第 11 章 硬件¶
这一章不友好地说一件事：双足人形是一种昂贵的固执。它在融资 deck 里跑赢，在仓库里输给一个轮式底盘加一只胳膊十倍。这一章把这件事的账算清楚。
先摆数字。
2026 年初，一台 Tesla Optimus Gen 2 整机 BOM 工业估价大约 5 万到 8 万美元；Figure 02 同量级；1X NEO 家庭版报价 2 万美元（补贴价）；Unitree G1 教育版 1.6 万美元起；H1 9 万美元起。这些都是双足人形。
同时期一台主流仓储 AMR（autonomous mobile robot，自主移动机器人）（Locus、Geek+、Fetch 那一档）整机 1.5 万到 4 万美元，里面带一只 6-7 DoF（degrees of freedom，自由度，独立可动的轴数）的 collaborative arm（UR5e、Franka Research 3 那一档）再加 2 万到 5 万美元。总共 4 万到 9 万美元就能拿到一台轮式 + 单臂的工业平台。表面看价格类似，但MTBF 差一个数量级：Locus 的轮式平台报修间隔几千小时，UR 的胳膊出厂保 35000 小时；同期 Optimus / Figure / G1 在公开报道里的连续工作时间还在几十小时这个量级，跌一次倒地修一次。
速度方面也不站在双足这一边。仓储 AMR 巡航速度 1.5-2 m/s，载重 50-200 kg；Optimus Gen 2 最高步速 0.6 m/s，载重 20 kg；G1 步速 1.2 m/s，载重 5 kg；Digit（Agility Robotics）2.0 m/s，载重 16 kg。双足在做"人能做的事"，但做得更慢、更贵、更易坏。
再加一笔：售后。一台 UR5e 在中国和北美的服务网络都铺到了二线城市，下单备件次日达，培训过的现场工程师一抓一把。一台 Optimus 或 Figure 02 出厂半年内，绝大多数客户的"维护"还是把它装箱寄回原厂。这不是工艺问题，是规模问题。规模上不去，售后网络起不来；售后网络起不来，企业客户不敢签长期合同；不敢签合同，规模又上不去。这个循环 2026 年才刚开始有人能突破，且只在专门设计过的场景里。
这是这一章一切讨论的起点。
自由度的代价是超线性的。
Optimus Gen 2 大概 28 DoF，Figure 02 30 出头，1X NEO 跟 G1 23 个，H1 19 个。每多一个 DoF，要多加一组电机、减速器（把电机高转速换成低转速大扭矩）、编码器、电流环 driver、布线、热管理、动力学辨识、安全限位。
成本不是线性涨。一个机械臂的成本里，电机加减速器占 60-70%，每加一个 DoF 大概多 1500-3000 美元（看精度和扭矩）。但控制难度是组合爆炸：n 自由度的雅可比、奇异点、自碰撞检测、whole-body 控制全是 O(n²)-O(n³)；teleop 数据收集时人手能直觉控好的 DoF 大概 10-12 个，过了这个数操作员开始顾此失彼，演示数据质量崩。
能耗也跟着涨。把一台 28 DoF 双足跑起来稳态功耗 500-1000W；同样负载的 7 DoF 单臂稳态 100-200W。剩下 700W 大部分花在让它别倒，这部分功率不产生任何客户能感知的价值。
所以"为什么不直接做 50 DoF 的超级人形"这个问题不是因为没钱。是因为每加一个 DoF，你 demo 视频里成功率掉一个 epsilon，BOM 涨一个 step，发热涨一个 step，控制难度涨一个 step。28 DoF 这个数附近是当前工艺曲线的局部最优。
关节驱动器是这一章最技术的一节，但也是最重要的。一个机器人的脾气主要就是它关节驱动器的脾气。
主流方案有这么几种。
BLDC（brushless DC，无刷直流电机）+ 谐波减速器（harmonic drive，靠柔轮形变实现高减速比）。BLDC 电机 + Harmonic Drive LLC 那种 wave generator + flexspline 的减速结构。优点是减速比能做到 50-100，背隙近乎零，扭矩密度（单位重量能给的扭矩）极高。缺点是贵（一颗 100Nm 级谐波减速器 1500-3000 美元），效率 70-85%，不可反向驱动（backdrivability 差，意味着关节卡了之后人推不动，安全性差），冲击容忍度低。Universal Robots 全系、ABB YuMi、Franka 的早期型号都是这条路。Optimus 部分关节也是。
