---
author: 硅谷101
date: '2026-06-01'
guest: ''
layout: post.njk
source: https://www.youtube.com/watch?v=DZIhQeFEdXI
speaker: 硅谷101
tags:
  - humanoid-robotics
  - robot-hardware
  - actuator-technology
  - sensor-fusion
  - robotics-supply-chain
title: 拆解人形机器人：从核心部件到量产供应链的平衡艺术
summary: 本视频深入剖析人形机器人的硬件构成与产业挑战。从骨骼、关节、传感器到电气与计算系统，详细解读其技术原理和进化路径。探讨了减速器、电机、触觉传感器等核心部件的制造难点，以及供应链成熟对机器人发展的重要性。文章强调机器人工程是追求力量、精度、耐久、成本与重量之间平衡的艺术，并展望了从空翻到实现“接住一片落叶”这种人类级别“感控融合”的终极目标，揭示了机器人迈向商业化量产的深层逻辑和未来趋势。
insight: ''
draft: true
series: ''
category: ai-ml
area: tech-engineering
project: []
people:
  - Elon Musk
  - 王闯
companies_orgs:
  - Tesla
  - Boston Dynamics
  - NVIDIA
  - Qualcomm
  - Figure
  - 灵境智源
  - 卧龙电驱
  - 绿的谐波
  - 双环传动
  - 中大力德
  - 三花智控
  - 拓普
  - 宁德时代
  - LG
  - 亿纬锂能
  - 立讯精密
  - TE Connectivity
  - Amphenol
  - 荣耀
  - 小米
  - 小鹏
products_models:
  - WABOT-1
  - ASIMO
  - Atlas
  - Optimus
  - Orin
  - Thor
  - Dragonwing IQ10
media_books: []
status: evergreen
---
### 人形机器人：从科幻到现实的硬件拆解

机甲都出来了，机器人落地还会远吗？从转手绢、扭秧歌到高难度空翻、武术，再到半马成绩打破人类世界纪录，为什么机器人**本体**（Robot Body: 机器人的物理结构和硬件系统）这两年的进化如此之快？有人说，人形机器人几乎每天都要承受车祸般的**冲击力**（Impact Force: 物体碰撞时瞬间受到的巨大作用力），还动不动就要被人类“围殴”，它是如何承受下来的？这让我们特别好奇，机器人的身体里面到底藏着什么秘密呢？

Hello，欢迎收看《硅谷101》，我是陈茜。为了进一步理解机器人的**本体进化**（Body Evolution: 机器人物理结构和功能上的不断发展和完善），我们和一些业内人士聊了聊，特别是连手机厂商造的机器人在半马上都打破人类记录了。所以造机器人究竟有什么难点？有人觉得这东西不难，机器人的门槛真的不高吗？那么公司的**护城河**（Moat: 企业相对于竞争对手的竞争优势）又是什么呢？本期视频我们将详细地拆解机器人的各个零件，相信看完之后，你也能自己拼出一台机器人。

机器人身上硬件种类繁多，我们可以粗略地划分为四个系统：分别是撑起整个架构的**骨架**（Skeleton: 机器人的结构支撑部分），驱动骨架运动的**关节**（Joints: 连接骨架并提供运动自由度的部件），感知环境的**传感器**（Sensors: 用于收集外部环境信息的设备），以及指挥身体的**电气与计算系统**（Electrical and Computing System: 机器人的电源、控制电路和处理单元）。

### 骨骼的挑战：轻量化与高强度材料

我们先从骨架开始说起。这里有辆车正以时速60公里撞向一个假人，由于巨大的冲击力假人会飞出去，然后就七零八碎了。而对于人形机器人来说，承受这样的冲击力已经成为了“日常”。机器人每一次空翻触地，身上承受的**加速度**（Acceleration: 速度变化的快慢）可能都比汽车和航天更高。我们做过一些测试，它就跟汽车撞到墙的加速度差不多，达到了几十个**G**（G-force: 重力加速度单位）。这就对机器人的结构材料提出了挑战。你看，要翻起来就得身体足够轻，承受如此大的冲击还得强度大，否则可能一个空翻，零件就飞出来了。所以机器人第一项挑战就是探索**骨架材料**（Skeletal Material: 用于构建机器人骨架的材料）。

世界上第一台全尺寸机器人**WABOT-1**就是以钢材为主，体重当时达到了大约160公斤，可能它跳一下就得把地板砸个坑，更别说翻跟头了。后来，从**本田的ASIMO**、**波士顿动力的早期液压版Atlas**到第一代**特斯拉的Optimus**，**铝合金**（Aluminum Alloy: 以铝为基添加其他元素形成的合金）成了主流，密度只有钢的**三分之一**（One Third: 数量或比例上的三分之一）。现在行业已经开始探索更多的材料，比如说**镁合金**（Magnesium Alloy: 以镁为基的合金），它的密度比铝还低了三分之一。局部还会使用强度更高的**钛合金**（Titanium Alloy: 以钛为基的合金），例如经常需要承受冲击的膝关节和脚踝等部位。

有意思的是，这些坚硬的骨架为机器人扛下了冲击，但是供应商似乎赚的只是个“辛苦费”。骨架这种东西，它最后的卖价除以它本身的**金属含量**（Metal Content: 产品中金属的比例），再除掉抛掉的废料以外，这个**比率**（Ratio: 衡量两个数量之间关系的比例）其实是很低很低的了。这个东西最后还是卖**金属**（Metal: 具有高导电性、导热性和延展性的材料）加加工费，大部分成本还是里面的金属。所以这个东西没有办法降价了，它的加工费还是在合理区间内。如果量起来了之后，它的加工费就会趋近于一个很低很低的加工费，因为它没有什么太大门槛。

