灵巧手不是等AGI才用：一份被误读的物理AI落地地图

文 | 韩工观察

9月21日，宇树发布Dex5-S灵巧手：22个主动自由度、1:1真人手掌尺寸、全直驱加双编码器，3.99万元起（据宇树科技2026年9月21日官方发布）。一个多月前，宇树刚在科创板挂牌，上市首日市值约610亿元（据上交所公告及公开报道）。

市场的解读很直接：手出来了，机器人要进家了。

这个解读错了两次。第一，Dex5-S的买家不是家庭，是高校、整机厂和工业客户的实验室——这不是消费品发布，是科研采购品和数据采集工具的发布。第二，就算手出来了，真正稀缺的东西也还没出来：指挥手的脑子、喂脑子的数据、以及让手边干活边采数的场景。

用一句话概括2026年灵巧手行业的真实坐标：硬件已经摸到物理极限，行业卡在“有手无脑、有指标无数据、能演示不能干活”的阶段。这不是爆发前夜，是拐点年——硬件就绪、数据荒显现、场景筛选刚刚开始。

一、先长身体，后长脑子：一条被反复验证的产业规律

把镜头拉远，机器人产业的历史就是一部“执行器先成熟，智能层后补课”的历史。

工业革命先有蒸汽机和电机，几十年后才长出自动控制理论；自动驾驶先卷完激光雷达、域控制器和算力堆叠，然后集体卡在长尾场景的数据里；机械臂没有AGI、甚至没有深度学习，靠示教、视觉和力控就在汽车焊装线上活了几十年。

规律很清楚：动作可枚举、环境结构化、失败成本低的场景，根本不需要AGI。夹爪只有两指，一个自由度都算不上，但它省下来的人力成本是真实到账的。

这与AI侧的结论是同一枚硬币的两面。我在《要毁灭人类的不是AI，是人——拆开2026年9月这轮“末日叙事”》（钛媒体已发表）里拆过：系统从未自己决定过“我要变得更强”，它只是被人设定去优化某个指标。

拧螺丝的Agent，目标是工程师定的；把任意朝向的零件分到对应料盒里，奖励函数和失败标签是标注团队写的。灵巧手不会因为长在机器人身上就豁免这条规律。

所以“没AGI灵巧手就不能用”是个伪命题。真正的问题是：哪个场景，配得上现在这颗脑子？

二、灵巧≠自由度：22个电机解决不了穿针引线

先说理论。市面上的参数表把“灵巧”约等于自由度，但自由度只是“潜在灵巧”。真正的灵巧是一个乘积：

灵巧 = 自由度 × 触觉分辨率 × 控制精度 × 数据 × 任务分布。

任何一项归零，乘积归零。

拿“穿针引线”做压力测试——右手捏一根约0.3毫米的软线，左手捏一根针眼约0.5毫米的针。这个动作在机器人视角下可以拆出七个失败点：对位偏差、摩擦失效、柔性变形、视觉遮挡、力饱和、滑移失控、恢复策略缺失。其中三个是纯物理工程问题，靠迭代能解决；另外四个是智能理解问题，目前无解。这里只拆最致命的两个。

第一个是柔性变形。线头是柔性体，不是刚体。线头抵住针眼入口，一用力就弯成U形，就是不进去。传统控制模型基于刚体假设，现有视觉-语言-动作模型对柔性物体的物理理解仍处于初级阶段。这是全行业卡着的硬骨头，与它用几颗电机无关。

第二个是恢复策略。假设前面几关都过了，线在往前送的过程中从指尖滑走了——接下来怎么办？人类会退回来、换个角度、线头蘸点口水、再试一次。

今天所有灵巧手系统里，Figure的Helix能处理少量预设失败模式——检测到滑移就补力——但面对“线弯了”这种预设之外的情况，一样束手无策；其余的干脆报错停机。

这就是硬件与智能的分工现状，两句话可以说完：

手说：“我能以0.01牛的精度施力。”

脑说：“我不知道现在该施0.01牛，还是0.02牛。”

顺带补一刀体感问题。我在《黄仁勋说AGI已来，奥特曼说只是营销词：四个人的AGI，四本账》（钛媒体已发表）里写过：建材城师傅摔一跤会自己改码放顺序，这一跤是生命体感换来的；即便让大模型在仿真里摔一万次，也很难复现这种本能反馈，因为它没有生物本体的痛觉。

灵巧手同理——指尖能测出克力级的力，但“被针扎过一次就记住这个姿势不对”的下意识回避，它永远不会有。好消息是，穿针引线不需要会疼，只需要会推理。

顺便指出：自由度只是这个乘数里的一项，而数据，是当下最接近零的那一项。

三、You can't scrape a grip：数据荒才是真瓶颈

行业里有句大白话：You can't scrape a grip——抓握的手感，爬不下来（业内比喻：触觉、力反馈这类物理交互数据，无法像图文语料那样靠网络爬虫批量获取）。

