文｜硅谷101
6月1日，宇树科技科创板IPO申请成功通过了上交所上市审核委员会审议。而就在不久前，宇树还发布了首款载人变形机甲。我们离机器人真正落地还有多远？
去年春晚，机器人还在转手绢、扭秧歌，今年就直接进阶到了高难度的空翻、武术。如今，甚至连手机厂商造的机器人，都能在半马上都打破人类记录了。为什么机器人本体这两年的进化能够如此之快？
为了进一步理解机器人的本体进化，我们走访了一些头部机器人企业，也和一些业内人士聊了聊：造机器人究竟有什么难点？机器人的制造门槛真的不高吗？机器人公司的护城河又究竟是什么呢？
这篇文章我们将详细拆解机器人身上的各个零件，相信完整看完之后，你也能自己拼出一台机器人。
01 骨架材料：轻量化与抗冲击的平衡
机器人身上硬件种类繁多，我们可以粗略地划分为4个系统：撑起整个结构的骨架、驱动骨架运动的关节、感知环境的传感器、指挥身体的电气与计算系统。我们先从骨架开始说起。如果一辆车以时速60公里撞向一个假人，由于巨大的冲击力，假人会飞出去，摔的七零八碎。而对人形机器人来说，承受这样的冲击力，已经成为了“日常”。
王闯
智元合伙人/高级副总裁/通用业务部总裁
机器人它每一次空翻触地，身上承受的加速度有几十个g，可能都比汽车和航天都要高，跟汽车撞到墙的加速度差不多。
这就对机器人的结构材料提出了挑战：要翻起来就得身体足够轻，承受如此大的冲击力还得强度大，否则可能一个空翻，零件就飞出来了。所以机器人的第一项挑战就是探索骨架材料。
世界上第一台全尺寸机器人WABOT-1，就是以钢材为主，体重达到了大约160公斤，可能它跳一下就得把地板砸个坑，就更别说翻跟头了。
后来，从本田的ASIMO、波士顿动力的早期液压版Atlas，到第一代特斯拉Optimus，铝合金成了主流，密度只有钢的三分之一。
现在行业已经开始探索更多材料，比如镁合金，它的密度比铝还低了三分之一，局部还会使用强度更高的钛合金，例如经常需要承受冲击的膝关节、脚踝等。
有意思的是，这些坚硬的骨架为机器人扛下了冲击，但供应商似乎赚的只是个“辛苦费”。
某机器人公司前采购总监
骨架最后的卖价，除掉本身金属的含量，再除掉抛掉的废料以外，ratio（比率）其实很低很低了。骨架最后还是卖金属费用+加工费用，大部分成本还是里面的metal（金属），没有办法降价了。它的加工费还是在合理区间的，如果量起来的之后，它的加工费就会趋近于很低，因为它没有什么太大门槛。
除了这些核心的骨架外，机器人的外观件，可以分为两类：
一类是装饰保护件，主要用在胸部、背部、头部，材料从塑料、仿皮TPU到织物，五花八门，主要是为了降低磨损、让触感更亲人。虽然有些机器人看上去是金属机身，实际上是塑料外壳做了一层金属喷漆。
另一类就是让机器人像真人的仿生皮肤，这些皮肤不仅触感要像人，还得在皮下植入触觉传感器。
在骨架和皮肤之外，真正让机器人实现各种超难度动作的，是关节，这也是整个机器人硬件里成本最高、技术最密集、故事也最多的部分。
02 拆解执行器：关节是最贵也最难的部分
大家肯定看过不少机器人跳舞、空翻的视频，这是先通过真人动作捕捉，再训练模型后映射到肢体动作上。
几年前，我们看波士顿动力的Atlas后空翻时，还觉得非常惊讶，但现在可能大家都觉得习以为常了，这背后的原因就在于，机器人的关节经历了从液压系统到电机的转变。
王闯
智元合伙人/高级副总裁/通用业务部总裁
以前我们造不出这么牛的关节，那时候的关节整个性能都很差，空翻是很难翻的起来的，最近这一两年关节的技术进步非常非常大。
关节在业内被称为执行器，主要分为旋转执行器与直线执行器，我们先以肩膀来举例，看看它们是怎么带动身体运动的。
肩膀有三个自由度：前后摆、上下抬、内外旋，被称为俯仰（pitch）、滚转（roll）、偏航（yaw），本质上这些运动方式都是旋转，所以通过三个旋转执行器的组合，手臂就能向X、Y、Z三个方向自由活动了。