### 外观件与仿生皮肤：美观与触感的融合

除了这些核心的骨架之外，我们简单来聊聊**外观件**（Appearance Parts: 机器人的外部覆盖部件）。可以分成两类：一类是**装饰保护件**（Decorative Protective Parts: 用于美化和保护机器人内部结构的部件），主要用在胸部、背部、头部，材料从塑料、仿皮TPU到织物五花八门，主要是为了降低磨损、让触感更亲人。虽然有些机器人看上去是金属机身，其实是做了一层喷漆，是塑料外壳但看起来却很有金属感。

另一类就是让机器人像真人的**仿生皮肤**（Bionic Skin: 模仿人类皮肤功能和触感的材料）。这些皮肤不仅触感要像人，还得在皮下植入**触觉传感器**（Tactile Sensor: 感知压力、摩擦等接触信息的传感器）。

### 关节的奥秘：实现超难度动作的关键

好了，骨架和皮肤我们聊完了，但是真正让机器人实现各种超难度动作的是关节。这也是整个机器人硬件里面成本最高、技术最密集、故事也最多的部分。你肯定看过不少机器人跳舞、空翻的视频，这是先通过真人**动作捕捉**（Motion Capture: 记录和分析人体运动的技术），再训练模型后映射到肢体动作上。几年前，我们看**波士顿动力**（Boston Dynamics: 美国一家机器人公司）的**Atlas**后空翻的时候还觉得非常惊讶，但现在可能大家都觉得习以为常了。这背后的原因就在于机器人的关节经历了从**液压系统**（Hydraulic System: 利用液体压力传递能量的系统）到**电机**（Motor: 将电能转换为机械能的装置）的转变。以前那个时候我们造不出这么牛的关节，那个时候的关节整个性能都很差，空翻是很难翻得起来的。我觉得最近这一两年，关节的技术进步非常非常大。

关节在业内被称之为**执行器**（Actuator: 驱动机器人关节运动的装置），主要分为**旋转执行器**（Rotary Actuator: 产生旋转运动的执行器）和**直线执行器**（Linear Actuator: 产生直线运动的执行器）。它们是怎么带动身体运动的呢？我们先以肩膀来举例。肩膀有三个自由度，前后摆、上下抬、内外旋，被称为**俯仰**（Pitch: 绕横轴旋转）、**滚转**（Roll: 绕纵轴旋转）、**偏航**（Yaw: 绕垂轴旋转）。本质上这些运动方式都是旋转，所以通过三个旋转执行器的组合，手臂就能向X、Y、Z三个方向自由地活动了。到了膝关节上，一般只需要一个**自由度**（Degree of Freedom: 机器人运动的独立参数），用一个旋转执行器或者直线执行器就可以了。直线执行器就像人体的肌肉一样，通过拉伸来带动上下的骨干运动。而做一次极限运动，得靠全身几十个执行器紧密地协同，任何一个地方反应没跟上，或者力量偏差了一点，那么后果就是摔倒。

### 执行器：液压到电机驱动的演变

但这些执行器里面是一个什么样的构造呢？旋转执行器和直线执行器都有一套**伺服系统**（Servo System: 精确控制机械运动的系统），由电机、编码器、驱动器、传感器组成。两者最大的区别就在于，旋转执行器是伺服电机加**减速器**（Reducer: 降低转速增加扭矩的装置），而直线执行器是伺服电机加**丝杠**（Lead Screw: 将旋转运动转换为直线运动的机械元件）。

### 减速器：高转速电机的力量转换

那我们先从减速器开始说起。或许你听过这个装置：第一个齿轮转动10圈，第二个齿轮只转1圈，第三个则只有0.1圈，总共100个齿轮。以此类推，如果要让最后的齿轮转一圈，那么第一个需要转古戈尔（Googol）圈，也就是1的后面有100个0，所需要的能量超过了整个宇宙的能量总和。这就是一个大型的减速器，本质上就是一个巨大的**杠杆**（Lever: 一种简单机械，通过支点放大或改变力），牺牲速度换取力量。

为什么机器人的关节需要减速器呢？因为电机天生是“高转速、低扭矩”，转速可以轻松达到每分钟上万转，但输出的力矩却比较小。而机器人的关节需要精准控制，我们很难让电机只转几度的同时还能搬动非常重的东西。所以需要减速来降低转数，提高**扭矩**（Torque: 使物体转动的力矩）。**减速比**（Reduction Ratio: 减速器输入与输出转速之比）越大，速度降低越多，同时输出扭矩就越高。

### 三大减速器：行星、谐波与RV的特性

行业最常用的有三种减速器：分别是**行星减速器**（Planetary Gearbox: 一种齿轮传动装置，具有体积小、传动比大等特点）、**谐波减速器**（Harmonic Drive: 一种精密减速器，具有传动比大、精度高等特点），还有**RV减速器**（RV Reducer: 一种高精度减速器，具有刚性好、抗冲击能力强等特点）。我们用模型来给大家解释一下。

首先是行星减速器，它的名字很形象。电机连接中心齿轮带动三个**行星轮**（Planetary Gear: 围绕中心轮旋转的齿轮），行星轮再带动外圈的**大齿轮**（Ring Gear: 外部齿轮）旋转，就像行星围绕太阳一样。它结构小、成本低，但减速比小，同样的电机转数下输出扭矩较低，因此常用在手部关节。

