本文是视频《拆解机器人“肉身”、量产与供应链：空翻之后，它还要学会接住一片落叶｜机器人特辑》（作者：硅谷101）的精读笔记，配套原视频观看效果更佳。

拆解机器人“肉身”、量产与供应链：空翻之后，它还要学会接住一片落叶｜机器人特辑

机器人已经会空翻、会武术，跑半马能打破人类纪录——那这副“肉身”里到底藏着什么？硅谷101这期约38分钟的特辑，把人形机器人拆到骨架、关节、传感器、芯片四层，回答两个问题：造机器人的门槛到底在哪，它为什么突然进化得这么快。看完你大概率还拼不出一台真机，但能看懂每一颗螺丝在为什么服务。

图：机器人空翻落地瞬间——一次触地，冲击力堪比汽车撞墙

全景：一条主线看懂

这期节目沿“拆解—重构—回答”的主线推进：先摆出现象——机器人从转手绢、扭秧歌，进化到空翻武术、半马破纪录；再把“肉身”拆成骨架、关节、传感器、电气与计算四大系统逐一过堂。最后回应那个争议：业内人士说“造机器人不难”只对了一半——80%以上的零件买得到，但从“能动”到“好用”隔着系统整合的真门槛；而近两年进化最快的答案，是供应链的滚雪球。

图：全片主线——从空翻现象拆到四大硬件系统，再收束到供应链与量产

骨架与外壳：先扛住“车祸级”的日常

人形机器人要过的第一关是身体强度。业内有个听着夸张的说法：机器人几乎每天在承受车祸般的冲击，还动不动被人类“围殴”。节目给了个类比：时速60公里的车撞向假人，假人瞬间飞出七零八碎——而空翻触地的加速度可能比汽车和航天场景还高，与撞墙相当，达几十个g。

由此推出骨架材料的双重矛盾：要翻得起来就得够轻，要扛住冲击就得够强，否则零件飞出去。材料史就是一部减重史：

• 第一代：世界上第一台全尺寸机器人 WABO ONE 以钢材为主，重约160公斤，跳一下可能砸坑地板；
• 第二代：本田 ASIMO、波士顿动力早期液压版 Atlas、第一代特斯拉 Optimus 转向铝合金，密度只有钢的1/3；
• 现在：探索镁合金（比铝再轻1/3）；膝、踝等常受冲击部位用强度更高的钛合金。

但骨架这门生意没有技术壁垒：卖价除以金属含量、刨掉废料，利润率很低，本质是“卖金属+加工”，没法降价；量大了加工费还会趋近极低。外壳分两类：装饰保护件（覆盖胸、背、头部，材料从塑料、仿皮、TPU到织物，作用是降磨损、触感亲人——有些“金属机身”其实只是喷了金属漆的塑料外壳）；以及仿生皮肤（触感像人，皮下还要植入触觉传感器）。

图：骨架材料进化路线——钢160公斤、铝合金、镁合金，膝踝关键部位补钛

本节要点：空翻冲击≈几十个g的车祸级日常；骨架从钢到铝到镁一路减重、膝踝用钛补强；但骨架只是“金属+加工”的辛苦生意，真正的秘密藏在关节里。

关节的秘密：电机配上“巨型杠杆”，才翻得起来

关节是整个机器人硬件里成本最高、技术最密集、故事最多的部分。跳舞、空翻视频的技术路径是真人动作捕捉→训练模型→映射到机器人肢体；几年前 Atlas 后空翻还让人惊讶，如今习以为常，转折点不在算法，而在硬件：关节从液压换成了电机——液压时代关节整体性能差，空翻很难翻起来。嘉宾判断，最近一两年关节技术进步非常大。

关节在业内叫执行器，核心公式很简单：

• 旋转执行器 = 伺服电机 + 减速器。肩膀有俯仰、滚转、偏航3个自由度，本质都是旋转，3个执行器组合实现；膝关节一般只要1个自由度，一个就够。
• 直线执行器 = 伺服电机 + 丝杠。它最像人体肌肉：只做推拉，手臂摆动其实是肌肉收缩带动骨骼；有些膝关节用它模仿肌肉，多个组合也能实现旋转，已用在手腕、脚踝。