到了膝关节上，一般只需要一个自由度，所以用一个旋转执行器或者直线执行器就可以了，直线执行器就像人体的肌肉一样，通过拉伸来带动上下的骨干运动。
而做一次极限动作，得靠全身几十个执行器紧密协同，任何一个地方反应没跟上，或者力量偏差了一点，后果就是摔倒。
这些执行器里面是什么结构呢？旋转执行器与直线执行器都有一套伺服系统，由电机、编码器、驱动器、传感器组成，两者最大的区别就在于，旋转执行器是伺服电机加减速器，而直线执行器是伺服电机加丝杠。
我们先从减速器开始说起。
Chapter 2.1 旋转执行器与减速器
或许你听过这个装置，第一个齿轮转动10圈，第二个齿轮只转1圈，第三个则只有0.1圈，总共100个齿轮，以此类推，如果要让最后的齿轮转一圈，那么第一个需要转古戈尔（Googol）圈，也就是1的后面有100个0，所需能量超过了整个宇宙的能量总和。
这就是一个大型减速器，本质上是个巨大的杠杆，牺牲速度，换取力量。为什么机器人的关节需要减速器呢？
因为电机天生是“高转速、低扭矩”：转速可以轻松达到每分钟上万转，但输出的力矩却比较小。而机器人的关节需要精准控制，我们很难让电机只转几度的同时，还能搬动非常重的东西，所以需要减速来降低转数，提高扭矩，减速比（也就是齿轮比值）越大，速度降低越多，同时输出扭矩越高。
行业最常用的有三种减速器：行星减速器、谐波减速器、RV减速器。我们用模型来给大家解释下。
首先是行星减速器，它的名字很形象：电机连接中心齿轮，带动三个行星轮，行星轮再带动外圈的大齿轮旋转，就像行星围绕太阳一样。它结构小，成本低，但减速比较小，同样的电机转数下，输出扭矩较低，因此常用在手部关节。
需要输出更大的力时，就会用到谐波减速器了。它的最中心是波发生器，将夹层的柔轮撑成椭圆形，一般柔轮与外侧固定的钢轮之间只相差2齿，柔轮只有两个对称区域与刚轮啮合，这样最中心的波发生器旋转一周时，柔轮只转动了2齿，所以减速比可以做到非常大。
谐波减速器的输出扭矩强，且精度高，常用在机器人的肘关节、肩关节，来实现手臂的精准控制。
前文中提到，机器人后空翻时，承受的力相当于汽车撞击，这也对特定部位的减速器提出了很大挑战，但谐波减速器的柔性结构也意味着抗冲击力较差，这时就得用上RV减速器了。
RV减速器由第一级行星齿轮和第二级摆线针轮组成，第一级降速后，通过偏心凸轮带动摆线盘做偏心运动，摆线盘与外壳上的针齿啮合，推动外壳旋转。
这样一来不仅减速比大，由于摆线盘有多个齿同时啮合，所以刚性好、抗冲击更强，常用在机器人的髋关节、膝关节、腰部等需要抗冲击的部位。
减速器是非常精密部件的，加工难度高，而且面对长期的磨损，也很难保证稳定性，这是整个关节里最难的部分。
王闯
智元合伙人/高级副总裁/通用业务部总裁
当大批量地制造、使用的时候，齿轮的精度以及长时间运行的稳定性要求就很高。比如说用了1000个小时，它就发生了各种各样的异响，或者性能就下降了，这个时候运控的算法可能很难去调整，表现在机器人上就是可能走路没有以前那么好了，甚至开始走得逐渐变歪了。
机器人可能要做很多极限的动作，自己也会摔倒，这些冲击很有可能会损伤里面的这些小的齿轮。我们如何能做出性能又很好、成本又很低、长时间使用又没问题，同时摔倒之后它又能抗得了冲击、不会轻易的损坏的齿轮，这是一个非常有挑战的不可能三角。
换句话说，造一个减速器不难，难的是造出一万个性能一致、耐用的减速器。
Chapter 2.2 直线执行器与丝杠
接下来我们看看直线执行器和它的核心部件——丝杠。
直线执行器可以说是最像人体肌肉的，当我们的手臂这样摆动时，并不是关节在主动旋转，而是连接两端骨骼的肌肉在收缩。所以直线执行器只做一种运动，那就是推拉。
有些机器人的膝关节，会采用直线执行器，通过推拉来模仿人类膝部肌肉的运动。当有多个直线执行器通过特定的结构组合后，还能实现关节的旋转。这样的运动方式会被应用到手腕、脚踝等部位。
