第 11 章 硬件¶
这一章直白地讲一件事：双足人形是一场昂贵的固执。在融资 deck 里它风光无限，真进了仓库，却输给一个轮式底盘配一条机械臂整整十倍。这一章要把这笔账算清楚。
先摆数字。
2026 年初，工业界给一台 Tesla Optimus Gen 2 估算的整机 BOM 大约在 5 万到 8 万美元；Figure 02 也是这个量级；1X NEO 家庭版挂出 2 万美元的补贴价；Unitree G1 教育版 1.6 万美元起售；H1 则是 9 万美元起步。摆在眼前的这些，全都是双足人形。
同时期一台主流的仓储 AMR（autonomous mobile robot，自主移动机器人），比如 Locus、Geek+、Fetch 这一档，整机要价 1.5 万到 4 万美元；上面架上一只 6-7 DoF（degrees of freedom，自由度，独立可动的轴数）的 collaborative arm，像 UR5e 或 Franka Research 3，再添 2 万到 5 万美元。总共 4 万到 9 万美元，就能搭出一台干活的轮式加单臂工业平台。单看采买开销，两边似乎拉不开差距，可 MTBF 差了整整一个数量级：Locus 的轮式底盘跑上几千小时才需要报修一次，UR 的机械臂出厂就敢保 35000 小时；反观同期公开报道里的 Optimus、Figure 与 G1，连续无故障运行时间还在几十小时上下打转，摔倒一次就得送修一次。
论起搬运速度与力气，账面同样不帮双足说话。仓储 AMR 巡航速度可达 1.5-2 m/s，载重 50-200 kg；Optimus Gen 2 顶着最高步速也不过 0.6 m/s，负重上限 20 kg；G1 步速 1.2 m/s，能挑起的重量只有 5 kg；跑得最快的 Digit（Agility Robotics）时速能冲到 2.0 m/s，背负能力也止步于 16 kg。双足构型费尽周折去模仿人类的一举一动，到头来却干得更慢、花得更贵，也更容易散架。
还得添上一笔常被忽略的账：售后。一台 UR5e 在中国和北美的维保网络早已铺进二线城市，备件下单隔日就能送达，熟练的驻场工程师随叫随到。可换作一台刚出厂半年的 Optimus 或者 Figure 02，绝大多数客户遇上故障，唯一的“维护”手段依然是把它打包装箱寄回原厂。这不是装配工艺的差距，而是工业规模的鸿沟。出货量上不去，售后网点就铺不开；没有网点兜底，企业客户不敢签长约买单；没有订单支撑，产能与规模便永远停在原地。这样严苛的死结，直到 2026 年才刚在极少数专门定制的封闭场景里被撬开一道缝隙。
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 身上大约挂着 28 DoF，Figure 02 超过 30 个，1X NEO 与 G1 各有 23 个，H1 则是 19 个。每硬塞进一个 DoF，背后就必须塞入一整套伺服电机、减速器（把电机的高转速转化为低转速大扭矩）、编码器、电流环 driver、电气布线、散热通道、动力学辨识与安全限位机构。
成本从来不会平缓地上升。一条机械臂的总成本里，电机与减速器直接吃掉 60-70%，每平添一个 DoF，依据精度与输出力矩不同，硬件开销就要往上跳 1500-3000 美元。比起账单，控制上的组合爆炸更让人头疼：n 自由度下的雅可比矩阵求逆、奇异点规避、自碰撞干涉检测与 whole-body 控制，计算复杂度全在 O(n²)-O(n³) 之间陡增；在 teleop 采集示教数据时，操作员单凭直觉能够稳定掌控的 DoF 上限不过 10-12 个，一旦越过这条红线，操作员就容易手忙脚乱，采集出的轨迹质量随即断崖式下跌。
能耗同样水涨船高。驱动一台 28 DoF 的双足机器人平稳站立，稳态功耗得耗掉 500-1000W；而应付同样负载的 7 DoF 单臂，稳态功耗不过 100-200W。中间多出来的 700W，大半纯粹用来抵抗重力、维持平衡不摔倒，根本转化不出任何能让买单客户看得见的生产价值。
没人直接做 50 DoF 的超级人形，这不是研发预算的问题。现实的关卡在于：每多塞进一个 DoF，演示 demo 里的动作成功率就往下掉一个 epsilon，BOM 往上跳一个 step，机身发热往上跳一个 step，控制算法的求解难度也跟着往上跳一个 step。算到最后，28 DoF 附近恰好成了眼下工业制造与控制算法交汇出来的局部最优解。
