人形机器人进化：首先“卷”向一双手

2019年，熊坤第一次参加世界人工智能大会（WAIC）时，具身智能还不是展馆里最密集的赛道。

彼时的他还在腾讯Robotics X 实验室担任高级研究员。机器人行业最热闹的故事，还是先让机器如何“动起来”。当时对于机器人灵巧手的研究也更多停留在高校实验室、科研项目和机器人样机中。

从2024年开始，熊坤又连续三年参加WAIC。再次走进展馆，他感受到的已经不只是机器人数量迅速增加，整个行业展示自身的方式也在改变。

“过去几年，很多企业主要展示交互智能和运动智能，例如人形机器人如何与人互动、如何完成行走或者一些高难度动作。到了2026年，越来越多展位开始展示具体的落地场景。展馆里不缺会跳舞、打拳的机器人，这些表演已经很难单独支撑行业的期待。”熊坤说。

2024年11月，熊坤的职业身份发生了变化，加入智元机器人，负责灵巧手产品的技术研发与落地。2026年1月，临界点从智元拆分独立，他出任CTO，继续主导灵巧手技术与产品的推进。

所处的位置不同，熊坤对这轮产业转向有了更直接的感受。在临界点公司，他和团队尝试让灵巧手装配灵巧手，也与物流企业合作，验证包裹分拣、连接器的插拔、线束安装和自动打螺丝等任务。有些场景已经接近实际部署，有些仍需要反复进行POC验证。

谈及灵巧手的意义，熊坤一句话总结说：“机器人走得多稳，决定它能到哪里；灵巧手做得多好，决定它到了那里以后，究竟能干多少活”。

2026年WAIC上，灵巧手成为机器人展区最拥挤的赛道之一。不少整机厂商、零部件企业和触觉传感公司纷纷推出新品，从手的本体展示，再深入到自由度、驱动方式、触觉精度、重量、负载、寿命和价格等具体指标，开启了各式各样的比拼。

在人形机器人从“会走”迈向“会干活”的过程中，灵巧手正在成为决定其任务能力和应用边界的关键一环。大模型可以帮助它听懂指令，双腿可以带它到达指定位置，但任务最终能不能完成，很多时候取决于手。

这也是灵巧手越来越受关注的原因。以特斯拉为例，Optimus每次迭代，手部几乎都是重点升级对象。特斯拉甚至专门组建团队，研发手部硬件、触觉传感和操作能力。

在此前的这篇（连马斯克都犯难的“一只手”，正被资本争相押注）解读中，我们也详细讲述了灵巧手对于机器人本体的重要性，以及这一赛道快速升温背后的技术进展与资本逻辑。

不过，WAIC展台上完成一次抓取只是开始，真正的挑战发生在工厂里：能不能一直稳定地干，换了物体会不会失手，又能不能比传统夹爪多解决一些问题。

带着这些问题，我们与临界点CTO熊坤进行了一次深度交流。

图片人物为临界点CTO熊坤

以下为腾讯科技和熊坤的交流实录：

01 WAIC变了，机器人开始从表演走向干活

问： 今年世界人工智能大会已经举办到第九届。与前几届相比，今年大会上，具身智能和灵巧手行业最明显的变化是什么？

熊坤： 我最早参加的是2019年的第二届世界人工智能大会，从2024年至今又连续参加了三届。一个很明显的感受是，灵巧手以及整个具身智能行业正在发生较大的变化。

过去几年，很多企业主要展示交互智能和运动智能，例如机器人如何与人互动、如何完成行走或者一些高难度动作。

从今年的变化也非常明显，是人们已经逐渐对表演型的机器人展示感到疲惫。越来越多展位开始展示具体的落地场景。展馆里仍然不缺跳舞、打拳的机器人，这些表演已经很难单独支撑行业的期待。越来越多展位开始展示具体的落地场景，并围绕实际应用开展POC验证。

