源升智能杨思成：具身模型能力突破之前，灵巧手要先卷性能｜物理AI 50人|负载|鲁棒性|可靠性

分享至

灵巧操作的最高境界，是「无剑胜有剑」。作者：向欣高景辉编辑：高景辉

雷峰网：金庸笔下的独孤求败，对剑术的理解有几重境界：二十岁前看重利剑凌厉刚猛，四十岁前领悟重剑「大巧不工」；四十岁后渐渐达到「不滞于物，草木竹石皆可为剑」的境界，内功强到极致，兵刃都是身外之物。

在源升智能创始人杨思成看来，灵巧手之于机器人操作能力，就像兵刃之于剑术，模型（剑术）越强，就越不依赖末端执行工具（兵刃）；反之，当模型能力还不够强时，就需要有灵巧手加持才能更好地完成任务。

做出这个判断背后，是杨思成在灵巧手领域多年的沉淀。在清华时期，他便选择了专门研究灵巧操作的实验室；2018年，杨思成加入腾讯Robotics X实验室，担任灵巧手项目总负责人。2024年，他带着多年的行业积累，成立「源升智能」，开启了灵巧手创业之路。

或许是因为穿越周期而来，杨思成和我们交流技术细节时，总能从技术演进的维度，把其中取舍的考量讲清楚。谈及当下行业的热门趋势，他也能用一套视角更高的叙事逻辑，一针见血地指出趋势背后的缘由。

杨思成认为，现在整个行业都致力于打造「神兵利器」——更多自由度、更高负载、更细密的触觉，但其实，「卷参数的根本原因，是为了模型能力更快突破。」

那么，以当下模型的能力，灵巧手究竟要做到什么程度？杨思成的答案是要做成「六边形战士」：可靠性、灵巧性、负载能力、动态响应、触觉感知、精度，其中可靠性又排在所有能力之前，「只适合拍视频演示」的产品从来不是核心目标。

围绕这六大维度，他给自己的产品划了一条及格线：每条都要做到八九十分以上，这只手才能成为「相对通用、普适的生产力工具」。

基于这个原则，源升智能自研出了Apex Hand 灵巧手，它采用混合驱动方案，以绳驱（腱绳传动）为主，结合直驱和连杆传动，有21个自由度，能满分通过 Kapandji 人手灵活性测试，最大单手主动负载 30 公斤。

在 2026 年 8 月的第二届世界人形机器人运动会上，举重、拔河重量级组别的金银铜牌队伍，搭载的都是源升智能的 Apex Hand。同时它也是本届赛事中唯一同时参与高负载项目与线缆连接、镊子夹豆、积木搭建等精细操作任务的标准版高自由度灵巧手。

在灵巧手这条赛道上，源升智能不属于声量最大的那一类。融资节奏不算激进，产品发布不算密集，创始人也很少站出来讲宏大叙事。当我们问及低调的原因时，杨思成说：「灵巧手公司最终要靠产品说话，产品还没批量交付的时候，低调点不见得是坏事。」

但现在，似乎已经到了那个「不必低调」的时刻。

01 灵巧手的硬件性能，卷到了什么地步？

左林右狸：机器人运动会上，你们参加了拔河、举重和灵巧手专项赛，有特意为此准备吗？

杨思成：我们参赛其实是机缘巧合。今年6月份我们才开始批量交付，7月接触到赛队，8月就比赛了，中间只有一个月。我们合作的队伍应该半年前就开始准备这个比赛了，前面肯定试过非常多家的手，因为买了很多不同产品。在我们之前的产品确实很多宣传负载很大，但那是被动负载；拔河举重要求的是主动负载，不仅勾得住，还要握得很紧。比赛，也证明了我们的产品能同时满足高负载和灵巧性的要求。

左林右狸：你们给赛队提供了哪些技术支持？

杨思成：分两类。对拔河和举重，就是把手本身的可靠性、鲁棒性、负载能力做得足够好，因为这个使用场景很暴力，手要装到一个大人形上，一直抓着拔河的绳子；机器人在调试过程中经常摔、经常碰撞，机器人倒下压到手，手指的结构件再粗都可能断。但我们的电机都内置在掌内，内部最贵、最脆弱的电机没有问题，后期更换维修也相对快。对灵巧操作项目，我们就不光提供手，而是「手加遥操作整套设备」，包括跟臂的结合，要交付一整套系统能力。但我们自己精力不够，所以联合了行业内的生态伙伴，一起把事情做好。