摆线减速器（cycloidal）。Nabtesco 在工业领域几十年的标配。比谐波便宜一点，扭矩冲击容忍度好得多，体积稍大，背隙比谐波大。重型工业臂（FANUC、KUKA）大量用。
行星减速器（planetary）。最便宜（一颗几百美元），效率 90%+，但减速比有限（单级 3-10，多级才能到 50），背隙大，精度低。家用、教育、协作场景大量用。Stretch 3、AgileX 那一类底层都是这个。
SEA（series elastic actuator）。在电机和负载之间故意串一个弹簧，用弹簧形变测扭矩。优点是天然抗冲击、有力控、对操作人员安全。缺点是带宽低（弹簧把高频抖动滤了，但也滤掉了快响应）、精确轨迹跟踪差。Agility Digit 早期款式、Boston Dynamics 部分关节用过。
QDD（quasi-direct drive）。低减速比（6-10）的高极对数 BLDC，靠电机本身的扭矩密度而不是减速器。MIT Cheetah 那一线开了头，Unitree A1/G1、宇树自家 M107 那种伺服模块、4090Pro 这一档都是。优点是 backdrivability 极好（人能推得动腿）、动态响应快、便宜；缺点是低速大扭矩工况发热严重，不适合精细装配。
对应到形态：四足机器人几乎全是 QDD（要快速摆腿、要 backdriveable 防摔伤）。工业臂几乎全是谐波或摆线（要重复定位 0.1mm）。双足人形里腿用 QDD（高动态）、上肢用谐波或行星（精细）混着来。Optimus、Figure、Digit 都是这种 hybrid。
记一句话：buy backdrivability with torque density, buy precision with backdrivability。三个都要，钱按指数涨。
国内供应链这一年也开始有名字。绿的谐波（Leader Drive）2024 年起在国产人形里大量用，价格大概是 Harmonic Drive LLC 进口件的 40-60%，精度差半档但够用；同川科技、灵动科技、本末科技各家在做 QDD 模组，单价 800-2000 美元，几年前这一档只有进口的 ODrive / TMotor 选项。这件事的意义比看起来大：减速器和伺服模块是机器人成本的大头，国产化一上来直接把双足人形的 BOM 压低 20-30%。Unitree G1 能卖到 1.6 万美元起，背后就是这条供应链。这也意味着 2026-27 年大量"做不出货的人形公司"会用同一批关节模组，最终在外形上分化、在性能上同质化。
灵巧手是这两年最被夸大的一类硬件。
主流型号：PSYONIC Ability Hand（医疗假肢出身，1 万美元一只，6 motor，欠驱动）；Inspire Robotics RH56（12 motor，2-3 万美元，研究用）；Allegro Hand（4 指 16 DoF，1.5 万美元，老牌研究平台，2008 年那一代设计）；Shadow Hand（24 DoF，10 万美元一只，肌腱驱动，研究圣杯）；Schunk SVH（5 指 9 motor，5 万美元）。
为什么工业上没普及？四个理由。
贵。一只研究级灵巧手的钱够买 5 只 Robotiq 2F-85 平行夹爪。客户如果只需要抓一种盒子，他不会要五指的。
易坏。手指尖、关节、肌腱是机器人最暴露的部位，碰撞概率最高。一只 Shadow Hand 出厂保的连续运行时间 500-1000 小时，远低于本体；Allegro 的指尖保护被换过太多版还是抱怨高。
操控难。20+ DoF 用 teleop 收数据一只手控不过来，要么用动捕手套（Manus、Rokoko，每只 4-8 千美元，延迟 30-50ms），要么用视觉重定向（Anyteleop、DexCap 那条线，2024 年才开始能用）。数据质量普遍比夹爪差一个量级。
不防水。指尖电子和肌腱在油、水、灰尘环境里寿命快速下降。工厂车间这是基本要求。
所以 2026 年现状是：研究界用灵巧手，工业界用夹爪。Robotiq、SCHUNK 平行夹爪在仓库和工厂里仍是绝对主流。家庭机器人那边在赌灵巧手（因为家务真的需要 5 指），但这个赌还没结算。1X NEO 用一种 3 指 + 拇指的简化方案，Figure 02 上了 16 DoF 完整五指，Optimus 上了 11 DoF。哪种活下来取决于成本曲线，不取决于 demo 视频好不好看。