两者都带伺服系统（电机、编码器、驱动器、传感器）；空翻这类极限动作要全身几十个执行器紧密协同，任何一处反应没跟上或力量偏差，就摔。

减速器为什么必须存在？ 分三步论证：电机天生高转速、低扭矩（每分钟上万转很轻松）；但关节需要精准控制（只转几度，还要搬重物）；所以需要减速器这个“巨大杠杆”——牺牲速度，换取力量。节目有个思想实验：若靠100个齿轮逐级减速，让最后一个齿轮转1圈，第一个要转“古戈尔”圈（1后面100个零），所需能量超过整个宇宙总和——所以减速器靠的不是堆齿轮，而是精巧结构。行业最常用三种：

类型	工作原理	特点	典型部位
行星减速器	中心齿轮带动3个行星轮，再带动外圈大齿轮，像行星绕太阳	结构小、成本低，但减速比较小	手部关节
谐波减速器	波发生器把夹层柔轮撑成椭圆，柔轮与刚轮齿数只差2齿、仅两个对称区域啮合——波发生器转一周，柔轮只前进2齿	减速比可做得非常大，扭矩强、精度高；但柔性结构抗冲击较差	肘、肩等需精准控制的关节
RV减速器	第一级行星齿轮+第二级摆线针轮：偏心凸轮带动摆线盘，与外壳针齿多齿同时啮合	减速比大、刚性好、抗冲击强	髋、膝、腰部等常受冲击部位

谐波的软肋解释了分工逻辑：后空翻承受的力相当于汽车撞击，怕冲击的部位交给刚性的 RV。减速器是整个关节里最难的部分：精密、加工难度高、长期磨损难保稳定。量产考验在于：若用1000小时后异响或性能下降，运控算法无法补偿，机器人走路变差变歪、做极限动作自己摔倒；极限冲击还可能直接打坏内部小齿轮。

“造一个减速器不难，难的是造一万个性能一致、耐用的减速器。” ——节目受访业内人士，解释减速器量产门槛时说

图：减速器实验室——性能、成本、耐用、抗冲击的“不可能三角”

直线执行器这条路线同样曲折。最简单的方案其实是液压：老版 Atlas 以直线液压缸为主，高爆发、抗冲击、功率密度大；但液压系统复杂、易漏油、控制精度不如电机，新版 Atlas 因此改成电驱。电机驱动靠丝杠把旋转变直线——像拧螺丝，螺纹带动螺母前进；滚珠丝杠内部加滚珠减摩擦，把滚珠换成滚柱就是行星滚柱丝杠，寿命、承载、刚性更好；另有梯形丝杠。代价是加工精度要求极高：长行程内一致性不好，不同机器人之间的控制一致性就受很大挑战；有的直线执行器还会配合减速器放大扭矩。

为什么行业用得少？一个恶性循环：动态性能差、制造难、成本高→用得少→出货少→客户场景验证少→成本居高不下。它并非没有优点——载荷能做得更大，还有自锁能力（断电也保持稳定姿态）；缺点是减速比大、动态性能差，做不了敏捷动作。所以行业量产最多的，仍是旋转关节。

图：直线执行器最像肌肉——液压、滚珠丝杠、行星滚柱丝杠的演进

本节要点：关节=执行器；旋转执行器=电机+减速器、直线执行器=电机+丝杠；减速器是“以速度换力量”的杠杆——行星便宜、谐波精准、RV抗冲击；最大难点是量产一致性，性能、成本、耐用、抗冲击互相制约。

电机的三道坎与51%的成本：买，还是造？

机器人常用无框力矩电机：去掉外壳和轴承只留核心，缩小体积塞进关节；灵巧手用更小的空心杯电机（输出功率较低）——灵巧手的难度甚至比整个本体还高。节目给了电机三大难点的逐一证据：

一，能效与散热。 发热超过正常工作区间，性能就下降；过热时控制系统只能降功率——后果是空翻到一半腿软摔倒。发热是非线性的：极限动作瞬时电流是平时的3~5倍，发热量达额定状态的9~25倍，积累速度远超被动散热上限。数据很直观：做一次空翻，关节温度可能从10度直接跳到50度，必须冷却才能做下一个——极限情况下十分钟只能做一次。所以能效（多少能量真正用于做功）格外重要，发热3%与5%的差异巨大。现状是多数关节被动散热，金属机身可想象成巨大散热片，只有大功率腿部关节加风冷或液冷；提升路径在电机材料、绕线工艺、结构设计。