左林右狸：赛场上举重的重量级组别比赛最后比赛结果是16公斤到15公斤，但你们的手标称负载是30公斤，为什么没有用满？

杨思成：30公斤是主动负载，就是灵巧手向下拎着东西。但拔河和举重不光是这样，不仅要抓住、还要侧拉，或者手腕翻转过来负载。而且结果也受限于机械臂的负载。单手30公斤、两手60公斤，现在没有任何一个臂能举起来。就像人也是，拎四五十公斤可能拎得起来，但把它举过头顶是很难的。

左林右狸：绳驱结构做到20公斤的负载都已经很高了，你们是怎么把30公斤做出来的？

杨思成：负载能做到 30 公斤，是因为我们整体架构跟市面上所有产品都不太一样，做的是掌内混合绳驱。单纯的高负载其实没那么难，牺牲自由度就行了，只放6个电机，跟放15个、20个电机，系统集成的复杂度完全不一样。我们其实是先用灵巧性，再加上高负载。而且负载和速度要放到一起看。我们的速度并不慢，从打开到闭合0.2秒左右，是人手工作时平均速度的2倍以上。

左林右狸：很多灵巧手在训练的时候都没办法做负载训练，只能空载，负载训练的时候电机发热就很严重。你们做到这么高的负载，会出现散热问题吗？

杨思成：我们这方面比那些手好很多。电机全放在掌内，热源集中，不管是做集中散热还是加主动散热都方便很多；有些版本（标配版本）甚至没把主动散热放进去。敢不加主动散热的原因是我们主动负载很高，常规实验室一般用不到那么高的负载，正常操作时电机功耗相对低、发热就小，所以不加主动散热常规用也没问题。

左林右狸：运动会比赛上，你们做了主动散热的设计吗？

杨思成：运动会加上主动散热会更好。像拔河，抓绳要抓几分钟甚至十几分钟，他们调试时一直让手抓着，这时温升还是有挑战的。但即便运动会那个版本没加主动散热，也帮助他们包揽了举重、拔河重量级项目的金银铜牌。

左林右狸：整个过程中你们的手坏过吗？

杨思成：调试中肯定坏过，没办法。机器人算法不稳定，整机一摔，手就会损坏。这种环境里，很难保证哪台手完全不出问题。我们的做法是，即便出问题，维修维护的速度和成本也相对可控，灵巧手里面成本比较高的电机和减速器，即便在整机摔倒的情况下，我们的损坏概率也不到百分之一。正常情况，不是整机摔倒那种极限情况，手基本不会出问题。

左林右狸：你怎么看运动会这个场合的价值？

杨思成：它的牵引作用很强，但前提是规则要合理，不然就容易出现针对比赛的专机。规则合理，能引导行业发展，仅仅一年时间，人形机器人的部分运动能力已经超越普通人，甚至顶级选手了。我也相信中国人的工程能力很强：规则定清楚，大家有清晰目标，现在这么多聪明的头脑扎堆进入行业，沉下心来努力几年，一定能取得突破。

02 模型能力不够强的时候，就会要求硬件能力很强

左林右狸：你说你们的 Apex Hand 是「六边形战士」，具体是哪六个能力维度？

杨思成：是可靠性、灵巧性、负载能力、动态响应、触觉感知、精度。

左林右狸：做一个面面俱到的产品很难，你们不怕把话说太满吗？

杨思成：也不算面面俱到，其实是有取舍的，你可以理解为本来是十几边形，我们筛选过后变成六边形，留下来的这六个维度都是最重要的，只要其中有一个短板，灵巧手使用起来就会非常受限，每种能力都要做到 80 分以上，灵巧手才能成为相对通用、普适的生产力工具。