要做出直线执行器，最简单的就是液压装置，之前波士顿动力的老版Atlas就是以直线液压缸为主，具有高爆发、抗冲击、功率密度大等优势。为什么是老版呢？因为新版他们也转向了电机驱动，主要是液压装置系统复杂，容易漏油，而且控制精度不如电机。
但电机只能旋转，要输出直线运动，还需要一个“转换器”，也就是丝杠。
丝杠轴上有螺纹，旋转时会带动螺母做直线运动，这个过程就像拧螺丝。为了减小摩擦，丝杠内部会加入滚珠，这就是滚珠丝杠。有的会将滚珠换成了滚柱，寿命更长、承载更高、刚性更好，这就是行星滚柱丝杠。此外还有的还会用到T型丝杠。
王闯
智元合伙人/高级副总裁/通用业务部总裁
现在用的可能比较多的就是滚柱丝杠，它对加工精度要求非常非常高，而且在一个很长的行程内，你的一致性要非常好，如果中间有一些不好的，它对于不同机器之间的控制算法就是一个很大的挑战。
有的直线执行器中也会配合上减速器，让电机输出更高扭矩。但目前行业中，直线执行器的应用比较少，主要有三个原因：动态性能差、制造难、成本高。
王闯
智元合伙人/高级副总裁/通用业务部总裁
目前整个行业量产最多的就是旋转关节。直线执行器在行业内也有一些应用，它的特点是载荷能做到更大，而且在一些状态下，如果不供电，也是能保持一个稳定的姿态，是能够自锁的。但是我们觉得它的缺点就是动态性能可能会稍微差一点，因为它的载荷大、减速比大，但动态性能差，所以没有那么敏捷的动作。还有一个比较大的难点是很难大批量地、低成本地制造，所以在当前，我们觉得还不适合做大规模的商业化。因为大家现在用的少，出货量也少，在客户场景中验证的也少，所以它整个成本都是现在居高不下的。
说完传动，我们再来说说动力本身，也就是电机与伺服系统。
Chapter 2.3 电机与伺服系统
机器人身体中的常用的电机是无框力矩电机，相比传统电机，它没有了外壳和轴承，只保留了最核心的部件，这样做是为了尽可能缩小尺寸，可以直接嵌入关节内部。
灵巧手比较特殊，用的是体积更小的空心杯电机，当然输出功率也就没那么高了。灵巧手的难度甚至比整个机器人本体还高。
身体电机的难点主要在于三块：能效与散热、体积和性能稳定性。我们先来说下能效与散热。
电子产品都会不可避免的产生热量，当热量积压过多，超过了正常工作区间后，性能就会下降，所以电机的能效，也就是真正有多少能量被用在做功上，就格外重要，一旦过热，控制系统就只能降低功率，比如空翻到一半时，突然“腿软”了，就会啪一下倒地上。
王闯
智元合伙人/高级副总裁/通用业务部总裁
我们以前做的最早期的样品，可能10分钟之内，这些极限动作只能做一次。它的转速、转矩这些性能曲线做一次之后整个就变掉了，也有可能因为里面发热之类的原因，这个时候就需要先把它技能冷却一下，让它温度降下来之后才能继续做。再一个比较大的问题是它的能效，就是输入一定的能量有多少转化为了热量，比如说是5%，那就和3%就有巨大的差异。这些都会限制性能，哪怕我硬件能力再强，我都不敢再往上去抬性能了。
3%和5%之间看着也许没多大差别，但需要注意的是，电机的发热不是线性的。
当关节要做一次极限动作，瞬时电流可能是平时的3～5倍，发热量就是额定状态的9～25倍。这意味着热量的积累速度，远超关节被动散热的能力上限。做一次空翻，关节温度可能就从温升10度直接跳到50度。所以做完后电机需要冷却，机器人才能继续下一个动作。
要提升电机的能效，就得从电机材料、绕线工艺、结构设计上来下手，这里我们就不详细说明了。
目前很多关节的散热主要靠被动，因为机身采用了大量金属，可以想象成巨大的散热片，只有在功率非常大的关节才会额外加入风冷或液冷散热，比如腿部。
而且额外加入散热措施会带来第二个挑战，那就是体积限制。
工程师们正在想方设法尽可能缩小关节电机，一方面是为了减轻重量、降低成本，更重要的是体积越大，转动惯量也更大，改变运动状态就更难。
打个比方，当你旋转一根绳子的时候，绳子越短，转速就会更快，如果绳子变长了，转速不仅会变慢，当你想停下来时，需要的缓冲时间也会更长。
