特斯拉与小鹏的机器人灵巧手是属于“有用的手”？

文｜刘恩帅

当特斯拉仍在为灵巧手的工程化与可靠性问题所困，当小鹏汽车公开表示灵巧手因高成本与技术难度短期内难以普及时，整个行业都面临一个共同难题：为何灵巧手数量众多，却依然难以投入实际应用？

许多产品不得不在性能、寿命与成本之间做出艰难取舍：要么为性能牺牲成本，成为实验室中的"奢侈品"；要么为成本妥协性能，沦为"精致的玩具"。

一、产业之问：为何灵巧手"遍地开花"，头部企业仍称"不实用"？

一些灵巧手品牌宣传声势浩大，甚至号称占据全球80%市场份额，但真正的产业用户为何迟迟不愿买单？答案简单而残酷：因为它们所宣传、演示甚至售卖的，往往并非产业真正需要且敢于使用的产品。

以下三个问题，或许是它们不愿透露的真相：

1）灵巧手究竟是要替代"人手"，还是"工具"？

灵巧手的目标并非二选一，而是在"替代人手"与"替代工具"之间找到平衡，其终极愿景是"替代人手"。

替代"人手"方向追求复制人类手部全部功能，实现在任何人类工作环境中无缝替代，核心设计理念是极致的通用性与拟人化，典型代表为特斯拉Optimus GEN3的22自由度灵巧手。

替代"工具"方向则主张"为何非要是手？解决问题的是一系列专用工具"，其核心是在特定任务中追求高效、可靠与低成本，典型代表为特斯拉Optimus GEN1的6自由度灵巧手。

2）哪些场景真正需要灵巧手？

以汽车制造业为例，冲压、焊接、喷涂等前序车间自动化率可达90%甚至100%，但总装车间仍依赖大量人工。这并非技术不足，而是由总装工序特性、成本效益及人机优势对比共同决定。

总装涉及成千上万零件的组装，许多步骤需根据实际情况微调、对位、卡扣，远非简单的"抓取-放置"，涵盖非标准化操作、精细操作及综合感知决策等复杂需求。

类似这样的场景正是灵巧手的核心应用点——狭窄空间的精细感知与微动操作，需要手、感知与大脑的协同作业。

3）为何灵巧手必须与场景深度结合？

灵巧手的"灵巧"并非固有属性，而是在特定环境与任务中通过物理交互涌现的能力。脱离具体场景，灵巧手便失去存在的价值与意义。

首先，硬件设计由场景需求驱动。工业装配可能仅需"三指手"完成抓取、插入等重复任务，而弹钢琴演奏则需要"五指"协同。

其次，控制算法的有效性高度依赖场景知识。灵巧手控制极为复杂，其智能体现在算法上，而算法的效能完全取决于对场景的理解。未与场景结合的灵巧手仅能执行预设轨迹，无法适应微小变化；而与场景深度结合的灵巧手，通过视觉、力觉、触觉等传感器实时获取信息，调整抓取力、姿态与手势，实现鲁棒且柔顺的操作。

最后，学习与训练数据源于场景。现代灵巧手控制日益依赖机器学习（尤其是强化学习与模仿学习），而模型性能严重依赖于训练数据的质量与广度。

二、灵巧智能的解决方案：突破"不可能三角"，以操作的"力"为核心，打造"有用的手"

绳驱（腱绳传动）被公认为实现类人灵巧手的理想路径，国内灵巧手企业众多，空心杯电机与腱绳供应链成熟，为何绳驱灵巧手厂商不足5家？答案简单而残酷：绳驱手的设计难度、量产工艺与可靠性挑战劝退了大多数玩家。

灵巧智能选择以机械与控制的复杂性，换取本体结构的轻量化与拟人化，并在此技术路径上提出以下实践：

1）硬件灵巧手：以"力"为核心，解决"用手难"问题

灵巧智能绳驱灵巧手方案示例：

通用版五指DexHand 021：首款量产绳驱五指灵巧手，面向科研、教育、数据采集、具身智能及生化等行业。通过130套模具实现741个零件的标准化生产，确保产品公差一致性；配备主动散热系统，支持长时间使用；通过腱绳涂层与绳头端子设计，解决腱绳蠕变与干摩擦问题。是目前唯一投入高频数据采集应用的高自由度绳驱灵巧手。

入门版三指DexHand 021S：视触双模、双拇指构型的三指灵巧手，适用于教育、具身智能、工业及农业等场景。无需复杂模型驱动，通过双拇指构型（弯曲+旋转）实现约70%人手功能，结合掌心视觉与指尖触觉，扩展多场景操作任务，为入门用户提供具身智能最优选。

专业版腕手一体五指DexHand 021pro：具备双绳双向传动、全掌感知与端侧算力的腕手一体五指灵巧手。通过"外力"触觉感知与"内力"传动控制，不仅具备端侧抓取规划的智能化能力，更实现抓取控制的力控能力。

2）高质量数据：以"力"为核心，破解"数据稀疏性"难题

机器人具备三大智能：运动智能、交互智能与操作智能。交互智能核心在于利用大语言模型实现人机情感交互；运动智能核心是"非接触"，使机器人掌握平衡与协调；而操作智能核心在于"接触"，不仅关乎手部状态与被操作物体，更与手-物接触关系，尤其是"接触力"信息密切相关。

基于此，灵巧智能有两款：

DexCap数据采集外骨骼：通过人类"遥操作"示教机器人，在灵巧手与物体接触时，结合触觉传感器与指尖振动力反馈，实现沉浸式操作与数据采集。

桌面手部动捕与触觉手套：旨在捕获人类操作数据，包括主视角操作视频、上肢（含手指）运动轨迹、被操作物体物理特性及手-物接触力等多维度信息。今年9月底，灵巧智能重磅开源DexCanvas数据集。

3）操作模型：以小参数量模型，逐步解决"手的操作"难题

手是人类极为精妙的器官，既是感知外界的窗口，也是执行动作与实现交互的关键载体。从出生到十岁左右，人类通过持续的手部互动，构建"手—感知—大脑"协调的发育闭环。将此映射至灵巧手发展，可见其运动能力已高度逼近人手，但"脑力"——即认知与决策能力——仍处于类似人类三岁阶段，目前仅能实现有限抓握功能。

古人云"隔行如隔山"，又道"纸上得来终觉浅，绝知此事要躬行"，皆揭示"行业操作数据"与"知行合一"的深刻价值。与参数动辄超过300亿的大规模视觉语言模型不同，灵巧智能更聚焦于"Action"本身：

一方面，通过多维数据采集与高保真物理仿真增强，构建参数量为30亿级的灵巧操作基础模型；另一方面，与场景需求方深度协同，共建真实环境中的数据采集工厂，在垂直场景中系统获取操作数据，训练高度适配的专用操作模型。

灵巧手正站在从"演示可行"到"应用可用"的关键十字路口。破解困局之道，并非追求参数上的极致拟人，而在于回归"有用"这一本质：通过硬件、数据与模型的深度融合，在真实的产业场景中，将无形的智能转化为精准可控的"操作力"。道虽远，笃行可至；事虽巨，坚为必成。我们坚信，当灵巧手能像人手一样，在纷繁复杂的世界中可靠地完成一个又一个具体任务时，它所触及的，将不仅是冰冷的机器与零件，更是通用智能机器人与我们共同未来的大门。