左林右狸：这六种能力内部有优先级吗？

杨思成：有，最重要就是可靠灵巧。灵巧大家已经讲得很多了，但可靠很多人还并没有充分意识到其重要性。如果可靠性不够，就会变成一个只适合拍视频演示的 demo 产品，永远无法走出实验室，走到真实场景落地。然后是全掌覆盖的触觉传感器，这肯定是共识，长远看一定是全手覆盖，对整机来说甚至可能是全身覆盖。再是负载和速度，没有足够的负载，就只能在实验室做简单的手内操作，甚至连瓶盖都拧不开，更不用说完成一系列真实任务；速度不够快，落地时效率就提不上来。这两个天然有冲突，无法做到完美，我们两个都做到了八九十分以上，30公斤的负载对应的是0.2秒开合。最后是精度，长期的精度，我们不只关注出厂那一下，更关注三个月、六个月、一年之后，精度是否还跟最初交付时差不多。

左林右狸：有哪些是你们觉得不重要、不在这六边形里的？

杨思成：从功能性角度，我们没把整体重量放进去。正常能落地的机械臂负载大概5公斤，如果像 Shadow 一样一只手就占了4公斤，那当然不行；但1公斤左右，到底是1.2公斤还是800克、900克，意义就不那么大了。比这两三百克更重要的是保证足够好的可靠性和鲁棒性。成本也没放进去。现阶段它不是最核心的因素。当然太贵比如像Shadow Hand一台几十上百万，对于绝大部分客户还是很有压力，但大几万还是小几万，对于现阶段大家刚开始训练模型，需求量不大，一次也就几台或者几十台，这点价格差异并没有那么重要。真正贵的是算力和用人成本。为了省这点小钱买个差硬件，耽误一两个月进度，浪费的成本比几只手贵多了。等到灵巧手规模化落地以后，成本才会变得非常重要。几千甚至上万台，成本哪怕差几百几千，乘以大基数就很高了。但也不用特别担心成本问题，一只手无非是电机、结构件，再加触觉。未来要降本，主要从两个方向着手，首先从设计源头上，尽量避免用一些高精密的元器件和复杂的加工生产工艺，灵巧手里面这类设计其实很少，至少对于我们是这样；第二才是上量后带来的规模效应。汽车智能座舱里座椅电机的车规级要求比我们还高，价格可能只有我们现在电机的1/10都不到，因为汽车是标准化的工业品，灵巧手现在还不是。所以我们认为，灵巧手真正上量后，成本一定降得下来。

左林右狸：你们一开始就决定做五指的21个自由度，为什么是21，而不是20、22或者更高？

杨思成：人手上，拇指5个自由度，四指各4个自由度，就是21个。也有人做22个，多的那个是手掌靠小拇指这一侧，小鱼际对掌的自由度，大概有个20°左右的活动范围。但说实话，现在没有人能讲清楚它对操作到底有多大帮助。

左林右狸：但现在卖的最多的是6自由度的手，不是高自由度灵巧手。

杨思成：2023、2024年的时候，没有模型能力，大家做了个人形想配只手，能完成简单抓取、挥挥手、完成一些基础手势就可以了，对自由度没太高要求，所以那波6自由度出货多。6自由度的手用来做操作会有比较大的局限性，可以独立控制的关节太少，一个电机驱动多个关节，只能做对捏，接触面积小、容错率低，无法满足手内操作的需求。最近高自由度开始火了，主要是大家在实际做模型训练时发现，6自由度很难完成稍微复杂点的抓取和操作任务。不过因为现在模型技术尚未收敛，整体的出货量确实还没有低自由度的手那么大。

左林右狸：现在有些厂商在做三指、四指灵巧手，你怎么看？

杨思成：做三指、四指的首要原因并不是认为五指不好，而是五指很难做得可靠、稳定，又有比较好的负载和精度，所以只能降低一点系统复杂度。但如果真的能把一只五指、二十来个自由度的灵巧手做成一个「六边形战士」型的产品，为什么现阶段还要考虑那些降维方案？降维应该发生在：用五指把通用模型跑通、真的选定了一个垂直落地场景之后，发现某些手指、某些自由度用不到，再有针对性地做减法。但如果硬件一开始就做减法，模型没跑通，就根本分不清是算法不行，还是硬件受限。比如翻转手机，不用小拇指，四指也能干，但姿态会比较别扭。这时候模型训练失败了，你很难判断到底是大模型没学会这种复杂操作，还是少了一根手指物理上就转不过来。