第三个难点是性能是否稳定，也就是在电机在输入多少电流时，转数是多少、能输出多大扭矩，业内称为TN曲线。这就会影响机器人的控制算法。
比如走过一段不平整的路面时，脚踝上的六维力矩传感器感受到了起伏，为了维持平衡，就需要动态调整电流，来控制电机扭矩。如果TN曲线不稳定，可能控制系统下达的还是同样的命令，但电机输出扭矩产生偏差，结果就是摔倒。
而且TN曲线还对算法的训练有着很大影响，因为机器人算法是先在仿真系统中训练，如果仿真系统中的TN曲线和现实相差太大，那实际表现也会产生偏差。
王闯
智元合伙人/高级副总裁/通用业务部总裁
我会输入给仿真系统一个曲线，实际中这个电机能达到甚至超越这个曲线，那它想要达到的性能、想做的动作就能做到。如果反过来在低转速下ok，但是转速一高它性能就下来了，这个时候就肯定有一些极限动作就做不了，因为有一些最难的动作，要求你在极高的速度下，又有极高的爆发力。
要精确控制电机转数，还需要一套伺服系统，主要由编码器、驱动器、传感器组成。
编码器用来测量电机转子的角度、速度、位置，让系统知道电机当前在什么状态。
王闯
智元合伙人/高级副总裁/通用业务部总裁
编码器其实很关键，机器人里面因为有减速器，所以必须用双编码器，才能知道输入端和输出端两个的位置都在哪里，才能更精确的控制。
驱动器会根据编码器的反馈，以及来自“小脑”的控制指令，调整给电机的电压、电流。
传感器的种类比较多，比如力矩传感器测输出扭矩，温度传感器测电机温度、防止过热等等。
以上就是执行器里的关键部件，接下来我们再说说执行器的整体，为什么它是降本的关键？自研和采购有多大区别呢？
Chapter 2.4 研发路径与成本
根据美国银行的测算，执行器是机器人身上成本最高的部件，约占51%。
某机器人公司前采购总监
无论是手或是电机，motor（电机）和control（控制器），也就是你的肌肉（执行器）是比你的骨骼、比你的眼睛（传感器）、脑子（芯片），包括你的心脏（电池）都是要贵的。
所以执行器是未来量产降本的关键，最主要的因素就在于，中国供应链实在太卷了，此前不少需要其他国家工厂精加工的部件，现在国内都能找到替代。
比如做电机的卧龙电驱、做减速器的绿的谐波、双环传动、中大力德等等，甚至还有公司直接可以提供完整的执行器，比如三花智控、拓普等。
既然市面上可以买到现成的执行器，机器人公司为啥还要费时费力自己研发呢？我们对比下这两种模式。
如果采购成品，可以降低研发成本，提升开发效率，但相应的物料成本会更高，难以根据自己的需求去定制，性能也会有所不足。
王闯
智元合伙人/高级副总裁/通用业务部总裁
大部分（执行器）公司不会给你专门去设计你想要的东西，它卖给你的都是标准件，成本相对来说也比较高。如果一个公司它本身本体的团队人又少，关节的积累也不够，肯定是去买别人的会更好一点，会更快速地能把这个东西做出来。
如果自研的话，能更好的匹配需求和算法，性能更强，但相应地需要付出大量研发精力。
选择哪种路径更多的是公司规模与成本的考量，根据我们的调查，目前头部的机器人公司更多还是偏向自研，甚至会进驻供应商那边参与设计。
所以机器人的关节不仅仅是把零件装在一起，而是要在极小的体积内，实现力量、精度、耐久、成本、重量的平衡，可以说是整个身体中最难的部分，原因在于这是一个新兴的产业，此前供应链并不成熟，大家都是在探索阶段。
王闯
智元合伙人/高级副总裁/通用业务部总裁
（初期）很多的产线的设备都是行业内没有的，我们自己还要去设计（生产）设备。
光有强健的关节还不够，机器人又该怎么知道怎么站稳？如何感知世界？接下来我们聊聊传感器。
03 视觉系统：机器人如何感知世界
Chapter 3.1 惯性测量单元（前庭）
现在的机器人在大部分情况下，不论人类怎么干预都很难摔倒。要实现这样的平衡，在硬件上得依靠身体中的各个传感器。
一方面是前面提到的电机伺服系统，它通过关节里的编码器和力矩传感器，实时感知每个关节的当前位置和受力情况，然后以每秒上千次的频率调整输出。