补一句行业里大家心知肚明、写在 spec 上不会承认的话：几乎所有"折毛巾、煎蛋、倒咖啡"的家用 demo，背后那只手都换过指尖。指尖每跑几百次循环就要换一片，材料是定制硅胶，单片 50-200 美元。这件事在产品化之后是要算进 OPEX 的，不是 BOM 一次性问题。这一项现在还没有任何一家公司公开过它的实际换件曲线。
触觉传感是真东西，但被低估的程度也很高。
几条线在跑。
视觉触觉：DIGIT（FAIR/Meta，350 美元一颗，开源）、Digit360（Meta 2024 年新一代，多模态，振动 + 力矩 + 接触位置）、GelSight（MIT 那一线，多家商业化）。原理都是把一块凝胶贴在 camera 前面，凝胶变形被 camera 拍下来，用 NN 反演成接触力分布。优点是空间分辨率极高（亚毫米），能看到表面纹理；缺点是 camera 有最小焦距限制，整个 sensor 厚度难压到 5mm 以下，指尖尤其难塞。
磁传感触觉：ReSkin（CMU，Tess Hellebrekers 主导，2021）、AnySkin（NYU，2024）。原理是磁化的弹性表皮加底下的磁传感器阵列。优点是薄、便宜、可换皮（皮坏了一片几十美元换掉，camera 方案换一颗几百）。缺点是空间分辨率比视觉触觉低一个量级。AnySkin 这个工作 2024 下半年在具身圈火了一阵，因为它解决了"机器人皮肤老化校准漂移"这个旧问题。
关节力矩 / 腕力传感：ATI 的六维力矩传感器（Mini40、Gamma 那一档，5-8 千美元一只，工业金标准）；Robotiq FT300（同类便宜，2-3 千美元，精度差一档）；现在很多协作臂直接在每个关节装电流环估力矩，不再外挂 F/T sensor。
点名一个判断：触觉数据现在的瓶颈不是 sensor 不够好，是 VLA 模型还没学会用它。π0、OpenVLA 这类 SOTA 主要还是 RGB + 本体感觉两路；触觉这一路加进去训练效果在 2025 年的几篇 paper 里有，但提升幅度从 5% 到 15% 不等，离"必须有"还远。这是 2027-28 年最可能突破的一项。
更具体的说，问题在标注和对齐。RGB 帧之间用 optical flow 容易找对应；触觉信号在不同 sensor 之间分布完全不同，DIGIT 和 GelSight 出来的 image 看着像但内部物理量映射不一致；ReSkin 和 AnySkin 又是磁场而不是 image。没有一个被广泛接受的"触觉 ImageNet"。这是为什么哪怕 sensor 已经便宜到能装在每根手指上，VLA 还是没真正吃透。等到有人发布一个跨 sensor 的统一表征 + 一百万小时配套数据集，触觉这条线才会真起飞。
电池这一节短，但是落地里最容易被忽视的瓶颈之一。
LFP（磷酸铁锂）：能量密度 90-160 Wh/kg，循环寿命 3000+，安全性高，便宜，重。仓储 AMR 几乎全用 LFP。
NMC（三元锂）：能量密度 200-260 Wh/kg，循环 1000-2000，热失控风险高，贵。手机笔记本用这个，人形机器人为了减重也大量用。
固态电池：实验室能到 400 Wh/kg，2026 年初真正量产的还基本没有。Toyota、QuantumScape、SES 都在喊 2027-2028 年量产，跟 5 年前喊的话一样。写产品 spec 时不要假设固态会按时来。
当前续航现状：
- 家用人形（NEO、Optimus、Figure 02 居家版）连续工作 1-2 小时，充电 1-2 小时；
- 仓库人形（Digit、Apollo）2-4 小时，配 hot-swap 电池（Agility Digit 的设计）；
- 仓储 AMR 8-10 小时一充，因为底盘装得下大电池组；
- 协作机械臂全部市电，没有 unplug 的选项。
电池决定了机器人能不能"在客户那边过夜不充"。这是工业部署一道隐形门槛。如果你的产品对客户的承诺是"放那儿不管"，2026 年这件事在双足人形上做不到。
还有一个被忽视的细节是充电桩。AMR 仓库铺充电桩是几十年的成熟工艺，对接位置容差几厘米、自动开闭、安全互锁全是标准件。双足人形要么自己走过去插一根充电线（这件事 demo 视频里没人公开做稳过），要么走到一个 docking 站趴下接触式充电（Apptronik、Agility 都有原型）。这一节工程量比看起来大很多：一个机器人花十分钟才能插上电的产品，没法在 24/7 场景里部署。