需要输出更大的力的时候，就会用到谐波减速器了。它的最中心是**波发生器**（Wave Generator: 谐波减速器中的椭圆形部件，使柔轮产生变形），将夹层的**柔轮**（Flexspline: 谐波减速器中的弹性齿轮）撑成椭圆形。一般柔轮与外侧固定的**刚轮**（Circular Spline: 谐波减速器中的刚性内齿轮）之间只差2齿，柔轮只有两个对称区域与刚轮啮合。这样最中心的波发生器旋转一周的时候，柔轮只转动2齿，所以减速比可以做到非常大。谐波减速器的输出扭矩强，且精度高，常用在机器人的肘关节、肩关节，来实现手臂的精准控制。

我们前面说到机器人在后空翻的时候，承受的力相当于汽车的撞击，这也对特定部位的减速器提出很大挑战。但是谐波减速器的柔性结构，也意味着抗冲击力较差。那这个时候就得上RV减速器了。RV减速器由第一级**行星齿轮**（Planetary Gear: 行星减速器中的齿轮）和第二级**摆线针轮**（Cycloidal Pinwheel: RV减速器中的核心部件）组成。第一级降速后，通过**偏心凸轮**（Eccentric Cam: 用于将旋转运动转换为偏心运动）带动**摆线盘**（Cycloid Disk: RV减速器中的盘状部件）做偏心运动，摆线盘与外壳上的**针齿**（Pin Gear: RV减速器中的固定齿）啮合，推动外壳旋转。这样一来不仅减速比大，由于摆线盘有多个齿同时啮合，所以刚性好、抗冲击更强，常用在机器人的髋关节、膝关节、腰部等需要抗冲击的部位。

### 精密制造的瓶颈：减速器量产的难题

相信你也看出来了，减速器是非常精密的部件，加工难度高，并且面对长期的磨损也很难保证稳定性，这就是整个关节里面最难的部分。当你大批量地制造使用的时候，那个齿轮的精度，还有它长时间运行的稳定性要求就很高。比如说用了1000个小时，它就发生了各种各样的**异响**（Abnormal Noise: 非正常的声音）或者它的性能下降了，这个时候你的**运控算法**（Motion Control Algorithm: 控制机器人运动的程序）可能很难去调整，表现在机器人可能走路就没有以前那么好了，甚至说走得开始逐渐变歪了。它可能要做很多极限的动作，它可能自己也会摔倒，这些冲击很有可能把里面的这些小齿轮损伤掉了。那我们如何能做出性能又很好、成本又很低、长时间使用又没问题，同时摔倒之后它又能抗得了冲击，不会轻易地损坏？这种东西我觉得就是非常有挑战，感觉是个**不可能三角**（Impossible Triangle: 指无法同时满足三个相互矛盾的目标）。换句话说，造一个减速器不难，难的是造出一万个性能一致、耐用的减速器。

### 直线执行器：模仿肌肉的推拉运动

接下来我们看看直线执行器和它的核心部件——丝杠。直线执行器可以说是最像人体肌肉的。你看，当我的手臂这样摆动的时候，并不是关节在主动旋转，而是连接两端骨骼的这个肌肉在收缩。所以直线执行器只做一种运动，那就是**推拉**（Push-Pull: 一种线性运动方式）。有些机器人的膝关节会采用直线执行器，通过推拉来模仿人类膝部肌肉的运动。当有多个直线执行器通过特定的结构组合后，还能实现关节的旋转，这样的运动方式会被应用到手腕、脚踝等部位。

要做出直线执行器，最简单的就是**液压装置**（Hydraulic Device: 利用液体压力进行工作的装置）。之前**波士顿动力**的老版**Atlas**就是以**直线液压缸**（Linear Hydraulic Cylinder: 液压系统中的直线运动部件）为主，具有高爆发、抗冲击、**功率密度大**（High Power Density: 单位体积或重量下输出功率高）等优势。为什么说是老版呢？因为新版他们也转向了电机驱动，主要是液压装置系统复杂、容易漏油，而且控制精度也不如电机。但是电机只能旋转，要输出直线运动还需要一个“转换器”，也就是丝杠。

### 丝杠与直线执行器：高性能与量产困境

**丝杠轴**（Lead Screw Shaft: 带有螺纹的轴）上有螺纹，旋转时会带动螺母做直线运动，这个过程就像拧螺丝。为了减小摩擦，丝杠内部就会加入滚珠，这就是**滚珠丝杠**（Ball Screw: 一种将旋转运动转换为直线运动的机械元件，通过滚珠减小摩擦）。有的会将滚珠换成滚柱，寿命更长、承载更好、刚性更好，这就是**行星滚柱丝杠**（Planetary Roller Screw: 一种通过行星滚柱实现高承载和长寿命的丝杠）。此外还有的会用到**T型丝杠**（Trapezoidal Lead Screw: 螺纹截面为梯形的丝杠）。

现在用的可能比较多的就是滚柱丝杠，那个东西对**加工精度**（Machining Accuracy: 加工过程达到的尺寸和形状精确程度）要求非常非常高，而且在一个很长的行程内，你的一致性要非常好。如果中间有一些不好的，它对于不同机器之间的**控制算法**（Control Algorithm: 用于指导系统行为的计算步骤）就是一个很大的挑战。有的直线执行器中也会配合上减速器，让电机输出更高扭矩。但目前的行业当中，直线执行器的应用比较少，主要有三个原因：第一是**动态性能差**（Poor Dynamic Performance: 响应速度慢，对快速变化难以适应），第二是**制造难**（Difficult to Manufacture: 生产过程复杂），第三是**成本高**（High Cost: 生产费用昂贵）。