另一方面，光有“四肢的感觉”还不够，就像人类还需要靠内耳的前庭系统，来感知身体的倾斜与旋转，在机器人身上，这个部位就是惯性测量单元（IMU）。
IMU非常常见，比如当你把手机旋转时，画面也跟着旋转，就是靠IMU。
IMU是几个传感器的组合，最核心是两样东西：一个是加速度计，测量XYZ三轴的加速度，另一个是陀螺仪，测量俯仰、偏航、滚转三个轴的角速度。此外IMU还会加入磁力计，相当于是电子罗盘，用于校准。
把这几个数据融合起来，IMU就能实时感知机器人的运动状态，当我们踹他一脚时，身体会瞬间获得一个加速度，同时还会前后左右倒，IMU检测到这个变化后，会将数据传给“小脑”，计算出需要给各个关节增减多少扭矩，然后将身体拉回来。这个部件在手机、汽车等地方用得很多，所以技术和应用也相对成熟。
防摔倒靠的是IMU，而对日常行动来说，更重要的是防碰撞，避障最依赖的就是视觉系统。
Chapter 3.2 摄像头与激光雷达（眼睛）
机器人的“眼睛”，和汽车的自动驾驶非常像，但又不完全一样。常见方案是摄像头 + 激光雷达 + 毫米波雷达多传感器融合。其中的例外就是特斯拉Optimus，众所周知马斯克是坚定的纯视觉党，只用摄像头。
在传感器的使用上，机器人几乎和汽车一样，许多供应商也都是从汽车供应链上迁移而来。不过虽然都是同一种传感器，但实际的规格大不相同，我们以比较贵的激光雷达来举例。
首先是测距要求不同。汽车要跑高速，激光雷达需要看到150-200米外的障碍物。机器人主要在室内活动，10～20米就够了。测距短了，意味着激光雷达的功率、体积、成本也可以更低。
第二是点云密度和扫描方式不同。汽车识别的是车、人、路障，这些都是大物体，点云密度可以低一些，但机器人需要在桌子上拿起螺丝刀、在地上捡起硬币，这些都是小物体，所以需要更高密度的点云。
王闯
智元合伙人/高级副总裁/通用业务部总裁
我们是希望点云要非常的密，像我们现在用的是非重复扫描，就是你在原地站一会之后，它的点云就会变得更密。这个对我们来说是非常好的，因为我们机器人很多时候并不是那么激烈地在做操作，它像人一样，人做很多事情都是慢慢地去做的，而汽车对稳定性、实时性以及重复性的要求非常高。
第三是安装位置和体积不同。车可以把激光雷达装在车顶、保险杠上，体积大一点没关系，但机器人身体较小，就必须使用更小的模组。
第四是可靠性要求不同。比如汽车常年在室外，对工作温度要求更高；而机器人受到的冲击力更大，对抗震性要求更高。
王闯
智元合伙人/高级副总裁/通用业务部总裁
我以前做车规的话，激光雷达最低的要求是-40度到85度，但在机器人上，至少现在是完全是不需要的。所以汽车上有很多专门为可靠性做的设计，在机器人看来就是冗余的。汽车出车祸的时候，可能加速度才能达到机器人日常做一次空翻的加速度，所以我们对这些震动状态下的稳定性的要求非常高。
虽然汽车的激光雷达已经非常成熟了，但机器人的激光雷达还处于行业早期状态。
王闯
智元合伙人/高级副总裁/通用业务部总裁
我们希望体积变得更小、点云更密、望距离短一点但是FOV（视场角）大一点，这些需求其实都是还没有被满足的。
在摄像头上，根据前特斯拉人工智能硬件负责人的透露，它们选择了车规摄像头，但内部研发时的路径也一再变化。
刘向科（Kerry）
前特斯拉人工智能硬件负责人
目前的方案应该是基于车上的摄像头， 是500万像素。早期最早的方案是堆了很多摄像头的，像素都是有区别的，把帧率降低，把像素提高。为什么这么做，是因为当时Elon提了个要求，希望机器人能够做到穿针引线，当时我们算了，要做到这个要求，必须得要有超过1500万像素，才能看得见这个事情。
也是因为软件团队表示，这个事情如果要是连像素、摄像头都变了的话，对于重新训练这个模型的要求、时间的要求、还有工作量就都会大太多了。 做不到怎么办呢？就考虑在摄像头上加自动对焦。但后来好像又说这个事情，也未必是一定需要的，所以反正就是一直在变。