单独看灵巧手，随着技术逐渐成熟，各家厂商展示的技能和任务复杂度，相比去年、前年都有明显提升。与此同时，越来越多企业开始在实际场景中使用灵巧手，部分任务正在尝试用灵巧手替代传统夹爪。

这表明，灵巧手的整体技术成熟度正在提高，已经具备在部分场景中替代夹爪、开展实际部署和应用落地的可行性。

第二，技术路线正在逐步收敛。今年可以看到，人形机器人本体技术逐渐趋于稳定，灵巧手也会被大量应用到不同的人形机器人整机上，承担具体任务。

这也会倒逼灵巧手厂商开展更多技术突破，提高产品的稳定性和可靠性，只有这样才能被更广泛的客户接受。

总体来看，整个具身智能行业正在从过去更加重视交互智能和运动智能，逐渐转向作业智能。并且未来，大家会更加关注机器人能否真正完成任务。

问： 今年灵巧手展商数量明显增加，但现场展示的抓取、分拣和装配任务也存在一定相似性。你认为行业是否已经开始出现同质化竞争？

熊坤： 我认为确实存在这样的风险。这也会倒逼灵巧手行业开展新的技术革新，探索新的应用场景。

企业需要做出差异化，建立自己的软硬件壁垒，才有机会在当前的灵巧手竞争中跑出来。这是现阶段整个行业需要重点关注的问题。

问： 当硬件参数和产品形态逐渐接近，灵巧手企业未来真正能够形成差异化的地方在哪里？

熊坤： 首先，从灵巧手本体硬件来看，企业需要持续提高产品质量和稳定性，同时提升整体感知能力，包括采用新的传感器等。

除了硬件，灵巧手的软件和算法也需要有更大的投入和突破。目前，大量灵巧手厂商仍然更加专注于硬件，对灵巧操作模型的投入相对不足。

例如，灵巧手采集数据以后，如何利用这些数据训练其应用能力、操作能力和泛化能力，这些方面目前都比较欠缺。

这也是很多灵巧手厂商扎堆展示相似场景的原因之一。由于缺少灵巧操作模型的支撑，产品的整体操作能力仍然处于相对较低的水平，能够展示的任务自然比较有限。

所以，硬件层面需要把产品做得更加稳定，提高感知能力，同时降低成本；软件层面则需要加大对灵巧操作模型的投入，提高灵巧操作的泛化能力，使产品能够适应更多场景。

02 夹爪替代不了的活儿，才是灵巧手真正的市场

问： 传统夹爪已经能够完成大量工业任务。企业在什么情况下才会愿意为灵巧手支付更高成本？

熊坤： 这是一个很好的问题，我们也遇到过很多客户提出类似疑问。

我们走访了大量客户的实际场景后发现，传统夹爪能够完成的任务，只占全部任务的一定比例，大约在30%至40%。再往上，就会超出夹爪的能力范围。

这个判断来自我们对大量客户需求的统计。我们将任务分为A、B、C三类。

C类任务是夹爪和灵巧手都可以完成的任务。

B类任务是夹爪和灵巧手都可以完成，但夹爪完成的质量不如灵巧手，只能相对勉强地完成。

A类任务则只能由灵巧手完成，传统夹爪无法胜任。

从我们接触的场景来看，C类任务大约只占30%至40%，更多任务属于A类和B类。

随着人力成本上升，越来越多工厂和企业发现，确实需要机器人和灵巧手解决B类、A类任务。

对于部分场景而言，使用灵巧手的投资回报率也是可以算得过来的，所以客户愿意进行尝试。

目前的主要问题在于，灵巧手本身的质量和操作能力，可能还达不到一些场景的预期。这也是我们这些灵巧手厂商需要加快突破的方向。

问： 能否进一步解释，灵巧手相较夹爪真正不可替代的任务主要有哪些？

熊坤： 夹爪更适合结构相对固定、动作比较单一、物品形态变化不大的任务。

当任务需要多指协同、改变抓握姿态、控制不同接触点，或者操作柔性、易碎、不规则物体时，灵巧手的优势会更加明显。

例如端子插拔、线束安装、精细装配以及处理不同尺寸和材质的物品，都需要更复杂的操作能力。