目前整个这个行业量产最多的应该就是旋转关节。那个直线执行器在行业内也有一些应用，它的特点就是它的**载荷**（Load: 承受的负荷）能做到更大，而且它在一些状态下不供电也能保持一个稳定的姿态，能够**自锁**（Self-locking: 机构在没有外力的情况下能保持位置不变）。但是它的缺点就是动态性能可能会稍微差一点，因为它载荷大、减速比大，它的动态性能没有那么敏捷的动作。它还有一个比较大的难点，就是说它很难大批量地、低成本地造出来。所以它在当前，我们觉得还不适合做大规模的商业化。也因为大家现在用得少、出货量也少，在客户场景中验证的也少，所以它整个成本都是现在居高不下的。

### 机器人动力核心：无框力矩电机

说完传动，我们再来说一下动力本身，也就是电机与伺服系统。机器人身体中的常用电机是**无框力矩电机**（Frameless Torque Motor: 没有外壳和轴承，直接集成到关节内部的电机）。相比传统电机，它没有了外壳和轴承，只保留了最核心的部件，这样做是为了尽可能地缩小尺寸，可以直接嵌入关节内部。**灵巧手**（Dexterous Hand: 具有高自由度和精细操作能力的机器人手部）比较特殊，用的是体积更小的**空心杯电机**（Coreless Motor: 没有铁芯的电机，具有启动快、效率高等特点），当然输出功率也就没那么高了。灵巧手的难度甚至比整个机器人的本体还高，如果你想要详细地了解，欢迎去看我们之前专门讲灵巧手的这期视频。

### 电机能效与散热：性能提升的瓶颈

身体电机的难点主要在于三块：分别是**能效与散热**（Efficiency and Heat Dissipation: 能量转换效率和热量散发能力）、**体积**（Volume: 占用空间的大小）和**性能稳定性**（Performance Stability: 性能在各种条件下保持不变的能力）。我们先来说一下能效与散热。电子产品都不可避免地会产生热量，当热量积压过多，超过了正常工作区间之后，性能就会下降。所以电机的**能效**（Energy Efficiency: 能量利用的效率），也就是真正有多少能量被用在了做功上，就格外重要了。一旦过热，控制系统就只能降低功率，比如说空翻到一半的时候突然“腿软”了，就会啪地一下倒地上。

我们以前做的最早期的那个样品，可能10分钟之内这些极限动作只能做一次。为什么只能做一次？就是因为它的那个**转速转矩**（Speed-Torque: 电机输出的转速和扭矩）这些性能曲线在做一次之后整个就变掉了。它也有可能因为里面的发热之类的原因，这个时候就需要你先把它技能冷却一下，让它温度降下来，可能它才能继续做。现在比较大的问题就是它的能效我们非常关注，我输入一定的能量有多少转化为了热量？比如说是5%，它和3%就有巨大的差异。这些其实会限制我性能，我就不敢往上去抬性能了，哪怕我硬件能力再强我都不敢。

你可能会问3%和5%之间，看着也没多大区别。这里需要注意的是，电机的发热不是线性的。当关节要做一次极限动作，**瞬时电流**（Instantaneous Current: 短时间内通过的电流）可能是平时的3到5倍，发热量就是额定状态的9到25倍。这意味着热量的积累速度，远超关节**被动散热**（Passive Heat Dissipation: 不依靠风扇等主动装置散热）的能力上限。做一次空翻，关节温度就可能从温升10度直接跳到50度。所以做完之后电机需要冷却，机器人才能够继续下一个动作。要提升电机的能效，就得从电机材料、绕线工艺、结构设计上来下手，这里我们就不详细说明了。目前很多关节的散热主要靠被动，因为机身采用了大量金属，可以想象成巨大的散热片。只有在功率非常大的关节，才会额外加入**风冷**（Air Cooling: 利用空气对流散热）或者**液冷散热**（Liquid Cooling: 利用液体循环散热）。

### 体积、惯量与TN曲线：电机控制的精细化

比如说腿部，而且额外加入散热措施会带来第二个挑战，那就是体积限制。工程师们也正在想方设法地尽可能缩小关节电机，一方面是为了减轻重量、降低成本，更重要的是体积越大**转动惯量**（Moment of Inertia: 物体抵抗转动状态变化的惯性量）也就越大，改变运动状态也就更难。打个比方，当你旋转一根绳子的时候，绳子越短转速就会更快；如果绳子变长了，转速不仅会变慢，当你想停下来的时候，需要缓冲时间也会更长。

第三个难点是性能是否稳定，也就是在电机在输入多少电流的时候，转数是多少、能够输出多大的扭矩，业内称为是**TN曲线**（Torque-Speed Curve: 描述电机扭矩与转速关系的曲线）。这就会影响机器人的**控制算法**（Control Algorithm: 用于指导系统行为的计算步骤）。比如说走过一段不平整的路面的时候，脚踝上的**六维力矩传感器**（Six-Axis Force/Torque Sensor: 测量三维力和三维扭矩的传感器）感受到了起伏，为了维持平衡就需要动态调整电流，来控制电机扭矩。如果TN曲线不稳定，可能控制系统下达的还是同样的命令，但是电机输出的扭矩产生偏差，结果就是摔倒。而且TN曲线还对算法的训练有着很大的影响，因为机器人算法是先在**仿真系统**（Simulation System: 模拟真实环境的计算机系统）当中去训练的。如果仿真系统中的TN曲线和现实相差太大，那么现实表现也会产生偏差。

我会给输入这个仿真系统一个曲线，实际中这个电机就是能达到甚至超越这个曲线，那它想要的这个性能（动作）就能做到。如果反过来，在低转速下OK，但是转速一高它性能就下来了，这个时候就肯定有一些极限动作就做不了，因为有一些最难的动作就是要求你在极高的速度下，又有极高的爆发力。