二，体积。 缩小关节电机有三个理由：减重、降本，更重要的是体积越大转动惯量越大、越难改变运动状态——像甩绳子，绳子越长转得越慢、停下缓冲越久。

三，性能稳定性，即TN曲线（输入多少电流，对应多少转速、多大扭矩）。它直接决定控制算法与仿真训练：走不平路面时，脚踝六维力矩传感器感知起伏、动态调电流控扭矩；TN曲线不稳，同样命令输出扭矩有偏差，就摔倒；仿真里输入的曲线与真实电机差太多，现实表现也会偏。反过来，只要实际电机能达到甚至超越仿真曲线，想要的性能就做得到；若转速一高性能就掉，需要极高速度加极强爆发力的极限动作就永远做不了。

精确控制靠伺服三件套：编码器测转子角度、速度、位置——因为机器人有减速器，必须用双编码器同时知道输入端和输出端位置；驱动器根据编码器反馈与小脑指令调整电压电流；再加力矩传感器测输出扭矩、温度传感器防过热。

为什么执行器是降本关键？ 美国银行测算：执行器是机器人身上成本最高的部件，约占51%。类比人体——肌肉比骨骼、眼睛、脑子甚至心脏都贵。降本空间主要来自中国供应链的“卷”：以前要靠国外工厂精加工的部件，国内都有替代——卧龙电驱（电机）、绿的谐波、双环传动、中大力德（减速器），三花智控、拓普等甚至能直接提供完整执行器。

图：执行器约占整机成本51%——机器人降本的主战场

既然买得到，为什么头部公司还要自研？采购的优点是降研发成本、提升开发效率；缺点是物料成本更高、难以按需定制、性能有欠缺——大部分关节公司不做定制，只卖标准件且成本相对高。判断标准很清晰：本体团队人少、关节积累不够，就买方案，更快出产品；自研能更好匹配需求与算法、性能更强，但要吃掉大量研发精力——本质是公司规模与成本的权衡。调查显示，头部公司更多偏向自研，甚至进驻供应商参与设计。更深一层：关节不是把零件装一起，而是要在极小体积内平衡力量、精度、耐久、成本、重量——全身最难的部分；难还因为产业太新、供应链不成熟，很多产线设备行业内根本不存在，企业得自己设计生产设备。

本节要点：执行器占整机成本约51%；电机三道坎——散热（一次空翻关节从10°C飙到50°C）、体积（转动惯量）、稳定性（TN曲线决定算法上限）；买标准件更快、自研更贴身，头部公司选择自研甚至下沉参与供应商设计。

感知系统：不摔倒、不撞人、还要摸得准

光有强关节不够，机器人还得站稳、感知世界。网上人类“围殴”机器人的视频里，大多数情况下无论怎么干预都很难把它摔倒——背后是两层防摔硬件：第一层是关节伺服系统，编码器和力矩传感器实时感知位置与受力，以每秒上千次的频率调整关节输出；第二层是 IMU，相当于人类的内耳前庭（手机旋转时画面跟着转就是它在工作），核心是加速度计（测xyz三轴加速度）加陀螺仪（测俯仰、偏航、滚转角速度），常配磁力计校准。被踹一脚时：IMU检测到加速度与倾倒→数据传给小脑（运控）→小脑计算各关节增减多少扭矩，把身体拉回平衡。IMU在手机、汽车上已高度成熟，不是瓶颈。

防摔倒靠IMU，日常行动更重要的却是防碰撞避障，最依赖视觉。机器人的“眼睛”和自动驾驶非常像但不完全一样：主流是摄像头+激光雷达+毫米波雷达多传感器融合；例外是坚定的纯视觉党马斯克，Optimus 只用摄像头。许多供应商从汽车供应链迁移而来，但同种传感器规格要求大不相同，以较贵的激光雷达为例：