还有一些任务，夹爪虽然可以勉强完成，但操作质量、成功率或者对物品的适应能力不够，这些也属于灵巧手更有价值的场景。

问： 对工业客户而言，灵巧手的价值最终要通过投资回报率证明。目前哪些场景已经能够算得过账，哪些场景仍然主要依靠技术验证和未来预期？

熊坤： 相对标准化、重复度高，同时人工成本较高的工业场景，更容易测算投资回报率。

例如物流分拣和一些简单装配任务，如果灵巧手能够稳定工作，并明显提高效率或者减少人工投入，客户会更愿意采用。

一些复杂装配和柔性操作任务，目前还需要进一步提高成功率、可靠性和工作效率。这些场景可能仍处于技术验证阶段。

随着灵巧手能力提升、价格下降，能够算得过账的场景会逐渐增加。

问： 现阶段具身智能的客户仍然有较大一部分来自高校、科研院所和模型公司。你如何判断，行业何时会从科研采购为主，逐步转向工业和商业客户为主？

熊坤： 我认为，包括国内很多具身智能创业公司在内，基本都会采用场景需求驱动硬件和算法发展的方式。

现在很多模型企业会主动寻找场景，使用相应的灵巧手进行尝试和探索。如果发现灵巧手无法满足任务需求，他们会把相关信息反馈给我们，推动我们迭代下一代产品。

这是一个双向并行的过程。灵巧手与应用场景需要同步探索、同步进化，逐渐找到更高的匹配度，共同向前发展。

作为灵巧手厂商，我们也会与很多合作伙伴一起寻找场景、开展突破，再通过这些场景定义灵巧手产品。这一过程可以帮助我们逐步明确，未来灵巧手的最终形态是什么，整个行业最终可能收敛出哪几类产品。

随着产品稳定性、操作能力和成本逐渐达到工业客户的要求，客户结构也会逐步发生变化，工业和商业客户的比例会不断提升。

03 灵巧手先走入工厂，再进入商场和家庭

问： 从目前的技术成熟度和客户需求来看，灵巧手最先实现规模化应用的场景会集中在哪些领域？工业、商业服务和家庭场景可能会按照怎样的顺序落地？

熊坤： 灵巧手的应用会逐渐从实验和展示场景，走向替代夹爪，完成一些中高难度的灵巧操作任务。

从落地顺序来看，我认为会先进入工业场景，其次是商业服务场景，最后才是家庭场景。

目前，工业领域已经出现了一些实际应用。例如物流场景中的包裹分拣，以及一些相对简单的装配工作。

临界点在这些方向也做了很多尝试。比如，我们在自己的灵巧手工厂中，使用灵巧手装配灵巧手；我们也与物流分拣企业合作，使用临界点的灵巧手完成物流分拣和简单装配任务。

除此之外，我们还在尝试一些难度更高的操作，包括端子插拔、线束安装、自动打螺丝，以及自动化检测工装等。

问： 临界点目前已经在物流分拣、装配等场景中开展尝试。从实际进展来看，哪些任务已经比较接近部署，哪些任务仍处于POC验证阶段？

熊坤： 物流分拣和一些简单装配任务，已经具备比较明确的应用基础，也是当前更接近实际部署的方向。

例如，在物流场景中，灵巧手可以处理不同形状、不同材质的包裹；在装配场景中，也可以完成一些相对标准化、重复度较高的操作。

端子插拔、线束安装、自动打螺丝以及自动化检测等任务，复杂度会更高，目前还需要持续进行POC验证。

这些任务对重复定位精度、力觉控制、可靠性以及长时间工作的稳定性要求更高，需要结合具体产线进一步优化。

问： 从客户采购和选型的角度看，他们目前最关注灵巧手的哪些核心指标？

熊坤： 目前，客户选择灵巧手时主要参考三大类指标：第一是性能，第二是产品的可靠性和质量，第三是价格。

性能是第一道门槛。性能指标又包括感知能力、触觉传感器的类型和布置方式。例如，采用一维还是三维触觉传感器，传感器如何布置，以及产品的指尖力、重复定位精度、主动自由度配置、整体尺寸和重量等。

