然性能优异，但体积和重量使其难以在轻量化要求极高的人形机器人中大规模应用。行星减速器则在成本和结构紧凑性上具有优势，但精度和传动比限制了其在高精度关节中的应用。因此，如何根据关节的具体需求选择合适的减速器，并在性能、成本和耐用性之间找到平衡，是机器人设计的一大挑战。

“拆解三大减速器：性能、成本与耐用的‘不可能三角’。”

目前，行业正在探索通过材料改进和结构优化来提升减速器的寿命和抗冲击能力，同时通过规模化生产来降低成本。例如，一些公司正在尝试使用新型材料来增强谐波减速器的齿形强度，以延长其使用寿命。此外，混合减速方案（如谐波+行星）也在某些关节中得到应用，以兼顾精度和成本。减速器的技术突破，是推动机器人本体性能提升的重要动力。

直线执行器与丝杠：高爆发、抗冲击，却不适合商业化量产

除了旋转关节，直线执行器在人形机器人中也扮演着重要角色，特别是在需要高爆发力和抗冲击能力的部位，如膝盖和脚踝。直线执行器通常由电机、丝杠和导轨等组件构成，能够将旋转运动转化为直线运动。其中，丝杠是直线执行器的核心部件，其类型和性能直接影响执行器的效率和精度。

目前，主流的直线丝杠包括滚珠丝杠和行星滚柱丝杠。滚珠丝杠具有高效率和高精度，但承载能力和抗冲击能力相对较弱；而行星滚柱丝杠则具有更高的承载能力和抗冲击能力，但效率较低且成本高昂。在人形机器人中，直线执行器因其高爆发和抗冲击特性，被用于模拟人类肌肉的线性驱动。

“直线执行器与丝杠：高爆发、抗冲击，却不适合商业化量产。”

然而，直线执行器在商业化量产方面面临巨大挑战。首先，其结构复杂，组装难度大，导致生产成本居高不下。其次，直线执行器的维护成本较高，特别是在高频率、高负载的工作环境下，丝杠和导轨容易磨损，需要定期更换。此外，直线执行器的体积和重量也相对较大，不利于机器人的轻量化设计。因此，尽管直线执行器在性能上具有优势，但其在成本和量产方面的局限性，使其目前难以在人形机器人中大规模应用。

行业正在探索通过简化结构和优化材料来降低直线执行器的成本，同时提高其可靠性和寿命。例如，一些公司正在尝试使用一体化设计的直线电机，以减少组件数量并提高集成度。此外，新型丝杠材料（如陶瓷涂层）的研发，也有望提升直线执行器的耐磨性和抗冲击能力。直线执行器的技术突破，将为机器人提供更接近人类肌肉的驱动方式。

电机与伺服系统：能效、散热与稳定性挑战

电机是执行器的动力源，其性能直接决定了机器人的运动能力和能效。在人形机器人中，主要使用无刷直流电机（BLDC）和伺服电机。这些电机需要具备高功率密度、高效率和高响应速度，以满足机器人复杂运动的需求。

然而，电机在高负载和高频率工作下，面临着散热和稳定性的严峻挑战。高功率密度意味着电机内部发热量大，如果散热设计不当，会导致电机过热甚至损坏。此外，电机在高速运转时，需要保持稳定的转速和扭矩输出，这对控制算法和硬件设计提出了极高要求。

“电机与伺服系统：能效、散热与稳定性挑战。”

为了解决散热问题，工程师通常采用液冷或风冷等主动散热方式，但这会增加系统的复杂性和重量。同时，高效的热管理材料（如导热硅脂、散热片）的应用，也是提升电机散热性能的关键。在稳定性方面，高精度的编码器和先进的控制算法（如FOC磁场定向控制）被用于实现电机的精准控制，确保机器人在各种工况下的稳定运行。

此外，能效也是电机设计的重要考量因素。高能效意味着更长的续航时间和更低的运行成本。因此，电机制造商正在不断优化电机设计，如采用高性能永磁材料和优化绕组结构，以提升电机的效率和功率密度。电机与伺服系统的技术进步，是提升机器人整体性能和可靠性的基础。

成本最高的部件：执行器自研 VS 采购

如前所述，执行器是机器人成本最高的部件，其成本占比往往超过整机BOM的50%。因此，自研还是采购执行器，成为机器人公司面临的重要战略决策。自研执行器可以掌握核心技术，实现定制化优化，并降低长期成本；而采购成熟产品则可以加快研发进度，降低初期投入风险。

决策维度 自研执行器 采购执行器
技术控制力 高，可根据需求深度定制 低，受限于供应商产品规格
初期投入成本 高，需投入大量研发资金和时间 低，直接购买成品
量产成本 长期看可能更低，规模效应明显 较高，依赖供应商定价
研发周期 长，需经历设计、测试、迭代 短，快速集成
供应链风险 高，需自建供应链体系 低，依赖成熟供应商

智元机器人合伙人王闯指出，自研执行器虽然初期投入大，但长期来看，掌握核心零部件技术是机器人公司建立护城河的关键。通过自研，公司可以根据自身算法和控制策略，对执行器进行深度优化，实现性能与成本的平衡。此外，自研执行器还可以避免被供应商“卡脖子”，确保供应链的安全。

