芝能科技出品

2026年3月，特斯拉AI發布了一張Optimus機器人的照片，機器人站在鏡頭前，兩隻手比出一個愛心。很多人關注的是姿勢本身。機器人行業更在意的，是那雙手。

手指比例接近真人，關節線條自然，掌心紋理清晰。隨着特斯拉量產Optimus快要發布了，特斯拉可能正在逼近人形機器人最難的工程問題靈巧手。

01

走路不是最難的

●腿和手的比較

在大衆印象中，人形機器人最大的挑戰是行走和平衡。這種理解並不準確。

雙足運動確實複雜，但過去幾十年已經積累了大量研究成果。從早期的ASIMO，到波士頓動力的Atlas，穩定行走早已不是無法突破的工程難題。

接下來真正困難的是另一類能力：精細操作。人類大腦皮層中，負責手部控制的區域遠遠大於腿部區域。

原因很簡單：絕大多數生產活動依賴的不是移動能力，而是手部操作能力。

現代工業機器人已經可以穩定完成搬運、焊接、上下料，但當任務變成插接排線、對孔裝配、整理柔性材料時，難度會斷崖式上升。這些動作看起來簡單，背後依賴的是視覺判斷、觸覺反饋和實時力控的協同。

這也是為什麼工業機器人已經存在幾十年，許多裝配環節依然需要人工完成——問題不在於機器人不夠聰明，而在於它們缺少一雙足夠靈活的手。

●夾爪的邊界

目前絕大多數工業機器人使用的末端執行器非常簡單：夾爪。

夾爪類似機械鉗子，只有"開"和"合"兩種狀態。它的優點顯而易見——結構簡單、故障率低、成本極低、控制邏輯清晰，適合流水線作業。

但夾爪只適用於高度結構化的環境：物體形狀固定、位置固定、操作路徑固定。一旦環境變得複雜，比如柔性裝配或非標準零件，夾爪的能力就迅速觸頂。

這是自動化長期存在的一條隱形邊界。

很多生產環節難以自動化，並不是因為機器人無法移動，而是因為它們缺少完成複雜操作的能力。如果說夾爪是一把鉗子，靈巧手要解決的，是如何造出一隻真正意義上的手。

02

22個自由度，和真正難的部分

從目前公開信息來看，Optimus Gen3在手部結構上進行了明顯升級：單手約22個自由度、雙手約50個執行器、腱繩驅動結構、執行器集中在前臂、指尖觸覺傳感器。人類一隻手約有27個自由度。

當機器人手部自由度接近20時，就可以完成相當複雜的操作。但真正重要的不只是自由度數量，而是驅動方式。

傳統機械手通常用電機直接驅動每個關節，穩定可靠，但很難把執行機構壓縮到接近人手的尺寸。腱繩驅動提供了更接近生物結構的方案——電機集中佈置在前臂，通過鋼索或纖維腱繩驅動手指關節，明顯減輕手部重量，也更容易控制尺寸。

代價是控制複雜度大幅上升。腱繩系統存在張力耦合和彈性形變，控制稍有偏差，手指就會出現抖動。這也是靈巧手一直被認為是人形機器人最複雜機械系統的原因。

但結構難題之外，還有一個更根本的問題：觸覺。

做一個簡單的類比：如果手完全失去觸覺、只靠視覺抓取物體，拿水杯會容易用力過大，插接口會反覆失敗。視覺負責定位目標，觸覺負責反饋接觸力——兩者承擔着完全不同的功能。

當前大多數工業機器人主要依賴視覺系統，可以識別物體位置，但無法感知接觸過程中實時的力變化。因此許多操作只能依賴預設路徑，一旦實際環境出現微小偏差，任務就容易失敗。

Optimus Gen3的指尖觸覺傳感器，正是在試圖補上這塊缺失。靈巧手只有在"手—眼—觸"的閉環系統中，才能發揮真正的價值。

●這背後是一條新產業鏈

如果人形機器人進入規模化生產，靈巧手很可能成為一條獨立的供應鏈。一隻高性能機器手需要微型執行器、精密減速器、力控與觸覺傳感器、以及協調多關節運動的控制算法。

這些模塊在傳統工業機器人中都存在，但人形機器人對尺寸、重量和功耗的要求遠比工業場景苛刻——這意味着每一個模塊都需要重新開發，而不只是縮小版的工業零件。

過去兩年，圍繞靈巧手的投資和創業公司已經明顯增多。這個方向正在從人形機器人的一個子系統，變成一個獨立的競爭賽道。

●特斯拉真正在賭什麼

特斯拉在Optimus上持續投入，源於一個簡單的判斷：如果人形機器人能夠承擔大部分通用勞動，其市場規模將遠超汽車。

在這個邏輯下，人形機器人必須同時具備兩種能力：能在複雜環境中移動，以及能完成通用手部操作。前者決定機器人能否進入工作場景，後者決定機器人能否真正替代勞動。

移動問題，行業已經基本解決了。手的問題，才啱啱開始。

小結

那張照片的"比心"，比的是特斯拉想讓人形機器人能幹細活的「心」。

機器人技術過去幾十年的進步大多集中在力量和速度上——但真正改變製造方式的，可能是精細操作。對於人形機器人而言，一雙手比兩條腿更重要。