关节驱动器是这一章最硬核的一节，却也是最关键的底牌。一台机器人在物理交互里的脾气秉性，骨子里全由它的关节驱动器说了算。
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，靠柔轮形变做出高减速比）。采用 BLDC 电机搭配类似 Harmonic Drive LLC 的波发生器（wave generator）与柔轮（flexspline）结构。它的长处很突出：减速比轻松做到 50-100，齿隙回差近乎于零，扭矩密度（单位重量能够输出的扭矩）极高。短板也同样扎眼：造价昂贵（一颗 100Nm 级的工业谐波减速器就要卖 1500-3000 美元），传动效率只有 70-85%，几乎无法反向驱动（backdrivability 极差，一旦关节卡死外力根本推不动，人机协作安全性大打折扣），而且抗机械冲击的能力很弱。Universal Robots 全系产品、ABB YuMi 与 Franka 的早期型号走的都是这条路线，Optimus 的部分关节也选了它。
摆线减速器（cycloidal）。Nabtesco 称霸重工业领域几十年的看家法宝。它的价格比谐波减速器亲民一些，抗扭矩过载冲击的能力强得多；代价是体积稍微偏大，齿隙也比谐波更明显。在 FANUC、KUKA 这些重型工业臂上，到处都能见到它的身影。
行星减速器（planetary）。制造成本最便宜（单颗只要几百美元），机械效率高达 90%+；但单级减速比受限（单级多在 3-10，串联多级才能摸到 50），且齿隙偏大，重复定位精度较弱。广泛分布于家用、教育和轻型协作场景，像 Stretch 3 与 AgileX 这类移动操作底盘，底层选用的都是这套方案。
SEA（series elastic actuator）。在电机与末端负载之间特意串入一根弹性弹簧，借由弹簧的物理形变量来反推关节扭矩。这套设计的优势在于天生抗冲击、自带力控柔顺性，人机交互时足够安全；缺点则是控制带宽被大幅拉低（弹簧过滤了外界高频震动，却也把快速响应的动态一并掐掉了），高精度轨迹跟踪表现平平。Agility Digit 早期型号与 Boston Dynamics 的部分关节曾走过这条路。
QDD（quasi-direct drive）。选用低减速比（6-10）的高极对数 BLDC 电机，主要仰仗电机本体的高扭矩密度，而非重型减速器来发力。MIT Cheetah 奠定了这一流派的技术基石，Unitree A1/G1、宇树自研的 M107 伺服模块与 4090Pro 都属于这一档。它的长处在于 backdrivability 极好（外力可以直接推得动机械腿）、动态响应迅猛且采购便宜；短板则是在低速重载大扭矩工况下线圈发热严重，根本胜任不了高精度机械装配。
对应到形态：四足机器狗几乎清一色采用 QDD（要高速摆腿踏步，还要靠强 backdriveable 吸收跌落冲击防摔伤）；工业机械臂则几乎被谐波或摆线垄断（力求达到 0.1mm 级别的严苛重复定位精度）；至于双足人形，大多走折中路线，腿部挂上高动态响应的 QDD，上肢操作臂则混搭精细的谐波或行星减速器。Optimus、Figure 与 Digit 无一例外都属于这种 hybrid 混合形态。
记准一句话：buy backdrivability with torque density, buy precision with backdrivability。想要三者通吃，造价只能呈指数级飙升。
国内供应链在这几年也开始崭露头角。绿的谐波（Leader Drive）自 2024 年起在国产人形本体中铺开，单价只要 Harmonic Drive LLC 进口件的 40-60%，加工精度虽差了半档，应付日常工况却已足够；同川科技、灵动科技、本末科技纷纷推出成套 QDD 模组，单价压到 800-2000 美元，而放在前几年，买家只能咬牙选进口的 ODrive / TMotor。这波供应链迭代的分量远超外行人的想象：减速器与伺服驱动向来是机器人硬件开销的大头，国产化替代一推开，直接把双足人形的 BOM 砍掉 20-30%。Unitree G1 之所以敢标出 1.6 万美元起的售价，底气正来自本土供应链的支撑。这同样预示着，在 2026-27 年间，大批“交付无门的人形机器人初创团队”将采购同一批标准关节模组，最终呈现出外壳形态各异、内在运动性能却高度趋同的同质化格局。