互联网上有千亿张图片、万亿条文本，但没有“湿手捏鸡蛋、线头打滑、纸杯变形”的触觉-力-关节同步数据。这类数据只能靠遥操作员和采集工人一条条真机采出来，成本远高于互联网语料。

据国金证券2026年7月研报估算，2026年初全球高质量真实物理交互数据存量约50万小时，而通用具身模型的训练至少需要1000万小时级，存量不足需求的5%；智元方面更激进的口径是，高阶智能需要亿小时级。

仿真和合成数据填不了这个坑。视觉仿真已经很逼真，但接触力、滑移、柔性变形、失败恢复这类“手感数据”，仿真和真实之间隔着一条至今没人完全跨越的鸿沟——Sim-to-Real（仿真到真实的迁移鸿沟）。

这种落差不是猜测。斯坦福 2026 年论文《One Demonstration, Many Objects》提出的方法 DemoMimic 里，作为对照的基线在仿真中开盒/搬箱成功率可达 80%–96%，但迁移到真实五指手后分别跌到 3%–38%；论文提出的接触中心奖励方案，才把单策略在 16 个物体、4 类任务、两种灵巧手上的真机平均成功率拉到 71%。

学界管这叫 Sim-to-Real 鸿沟——仿真里完美的电机响应、刚体假设、无延迟通信，一上真机就被齿隙、电压波动、物体表面湿滑一一击穿。你可以在仿真里让手穿一万次针，一进真实世界，线还是软的，针还是会动。

玩家们的应对，也印证了瓶颈所在。Figure手脑一体最完整——重新设计的手部系统配掌心相机、指尖可感知约3克力级压力，Helix架构分语义慢脑与约200Hz的高速运动脑（据Figure官方技术发布），在宝马工厂里边干活边采数据，且数据闭源。

Figure在2026年9月披露的零样本家庭评测中，在30户未训练过的真实住宅里做三件事：收拾客厅玩具、折叠毛巾、整理床铺。从零训练策略完整任务成功率约8%（部分媒体记9%），Index预训练后升至56%——用Figure自己的话说，是“提升超过6倍”。

注：该评测对象为三项预先选定的长流程家务任务，并非全部家庭任务。方向令人鼓舞，反读也诚实：最前沿的系统，在三项被选定的任务上，仍有近一半概率做不完。

智元的路数是自建数据产能：其开源的AgiBot World数据集包含超过100万条真机操作轨迹、217项任务（据智元机器人官方发布），并建设了大规模数据采集工厂。

宇树的关键恰在这里：整机出货量国内领先，但出货不等于数据资产——科研客户买走Dex5-S之后，愿不愿意回传数据、以什么格式回传，都不在宇树手里。它卖了无数只“好手”，但这些手在别人实验室里产生的数据，多半喂了别人的模型。

灵心巧手（国内高自由度灵巧手厂商）同样把高自由度手当“科研铲子”卖给科研和数采客户；因时科技则针对工业场景选择了性价比更高的低自由度连杆方案，吃标准化抓取这碗饭——重复、可靠、能算账。此外，京东等下游玩家也已提出千万小时级的数据采集规划（据公开报道），整个行业都在为“燃料”补课。

这场博弈的本质：各家嘴上都卖手，手里抢的却同一个东西——物理交互数据的入口权。

四、工厂练手，家庭画饼：三层市场的真实地图

市场叙事里，灵巧手的终局是家庭：叠衣服、做饭、照顾老人，万亿空间。

这个终局有个前提没人愿意展开讲：家庭场景任务无穷、环境混乱、安全容错极低，而失败了用户直接退货。工厂场景恰恰相反——任务固定、环境受控、失败了有工程师兜底，机器人每干一天活，产出的价值可以对冲一部分研发成本，还能顺手把数据采了。

所以头部玩家的路径不约而同：先在工厂把通用能力练出来，再把成本降下来，最后才谈进家庭。Figure在宝马工厂，智元在汽车和3C工厂，Tesla的Optimus先在自家工厂做内部物流，宇树的客户在实验室里替它练手。这不是战略选择，是经济规律和技术瓶颈共同决定的唯一理性路径。

谨慎的从业者也这么说。启元机器人（上纬新材旗下）研究院首席科学家董豪在2026年世界机器人大会期间表示，叠衣、做饭等家庭复杂家务的通用化仍需3—5年，“但如果技术还是以现在这个速度去增长的话，那可能会提前”。优必选周剑的判断类似：进工厂没问题，家庭泛化要看具体场景。

由此，灵巧手市场应该拆成三层看，而不是一个“家庭万亿”的笼统大饼：

第一层，工业/商用层，先放量。这里的灵巧手不是“拟人”，是“比夹爪多适应更多品类工件”。任务可定义、安全可兜底、省人力能算账。真实状态是：大部分客户还处在概念验证（POC）阶段——买一两台在小工位上试效率、试故障率、算回本周期。

傲意科技CEO倪华良在2026世界机器人大会期间接受媒体采访时称，业内大部分灵巧手订单仍处在概念验证（POC）阶段（据《中国经营报》对倪华良的采访）——这不是否定，是行业真实所处阶段的描述。