“真正决定一家机器人公司能不能跑出来的，到底是单点技术，还是系统整合能力？”

然而，自研也意味着要承担更高的技术风险和资金压力。对于初创公司而言，采购成熟执行器可能是更务实的选择，以便将资源集中在算法和系统集成上。随着供应链的成熟，越来越多的专业执行器供应商出现，为机器人公司提供了更多选择。自研与采购的平衡，取决于公司的技术积累、资金状况和战略目标。

惯性测量单元：防止机器人摔倒的“前庭系统”

惯性测量单元（IMU）是人形机器人的“前庭系统”，负责感知机器人的姿态、加速度和角速度。IMU由加速度计、陀螺仪和磁力计等传感器组成，通过融合这些数据，机器人可以实时了解自己的空间位置和运动状态。

在人形机器人中，IMU的重要性不言而喻。它是机器人平衡控制和步态规划的基础。如果IMU数据不准确或延迟过高，机器人很容易失去平衡甚至摔倒。因此，IMU需要具备高精度、低噪声和低延迟的特性。

“惯性测量单元：防止机器人摔倒的‘前庭系统’。”

目前，高端IMU多采用MEMS（微机电系统）技术，具有体积小、重量轻、成本低等优点。然而，MEMS IMU在长期运行中容易出现漂移问题，即零点误差随时间累积，导致姿态估计不准确。为了解决这一问题，工程师通常采用多传感器融合算法，结合视觉、力觉等其他传感器数据，对IMU数据进行校正和补偿。

此外，IMU的安装位置和校准也对性能有重要影响。通常，机器人会在多个关键部位（如头部、腰部、腿部）安装IMU，以实现更全面的姿态感知。通过多IMU数据融合，可以提高姿态估计的鲁棒性和精度。IMU技术的进步，是提升机器人平衡能力和运动稳定性的关键。

摄像头与雷达：车规级的迁移与差异

视觉传感器是人形机器人感知外部环境的主要手段，主要包括摄像头和激光雷达（LiDAR）。随着自动驾驶技术的发展，车规级传感器被大量迁移到人形机器人领域，但两者在应用场景和技术要求上存在显著差异。

传感器类型 核心优势 主要劣势 机器人应用场景 车规级差异
摄像头 信息量大、成本低、色彩丰富 受光照影响大、深度信息缺失 物体识别、人脸追踪、环境理解 机器人需更高帧率和动态范围
激光雷达 测距精准、不受光照影响 成本高、体积大、点云稀疏 3D建图、避障、定位 机器人需更小体积和更低功耗
毫米波雷达 穿透性强、测速准 分辨率低、难以识别静态物体 快速测距、运动检测 机器人需更高角度分辨率

摄像头提供了丰富的视觉信息，但缺乏深度信息，需要结合立体视觉或深度相机来获取3D数据。在机器人应用中，摄像头需要适应复杂多变的光照环境，如强光、弱光、逆光等，这对传感器的动态范围和图像处理算法提出了更高要求。

激光雷达则提供了精准的3D点云数据，适用于高精度的建图和避障。然而，传统车规级激光雷达体积较大、成本高昂，难以直接应用于人形机器人。因此，小型化、低成本固态激光雷达成为研发热点。此外，毫米波雷达因其穿透性强、测速准的特点，也被用于机器人的快速测距和运动检测。

“摄像头与雷达：车规级的迁移与差异。”

尽管车规级传感器提供了成熟的技术基础，但机器人需要在体积、重量、功耗和成本上进行优化，以适应其独特的应用场景。因此，传感器的小型化和集成化，以及多传感器融合算法的优化，是提升机器人感知能力的关键方向。

触觉仍处早期：从材料到数据的双重难题

触觉传感器是人形机器人实现精细操作和人机交互的关键，但目前仍处于早期发展阶段。触觉传感器需要感知压力、摩擦力、温度等多种物理量，并转化为电信号。这要求传感器具备高灵敏度、高分辨率和快速响应的特性。

目前，触觉传感器的主要挑战在于材料科学和数据获取。在材料方面，需要开发新型柔性材料，以实现传感器的柔韧性和耐用性。在数据方面，触觉数据的采集和处理极为复杂，需要大量的标注数据和先进的算法进行训练。

“触觉仍处早期：从材料到数据的双重难题。”

目前，主流的触觉传感器技术包括电阻式、电容式、压电式和光学式等。电阻式和电容式传感器结构简单、成本低，但灵敏度和分辨率有限；压电式和光学式传感器则具有更高的灵敏度和分辨率，但成本高昂且结构复杂。

此外，触觉数据的标准化和共享也是行业面临的难题。由于缺乏统一的数据格式和标注标准，不同公司的触觉数据难以互通，限制了算法的训练和优化。因此，建立开放的触觉数据平台，促进数据共享和算法迭代，是推动触觉技术发展的关键。