移动底盘这一节是这一章的高潮。
把仓库这个具体场景拎出来。一台机器人在仓库里要做的事：从 A 货架走到 B 货架，从地面或低层架取一个标准 SKU 箱，放到自己身上的载具里，再走到下一个点。99% 的工作时间花在走动和取放。
走动这一步，几种底盘的对比：
| 底盘 | 速度 | 载重 | 单台成本 | 平均故障间隔 |
|---|---|---|---|---|
| 差速轮（diff drive） | 1.5-2 m/s | 100-1500 kg | $8k-25k | 10000+ h |
| 麦克纳姆轮（mecanum） | 1.0-1.5 m/s | 50-500 kg | $15k-40k | 5000-8000 h |
| 阿克曼（汽车式） | 2-4 m/s | 100-2000 kg | $20k+ | 10000+ h（户外） |
| 平衡车（self-balancing） | 1.5-2 m/s | 30-100 kg | $10k-20k | 3000-5000 h |
| 履带 | 1.0-1.5 m/s | 200-2000 kg | $25k-50k | 5000-8000 h |
| 四足 | 1.5-3 m/s | 5-30 kg | $15k-100k | 1000-3000 h |
| 双足 | 0.5-2 m/s | 5-25 kg | $30k-100k+ | 50-500 h |
双足最后那一行是当前现实。这不是说双足不会进步，是说 2026 年部署一台双足意味着每两周就要修一次。仓库经理看到这个数会立刻把你赶出门。
更要命的是安全成本。一台 1500kg 载重的轮式 AMR 把碰撞动能控制在 100J 以下不难，加几个防撞条加 LIDAR 感知就够。一台 70kg 的双足跌下来对周围工人是直接的人身风险，光保险费率就贵一档。亚马逊 2025 年内部那份评估文件（被多家媒体引述）的结论是：轮式 AMR + 单臂的总拥有成本比 humanoid 低 70-80%，且短期没看到这个 gap 缩小的迹象。
把这件事再具体一点。仓库里一台轮式 AMR 出问题的最坏情况，是它停在过道里挡路，叫人推一下重启就完事；一台双足出问题的最坏情况，是它倒在过道里压坏一箱货、压伤一个人、起火、连带触发整个区域停工。这两种"最坏情况"的损失差三个数量级，对应的保险费率、合规审查、客户接受度也差三个数量级。这是为什么很多双足人形公司的真实部署合同上写的是 "supervised operation"，意思是必须有人在边上看着。这种部署形态的单位经济性，在客户眼里跟"再雇一个工人"没差别，溢价付不出来。
那为什么大家还在做人形？因为：
- 很多场景不是"现成仓库"，是已经为人设计好的环境（家庭、写字楼、医院走廊、有楼梯的车间）。这种环境改造成本比换形态高。
- 人形是一个有高度图像识别度的形态，融资和媒体效率极高。一个轮式 AMR 加一只胳膊募 1 亿美元很难，一台双足人形募 10 亿美元相对容易。
- 通用泛化的赌局：如果将来一套 VLA 真的能学会"像人一样动"，人形是天然承接者。但这是赌十年后的拐点，不是赌今天的客户。
第 1 条是真的，是人形长期可能有戏的根基。第 2 条是这一行的脏话，但它在 2024-2026 年这个窗口里实质塑造了产品路线。第 3 条是赌注，赌中了赢 100 倍，赌错了一台都卖不出去。绝大多数公司私下知道自己在赌第 3 条，对外讲的是第 1 条。
立场一：人形是为了说服 VC 的形态，不是为了说服客户的形态。
仓储/工厂里真正赚钱的还是 AGV/AMR + 单臂那一套。Symbotic、Locus Robotics、Geek+、AutoStore 这类公司 2025 年合计在仓储市场出货数十万台，营收数十亿美元，毛利可观。同期所有双足人形公司加起来商用部署数量低于 1 万台，营收主要靠融资和试点合同，不是经营性现金流。这个数据在 2026 年还没翻过来。
不是说双足永远没机会。是说今天卖给客户的双足，被买的主要原因往往不是它做得最好，而是客户也想拍 demo 视频。
立场二：家庭服务机器人的形态战远没结束，轮式人形（半人形）可能比双足人形更快落地。
轮式人形指：腰以下是轮式底盘，腰以上是双臂双手的人形上半身。Apptronik Apollo（早期款）、Agility Digit（实质上是双足，但很多商业部署版改成轮式底座）、Hello Robot Stretch 3（更极端，单臂 + 升降柱 + 轮式底座）都是这一类。优势：