### 伺服系统：编码器、驱动器与传感器的协同

那要精确控制电机转数，还需要一套伺服系统。主要由**编码器**（Encoder: 测量角度、速度、位置的传感器）、**驱动器**（Driver: 控制电机运行的电子设备），还有传感器组成。编码器用来测量电机转子的角度、速度、位置，让系统知道电机当前在什么状态。这个编码器其实很关键，机器人里面因为有减速器，所以你必须用**双编码器**（Dual Encoder: 在电机输入端和输出端都安装编码器）才能知道输入端和输出端两个的位置都在哪里，才能更精确地控制。驱动器会根据编码器的反馈，以及来自“小脑”的控制指令，调整给电机的电压和电流。传感器的种类就比较多了，比如说力矩传感器测输出扭矩，**温度传感器**（Temperature Sensor: 测量温度的传感器）测电机温度、防止过热等等。

### 执行器成本与自研策略：核心部件的抉择

以上就是执行器里的关键部位了。接下来我们再说一下执行器的整体，为什么它是降本的关键，自研和采购有多大的区别。根据**美国银行**（Bank of America: 美国一家大型金融机构）的测算，执行器是机器人身上成本最高的部件，约占51%。无论是手还是电机，其实**电机**（Motor: 将电能转换为机械能的装置）和**控制**（Control: 对系统或过程进行引导和调节），你的**肌肉**（Muscles: 这里指执行器，作为机器人运动的动力来源）是比你的骨骼、比你的眼睛（传感器）、脑子（芯片）包括你的心脏（电池）都要贵的。所以执行器是未来量产降本的关键。

最主要的因素就在于，中国供应链实在是太“卷”了。此前不少需要其他国家工厂精加工的部件，现在国内都能够找到替代。比如说做电机的**卧龙电驱**（Wolong Electric Drive: 中国一家电机制造商），做减速器的**绿的谐波**（Leader Harmonic Drive: 中国一家谐波减速器制造商）、**双环传动**（Double Ring Transmission: 中国一家齿轮传动部件制造商）、**中大力德**（Zhongda Lide: 中国一家精密减速器制造商）等等。甚至还有公司直接可以提供完整的执行器，比如说**三花智控**（Sanhua Intelligent Controls: 中国一家智能控制部件制造商）、**拓普**（Tuopu: 中国一家汽车零部件和机器人执行器制造商）等。

既然市面上可以买到现成的执行器，机器人公司为什么还要苦哈哈地自己研发呢？我们对比一下这两种模式：如果采购成品可以降低研发成本、提升开发效率，但是相应的物料成本会更高，难以根据自己的需求去定制，性能也会有所不足。大部分执行器公司不会给你专门去设计你想要的东西，它是标准件卖给你，然后成本相对来说也是比较高的。如果一个公司它本身本体的团队人又少，然后关节的积累也不够，这个肯定是去买别人的会更好一点，会更快速地能把这个东西做出来。

如果**自研**（Self-developed: 自主研发），能够更好地匹配需求和算法，性能更强，但是相应的需要付出大量的研发精力。选择哪种路径，更多的是公司的规模与成本的考量。根据我们的调查，目前头部的机器人公司更多的还是偏向自研，甚至会进驻到供应商那边去参与设计。所以机器人的关节，不仅仅是把零件装在一起，而是要在极小的体积内，实现力量、精度、耐久、成本、重量的平衡，可以说整个身体中是最难的部分。

### 感知世界：传感器的平衡艺术

原因在于这是一个新兴的产业，此前供应链并不成熟，大家都是在探索的阶段，很多的产线的设备都是行业内没有的，我们自己还要去设计这个生产设备。光有强健的关节还不够，机器人又该怎么知道怎么站稳，如何去感知世界？接下来我们来聊聊传感器。

这是一些人类“围殴”机器人的视频，虽然有的下手确实太狠了，但我们可以看到，大部分情况下，不论人类怎么干预，机器人都很难摔倒。要实现这样的平衡，在硬件上得依靠身体中的各个传感器。一方面是前面我们提到的电机伺服系统，它通过关节里的编码器和力矩传感器，实时感知每个关节当前的位置和受力情况，然后以每秒上千次的频率调整输出。

### 惯性测量单元：机器人姿态感知的基石

另一方面，光有“四肢的感觉”还不够，就像人类还需要靠内耳的**前庭系统**（Vestibular System: 人体感知头部运动和空间定位的器官），来感知身体的倾斜与旋转。那么在机器人身上，这个部位就是**惯性测量单元**（IMU: Inertial Measurement Unit: 测量物体三轴姿态角和加速度的装置）。IMU非常常见，比如说你把手机旋转的时候，画面也会跟着旋转，就是靠IMU。

IMU是几个传感器的组合，最核心的是两样东西：一个是**加速度计**（Accelerometer: 测量加速度的传感器），测量X、Y、Z三轴的加速度；另一个是**陀螺仪**（Gyroscope: 测量角速度的传感器），测量俯仰、偏航、滚转三个轴的角速度。此外IMU还会加入**磁力计**（Magnetometer: 测量磁场强度的传感器），相当于是**电子罗盘**（Electronic Compass: 测量方向的设备），用于校准。把这几个数据融合起来，IMU就能实时感知机器人的运动状态。当我们踹它一脚的时候，身体会瞬间获得一个加速度，同时还会前后左右倒，IMU检测到这个变化之后，就会将数据传给“小脑”，计算出需要给各个关节增减多少扭矩，然后将身体给拉回来。这个部件在手机、汽车等地方用得非常多，所以技术和应用也相对成熟。