大脑与小脑架构：芯片分工与融合趋势

人形机器人的控制系统通常分为“大脑”和“小脑”两部分。“大脑”负责高层决策、任务规划和环境理解，通常由高性能CPU或GPU组成；“小脑”负责底层运动控制、平衡调节和实时响应，通常由专用MCU或FPGA组成。

这种分工架构旨在平衡计算能力和实时性。“大脑”处理复杂的算法和数据，而“小脑”则确保机器人运动的稳定性和安全性。随着算力的提升，大脑与小脑的融合趋势日益明显，即通过高性能SoC（系统级芯片）实现两者的集成，以减少通信延迟并提高系统效率。

“大脑与小脑架构：芯片分工与融合趋势。”

然而，融合也带来了散热和功耗的挑战。高性能芯片在高负载下发热量大，需要高效的热管理方案。此外，实时操作系统（RTOS）和确定性网络的应用，也是确保“小脑”实时响应的关键。未来，随着专用AI芯片的发展，大脑与小脑的界限可能会进一步模糊，实现更紧密的协同工作。

电池与线束：机器人的“心脏”、“神经”与“血管”

电池是机器人的“心脏”，提供能量来源；线束则是机器人的“神经”和“血管”，负责传输电力和数据。电池的性能直接决定了机器人的续航时间和功率输出，而线束的布局和可靠性则影响机器人的整体稳定性和维护便利性。

目前，人形机器人主要使用锂离子电池，因其高能量密度和成熟的技术生态。然而，电池在安全性、寿命和充电速度方面仍有提升空间。高能量密度电池在受到冲击时存在热失控风险，因此需要配备先进的电池管理系统（BMS）进行监控和保护。

“电池与线束：机器人的‘心脏’、‘神经’与‘血管’。”

线束方面，由于机器人关节运动频繁，线束需要承受反复的弯曲和拉伸，因此对柔韧性和耐磨性要求极高。传统线束容易断裂，导致故障。因此，柔性电路板和无线传输技术的应用，成为解决线束问题的新方向。此外，模块化线束设计也便于机器人的组装和维护。

组装与量产难题：能动不等于好用

机器人能够动起来，并不意味着它已经具备了商业化所需的稳定性和可靠性。从原型机到量产机，面临着巨大的组装与量产难题。原型机通常由手工组装，注重功能实现；而量产机则需要通过自动化生产线，实现高效、一致性的制造。

装配精度是量产的关键。机器人关节的装配公差极小，任何微小的偏差都可能导致运动卡顿或磨损加剧。因此，需要高精度的装配设备和严格的质检流程。此外，软件调试也是量产的重要环节，需要确保每个机器人的控制算法参数一致，以实现标准化的运动表现。

“组装与量产难题：能动不等于好用。”

目前，许多机器人公司正在探索模块化组装和自动化测试方案，以提高生产效率和产品质量。例如，将执行器、传感器等组件预集成到模块中，再进行总装，可以简化装配流程。同时，自动化测试台可以对机器人进行全方位的测试，确保其性能符合标准。量产能力的提升，是机器人从实验室走向市场的关键一步。

供应链成熟加速：机器人进化的关键原因

过去两年，机器人本体进化迅速，一个重要原因是供应链的日益成熟。随着机器人行业的爆发，越来越多的上游供应商进入市场，提供了从电机、减速器到传感器、芯片等全套零部件。这种供应链的完善，降低了机器人公司的研发门槛和成本，加速了产品的迭代。

标准化和模块化是供应链成熟的重要标志。越来越多的零部件实现了标准化接口和模块化设计，使得机器人公司可以像搭积木一样快速构建原型机。此外，规模化生产也带来了成本的下降，使得高性能零部件变得更加亲民。

“供应链成熟加速：机器人进化的关键原因。”

然而，供应链成熟也带来了同质化竞争的风险。如果所有公司都使用相同的零部件，那么产品的差异化将主要依赖于算法和系统集成。因此，核心零部件的自研仍然是建立竞争优势的重要手段。同时，供应链的安全性和稳定性也日益受到重视，特别是在地缘政治紧张的背景下，确保关键零部件的供应安全成为战略重点。

下一个里程碑：从空翻到接住一片落叶

当前，人形机器人已经能够完成空翻、跑步等高难度动作，但这只是起步阶段。下一个里程碑，是机器人能够像人类一样，在复杂、非结构化的环境中，完成精细、柔性的操作，例如“接住一片落叶”。

“接住一片落叶”象征着机器人对力控、触觉反馈和实时决策的综合能力要求。这不仅需要高精度的执行器，还需要先进的触觉传感器和智能控制算法。机器人需要感知落叶的柔软度和重量，调整手指的力度和姿态，以轻柔地接住它，而不将其捏碎。

“下一个里程碑：从空翻到接住一片落叶。”

这一目标的实现，标志着机器人从“运动能力”向“操作能力”的跨越。它将使机器人能够进入家庭、医院、工厂等更多场景，执行更复杂的任务。为此，行业需要在触觉技术、力控算法和系统集成方面取得突破。同时，大规模数据的积累和仿真训练，也将加速这一目标的实现。从空翻到接住落叶，机器人正在从“表演者”向“工作者”转变。