灵巧手是近几年被夸大得最厉害的一类硬件。
主流型号排出来并不多：PSYONIC Ability Hand（医疗假肢出身，单只 1 万美元，6 motor 欠驱动设计）；Inspire Robotics RH56（内置 12 motor，售价 2-3 万美元，主供科研）；Allegro Hand（4 指 16 DoF，要价 1.5 万美元，属于 2008 年那一批经典的老牌研究平台）；Shadow Hand（24 DoF，单只索价 10 万美元，肌腱驱动，堪称学术界的顶级圣杯）；Schunk SVH（5 指 9 motor，标价 5 万美元）。
为什么工业上没普及？四个理由。
贵。买一只科研级多指灵巧手的预算，足够买下 5 只工业级 Robotiq 2F-85 平行夹爪。工厂客户要是整天只需要抓取同一种规格的包装箱，绝不会平白无故去买五根手指。
易坏。指尖、指节与内部肌腱是机械臂最脆弱也最常撞击外界的末梢。一只昂贵的 Shadow Hand，官方出厂担保的连续无故障工作时间仅有 500-1000 小时，远逊于机械本体的寿命；Allegro 的指尖保护罩迭代了无数个版本，依然挡不住一线使用者的频繁报修。
操控难。想给 20+ DoF 的复杂手掌采集遥操作数据，人类示教员单靠双手根本应付不来：要么套上动捕手套（如 Manus、Rokoko，单只售价高达 4-8 千美元，且伴随 30-50ms 的不可忽略延迟），要么借助视觉姿态重定向（沿着 Anyteleop、DexCap 这一脉，直到 2024 年才勉强达到可用状态）。这样采集出来的示教数据，质量往往比简单的二指夹爪差了整整一个档次。
不防水。多指末端的微型传感器与精细肌腱一旦暴露在油污、水汽和粉尘环境中，磨损与损坏速度会呈几何倍数增加。可对严苛的车间工况而言，防尘防水不过是最底线的入场门槛。
所以 2026 年的实际格局很清楚：学术圈偏爱多指灵巧手，工业现场则死守成熟夹爪。Robotiq 与 SCHUNK 的平行夹爪在仓储转运和车间流水线上占据着不可撼动的主导地位。押注家庭场景的团队则在赌灵巧手（毕竟真实的家务操作确实离不开 5 指的泛化能力），只是这场豪赌眼下远未到揭晓谜底的时刻：1X NEO 采用了 3 指 + 拇指的折中妥协架构，Figure 02 堆上了 16 DoF 的完整五指，Optimus 则挂着 11 DoF 的手部设计。究竟哪一路能熬到最后，完全看它的量产成本曲线，绝非取决于宣传片里的 demo 拍得多么赏心悦目。
不妨再挑明一句业内心照不宣、却绝不会写进官方 spec 说明书的实情：几乎所有演示“叠衣服、煎鸡蛋、倒咖啡”的精细家务 demo，背后那只机械手都悄悄更换过指尖硅胶垫。特制的硅胶指尖每经历几百次抓取循环就会磨损报废，单片耗材就要掏出 50-200 美元。一旦真正走向规模量产交付，这笔持续性支出必须实打实算进后期的 OPEX 运营维护成本，根本不是一次性 BOM 采购价所能掩盖的。时至今日，还没有任何一家机器人厂商愿意公开自家产品的真实损耗换件曲线。
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（来自 FAIR/Meta，350 美元一颗，开源）、Digit360（Meta 2024 年推出的新一代，带振动 + 力矩 + 接触位置的多模态方案）、GelSight（源自 MIT 那一脉，走通了多家商业化）。它们底层的路数差不多，都是在 camera 前面贴上一块凝胶，受压变形后由 camera 拍下图像，再交由 NN 反演成接触力分布。这种方案的长处在于空间分辨率极高，能看清亚毫米级的表面纹理；短板则是 camera 摆脱不掉最小焦距限制，很难把整个 sensor 的厚度压到 5mm 以下，想塞进手指尖尤其费劲。