通过这些基本参数，客户可以判断一款灵巧手能否满足具体场景的需求。

产品性能满足要求后，客户还会进一步考察产品可靠性和成本，测算整体投资回报率。最终，客户会综合这些方面选择相应的灵巧手产品。

问： 很多厂商会强调自由度、负载、重复定位精度和触觉传感器配置。对于真正的工业客户来说，哪些参数会直接决定一款灵巧手能不能进入生产线？

熊坤： 首先还是要看它能否完成具体任务。自由度、负载、尺寸和重量决定了灵巧手的基本操作边界，重复定位精度和指尖力会影响实际操作的准确性。

其次是感知能力。不同传感器的类型和布置方式，会影响灵巧手对接触力、物体状态以及操作过程的判断。

再往后就是稳定性和可靠性。一款灵巧手即使能够完成单次任务，如果无法在生产线上长时间连续工作，也很难真正进入工业场景。

最后还要看成本和投资回报率。客户也会综合计算，比如采购成本、维护成本、效率提升以及能够替代多少人工等方面，判断产品是否具备实际应用价值。

04 机器人越来越聪明，为什么一“动手”就容易失误

问： 今年不少具身智能企业都在强调大模型、VLA和世界模型，但机器人落实到精细操作时仍然比较困难。你认为机器人“大脑”和“手”之间最大的能力落差体现在哪里？

熊坤： 灵巧手是人形机器人与物理世界接触最频繁的末端，需要采集大量来自外部世界的信息，而且这些信息包含多个模态。

例如，灵巧手需要获取抓取时的力觉信息，还要感知物品的纹理、软硬程度、材质以及温度等。现有的大量传感器往往只能反映单一的力觉信息。

因此，第一个难点，是如何高质量地获取灵巧手或者人手与物品接触时产生的大量动态、多模态信息。我认为，这是提升灵巧操作大模型和世界模型操作能力的关键。

第二个难点，是获得这些数据以后，如何利用数据训练灵巧手和人形机器人完成实际操作，涉及模型架构设计。

第三个难点，是模型训练完成后的迁移问题，包括如何缩小Sim-to-Real，也就是仿真环境与现实环境之间的差距。我认为，目前主要存在这三个方面的难题。

问： 灵巧操作涉及力觉、触觉、材质、温度和物体形变等多模态信息。目前最大的瓶颈，是缺少高质量数据，还是模型还无法充分理解和利用这些数据？

熊坤： 两方面的问题都存在。

首先，灵巧操作的高质量数据本身比较难获取。机器人在接触物体时，力的变化、接触位置、物体形变以及材质信息都在持续变化，这类动态、多模态数据的采集难度很高。

其次，即使获得了数据，如何设计合适的模型架构，让模型真正理解这些信息，并将其转化为具体操作能力，也是一项挑战。

因此，数据和模型需要同步推进。只有数据采集能力提升，模型才能获得更丰富的训练基础；模型架构持续演进，也才能更有效地使用这些数据。

问： 目前行业正在尝试数据手套、遥操作和无本体采集等不同方案。你认为，什么样的数据采集方式最有可能成为灵巧操作数据的主流方案？

熊坤： 目前已经涌现出很多尝试，希望以更低成本的方式，高质量地获取灵巧操作数据，包括数据手套、遥操作设备以及无本体采集方案等。

未来可能很难依靠单一方式解决所有问题。不同采集方式各有特点，有些方式更适合大规模获取人类操作数据，有些方式更适合采集机器人本体执行任务时的真实反馈。

行业最终可能会形成多种方式结合的数据采集体系，在成本、数据质量、任务覆盖范围和迁移效率之间取得平衡。