第二层，科研/数采层，眼下最稳的现金流。高校、研究院、AI公司买手回来采数据、做二次开发。宇树、灵心巧手、Shadow相当大一块销量在这。这层客户不是买“劳动力”，是买“数据入口”和“实验平台”。

第三层，家庭/消费层，最远、也最被高估。它目前是资本按终局定价的一张远期期权——用工业和科研的回款，养着家庭的梦想。

五、销量≠干活量：2026是拐点年，不是爆发年

最后回到数据。据高工产业研究院（GGII）口径，2025年中国灵巧手销量约1.92万只，同比增长236.84%；2026年预计约7.02万只，同比增长265.63%；2030年有望突破43万只，2026至2030年复合增速约57.79%。增速确实凶猛。

但这个数字需要拆开读。出货量的大头来自科研教育采购和工业客户的试用性订单，真正在产线上7×24小时挣钱干活的灵巧手，占比仍然很低；高自由度手在工业连续作业下的长期可靠性——长期寿命和一致性——也还没有经过产线级验证。

“卖掉了”和“在用”是两回事，“在演示”和“在干活”更是两回事。

这不是唱衰，是校准预期。市场上不缺“灵巧手产业链全景”，缺的是一个回答：这笔钱到底在哪个场景、按什么节奏收回来？本文的全部立场可以浓缩为一次判断替换：

市场把Dex5-S当成“人形机器人进家倒计时”的催化剂；而把它放进宇树上市、GGII销量和数据荒的三重坐标里看，它更像物理AI进入数据战的标志性硬件——手不缺了，喂脑子的真实交互数据还差着两个数量级。

基于作者的分析框架做粗略主观打分（非第三方研报结论，综合技术成熟度与产业落地进度估算）：手硬件约80分，算力与通信约85分，Agent/VLA约40分，真实接触数据约5分，AGI级自主操作约5到10分。硬件决定上限，数据决定下限，脑子的水位决定这笔钱在哪个场景能收到。

接下来一到两年，值得盯的不是谁又发布了多少自由度的手，而是三件小事：哪家工厂的POC转成了批量订单，哪个数据集的规模翻过了新的数量级，哪款手的连续作业寿命跑过了产线验收线。

穿针引线那一天终会到来，但它不会先发生在客厅里，它会先发生在某个工厂的工位上——那里有一只不知道疲倦的手，和一个刚刚学会“线滑了要加力、线弯了要换角度”的脑子。

手已经准备好做那个不知疲劳的部分了，差的只是一个足够聪明的智能，来告诉它下一秒到底该怎么动。家庭，会排在工厂付完学费之后。

【信息说明】

1. 宇树Dex5-S参数（22主动自由度、1:1真人手掌尺寸、620g、全直驱+双编码器、3.99万元起）及发布时间2026年9月21日——据宇树官方发布及证券时报、IT之家等首发报道。
2. 宇树科创板上市时间2026年8月19日、上市首日市值约610亿元——据上交所公告及公开报道。
3. 中国灵巧手销量（2025年约1.92万只/+236.84%，2026年预计约7.02万只/+265.63%，2030年预计突破43万只，2026—2030年CAGR约57.79%）——据高工产业研究院（GGII）口径，限中国市场。
4. 全球高质量真实物理交互数据约50万小时、通用具身模型至少需1000万小时级——据国金证券2026年7月研报；亿小时级口径据智元方面公开表态。
5. AgiBot World数据集规模（超100万条真机轨迹、217项任务）——据智元机器人官方发布。
6. Figure手部系统（掌心相机、指尖约3克力级压力感知）、Helix架构（语义慢脑+约200Hz运动脑）、零样本家庭评测（30户真实住宅、三项长流程家务，从零训练约8%、部分媒体记9%，Index预训练后56%）——据Figure官方news页及媒体转述。
7. “家庭复杂家务通用化仍需3到5年”——据启元机器人（上纬新材旗下）研究院首席科学家董豪在2026世界机器人大会期间采访口径；优必选周剑相关判断据其公开表态。
8. “业内大部分订单仍处概念验证阶段”——据傲意科技CEO倪华良2026年世界机器人大会期间接受《中国经营报》采访。
9. 京东千万小时级数据采集规划——据公开报道。
10. 各环节评分（80/85/40/5/5-10）为作者粗略估算框架，非研报结论。
11. 仿真—真机落差：据 Stanford 团队论文 One Demonstration, Many Objects: Generalizing Manipulation via Local Contact Geometry（arXiv:2609.01938，2026-09-01 提交，作者含 Fei-Fei Li / Jiajun Wu / Dorsa Sadigh / Jeannette Bohg），方法名 DemoMimic；基线 DexMachina* / HERMES* 仿真 80%–96%、真机 3%–38%，DemoMimic 真机平均 71%。项目页 demomimic.github.io。

本文仅为产业分析，不构成任何投资建议，所有数据均取自公开披露信息，观点为作者独立研判。