### 视觉系统：激光雷达与摄像头的融合与差异

防摔倒靠的是IMU，而对日常行动来说，更重要的是防碰撞。**避障**（Obstacle Avoidance: 机器人自主避免碰撞障碍物的能力）最依赖的就是**视觉系统**（Vision System: 机器人通过摄像头等获取图像信息并进行处理的系统）。机器人的“眼睛”和汽车的自动驾驶非常像，但又不完全一样。常见的方案是**摄像头**（Camera: 用于捕捉图像或视频的设备）、**激光雷达**（LiDAR: Light Detection and Ranging: 利用激光测量距离和生成三维点云的传感器）和**毫米波雷达**（Millimeter Wave Radar: 利用毫米波段电磁波探测目标的传感器）的多传感器融合。其中的例外就是**特斯拉**（Tesla: 美国电动汽车及清洁能源公司）的**Optimus**，众所周知，**埃隆·马斯克**（Elon Musk: 特斯拉CEO）是坚定的**纯视觉党**（Pure Vision Faction: 主张仅依靠摄像头实现自动驾驶或机器人感知的技术路线），只用摄像头。

在传感器的使用上，机器人几乎和汽车一样，许多供应商也都是从汽车供应链上面迁移而来的。不过注意一下，虽然都是同一种传感器，但是实际的规格大不相同。我们以比较贵的激光雷达来举个例子。首先是**测距要求**（Ranging Requirement: 对距离测量精度的要求）不同，汽车要跑高速，激光雷达需要看到150到200米外的障碍物；机器人主要在室内活动，10到20米就够了。测距短了，就意味着激光雷达的功率、体积、成本也可以更低。

### 机器人激光雷达：小型化、高密度与抗震性

第二点是**点云密度**（Point Cloud Density: 单位体积内点云的数量）和**扫描方式**（Scanning Method: 激光雷达扫描环境的方式）不同。汽车识别的是车、人、路障，这些都是大物体，点云密度可以低一些。但机器人需要在桌子上拿起螺丝刀，在地上捡起硬币，这些都是小物体，所以需要更高密度的点云。我们希望这个点云要非常的密，像我们现在用的话，它是**非重复扫描**（Non-Repeating Scan: 激光雷达扫描路径不重复，可逐渐提升点云密度），就是说你在原地站一会儿之后，它的点云变得更密了，这个对我们来说是非常好的，因为我们机器人很多时候并不是那么激烈地在做操作的，它像人一样，人其实做很多事情都是慢慢地去做的。汽车的话，它是要求它的稳定性、实时性还有重复性要求非常高。

第三是安装位置和体积不同。车可以把激光雷达装在车顶、保险杠上，体积大一点也没有关系。但是机器人身体就比较小，就必须使用更小的模组。第四就是**可靠性要求**（Reliability Requirement: 对系统或产品在规定条件下和规定时间内完成预定功能的能力要求）不同。比如说汽车常年在室外，对工作温度要求更高；而机器人受到冲击力更大，对抗震性要求更高。以前做车规的话，激光雷达的要求是-40度到85度，最低的要求，然后机器人上完全是不需要的，至少现在是不需要的。所以汽车上有很多专门为可靠性做的设计，在机器人看来就是**冗余的**（Redundant: 多余的，非必需的）。汽车它可能出车祸的时候，那个加速度才能达到机器人日常做一次空翻的加速度，所以说我们对这些震动状态下的稳定性这些要求都非常的高。

虽然汽车的激光雷达已经非常成熟了，但是机器人的激光雷达还处于行业非常早期的阶段。比如说我们希望体积变得更小，我们希望这个点云更密，我们希望这个距离短一点，但是**FOV**（Field of View: 视场角，传感器能观测到的范围）大一点，然后这些需求其实都是还没有被满足的。

### 摄像头技术：特斯拉的纯视觉路径与挑战

在摄像头上，前**特斯拉**（Tesla: 美国电动汽车及清洁能源公司）人工智能硬件负责人就告诉我们《硅谷101》，它们选择了车规摄像头，但内部研发时的路径也一再变化。目前的方案应该是基于车上的摄像头，500万像素。早期最早的方案是堆了很多摄像头的，像素都是有区别的，就把**帧率**（Frame Rate: 视频或动画中每秒显示的帧数）降低、像素提高。为什么这么做呢？是因为当时**埃隆·马斯克**（Elon Musk: 特斯拉CEO）提了个要求，说那个机器人能够做到**穿针引线**（Thread a Needle: 形容精细操作的能力），要做到这个要求，当时我们算了，你必须得要有超过1500万像素才能看得见这个事情。也是因为软件团队吧，就是说这个事情如果要是连像素、摄像头都变了的话，对于重新训练这个模型的要求、时间的要求、还有工作量就都会大太多了。做不到怎么办呢？考虑在摄像头上加**自动对焦**（Autofocus: 自动调整焦距以获得清晰图像的功能）。后来好像又说这个事情也未必是一定需要的，所以这个事情反正就是一直在变。

### 触觉传感器：从压阻到光学的技术演进

要实现**触觉**（Tactile Sense: 通过皮肤感知物体接触的感知能力），主要分四种途径。最常见的是**压阻式**（Piezoresistive: 通过压力改变电阻值），通过将压力转化为电阻来改变电流信号，比如说电子秤会用到。第二种是**电容式**（Capacitive: 通过压力改变电容值），用弹性介质隔开上下两层，当施加压力时电极距离会变小，电容值发生变化。第三种是**压电式**（Piezoelectric: 材料受力时产生电压），只要材料受力就会直接产生电压，比如打火机里面放电的那个小玩意儿。第四种就是**光学式**（Optical: 通过光线变化感知），表面有弹性材料，受力之后会产生形变，由摄像头来捕捉。这是目前最热门的方式。