左林右狸：所以现在高自由度灵巧手都在卷参数，硬件上做加法。

杨思成：我们的观点是：模型能力不够强的时候，就会要求硬件能力很强。以前工业机械臂那么要求精度、就是因为没有大脑，本质上是机械地每天干重复的活，所有成功率都靠机械的精度和稳定性来保证。现在新的足式机器人硬件精度并不高，用的单级行星减速器动不动一两度的背隙，但走跑跳还能这么稳，某种意义上是因为「小脑」做好了。操作也是这样：叠衣服、叠毛巾放到十年前的学术界是超级难的问题，现在因为有了数据驱动的方式，模型能力变强了，很多厂商用一个行星臂、一个夹爪、精度不怎么样的硬件都能完成。大家给灵巧手拉高各项参数，就是因为现在模型能力还不够强，需求不明确，只能先把硬件拉满，保证模型跑通。等以后模型再强一点，一定能做减法。但这个顺序不能乱，模型还没跑通一上来就砍掉很多自由度，很容易踩一堆坑。

左林右狸：也就是说，当模型的智能程度足够高，机器人未必需要依靠高自由度的灵巧手？

杨思成：对。比如金庸小说里的独孤求败，年轻的时候要用紫薇软剑、玄铁重剑，到后面用木剑，最后不用剑，无剑胜有剑，剑术越高明反而越不依赖神兵利器，用普通工具也能发挥威力。对模型、对机器人某种意义上也是这样，大脑能力足够强，用两个夹爪很多任务也能完成。当然，如果有很好的大脑，再配上很好的工具，效率还是会更高，大趋势肯定是这样的。

03 不要纠结于所谓路线，真正重要的是产品价值

左林右狸：高自由度灵巧手基本上收敛为直驱、绳驱、混驱方案，有的厂商很多方案都做，有的只坚持一种方案，你们觉得哪种方案是灵巧手的最优解？

杨思成：我们不认为把连杆、直驱、绳驱都做，就一定能跑出一条路。未来趋势可能是混合方案。混驱的定义也比较模糊，不同混驱之间差别也很大。早期我们不愿讲绳驱、直驱还是连杆，但后来没办法，大家非要贴标签。我们做的方案跟市面上所有直驱、绳驱方案都不太一样，采用掌内混合绳驱方案，这也是我们做出来的性能跟别人有明显差异性的原因，并不是我们用了世界上最贵、性能最好的电机。但对于用户而言，方案如何不重要，重要的是产品价值，所以别太关注标签，看最终效果、性能，能否满足真实需求，能否解决真实场景问题就行。

左林右狸：你们这套掌内混合绳驱方案的特别之处在哪里？

杨思成：放在掌内有几个好处。第一，对电机和齿轮箱的尺寸要求没那么高，不用非得做到手指那么纤细，稍微大一点也可以接受。第二，热源集中，做主动散热反而更方便，有人认为热源要分散，但对我们这个方案，集中反而更好处理，可以在手掌里加主动散热措施，把整体温升控制得很好。相应地，如果「直驱」的小模组进步了，我们换上更好的模组，整手性能还能再上一个台阶，手指的结构和尺寸不需要大改，只需更换掌内电机。随着电机进步，手的性能、可靠性、温升控制都会越来越好。

左林右狸：散热有指标吗？到多少度比较危险？

杨思成：现在电机都会做温度保护，线圈温度到八九十度左右我们就会做保护。实际上线圈到100度、甚至120度以内应该都不会烧，但超过那个程度可能会有不可逆的性能下降。很多电机厂商也在解决温升问题，一是让线圈在保持性能不变的情况下，能容忍更高温升，二是优化电机本身的发热，在输出同等力的情况下，减少发热。但对于所谓直驱方案，其实我觉得不能叫直驱，更准确地说，应该叫指节内置电机模组方案。这种路线的核心挑战在于，如何在手指那么有限的空间内，让电机的力矩变得更大，齿轮箱的强度变得更高，在底层材料没有大突破的情况下，提升空间是非常有限的。