05 从递一杯水到叠一件衣服，中间差了多少技术

问： 不同场景对灵巧手的要求差异很大。例如迎宾、递送等交互场景，与家庭整理、厨房作业等复杂场景，是否需要完全不同的产品定义？

熊坤： 我们可以把人形机器人的应用大体分成交互智能、运动智能和作业智能。

交互智能更多对应重交互、轻作业的场景，对手部的要求相对较低。机器人可能只需要完成一些简单的抓取和递送任务，例如给客户递一杯水、递一本宣传册，或者按键、开门。

这类场景对自由度、感知能力和负载的要求都比较低。因此，我们可以适当降低灵巧手的自由度，同时提高它的性价比和可靠性。

家庭环境则是所有作业智能场景中最复杂的环境之一。首先，家庭是人居环境，机器人需要与人相处，整个三维空间会不断动态变化。

其次，家庭中被操作物品的种类和特性非常复杂。除了钢铁等不容易发生形变的硬质物品，还有大量容易形变的柔性物品。

例如，让人形机器人叠衣服，衣物就是柔性、易形变的物品。操作这类物品非常困难，需要严格控制抓握力，并精准控制每一次接触。

再比如，让机器人在厨房做饭、剥鸡蛋，也涉及柔性或易碎物品的操作。这类任务一方面对自由度要求很高，另一方面对感知能力，尤其是力觉感知能力提出了更高要求，甚至可能需要实现全手覆盖的触觉感知。

第三，家庭环境对安全性的要求也非常高。机器人与人交互时，必须考虑误碰、碰撞等情况，建立相应的安全策略。

此外，家庭任务的种类非常丰富，对模型能力的要求也很高。因此，我认为，人居环境和家庭场景会是灵巧手面临的终极挑战之一。

问： 家庭环境经常被认为是灵巧操作最复杂的场景。真正进入家庭后，灵巧手最大的挑战主要会来自哪些方面？

熊坤：比如自柔性物体操作、多模态感知，人机交互安全等等，这些挑战会同时存在。

柔性物体和易碎物体的操作，需要灵巧手准确控制接触力和抓握力；多模态感知决定了机器人能否理解物品的状态和变化；安全策略则关系到机器人能否在人居环境中长期使用。

家庭场景还具有很强的动态性。同一个任务每次执行时，物品位置、环境布局和人的活动状态都可能不同，所以模型的泛化能力也非常重要。

因此，家庭环境对硬件、感知、模型、控制和安全都提出了很高要求。

问： 当灵巧手从展台走向生产线和家庭，安全问题会变得更加重要。临界点目前在防夹、碰撞保护、温控和力控等方面采用了哪些安全设计？

熊坤： 安全策略首先体现在灵巧手的结构设计上。我们会通过结构设计降低夹伤和碰撞风险。

例如，我们的灵巧手可以反向弯曲，同时具备防夹设计。机器人与人握手时，不会对人的手部造成夹伤。

第二，在控制策略方面，我们也设置了相应的保护机制。例如，灵巧手长时间工作后温度可能升高，我们会进行温控保护。当温度达到一定等级后，系统会自动进入热平衡状态，将产品表面温度控制在人体可以接受的范围内，通常控制在45摄氏度以下，避免人与灵巧手接触时被烫伤。

此外，我们还会开发相应的控制模式，例如力矩控制或恒电流模式。即使灵巧手与人发生碰撞或者误碰，也可以自适应调整输出力量，更好地保障人员安全。

06 三到五年窗口期，灵巧手还要一关一关突破

问： 当前一些企业选择直接追求通用人形机器人，另一些企业则从工业、物流等垂直场景切入（比如曾经一直站在行业最前沿的波士顿动力机器人目前专注在汽车和工厂应用方向）。你如何看待这两条路线？