磁传感触觉：代表作有 Tess Hellebrekers 在 CMU 主导的 ReSkin（2021 年）与 NYU 带来的 AnySkin（2024 年）。它的构造是在磁化弹性表皮底下铺设磁传感器阵列。这种方案胜在轻薄、便宜而且能够随时换皮，表皮磨坏了花几十美元就能换上一片，不像 camera 方案换一颗就得掏几百美元；缺憾是空间分辨率比视觉触觉整整低了一个量级。AnySkin 在 2024 年下半年于具身领域受到不少关注，核心就在于它解决了“机器人皮肤老化校准漂移”这个老问题。
关节力矩 / 腕力传感：工业上的金标准是 ATI 的六维力矩传感器，像 Mini40、Gamma 这一档，一只就要 5-8 千美元；走平价路线的有 Robotiq FT300，价格在 2-3 千美元，精度自然低了一档。如今不少协作臂选择直接在每个关节里装上电流环来估算力矩，不再外挂 F/T sensor。
点名一个判断：触觉数据当下的瓶颈并不在 sensor 不够好，而是 VLA 模型还没学会怎么用它。像 π0、OpenVLA 这类 SOTA 模型，输入主力依然只有 RGB 与本体感觉这两路；2025 年确实有几篇 paper 尝试把触觉信号并入训练，但性能提升幅度只在 5% 到 15% 不等，离“必须有”还远得很。这项能力的质变，大概要等到 2027-28 年才最有可能迎来突破。
说得再具体一些，真正的麻烦出在标注和对齐上。RGB 图像帧之间借由 optical flow 很容易找到像素对应，不同 sensor 采集到的触觉信号分布却完全不同：DIGIT 与 GelSight 输出的 image 表面上看着像，内里的物理量映射却对不上；ReSkin 与 AnySkin 给出的又是磁场读数而不是 image。业内至今没有一个被广泛公认的“触觉 ImageNet”。正因如此，哪怕 sensor 已经便宜到足以装在每根手指上，VLA 也始终没能真正吃透。只有等到哪天有人发布一套跨 sensor 的统一表征，外加一百万小时配套数据集，触觉这条技术线才会真正起飞。
电池这一节篇幅不长，却是工程落地时最容易被人忽视的瓶颈之一。
LFP（磷酸铁锂）：能量密度在 90-160 Wh/kg，循环寿命达到 3000+，安全性高，价格便宜，缺点就是死沉。仓储 AMR 几乎全在用 LFP。
NMC（三元锂）：能量密度拉到了 200-260 Wh/kg，循环寿命在 1000-2000，代价是热失控风险偏高，价格也贵。手机和笔记本都在用它，人形机器人为了减轻自重，身上也大量塞进了这种电池。
固态电池：实验室里能量密度固然能摸到 400 Wh/kg，但到了 2026 年初，市面上几乎见不到真正量产的影子。Toyota、QuantumScape、SES 如今都在高喊 2027-2028 年量产，这话听着跟它们 5 年前喊的口号如出一辙。写产品 spec 的时候，千万别预先假设固态电池会按时交付。
当前续航现状：
- 家用人形（像 NEO、Optimus、Figure 02 居家版）连续工作 1-2 小时，充一次电也要 1-2 小时；
- 仓库人形（如 Digit、Apollo）能撑 2-4 小时，通常配上 hot-swap 电池（这是 Agility Digit 的典型设计）；
- 仓储 AMR 跑上 8-10 小时才需要充一次，底盘空间充裕，装得下大电池组；
- 协作机械臂全部插着市电运转，压根没有拔掉电源 unplug 的选项。
一块电池，卡死的是机器人能不能“在客户那边过夜不充”。这是工业部署里一道看不见的隐形门槛。要是你的产品给客户许下的承诺是“放那儿不管”，在 2026 年，这套说辞在双足人形身上根本做不到。
另一个容易被忽视的细节是充电桩。在 AMR 仓库里铺设充电桩是几十年的成熟工艺，对接位置留有几厘米容差、自动开闭机构、安全互锁机制全都是现成的标准件。双足人形则尴尬得多，要么自己走过去插一根充电线（这套动作在 demo 视频里还没人公开做稳过），要么走到一个 docking 站趴下来做接触式充电（Apptronik 与 Agility 都有原型）。这里的工程量比表面看起来大得多：一款机器人要是每次花十分钟才能插上电，根本没法部署在 24/7 连轴转的场景里。
移动底盘这一节，是整章内容的高潮。