Chapter 3.3 触觉
接下来我们说说触觉，要实现触觉，主要分4种途径：
最常见的是压阻式，通过将压力转化为电阻，来改变电流信号，比如电子秤会用到。
第二种是电容式，用弹性介质隔开上下两层，当施加压力时电极距离变小，电容值发生变化。
第三种是压电式，只要材料受力，就会直接产生电压，比如打火机里放电的小玩意。
第四种是光学式，表面有弹性材料，受力后产生形变，由摄像头来捕捉，这是目前最热门的方式。
触觉最好是三维的，不仅可以感受到压力，还能感受到平面上的摩擦。比如当我们拿起可乐时，手会捏紧瓶子，向上抬起，如果手指感受到瓶子有下滑的摩擦力时，会加大捏的力度避免滑落。
但这也对材料和算法提出了很大的挑战。
王闯
智元合伙人/高级副总裁/通用业务部总裁
第一就是在传感器本身的层面，因为它其实本质上都是材料，任何的材料都很难在三个（XYZ）方向上很好的解耦开，所以精度就变得比一维的力难很多，怎么能把它弄准？其次是，这些三维的触觉这么复杂的数据，怎么跟操作模型结合起来，这也是非常难的，因为现在整个数据的量都非常少。
在这些挑战下，此前行业中的量产机器人，几乎不怎么搭载触觉。
王闯
智元合伙人/高级副总裁/通用业务部总裁
在整个2025年量产的产品里面，触觉用的非常少，几乎就没有，不只是我们，就整个行业都用的很少，因为这个东西不稳定。
需要考虑它长期抓东西的时候怎么能不变形，因为它稍微变形一点，可能输出的信号就完全不一样了。还有就是，不要发生性能的漂移，形状、位置这些都不能发生破损，材料又要稍微柔软一些，又要很耐磨，这本身也是很矛盾的事情。
但到了今年，情况似乎有点变化。我们的采访嘉宾表示，到了2026年，看到了规模化生产的希望，接下来就是如何在数据采集、训练中，让触觉系统更好的结合了。整体来说，触觉这个行业还非常早期，我们也期待看到未来更多进步。
除了前面提到的这些传感器外，机器人身上还需要温度、湿度、六维力矩传感器、UWB等等，这些都比较成熟，我们就不多赘述了。
传感器让机器人能感知世界，关节赋予了机器人活动的能力，但要让这两者结合，还需要一个“中枢”，接下来我们聊聊这个中枢——电气架构。
04 电气与计算：芯片整合与线束轻量化
Chapter 4.1 芯片（大脑与小脑）
我们在之前讲机器人算法的文章中提到过，业界发展出了“System 1+System 2”这样的双系统架构，System 1负责操控四肢，System 2做复杂思考，在芯片上，也采用了“小脑+大脑”这样的组合。
为什么不用一个芯片干所有事？因为需求完全相反。
大脑芯片要思考“该怎么做事”，需要的是高算力、大内存，最好能在端侧跑大模型，延迟个几秒基本没啥影响。
目前绝大多数机器人大脑选用的是英伟达的Orin芯片，2025年英伟达还推出了性能更高、专为机器人和物理AI设计的Thor芯片，预计将成为未来主流。
特斯拉Optimus例外，它用的是自研的芯片，而且还是双芯片。
刘向科（Kerry）
前特斯拉人工智能硬件负责人
机器人因为不是自动驾驶，没有这种安全考量，Elon自己觉得，他说：不需要这个安全冗余的问题了，一个芯片就够了。做一个单芯片系统之后，他后来他一想不对，机器人的世界模型对算力的需求，是远高于自动驾驶的。自动驾驶两个都够呛，那机器人怎么可能一个能够？他自己又反应过来说：不对不对，改回两个芯片。
另外今年初的CES上，高通也发布了机器人大脑芯片Dragonwing IQ10，并且宣布了与Figure的合作。
而小脑芯片要“操控身体”，不需要特别高的算力，但实时性、稳定性、响应速度必须高，一旦延迟个几毫秒可能就会摔倒。
例如机器人空翻、跳舞时，基本是用提前录好的动作，但我们会发现它的脚还是会有一些碎步，这就是小脑在动态调节平衡，就像人类的“本能反应”一样。
王闯
智元合伙人/高级副总裁/通用业务部总裁
小脑它要求速度非常快，所以小脑里面的频率可能是1K赫兹。