维度	汽车	机器人
测距	高速行驶要看150~200米外	室内活动10~20米就够→功率、体积、成本都能更低
点云密度与扫描	识别车、人、路障等大物体，密度可以低；对稳定性、实时性、重复性要求极高	要拿桌上螺丝刀、捡地上硬币，点云必须更密；如受访方的非重复扫描雷达，原地站一会儿点云自动变密，适合像人一样慢慢做精细操作
安装位置与体积	可装车顶、保险杠，大点没关系	身体空间小，必须用更小模组
可靠性	常年室外，工作温度要求高（车规最低-40℃~85℃）	冲击力更大、对抗震要求更高；车规许多设计对机器人是冗余——汽车可能要出车祸才达到机器人日常一次空翻的加速度

行业现状：汽车激光雷达已非常成熟，机器人激光雷达还非常早期；未被满足的需求是体积更小、点云更密、距离短一点但FOV（视场角）更大。摄像头也有故事：前特斯拉人工智能硬件负责人透露，人形机器人选了车规摄像头（目前基于车上摄像头、500万像素），内部路径一再变化——最早想堆多个不同像素的摄像头、降帧率提像素，起因是马斯克要求机器人能“穿针引线”；团队测算须超1500万像素；软件团队反对——摄像头全变了，重新训练模型的时间成本太大；折中方案是加自动对焦，后来又觉得未必需要。

触觉是感知系统里最年轻的一块，有四条技术路径：压阻式（最常见，压力转电阻，如电子秤）、电容式（弹性介质隔开上下电极，受压距离变小、电容值变化）、压电式（受力直接生电压，像打火机放电的小玩意）、光学式（弹性材料形变由摄像头捕捉，目前最热门）。理想触觉是三维的：除压力还要感受平面摩擦力——人拿饮料罐会捏紧向上抬，感到下滑就加大捏力避免滑落。两大挑战：传感器本质是材料，任何材料都很难在三个方向上很好解耦，三维力精度远难于一维；三维触觉数据如何与操作模型结合也难——现在触觉数据量非常少。所以整个2025年的量产机器人几乎不搭载触觉——不只一家，是全行业；原因是：不稳定（长期抓握材料稍变形信号就完全不同）、不能性能漂移且形状位置不能破损、材料要又柔软又耐磨本身矛盾。转折点是2026年看到规模化生产希望，下一步课题是把触觉接入数据采集与训练。至于温度、湿度、六维力矩、UWB等其他传感器，都已成熟。

图：机器人激光雷达与车规激光雷达的四点规格差异

本节要点：防摔靠“关节每秒千次调参+IMU前庭”，避障靠视觉融合（唯马斯克坚持纯视觉）；机器人激光雷达要的不是看得远而是看得细；触觉四条路线中光学式最热，但三维力解耦与数据稀缺，让它直到2026年才见到量产希望。

电气与计算：大脑、小脑，和正在合体的芯片

传感器感知世界、关节赋予活动，两者需要中枢——电气架构。呼应算法期的"System One + System Two"：芯片层面同样是“小脑+大脑”——System One 操控四肢，System Two 负责复杂思考。为什么不用一颗芯片？因为需求正好相反：大脑要高算力、大内存、最好端侧跑大模型，延迟几秒没影响；小脑不求算力，但实时性、稳定性、响应速度必须极高——延迟几毫秒就可能摔倒。

大脑侧格局：目前绝大多数机器人选英伟达 Orin；2025年英伟达推出性能更高、专为机器人和物理 AI 设计的 Thor，预计成未来主流。例外是特斯拉：Optimus 用自研芯片，而且是两颗——

“自动驾驶两个都够呛，机器人怎么可能一个够。” ——马斯克，在意识到机器人世界模型对算力的需求远超自动驾驶后，把 Optimus 从单芯片改回双芯片

小脑侧：控制频率可能高达1K赫兹，芯片通常是 MCU——意法半导体 STM32、恩智浦 i.MX RT、瑞萨 RZ 系列。一个细节很有意思：空翻、跳舞用的是提前录好的动作，但机器人脚上仍有碎步——那是小脑在动态调节平衡，像人类的本能反应。今年初 CES 上，高通发布机器人大脑芯片 Dragonwing IQ 10，并宣布与 Figure 合作。