不妨把仓库这个具体场景拎出来看。一台机器人在仓库里要做的事：从 A 货架走到 B 货架，从地面或低层货架取下一只标准 SKU 箱，放进自己身上的载具里，再奔赴下一个点位。整整 99% 的工作时间，全耗在走动与取放这两件事上。
单看走动这一步，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 |
双足最后那一行的数据，就是当下冰冷的现实。这倒不是说双足技术不会进步，而是在 2026 年部署一台双足，意味着每隔两周就得维修一次。任何一个仓库经理看到这个数字，都会当场把你请出门去。
更要命的是安全成本。一台载重 1500kg 的轮式 AMR，贴上几道防撞条、加上 LIDAR 感知避障，把碰撞动能控制在 100J 以下并不算难；可一台 70kg 的双足一旦跌倒，对周围工人就是直接的人身风险，光是保险费率就得往上跳一个档位。亚马逊 2025 年那份被多家媒体引述的内部评估文件写得很直白：轮式 AMR 加上单臂的总拥有成本比 humanoid 低了 70-80%，而且短期内完全看不到这个 gap 收窄的迹象。
把账算得再具体一些。在仓库里，一台轮式 AMR 出问题的最坏情况，不过是停在过道里挡了路，叫人推一下重启便能解决；而一台双足出问题的最坏情况，是直接倒在过道里，压坏一箱货物、压伤一名工人、起火、连带触发整个区域停工。这两种“最坏情况”造成的损失相差三个数量级，随之而来的保险费率、合规审查和客户接受度，同样差着三个数量级。这也就是为什么许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。这种部署形态在单位经济性上，同“再雇一个工人”毫无差别，客户自然付不出多余的溢价。
那为什么大家还在做人形？因为：
- 很多场景并不是规整的“现成仓库”，而是早已为人量身设计好的环境（家庭、写字楼、医院走廊或是带楼梯的车间）。要把这些环境改造一遍，成本往往比更换形态高得多。
- 人形本身拥有极高的视觉辨识度，融资和媒体传播效率极高。给一台轮式 AMR 加上一只胳膊想去募 1 亿美元难如登天，端出一台双足人形去募 10 亿美元反而相对容易。
- 通用泛化的赌局：如果将来一套 VLA 真的能学会“像人一样动”，人形是天然的承接者。但这纯粹是押注十年后的技术拐点，不是在服务今天的客户。
第 1 条是真话，也是人形长期可能有戏的根基；第 2 条是这一行的脏话，却在 2024-2026 年这个窗口期里实质塑造了产品路线；第 3 条是一场赌注，赌中了能赢 100 倍，赌错了一台都卖不出去。绝大多数公司私下清楚自己在赌第 3 条，对外宣讲的，却永远是第 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。
在仓储与工厂深处，真正赚钱的依然是 AGV/AMR 配上单臂那一套。像 Symbotic、Locus Robotics、Geek+、AutoStore 这批公司，2025 年合计在仓储市场出货数十万台，营收数十亿美元，毛利相当可观。同期所有双足人形公司绑在一起，商用部署数量还低于 1 万台，营收主要依赖融资和试点合同，根本不是健康的经营性现金流。这个数据在 2026 年还没翻过来。
不是说双足永远没机会。只是说今天卖给客户的双足，被买单的主要原因往往不是它做得最好，而是客户也想拍一段 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。
所谓轮式人形，是指腰部以下是轮式底盘，腰部以上是双臂双手的人形上半身。像 Apptronik Apollo（早期款）、骨子里是双足但在很多商业部署版里改成轮式底座的 Agility Digit，还有更极端的 Hello Robot Stretch 3（单臂 + 升降柱 + 轮式底座），都属于这一类。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。
这里补一笔反方观点。1X 的 Bernt Børnich 在 2025 年几次访谈里说过：“双足是为了能进任何为人设计的空间，不是为了好看”。这话一部分是对的，另一部分则是讲给市场听的 narrative。判断它站不站得住脚，方法其实很简单：去问任何一个家庭客户，他家到底有几级楼梯，机器人主要活动的地面是不是平的。在欧美 single-storey 公寓和大多数中国楼房里，日常活动的空间确实就是一片平地。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。