目前小脑芯片通常是MCU，主流选择是意法半导体的STM32系列、恩智浦的i.MX RT系列、瑞萨的RZ系列等。
现在我们也看到了一个新趋势，行业正在试图将大脑和小脑芯片整合在一起。这方面特斯拉比较前沿，一开始走的就是这条路线。
刘向科（Kerry）
前特斯拉人工智能硬件负责人
我们就先默认当时是用Hardware 4这个电脑的自研芯片。特斯拉的大脑小脑集中在同一个芯片上面，如何通过这一个芯片，用一个什么样的通讯架构来控制整身的行动？当时我们也是花了一些时间研究这种方案，一个SOC里面既有算力的ASIC，也有一个多核的CPU，这个多核的CPU可以用来处理小脑这些东西，这个频率很高的CPU的延迟也非常的低。
除了特斯拉外，也有其他公司在研究集成方案。
比如灵境智源在今年3月发布了德沃夏克架构，在一块芯片上集成了“大脑-小脑-皮层”三个功能。那统一成一块芯片，会带来哪些好处呢？
王闯
智元合伙人/高级副总裁/通用业务部总裁
首先我觉得最大的一个优势就是，因为现在做成一块板了，整个胸腔的体积和走线都会变得很简洁。然后其次是大脑和小脑，越往后，它之间的协调就越重要，举个例子，有人向你扔了一支飞镖，你去看以及预测飞镖的轨迹，这些东西可能都是用大脑，但是你手伸出去抓到它，这个是小脑，这两个东西之间通讯越快，越有利于完成非常高难度的动作。如果大脑、小脑做在一起的话，芯片之间的通讯会非常非常快，可能大脑能够实时的去控制小脑怎么动，并以非常高的速度去反馈。
不过根据行业内的看法，统一大小脑芯片还处于非常早期的阶段，需要等机器人出货足够多、市场足够大之后，机器人公司才会像现在的智能汽车公司一样，逐渐转向一体化的自研芯片。
Chapter 4.2 电池与线束（心脏、神经、血管）
最后，还需要为全身提供能量的电池，就像机器人的心脏。核心需求是如何在更小的密度下，容量做到更高，主要供应商有宁德时代、LG、亿纬锂能等，
还有遍布全身的线束，就像神经与血管，用于设备之间的通信与供电。主要供应商有立讯精密、TE Connectivity、Amphenol等。
关于机器人的供应链种类繁多，我们就不一一介绍了，在这里放一张全景图，大家有兴趣可以放大研究。
看到这里，相信你已经学会了怎么造一台机器人，但先别急，如果你真的自己去做了，会发现哪哪都是问题，因为造机器人最大的难点，其实是各个工程之间的平衡。
最后我们再来聊聊，组装与量产的难题，以及这两年机器人突飞猛进的原因。
05 组装与量产：能动不等于好用
如果你看过前段时间的机器人马拉松，会发现现场有不少趣事。
有的随地大小坐，引来隔壁机器人拍手叫好；有的跑着跑着脚崴了、喝醉了、胳膊掉了、冲上绿化带了，或者被减速带绊倒后“粉身碎骨”了。
当然也有表现非常亮眼的，比如荣耀的机器人，不仅包揽了前六名，还刷新了人类的半马记录。
不过这也引发了一些讨论：连手机厂商做机器人都能表现这么好，是不是意味着这行业没什么门槛呢？
Chapter 5.1 组装
业内人士的回答是：Yes，and，No。我们先说Yes的部分。
前文我们提到的各个零部件，供应商和手机、汽车行业高度重合，再往上，算法也有部分能和自动驾驶复用，这也是为什么荣耀、小米、特斯拉、小鹏会下场做机器人的原因。
某机器人公司前采购总监
Electrical & Power system（电气与计算）部分的供应商重合度能达到90%多，mechanical system（骨架结构）部分就算模具不一样，供应商也有很多类似的。电驱这一块是唯一可能和车相关性没有那么高的，因为车里面不需要有类似提供太多扭矩的东西。但是减速器、齿轮等零件在汽车里有非常多，包括sensor（传感器）也是。所以基本上80%以上的东西是可以同质的。
理论上，只要你认识这些供应商，就能自己搓出一台机器人。但“能动”和“好用”之间，却隔着一道巨大的鸿沟，这就是No的部分。
比如组装后重量分布不均，机器人的重心就偏，走路时为了保持平衡，某些关节要额外出力，功耗增加，续航减少，甚至影响步态稳定性。