左林右狸：为什么要强调直驱手应该叫指节内置电机模组方案？这背后存在什么概念上的误解吗？

杨思成：大家对「直驱」的概念有误解。严格来说，直驱的定义就是不加减速器。当年四足机器人说自己是「准直驱」，减速比也就 10 左右，因为力透明度高，才客观地加了个「准」字。现在的灵巧手行业更激进，市面上所有的灵巧手，不管是绳驱、连杆还是所谓的直驱，全都加了减速器。业内比较有代表性的直驱灵巧手，减速比其实都做到了大几十甚至几百，比足式机器人的准直驱关节大了十几甚至几十倍，却把「准」字丢掉了直接叫「直驱」，在概念上是不太准确的。加减速器的根本原因在于空间太极限了。手指里能放的电机尺寸极小，小电机的原始输出力根本不够用，要想有负载，就必须配高减速比的齿轮箱。

左林右狸：你们发过一个视频，灵巧手可以戳破木板，这是怎么做到的？

杨思成：能戳破木板，一是因为绳驱。绳子有柔性，能缓冲冲击；如果全用刚性结构，指节里只有一两毫米空间，零件太精细，硬扛冲击很容易坏。二是电机放在掌内，空间大，电机本身输出力就大，不用靠高减速比齿轮箱来放大。齿轮箱负担小，摩擦小，力从电机到指尖更直接，力透明度好，反驱也更好。所以手指既有足够力戳破木板，遇到冲击也不容易损坏。

左林右狸：蠕变是绳驱绕不开的问题，你们怎么解决？

杨思成：蠕变本身没法解决，所有的绳都会蠕变，就像所有的齿轮箱都会有磨损。但我们要解决的不是蠕变本身，而是最终的蠕变或磨损会不会影响整体精度。我们的方案相对直接，就是单向绳驱+末端编码器：在手指末端放一个关节末端编码器，只要能永远检测到末端最精准的位置，通过电机端跟关节端的闭环控制，绳的蠕变对精度就不会产生影响。并且蠕变其实是很小的，比如钨丝绳的蠕变只有约千分之一，蠕变速度比一般齿轮箱的磨损速度慢很多。

左林右狸：你提到齿轮箱也会磨损，所以直驱灵巧手不仅面临发热问题，其实也和绳驱灵巧手一样面临类似的磨损问题，甚至直驱的磨损更难解决？

杨思成：齿轮箱磨损肯定是个问题，特别是越精密的齿轮箱，刚出厂可能控制在一度以内，三个月之后变成三四度，六个月以后变成七八度，基本上就没法用了，因为算法救不回来了。绳驱相对好一点，绳蠕变了千分之一二，电机和末端关节的闭环控制能补偿回来。而且绳传动没有背隙、始终拉紧，末端编码器又一直检测最末端，所以精度反而更高，长期也稳定。理论上，只要编码器始终检测最末端，传动过程始终拉紧、没有背隙，精度就不会有变化。所以我们做的事情，是希望从原理上解决这些问题，而不只是通过材料上的工程优化。有些东西材料上很难彻底解决，蠕变和齿轮箱磨损都消除不了，只能改善、让它慢一点。

左林右狸：既然蠕变和磨损只能改善、没法完全消除，那长期使用中的维护问题怎么解决？现在有什么好的维护方法吗？

杨思成：对传统的臂手一体，我们叫掌外绳驱，维护确实很麻烦：几十根绳索要穿过腕部连到前臂，各绳长度不一，单根损坏就得整体拆解更换。我们当年做的臂手一体已经针对这个问题做了一些简化，只把半数带载电机放在前臂，但维护依旧繁琐。现在采用的掌内方案就简便不少，绳索只有一个手指的长度，传动链路短，可以做到不用拆手指，就能单独抽换绳索。不过我觉得最重要的不是维护，是保证在正常寿命期以内不出问题。很多灵巧手标称有百万次寿命，实际上连二三十万次都很难用到，抗不过一两周。其实在实验室开合测个几十万次是没问题的，但一到真实世界就不行了。因为真实场景是非结构化环境，加上训练时，采用的是学习控制，而不是预先写死动作轨迹，手不可避免会遇到预期之外的碰撞，这种碰撞导致的损坏往往是永久性的，无法通过维护解决。所以灵巧手不能寄希望于坏了再修，必须在底层设计上把可靠性拉满。我们对自己产品的可靠性有信心，保修期给到一年。