计算这一节篇幅不长，但有几个关键数字必须记下来。
当下 onboard 算力的主流方案：
- Jetson Orin AGX（275 TOPS，60W）：当前家用与服务机器人的主力选型，NEO、Stretch 还有 Digit 的部分款式都选了它。
- Jetson Thor（2024 年发布，2070 TFLOPS FP4，130W）：2025 下半年开始铺货，对准的是 humanoid 这一档的目标平台。
- 自研芯片：包括 Tesla 的 D1 衍生、Figure 自研 chip 和华为升腾系列。走这条路，出货量得迈过几万台的门槛才算合算。
云端 offload 是不是必要？这取决于你跑得最高频的 query 到底是什么。
- 如果是 VLA 推理（每秒 10-50 Hz 控制频率），绝对不能 offload。网络一来一回的延迟会把控制频率直接打到 2-5 Hz 以下，机器人在物理世界里根本跑不动。
- 如果是 LLM planner（每 10-30 秒一次拆任务），完全可以 offload。家庭网络往返耗时 100-300ms，规划完成延迟 1-2 秒，完全在可接受的范围内。
- 如果是地图、长时记忆或跨机器人协作，那就必须 offload。
带宽预算：算一笔账便知，4 路 1080p RGB 30fps 加上 IMU 和触觉传感器，原始数据流每秒会吃掉 200-400 Mbps。普通家庭 WiFi 实际可用的上行带宽只有 30-50 Mbps，根本不可能直接传原始流。所以 onboard 必须先做 perception 编码，用 ViT 提炼出 feature 而不是图像，云端也只看 feature。这套架构从 2025 年下半年开始成了几家公司共同收敛的方案，1X 那条线也在其中。
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 年家用具身机器人的默认网络拓扑。
热设计是这一节最容易被漏掉的一环。Jetson Thor 标称功耗 130W，在持续高负载下，机箱内的温度很容易窜到 70°C 以上。机器人胸腔空间狭小，风道又短，光靠被动散热根本压不住，必须老老实实配上主动风扇加导热铜板。这件事直接影响产品的声学表现：客户对家庭机器人风扇噪声的容忍度，白天大概是 35dB，夜间则只有 25dB，大致相当于一台轻负载运行的笔记本。一颗 Thor 全速跑起来的散热噪声远超这个底线。所以计算选型从来不是只看 TFLOPS，而是看 TFLOPS / 噪声 / 体积 / 续航 这一组指标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），按照这一章给出的成本结构估算它的 BOM。骨架 + 关节驱动器 + 灵巧手 + 计算 + 电池 + 传感器各占多少？算出来的数字跟厂家公开报价对得上吗？对不上的部分到底是因为厂家在贴补亏损，还是你自己估错了？
重读一次亚马逊 2024-25 年关于仓储自动化的官方说明（翻翻 press release 或者 shareholder letter 里那几段），数一下里面“humanoid”出现了几次，“AMR / robot arm”又出现了几次。看看亚马逊在自己的部署语料里究竟如何描述机器人形态。
给自己写一份选型表：审视一下你正在做的那个机器人，能不能把双足换成轮式？换了之后到底有哪些任务做不成？在这些做不成的任务里，哪些是产品的必须项，哪些只是为了看起来好看？给每条任务老老实实标上 must 还是 nice。
重新看一遍 Boston Dynamics Atlas 那段后空翻 demo（挑任意一年的版本都行）。它对你手头的具体产品到底意味着什么？如果你的第一反应依然是“这意味着双足以后能干家务”，不妨停下来重新追问一句：从能跳一个后空翻，到能稳定 8 小时折毛巾，中间缺的那段路，究竟卡在控制上、卡在数据上，还是卡在硬件本身的可靠性上？
下一章：第 12 章 部署