新趋势是大脑小脑合进一颗芯片。特斯拉走得最前沿、一开始就走这条路线：用自研 HW4 芯片电脑把两者集中在一颗芯片，通过特定通讯架构控制全身；内部是一个 SoC，既有负责算力的 ASIC，又有处理小脑任务的多核CPU——频率较高、延迟非常低。另一家公司今年3月发布“德沃夏克架构”，一块芯片集成大脑、小脑、皮层三个功能。统一的好处有二：一是做成一块板，胸腔体积和走线非常简洁；二是越往后大小脑协调越重要——像扔飞镖：大脑看着轨迹做预测、小脑伸手去抓，同一颗芯片通讯极快，大脑才能实时高速反馈控制小脑。不过行业判断：这仍处非常早期，要等出货够多、市场够大，机器人公司才会像智能汽车公司那样转向一体化自研芯片。

最后是供电与连接：电池是全身能量来源、机器人的“心脏”，核心是在更小密度下做到更高容量，主要供应商有宁德时代、LG、亿纬锂能；线束像神经与血管遍布全身，负责通信与供电，主要供应商有立讯精密、TE Connectivity、安费诺。供应链种类繁多，节目放了一张全景图，值得暂停细看。

图：大脑用高算力SoC、小脑用高实时MCU——双芯片架构正在走向合体

本节要点：大脑重算力（英伟达Orin→Thor、特斯拉双自研、高通Dragonwing IQ 10入局），小脑重实时（MCU、控制频率可达1kHz）；趋势是大小脑合进一颗SoC，但行业仍处早期；电池与线束分别由宁德时代们和立讯们供应。

组装之后才是地狱：门槛之辩与供应链滚雪球

看完前几节，你大概已经知道怎么造机器人了——但真去做会发现哪哪都是问题。机器人马拉松就是照妖镜：有的跑着跑着脚崴了、“喝醉了”、胳膊掉了、冲上绿化带、被减速带绊倒后“粉身碎骨”，还有的“随地大小便”引来隔壁机器人拍手叫好；但也有亮眼表现——荣耀机器人包揽前六名，还刷新了人类半马纪录。于是问题来了：连手机厂商都这么强，这行业是不是没门槛？业内人士的回答是"yes and no"。

Yes的一半：其一，零部件供应商与手机、汽车高度重合——电气与动力系统重合度可达90%以上；机械系统即使模具不一样，供应商也有类似；电驱是唯一与车相关性不高的（车里不需要那么多扭矩），但减速器、齿轮在汽车里“大大地有”；传感器也高度重合——结论：80%以上的东西可同质。其二，算法可与自动驾驶复用。这正是荣耀、小米、特斯拉、小鹏下场的原因。推论很直白：理论上只要认识这些供应商，你就能自己搓出一台机器人。

No的一半：“能动”和“好用”之间隔着巨大鸿沟。

• 重心问题：组装后重量分布不均、重心偏移→走路时部分关节额外做功→功耗增加、续航减少，甚至影响步态稳定。
• 工程权衡：散热更好或质量更轻，会让另一头性能变差——做得更轻，可能就载不动那么多重量。造机器人最大的难点是各个工程之间的平衡；核心在于上constraint（约束），用人形形态框住设计后，力矩和精密度都要达到人类高度——这是工程路径上的纵深问题。
• 老化问题：实验室跑1小时没问题，真实环境跑100小时毛病全出来——螺丝松了、线磨损了、润滑脂干了、传感器漂移了；只能不断调试找平衡点。
• 一致性问题：每台机器人的关节背隙、传感器零点、电机参数都不一样，同一套算法要跨批次稳定，得逐项调整。例子很具体：放10个机器人、发同样参数，每台手伸出去的位置都不一样——做操作任务差几毫米，就从“能抓住”变成“把它撞倒”。
• 标定问题：为所有传感器和执行器做好标定本身就难；标定完一年后（老化、畸变）还稳定吗？方向可能是在线标定——让机器人自己把误差分析出来。

这些是“看不见的功夫”，但不做，后面很多问题都解决不了。所以业内人士说：真正难点不是拼起来，而是系统级整合；市面标品都不令人满意、离算法应用要求有差距——这正是头部公司核心零部件要自己动手做的原因。