左林右狸：绳驱有没有做得比较好的案例？

杨思成：1X还不错，他们没有用电缸和直线模组，用的是准直驱关节，减速比只有10～20左右，把力透明度做得很好，这个理念跟我们很一致。只不过它还是把所有执行器放到前臂，整个绳的传动链路比较长，量产和后期维护都十分困难；但至少在力透明度这个点上，它应该比目前市面上所有直驱手都做得好。

左林右狸：他们为什么能做到？

杨思成：因为前臂空间大，电机本身输出力比较大，对减速器的要求就可以降低。

04 灵巧手要怎么用，一定是由数据驱动

左林右狸：按照你的「无剑胜有剑」理论，灵巧手的触觉是不是最终也不需要很多传感器？

杨思成：现在有两种观点。一种追求绝对的传感器密度，一个指尖要上千个点才行。但最近也有些厂商和用户觉得，相比于点阵密度，触觉传感器本身的一致性和稳定性更重要。你用一个非常高性能的硬件训模型，过几天性能又降了，对模型是更不友好的。

左林右狸：做高自由度灵巧手的厂商，大多都喜欢配视触觉传感器，一个指尖做了上万个感知点，认为有些动作只有视触觉传感器才能做到，你们怎么看待这个观点？

杨思成：要想想一个指尖这么小的范围，到底要干什么任务非得有几千甚至上万个点才能完成？就像工人戴劳保手套，清洁阿姨戴塑胶手套，相当于降低了灵敏度和感知点数，但绝大部分活儿照样能干好。这从侧面证明，触觉未必需要那么高的灵敏度，也能覆盖大部分任务。当然，更高灵敏度的触觉有它的意义，特别精细的活可能还是需要。所以我们认为，触觉也许永远不会收敛成只有一个方案，长期是多方案并存：会有一个主流方案覆盖 90% 的场景，点阵密度、可靠性、成本落在一个相对平衡的区间；剩下 10% 左右特别精细的任务，用更高性能、也更高成本的触觉。

左林右狸：有人觉得触觉要做减法，因为维度太多，数据一接入模型就容易干扰。

杨思成：信息太多不一定完全是好事，自动驾驶领域也有类似的观点。当然现在也不是定论，模型训练确实要求多模态，但多模态是不是无限的也不好说，太多了可能反而是一个干扰。但核心的几个模态，比如视觉、触觉肯定要，其他的像接近觉、湿度感知等要不要就不好说了。

左林右狸：现在很多灵巧手厂商在做操作模型的同时，也做数据采集设备，你们是怎么做数采的？

杨思成：数采一定是非常重要的，因为最终怎么用灵巧手一定是数据驱动，而现在怎么拿到规模足够、质量足够高的真机数据，是行业目前面临的比较大的挑战。外骨骼、手套，包括纯Ego，我们都试过。Ego数据质量不高，但它确实能够更快地上规模；遥操作、外骨骼整体的易用度还可以，但你要背一个很厚重的外骨骼在后面，在个别的操作上还是会有影响；纯手套看起来比较简洁，但目前它的耐用性、精度，包括目前还缺失的触觉采集模态，还是有非常大的可以提升的空间。所以现在缺一个好的范式，能兼顾数据质量和规模。

左林右狸：模型定义数据，数据又定义硬件。那模型公司自己做灵巧手，会不会成为一种趋势？

杨思成：其实这个事情很多模型公司也在尝试做，但做灵巧手不是那么简单的事情。我们觉得如果有第三方的、很专业的灵巧手公司能够解决他们的问题，也没有必要每个整机公司都去重新开发一个手。对于模型公司而言，我们认为他们更重要的使命还是把模型做好、把场景的交付做好，至于手或者关节模组是不是自己搞的，不是那么重要。

05 灵巧手的终局，是可靠的生产力工具

左林右狸：每家公司都有一个底层优势，比如有的是电缸，有的是电机。你们的底层优势是什么？

杨思成：我们的优势还是对灵巧手的理解、对触觉的理解，跟多年的迭代和设计经验。直驱的核心是做电机模组和齿轮箱模组，这些技术大部分在电机和齿轮箱供应商里面。近几年这些技术渐渐成熟了，所以现在做一个直驱手并没有那么难了。但我们知道怎么去定义一个产品；也知道用最合适的方式——可能是市面上所有人都没用过的方式，把定义出来的产品做好。