熊坤： 这可能与国内外不同的创业环境有关。

国内外资本和市场对企业发展周期情况各不相同，企业可以朝着通用机器人的终极目标持续投入。

在国内，企业可能需要“沿途下蛋”，一边推动特定场景落地，一边保持对终极机器人形态的技术积累和突破。

问： 通用机器人能够提供更大的长期想象空间，但垂直场景更容易形成订单和收入。国内企业应该如何在前沿研发和短期商业化之间找到平衡？

熊坤： 首先要做好场景选择。企业选择的落地场景，需要与自身探索的主要技术路线一致。

这样一来，企业在推动场景落地的同时，也可以积累大量经验，而这些经验能够复用到最终目标的探索中，减少资源浪费和路线偏差。

第二，在探索前沿技术时，也需要尽可能考虑技术的复用性，让一项技术能够应用到更多场景中。

企业既要从技术出发选择合适的场景，也要从场景需求出发选择相应的技术，尽可能提高二者的契合度，避免在场景落地和前沿技术探索之间失去平衡。

问： 你提到国内企业需要“沿途下蛋”。什么样的落地场景既能形成收入，又能为未来通用能力积累数据、模型和工程经验？

熊坤： 我认为这里的关键是选择与企业长期技术路线一致的场景。企业在这些场景中积累的数据、控制经验、硬件能力和模型能力，未来都能够复用到更加通用的任务中。

例如工业分拣和装配场景，可以积累对不同物体的感知、抓取和精细操作能力。这些能力未来也可以迁移到更加复杂的商业和家庭环境。这样的场景既有现实需求，也能够支持长期技术积累。

问： 按照当前的技术进展，灵巧手稳定完成精细操作，并真正进入较大规模部署，大概还需要多长时间？

熊坤： 可以一关一关来看。

在数据采集方面，今年已经涌现出很多新的尝试，希望以更低的成本、高质量地获取灵巧操作数据。

在模型架构方面，很多企业也在逐步加大对灵巧操作模型的投入。

在算法迁移方面，厂商也在尝试缩小仿真与现实之间的差距。

综合来看，我认为大约三到五年后，我们会看到一些比较明显的进展，包括使用灵巧手完成精细化操作，以及灵巧手在各类场景中实现更大范围的实际部署。

问： 当前高自由度灵巧手的价格仍然较高。要进入人形机器人的规模化应用，灵巧手成本需要降到整机成本的什么比例，才具备商业可行性？

熊坤： 灵巧手始终是人形机器人的核心部件。如果希望灵巧手随着人形机器人进入各类场景，实现大规模应用，它的成本就需要控制在人形机器人整机成本的20%以内。

目前，人形机器人整机成本正在持续下降，灵巧手的需求量也在逐渐提升。随着灵巧手上游供应链逐渐成熟，从核心零部件、组装工艺到产品出厂，整个成本控制能力都会不断提高。

因此，灵巧手的价格会伴随人形机器人整机成本的下降而持续降低，每年都会有一定的降本空间。

问： 临界点今年已经发布多款灵巧手产品。接下来，公司在产品量产、数据采集和灵巧操作模型方面有哪些重点规划？

熊坤： 今年4月17日，我们已经发布了三款产品。在世界人工智能大会期间，我们又发布了直驱旗舰款灵巧手。

接下来，我们会重点提升这几款产品的稳定性，使其达到量产水平。未来几个月，这些产品会陆续开始对外销售。

下半年，我们还会在灵巧手数据采集和灵巧操作模型训练方面发布一些新的成果。在整个灵巧手生态方面，也可能会有一些新的动作。

问： 最后，站在今年世界人工智能大会这个节点，你认为未来三年决定一家灵巧手企业能否留在牌桌上的核心能力是什么？

熊坤：我认为核心有三个方面：

第一，产品本身需要足够稳定可靠，能够真正进入客户场景并长时间运行。

第二，企业需要具备灵巧操作模型和数据能力，提高产品的泛化性，让灵巧手适应更多任务。

第三，需要持续降低成本，让客户能够算清投资回报率。

此外，企业还要从真实场景需求出发定义产品，并在场景落地和前沿技术探索之间保持平衡。

只有硬件、软件、模型、数据和场景能力同步发展，企业才有机会在未来的行业竞争中持续保持优势。