图：马拉松与实验室之间——“能动”到“好用”隔着一百个小时的真实环境

那么回到开头：为什么进化这么快？答案落在供应链。近两年的进化轨迹是走路→转手绢→跳舞武术→半马破纪录，最重要的原因是供应链成熟。一年多前行业还没被这么看好：供应商不愿为机器人做激光雷达，只说“这是为物流车做的，你拿来直接用”；早期厂商在供应链中弱势——“那个时候是求着别人”，市场各方将信将疑。产业链与汽车重合，供应商内部还有资源博弈：优先供商业化成熟的汽车，还是改产线押注机器人？机器人市场的数量还没到工业级，与手机、汽车相比可能还差一到两个数量级。转折点是赛道越来越热：供应商开始愿意为机器人专门开模、定制；需求变大、商业化路径更明确后，供应链像滚雪球一样成长。

节目结尾留了个开放问题：机器人的下一个里程碑动作是什么？主持人想起上海马戏城的表演——蒙眼在几十米高空走钢丝的演员、用一根筷子让几十只碗同时旋转的杂技师：那是人类用上百万年进化出的极致感知、本能级平衡、毫厘之间的触觉反馈；机器人能空翻能武术，但离人类还很遥远。采访对象王闯的答案出人意料：不是更复杂、更fancy的动作，而是非常基础的、具备人类感控融合本能的动作——接住一片落叶：一阵风穿过树林，他走过去，伸出手，恰好捏住那片落叶。

“下一个里程碑不是更炫的动作，而是接住一片落叶。” ——受访从业者王闯，被问到“机器人下一个里程碑时刻”时的回答

机器人能接住落叶的那一天，距离我们的生活，又近了一大步。

本节要点：80%零件可买（与手机、汽车供应链高度同质），但重心、老化、一致性、标定这些“看不见的功夫”才是真门槛；近两年爆发的最大功臣是供应链成熟——从“求着别人”到供应商愿意专门开模；下一个里程碑不是炫技，而是像人一样接住一片落叶。

总结要点

• 肉身四大系统：骨架是“金属+加工”的无护城河生意；执行器是成本与技术双高峰（约占整机成本51%）；传感器分防摔（伺服+IMU）、避障（视觉）、触觉（尚在早期）三层；电气架构走“大脑+小脑”双芯片。
• 减速器是关节里最难的部分：行星便宜、谐波精准但怕冲击、RV抗冲击，各司其职；性能、成本、耐用、抗冲击是不可能三角——造一个不难，量产一万个一致耐用才难。
• 电机的三道坎：散热（极限动作发热是额定的9~25倍，一次空翻关节从10°C跳到50°C）、体积（转动惯量）、稳定性（TN曲线决定算法上限）。
• 门槛之辩：80%以上零件与手机、汽车供应链同质，理论上认识供应商就能拼一台；但系统级整合与跨批次一致性，才是“能动”到“好用”之间的护城河。
• 进化最快的答案是供应链：从“求着别人”到供应商专门开模，滚雪球式成长；下一个里程碑不是更炫的空翻，而是像人一样接住一片落叶。

迁移与启发

• 判断新赛道真假，看供应链信号灯，别只看发布会。 机器人行业起飞的信号不是演示视频，而是供应商从“这是为物流车做的，你拿来用”变成“愿意专门开模”。你观察任何新兴行业（机器人、AI硬件、低空经济）时，可以翻上游公司的公告与调研纪要：出现“为新客户定制”“专用产线”这类表述，说明商业化被认可、往往临近爆发；反之，下游说得再热、上游不给定制，就还得等。
• 看产业链，优先盯“成本大头×国产替代”的交叉点。 执行器占整机成本51%、正被国产供应链快速“卷”下来——这种“占成本最高、技术密集、国产替代加速”的环节，往往是产业链上弹性最大的位置，比追热点概念更有依据；当然弹性大也意味着波动大，仓位要配得上你的承受力。
• 把工程师的三条纪律抄进自己的日程。 接需求先上“约束”：质量、成本、时间里哪个能牺牲，先谈清楚再动手，省掉大半返工；简历和述职别只写“做出过什么”，写“在真实环境里稳定跑了多久”——实验室1小时和真实100小时是两个世界；还有，机器人做完一次空翻必须散热才能做下一个，人冲刺之后不安排恢复，接下来的每次输出都会变形——把休息当散热工序排进日程，这是物理规律，不是鸡汤。

一句话升华

真正的高手不是翻出最炫的空翻，而是敢在一阵没有剧本的风里伸出手——稳稳接住一片落叶；机器如此，人也如此。