8小时前 百亿投入换不来 “灵巧手”：机器人商业化差在哪？

作者：Distill Al

你是不是也曾期待过：家里的机器人能自动叠好堆成山的衣服，工厂里的机械臂能精准拧好每一颗微型螺丝，甚至医院的机器人能稳妥递过手术器械？

这些接地气的场景，才是人形机器人真正走进生活的关键 —— 可如今，即便资本砸下数亿美金，这些看似基础的⌈精细活⌋，却成了全球科技公司的共同难题。

没人否认人形机器人的潜力：马斯克说它能撑起30万亿美元营收，行业认为它能替代重复体力劳动。但这场商业化竞赛，真正的「拦路虎」不是让机器人学会翻跟头、跳机械舞，而是赋予它一双像人类一样灵活的手。

能不能突破这 “最后一公里” 的灵巧瓶颈，直接决定了人形机器人是停留在实验室的「炫技玩具」，还是走进工厂、家庭的「实用工具」。

01

酷炫背后的尴尬：灵巧双手成 “卡脖子” 难题

打开视频平台，总能刷到人形机器人的惊艳画面 —— 波士顿动力的ATLAS翻跟头、特斯拉擎天柱跳机械舞，这些曾只存在于科幻片的场景，如今已成现实。

但鲜少有人知道，比起这些高难度动作，让机器人清理手上的花生酱，至今仍是 「不可能完成的任务」。

即便风投公司和科技巨头砸下数亿甚至数十亿美元，当今的人形机器人仍迈不过「灵巧操作」这道坎。我们期待它替代人类做精密装配、家务整理等工作，可最关键的「双手」，却迟迟无法落地。

02

商业化：是炒作泡沫，还是早期萌芽？

「人形机器人就是噱头，随时会破！」类似的质疑声从未断过。但全球权威咨询公司Gartner却给出了不同答案 —— 在技术成熟度曲线上，类人机器人才刚迈入 “早期阶段”，距离炒作顶峰还很远。

对比来看，生成式AI早已越过顶峰、走向低谷调整期，而人形机器人的发展周期才刚满一年。

Gartner的判断很明确：未来的人形机器人，会和人类拥有相同体型结构，能在人类环境里像人一样工作。这意味着我们不用再为不同场景造专用机器人，一台通用人形机器人，就能搞定百万种任务。

Figure公司CEO的话戳中核心：「与其造百万台专用机器人，不如造一台能做百万件事的人形机器人。」

马斯克更是直言，特斯拉擎天柱可能成为「世界上最伟大的产品」，预计能创造30万亿美元营收。

这些公司的商业化逻辑很清晰：让机器人和人类「兼容」，用更低成本替代体力劳动，且效果不打折扣。毕竟和其他自动化模式比，人形机器人能直接承接人类的劳动形式，不用重新设计流程，这也是它炒作热度的核心支撑。

但何时能真正落地？乐观者说2年，保守派认为要5年才会产生显著经济影响，更谨慎的观点则觉得，可能20年内都没法像手机一样走进普通人生活。

03

人形机器人的 “进化史”：从实验室走向开源

你可能想不到，人形机器人的研究早在半个多世纪前就开始了：

1960年代中期，东京早稻田大学就钻研双足行走机制，1970年代初造出第一台人形机器人WABOT-1，1980年代又推出WABOT-2；

1980年代末，本田启动双足机器人研发，2000年推出经典的ASIMO；索尼先卖机器狗Aibo，2003 年又造出小型人形机器人QRIO，却没投入销售；

2007 年，法国 Aldebaran 公司的 NAO 机器人火了，成了国际机器人足球联赛的 “标配”，后来推出的大型机器人 Pepper 却没在商业上成功；

波士顿动力更不用多说，从四足机器人到 2013 年推出仿人机器人 ATLAS，用几十年时间刷新了人们对机器人运动能力的认知。

真正让人形机器人技术「破圈」的，是RoboCub开源项目。在此之前，只有少数实验室能研发人形机器人；开源后，世界各地的AI实验室都能自主造出机器人，直接推动了技术普及。

值得一提的是，早在2004年，《国际人形机器人杂志》就已发行，当时还是纸质版 —— 这意味着，这个领域的研究，早已不是「新鲜事」。

04

破解灵巧密码：端到端学习的希望与局限

为什么「双手」这么难突破？人类靠双手完成系鞋带、拧瓶盖等精细活，核心是「灵巧性」，而过去几十年，研究者一直用几何数学方法解决这个问题，却始终达不到预期。

直到语音转文字、大语言模型等领域证明了「端到端学习」的威力 —— 不用拆解问题，直接靠数据训练模型。于是有人提出：既然数学方法走不通，不如让机器人「学人类」？

具体怎么做？准备两台同款机器人（或用Oculus头显 + 控制器），反复录制人类做某个动作的视频（比如拉扯毛巾、摆放积木），录上数百次后，用这些数据训练神经网络，让机器人复现动作。这种方法确实有突破：能完成「混沌步骤」（比如拉毛巾看是否平整）和 “高状态空间” 任务（积木有6个摆放面，毛巾有无数种褶皱）。但细想之下，局限也很明显：没力反馈：机器人全靠人类遥操作，可现在没法把「用力大小」的感觉传递给操作员；手指控制粗：不管是操作员还是AI，都只能让手指「开合」，做不到更精细的动作；没触觉：人类手掌有无数神经当传感器，机器人手掌连最基础的触觉都没有；定位精度低：目前动作精度只能到1-3厘米，远达不到精密操作的要求。更关键的是，现在很多公司和学术项目，还在只靠「动作示范」训练机器人，完全忽略了力觉和触觉反馈 —— 而这，恰恰是人类手部灵巧的核心。

05

结语

人形机器人能跳舞、能翻滚，却连清理花生酱都做不到。它的商业化，不缺资本追捧，不缺技术积累，却卡在了「灵巧双手」这道「最后一公里」。

端到端学习给了一丝希望，但要真正让机器人拥有人手级的灵巧，还需要突破力反馈、触觉感知等基础技术。未来是2年、5年还是20年能落地？没人能给出确切答案，但可以肯定的是：只有先解决「灵巧」问题，人形机器人才有可能从实验室走进工厂、走进家庭。

参考链接：

https://rodneybrooks.com/why-todays-humanoids-wont-learn-dexterity/