又或者在实验室里跑1小时没问题，但放到真实环境跑100小时，各种毛病就出来了：比如某个螺丝松了、某根线磨损了、某个关节的润滑脂干了、某个传感器开始漂移了，这些都必须经过不断调试，才能找到平衡点。
某机器人公司前采购总监
每一个零部件，我把它拆成每个供应商，我觉得供应商的难度都不高的，我觉得最后是系统整合才是，比较难的东西。
更多是说你给了它上了constraint（约束），比方说你要把这个东西减重、轻量化做到什么（程度），但是你以人形把它框住了之后，它的力矩的大小以及它的精密度上，都要达到人类的高度，这才是难点，更多的是工程路径上的trade off（权衡）。
王闯
智元合伙人/高级副总裁/通用业务部总裁
往往市面上买到的标品，都是不能让人满意的，都离我们真正算法应用的要求来说有差距的，所以这些都是核心零部件，我们要自己动手去做。
Chapter 5.2 量产
要做出可商业化、能量产的机器人，还会面临一致性的问题。
因为每台的关节背隙、传感器零点、电机参数都不一样，要让同一套算法能稳定应用在不同批次的本体上，还需要对各个细节做调整。
王闯
智元合伙人/高级副总裁/通用业务部总裁
你放10个机器人在那，给它发同样的参数（指令），它的手伸出去的位置是不一样的。
如果做操作，可能差个几毫米，就从能抓住它变成了把它撞倒，这时候怎么把所有机器人的传感器和执行器的标定方案做好，就非常难。还有在标定完了之后，能不能保证，在使用一年之后，它很多地方老化了、传感器也有畸变了的情况下，它还能保持稳定，这个时候可能还需要一些在线的标定，就是自己能把误差分析出来。这些东西都是看不见的功夫，但是如果不做的话，后面很多问题都解决不了。
所以真正的难点不是“拼起来”，而是系统级的整合。
我们回到机器人马拉松，今年不仅速度进步了不少，整体的完成度也提升了，再看这两年机器人动作的进化，从走路，到转手绢，再到跳舞、武术，为什么这两年进化如此快呢？最重要的原因就在于供应链的成熟。
王闯
智元合伙人/高级副总裁/通用业务部总裁
在过去一两年，机器人行业还不像现在这么的被大家看好，那时候大家不会为机器人去做激光雷达，大家只会说我这个是为物流车做的，你拿来直接用吧。那个时候是求着别人的，大家对机器人都是将信将疑的。
正如我们前面说的，机器人产业链很多环节都和汽车重合，此前对供应商来说，存在内部资源博弈的问题：在产量有限的情况下，是优先供给商业化成熟的行业？还是修改产线，去押注商业市场尚未成熟的机器人？
某机器人公司前采购总监
以前市场我觉得还没有到这个级别，跟真的跑量的手机、汽车等等还可能差一到两个数量级。所以供应商也是在博弈，因为它内部资源也有限。
现在随着机器人赛道越来越热，供应商开始愿意为机器人专门开模、定制产品，相信随着需求越来越大、商业化路径更加明确，供应链还会像滚雪球一样成长。
那下一个里程碑的动作，会是什么呢？
06 下一个里程碑：从空翻到接住一片落叶
王闯
智元合伙人/高级副总裁/通用业务部总裁
我前几天去了上海马戏城，我看了一场表演之后，我的感觉就是，机器人里还要进步的东西太多太多了。
那个蒙着眼睛在几十米高空走钢丝的演员，那个用一根筷子让几十只碗同时旋转的杂技师，他们展示的，是人类用了上百万年才进化出的东西：极致的感知、本能级的平衡、毫厘之间的触觉反馈。
虽然现在机器人能空翻、能武术，但它依然离人类遥远。
我问王闯，对机器人的下一个里程碑时刻是什么期待，他的回答其实有点让我惊讶。他的答案，不是什么更复杂更fancy的动作，而是一个非常非常基础、具备人类“感控融合”本能的“接住一片落叶”。
王闯
智元合伙人/高级副总裁/通用业务部总裁
有一片树叶，我能走过去，手伸起来正好就捏到那片树叶。
仅仅是一阵风飘过，穿过一片树林，而“它”走过去，伸出手，“恰好”接住了一片落叶。 这一天到来的时候，机器人距离我们的生活，又近了一大步。
评论