### 三维触觉：精度、稳定性与商业化前景

触觉最好是三维的，不仅可以感受到压力，还能够感受到平面上的摩擦。比如说当我拿起一罐饮料，手会捏紧瓶子，向上抬起。如果手指感受到瓶子有向下滑的这个摩擦力的时候，会加大捏的这个力度，避免它滑落。但这也对材料和算法提出了很大的挑战。第一个层面就是，在传感器本身这个层面，你想象一下，它其实本质上都是材料，任何的材料都很难在三个（X、Y、Z）方向上很好地解耦开，所以这个本身的精度就变得比**一维力**（One-Dimensional Force: 沿单一方向的力）难很多，怎么能把它弄准？然后其次是，这些三维的触觉，这么复杂的数据，怎么跟这个**操作模型**（Operation Model: 指导机器人进行特定操作的数学模型）结合起来？这个东西也是非常难的，因为现在整个数据的量都非常非常少。

在这些挑战之下，此前行业中的量产机器人几乎不怎么搭载触觉。整个2025年量产的产品里面，触觉用得非常非常少，几乎就没有，不只是我们，就整个行业都用得很少。原因是什么呢？原因是因为这个东西不稳定。你要考虑它长期抓东西的时候，怎么能不变形？因为它稍微变形一点，可能输出的信号就完全不一样了。还有就是，不要发生性能的这些**漂移**（Drift: 传感器输出随时间或环境变化而产生的偏差）。形状、位置这些都不能发生破损，那个材料又要稍微柔软一些，又要很耐磨，所以这本身也是很矛盾的事情。但到了今年，情况似乎有点变化，我们的采访嘉宾就表示说，到了今年，到了2026年，看到了**规模化生产**（Mass Production: 大批量制造产品）的希望。接下来就是如何在**数据采集训练**（Data Collection and Training: 收集数据并用于训练模型）当中，让触觉系统更好地结合了。整体来说，触觉这个行业还非常的早期，我们也期待看着未来更多的进步。

### 多元传感器集成与电气架构：机器人的中枢神经

除了前面提到的这些传感器之外，机器人身上还需要温度、湿度、六维力矩传感器、**UWB**（Ultra-Wideband: 超宽带无线电技术）等等，这些都比较成熟了，我们就不多赘述了。传感器能够让机器人感知世界，关节赋予机器人活动的能力，但是要让这两者结合，还需要一个“中枢”，那么接下来，我们就来聊聊这个中枢，也就是**电气架构**（Electrical Architecture: 机器人内部电力和信号传输的整体设计）。

### 大小脑芯片：算力与实时性的双重需求

我们之前讲机器人算法的时候提到过，业界发展出了“System 1+System 2”这样的**双系统架构**（Dual System Architecture: 机器人控制系统中采用两个独立系统协同工作的模式），**System 1**（System 1: 负责快速、直观反应的系统）负责操控四肢，**System 2**（System 2: 负责复杂思考和决策的系统）做复杂思考。在芯片上，也是采用了“小脑+大脑”这样的组合。为什么不用一个芯片来干所有事？因为需求完全相反。**大脑芯片**（Brain Chip: 负责复杂计算、决策和高级认知的芯片）要思考的是“该怎么做事”，需要的是高算力、大内存，最好能够在**端侧跑大模型**（Run Large Models on Edge: 在设备本地运行大型人工智能模型）。延迟个几秒基本没啥影响。

目前绝大多数机器人大脑选用的是**英伟达**（NVIDIA: 美国一家半导体公司）的**Orin芯片**。2025年英伟达还推出了性能更高、专为机器人和物理AI设计的**Thor芯片**，预计将会成为未来的主流。

### 芯片整合：特斯拉的自研之路与行业趋势

**特斯拉Optimus**例外，它用的是**自研芯片**（Self-developed Chip: 公司自主设计和生产的芯片），而且还是双芯片。机器人因为不是自动驾驶，没有这种安全考量。**埃隆·马斯克**（Elon Musk: 特斯拉CEO）自己觉得，他说不需要这个安全冗余的问题了，一个芯片就够了。做一个单芯片系统之后，他后来一想不对，机器人的**世界模型**（World Model: AI系统中对外部环境和自身行为的内在表示）对算力的需求是远高于自动驾驶的，自动驾驶两个都够呛，机器人怎么可能一个能够？他自己又反应过来，又说不对不对，把这个事情改回两个。

另外今年初的**CES**（Consumer Electronics Show: 国际消费电子展）上，**高通**（Qualcomm: 美国一家半导体公司）也发布了机器人大脑芯片**Dragonwing IQ10**，并且宣布了与**Figure**（Figure: 一家专注于人形机器人的公司）的合作。而**小脑芯片**（Cerebellum Chip: 负责实时运动控制和平衡的芯片）要“操控身体”，不需要特别高的算力，但是实时性、稳定性，还有响应速度必须高。一旦延迟个几毫秒可能就会摔倒。比如机器人空翻、跳舞的时候，基本是用提前录好的动作，但我们会发现它的脚还是会有一些碎步，这就是小脑在动态地调节平衡，就像人类的“本能反应”一样。小脑它是要求速度非常快，所以我们在小脑里面，这个频率可能是1K赫兹。目前小脑芯片通常是**MCU**（Microcontroller Unit: 微控制器单元），主流选择是**意法半导体**（STMicroelectronics: 一家全球领先的半导体公司）的**STM32系列**、**恩智浦**（NXP: 荷兰一家半导体公司）的**i.MX RT系列**，还有**瑞萨**（Renesas: 日本一家半导体公司）的**RZ系列**等等。