左林右狸：你们一直比较低调，无论融资、产品发布还是宣传。为什么？

杨思成：这个阶段产品还是最重要的，最终要靠产品说话。产品还没批量交付的时候，低调点不见得是坏事。我们不想吆喝，把大家的期待值拉得很高，实际又没做到，反而影响口碑。

左林右狸：你相当于从创业第一天就决定做灵巧手，为什么下这个判断？

杨思成：我们自己在机器人行业算是深耕了比较多年了。我们之前做到一定程度时，觉得对于一个机器人而言，以后真的要落地、成为生产力工具，最重要的是上肢的操作能力，而且一定不能只是做夹爪这种自动化设备式的操作，一定是灵巧操作能力，但灵巧操作还有很多问题没有解决。

左林右狸：具体是哪些问题没有解决？

杨思成：三个问题：硬件、数据和模型。硬件里面最核心的是手和臂，臂相对成熟，而手极其不成熟却又最关键，因为所有灵巧操作的落地体验最终都体现在手上。以前大家多在高校里做单点创新，但要成为可落地的产品，绝对不能有明显短板。它需要对场景的深刻理解、极强的工程与量产能力，最终实现规模化交付。正好我们在这方面有比较多年的积累。

左林右狸：积累主要是指哪些方面？

杨思成：从学校起，我本科时候做挑战杯、科技竞赛，就做了一个灵巧手相关的项目，第一个手相关的发明专利是十多年前申请的。后面读研究生，我们在清华也是一个做灵巧手和灵巧操作的实验室。后来在产业一线，我们又做了六七年的研发，并且也做了其他产品。我们也尝试过非常多不同的方案，所谓的直驱、连杆、绳驱，其实都做过类似的产品。最终收敛到当前的方案，我们认为目前我们走的路，可能是更有可能把灵巧手做成一个可以规模化交付的路。

左林右狸：哪些地方是你们觉得一家灵巧手公司不怕被友商抄袭或者借鉴的？

杨思成：我觉得还是对于产品的理解、方向的把控，以及整个团队的执行力，这个从长远看才是最本质的。单一的技术方案是很难避免不被仿的。硬件本身的差异性现在差别还比较大，但大家一定会逐渐拉齐。越到后面，谁能跑出来，还是看整个组织的迭代速度跟竞争力怎么样。

左林右狸：怎么保证组织的执行力和迭代速度？

杨思成：首先是在早期启动的时候，你需要找到一帮志同道合的人，有一个大家都认可的方向。过程中不断有正反馈，比如第一代产品出来后客户反馈好，大家更有热情迭代，团队信心和执行力自然就上来了。除此之外，我们也会有意识地引导、营造一个好的组织文化。一个好的组织，是能够让一个好人首先完全发挥出能力，甚至让一个不是那么好的人也能迅速得到成长；反过来，如果组织的文化或者导向不好，哪怕招到了很强的人，人家可能也很难发挥出能力。

左林右狸：你们的组织文化能不能用一些关键词总结？

杨思成：可以概括为四个关键词：技术信仰，产品思维，作品精神，服务意识。技术是起点，产品是价值，作品是标准，服务是体验。技术信仰是第一位的，就是我们笃信技术是硬科技公司和工程师安身立命的根基，资本、资源是助力，而不是反过来，相信好的技术能够创造价值、推动时代进步，这也是出身平凡的工程师能有所作为的底层逻辑。第二是产品思维，就是你不能光有技术，不能是「为了炫技的技术」，还是要有站在用户角度的思考：用户需要什么样的产品？解决哪些痛点？在有限的时间资源内能做好哪些核心需求？产品有时候就会涉及到很多的平衡跟取舍，技术变成产品才能服务真实使用。第三个很重要的，我们叫做作品精神，希望每个人去做事情的时候，都能把它当成自己的作品去看待，树立高标准，永远在思考怎么样可以做得更好。它跟常说的工匠精神类似，但也稍有不同：除了完成功能性要求，作品还强调审美。我们希望聚集一批有极致追求、厌恶粗制滥造产品的小伙伴，一起打造职业生涯的一个个代表作。最后是服务意识。这里面有两层含义，对外，服务是交付的体验，好的产品也需要有好的服务，特别是对于灵巧手这样目前还是To B的复杂产品，我们不光要把「硬」的产品做好，也需要把「软」的服务做好。凡是能提升客户使用体验的事情，比如数采数据、软件工程、仿真生态、售后支持等，都值得我们花精力认真对待；对内，服务是协作的体验，下一个接手你工作的人，就是你服务的对象。不孤立看待自己的岗位，每个人做事都能往前多走一步，组织的运行才能变得越来越顺畅高效。