- 室内地面 95% 是平的，轮式够用；
- 上半身仍是双臂双手，能用为人设计的工具；
- BOM 比双足省 30-50%，能耗省一半；
- 跌倒概率近零；
- 续航翻倍。
唯一做不了的事是上下楼梯。但绝大多数家务、办公室、医院日常都不需要上下楼梯。等到 2030 年家庭部署数据回来，轮式半人形跟双足全人形的对比会很有意思。我赌前者活下来的款数更多。
附一笔反方观点：1X 的 Bernt Børnich 在 2025 年几次访谈里说，"双足是为了能进任何为人设计的空间，不是为了好看"。这话部分对，部分是 narrative。判断它对不对的方法很简单：去问任何一个家庭客户，他家有几级楼梯、机器人主要活动区域是不是平的。在欧美 single-storey 公寓和大多数中国楼房里，主要活动空间确实是平的。真正非有双足不可的家庭，比例可能远低于人形公司预设的那个数字。
计算这一节短，但有几个数要记。
onboard 算力主流方案：
- Jetson Orin AGX（275 TOPS，60W）：当前家用/服务机器人主力。NEO、Stretch、Digit 部分款式都是。
- Jetson Thor（2024 年发布，2070 TFLOPS FP4，130W）：2025 下半年开始铺货，是 humanoid 那一档的目标平台。
- 自研芯片：Tesla 的 D1 衍生、Figure 自研 chip、华为升腾系列。这条路只有出货量过几万台才划算。
云端 offload 是不是必要？ 取决于你最高频的 query 是什么。
- 如果是 VLA 推理（每秒 10-50 Hz 控制频率），绝对不能 offload。来回延迟把控制频率打到 2-5 Hz 以下，物理上跑不动。
- 如果是 LLM planner（每 10-30 秒一次拆任务），可以 offload。家庭网络往返 100-300ms，规划完延迟 1-2 秒，可接受。
- 如果是地图、长时记忆、跨机器人协作，必须 offload。
带宽预算：4 路 1080p RGB 30fps + IMU + 触觉，原始数据 200-400 Mbps。家庭 WiFi 实际可用上行 30-50 Mbps，不能传原始流。所以 onboard 必须做 perception 编码（ViT 跑出 feature 而不是图像），云端只看 feature。这套架构是 2025 年下半年开始几家公司在收敛的方案，包括 1X 那条线。
记一句：onboard 跑控制，云端跑长记忆，中间用 feature 而不是图像传。这是 2026 年家用具身的默认网络拓扑。
热设计是这一节最容易被遗漏的。Jetson Thor 标称 130W，实际持续负载下机箱内温度很容易 70°C 以上，机器人胸腔空间小、风道短，被动散热基本不够，必须主动风扇加导热铜板。这件事影响产品声学：客户对家庭机器人风扇噪声的容忍度大概是 35dB（白天）/25dB（夜间），相当于一台轻负载笔记本。一颗 Thor 全速跑的散热噪声远超这个数。所以计算选型不是只看 TFLOPS，是看 TFLOPS / 噪声 / 体积 / 续航 这一组里你愿意妥协哪一个。
练习¶
找一台你最熟悉的双足人形（Optimus Gen 2、Figure 02、NEO、G1、Digit 任选一台），按这一章给的成本结构估它的 BOM。骨架 + 关节驱动器 + 灵巧手 + 计算 + 电池 + 传感器各占多少？跟厂家公开报价对得上吗？对不上的部分是因为厂家在贴补、还是你估错了？
重读一次亚马逊 2024-25 年关于仓储自动化的官方说明（press release 或 shareholder letter 里那几段），数一下里面"humanoid"出现几次，"AMR / robot arm"出现几次。亚马逊在自己的部署语料里如何描述形态？
给自己写一份选型表：你正在做的那个机器人，能不能把双足换成轮式？换了之后哪些任务做不成？这些做不成的任务是产品的必须还是好看？把每条任务标 must 还是 nice。
重新看一遍 Boston Dynamics Atlas 那段后空翻 demo（任意一年的版本）。它对你做的产品意味着什么？如果你的回答是"这意味着双足以后能干家务"，停下来重新问一遍：从能后空翻到能稳定 8 小时折毛巾，缺的那段路是控制上的、是数据上的、还是硬件可靠性上的？
下一章：第 12 章 部署