左林右狸：你们对自己的定位是一个灵巧手厂商，还是以后会切入整机？

杨思成：三年内我们一定定位自己就是专业的灵巧手厂商，把所有跟灵巧手相关的事情做好，不管手的硬件本身，也包括它的工具链、软件生态，甚至数采跟数据的生态。核心目标是支撑整机、模型客户，降低他们对手的使用门槛。

左林右狸：你们也做灵巧操作算法吗？

杨思成：也在做一些。一个做手的厂商一定需要有算法跟软件能力。你要能跟上模型迭代的节奏，才知道什么样的产品适合模型训练。一个能把灵巧手做好的团队，一定是对模型、对AI有足够深的理解，同时对灵巧手各条路线、对硬件、对制造也有足够深的理解。只有单边的模型能力，或单边的硬件、制造能力，可能都不太够。

左林右狸：灵巧手的终局会是一个第三方的生态吗？

杨思成：很可能会。它门槛足够高，系统也足够复杂；很多整机客户的重心在模型和交互上，手并不是他们最重要的事；而且硬件某种程度上可以解耦，有第三方好方案，为什么不用呢？早期一定有分工；中后期也不太可能所有厂商都自己做。最头部的可能全自己干，比如特斯拉；大部分公司没那个必要，也没那个精力。

左林右狸：现在灵巧手行业有没有一些收敛的行业共识？

杨思成：看从什么维度去评价。对模型训练，高自由度五指手已经是共识，很少有人再怀疑五指的价值；下一步还没完全形成共识的，是可靠性、鲁棒性、长期稳定性、主动负载能力等到底有多重要。我觉得这会逐渐形成共识，等大家从单纯模型训练往下一个阶段走，就会发现这些非常非常重要。

左林右狸：你觉得灵巧手接下来的里程碑会是什么？有没有一个「ChatGPT时刻」？

杨思成：灵巧手的「ChatGPT」时刻可能也是具身智能的「ChatGPT」时刻。等哪家的灵巧手真的在一个落地场景里面规模化、稳定地运行，解决了真实场景通用灵巧操作的问题，甚至能够跑通ROI，这个时刻就到来了。

写在后面

杨思成与灵巧手的交集，已经超过十年。本科就读北京航空航天大学期间，他参加大学生科技竞赛便开始研究灵巧手，随后保研进入清华大学选择继续深耕灵巧操作。毕业后，他成为腾讯 Robotics X 实验室最早的核心成员之一，担任灵巧手项目总负责人，主导灵巧手TRX-Hand3和TRX-Hand5等多款灵巧手、多模态四足机器人 MAX 等项目从 0 到 1 的研发，发表顶会论文 20 余篇，持有国家发明专利 60 余项。从学术研究到产业研发，杨思成几乎完整经历了灵巧手从技术探索走向产品化的过程。十余年的持续研发和多种技术路线实践，也让他逐渐形成了一套关于“什么样的手真正可用”的产品判断。带着这些经过时间沉淀的认知，杨思成创立源升智能，把学生时代的科研兴趣，一步步做成了自己的事业。具身智能这条路很长，但杨思成走得很稳。下一个十年，他将把脚下的每一步踩实，为这条漫漫长路打造最坚实的一段路基。

我们欢迎所有能为左林右狸提供新观点新角度新信息的群友，加入我们的实名制社群，与左林右狸一路同行。管理员微信号：leiphonelinli，备注公司-职位-称呼通过更快。