现在我们也看到了一个新的趋势，就是行业正在试图将大脑和小脑芯片整合在一起。这方面特斯拉比较前沿，一开始走的就是这条路线。我们就先默认当时是用**Hardware 4**（Hardware 4: 特斯拉的第四代自动驾驶硬件）这个电脑的自研芯片，特斯拉的大脑小脑集中在同一个芯片上面。如何通过这一个芯片，用一个什么样的**通讯架构**（Communication Architecture: 设备之间数据传输和交互的设计）来控制整身的行动？当时我们也是花了一些时间研究这种方案。一个**SOC**（System on Chip: 片上系统，集成多个功能于单个芯片）里面既有这个算力的**ASIC**（Application-Specific Integrated Circuit: 专用集成电路），同时它也有一个多核的**CPU**（Central Processing Unit: 中央处理器），它这个多核的CPU可以用来处理小脑这些东西，这个频率其实很高的CPU，它的延迟也非常的低。

### 一体化芯片：简化架构与高性能通讯的未来

除了特斯拉外，也有其他公司在研究集成方案，比如说**灵境智源**（Lingjing Zhiyuan: 一家致力于机器人芯片研发的公司）在今年3月份就发布了**德沃夏克架构**（Dvorak Architecture: 灵境智源发布的一种芯片架构），在一块芯片上集成了“大脑、小脑、皮层”三个功能。统一成一块芯片会带来哪些好处呢？

首先我觉得最大的一个优势就是现在你做成一块板了，它整个胸腔的体积和走线都会变得很简洁。其次是，大脑和小脑越往后，我觉得它们之间的协调就越重要。比如说举个例子，有人向你扔了一支飞镖，然后你去看这个飞镖的轨迹，还有预测，这些东西可能都是用大脑。但是你手伸出去去抓到它，这个是小脑。这两个东西之间通讯越快，其实越有利于完成这种非常高难度的动作。如果大脑、小脑做在一起的话，芯片之间的通讯会非常非常快，可能这个大脑能够实时地去控制这个小脑怎么动，以一个非常高的速度去反馈。不过根据行业内的看法，统一大小脑芯片还处于非常早期的阶段，需要等机器人出货足够多，市场足够大之后，机器人公司才会像现在的智能汽车公司一样，逐渐转向**一体化的自研芯片**（Integrated Self-developed Chip: 将多个功能模块集成到单个芯片上的自主研发芯片）。

### 能量供给与神经网络：电池与线束

最后还需要为全身提供能量的**电池**（Battery: 提供电能的装置），就像机器人的心脏。核心需求是如何在更小的密度下，容量做到更高。主要供应商有**宁德时代**（CATL: 中国一家动力电池制造商）、**LG**（LG Energy Solution: 韩国一家电池制造商）、**亿纬锂能**（EVE Energy: 中国一家锂电池制造商）等等。还有遍布全身的**线束**（Wire Harness: 连接各部件的电线束），就像神经与血管，用于设备之间的通信与供电。主要供应商就有**立讯精密**（Luxshare Precision: 中国一家电子连接器制造商）、**TE Connectivity**（TE Connectivity: 全球电子连接器和传感器公司），还有**Amphenol**（Amphenol: 美国一家连接器制造商）等等。关于机器人的供应链是种类繁多，我们就不一一地介绍了，在这里我们放一张全景图，大家有兴趣可以暂停观看一下。

### 机器人工程：平衡的艺术与系统整合

看到这里，相信你已经学会了怎么造一台机器人了。但是先别急，如果你真的自己去做了，会发现哪哪都是问题。因为造机器人最大的难点，其实是各个**工程之间的平衡**（Engineering Balance: 在不同设计目标之间寻求最佳折衷）。

### 量产与供应链：从能动到好用的鸿沟

最后我们再来聊聊组装与量产的难题，以及这两年机器人突飞猛进的原因。如果你看过前段时间的**机器人马拉松比赛**（Robot Marathon: 机器人参加的马拉松赛事），会发现现场有不少有趣的事：有的随地大小坐，引来隔壁机器人拍手叫好；有的跑着跑着脚崴了、喝醉了、胳膊掉了、冲上绿化带了，或者被减速带绊倒之后“粉身碎骨”了。当然也有表现非常亮眼的，比如说**荣耀**（Honor: 中国一家智能手机品牌）的机器人，不仅包揽了前六名，还刷新了人类的半马纪录。机器人也算是人吧，不过这也是引发了一些讨论，连手机厂商做机器人都能够表现得这么好，是不是意味着这行业没什么门槛呢？业内人士的回答是“Yes and No”。

我们先来说“Yes”的部分：大家发现没有，前面我们提到的各个零部件，供应商和手机、汽车行业是高度重合的。再往上，算法也有部分能和**自动驾驶**（Autonomous Driving: 车辆无需人工操作即可行驶的技术）复用。这也是为什么**荣耀**、**小米**（Xiaomi: 中国一家智能手机及智能硬件公司）、**特斯拉**、**小鹏**（Xpeng: 中国一家电动汽车公司）会下场做机器人的原因。

**电气与动力系统**（Electrical & Power System: 机器人的电力供应和控制系统）这个东西基本上就供应商来说，可以**重合度**（Overlap Degree: 不同行业或产品之间供应商或技术的相似程度）达到百分之九十几。然后**机械系统**（Mechanical System: 机器人的物理结构和运动部件），就算模具不一样，供应商也可以有很多类似的吧。**电驱**（Electric Drive: 电力驱动系统）这一块是唯一可能和车相关性没有那么高的，因为车里面不需要有这种提供太多扭矩的东西。但是你说你减速器、齿轮这种，汽车里面肯定是大大有的，当然了，现在减速器或者变速箱用得少了，但是齿轮这种东西，在汽车里面是不可能不存在的。**传感器**（Sensor: 用于收集外部环境信息的设备）一样。也就是说你基本上，就80%以上的东西是可以**同质的**（Homogeneous: 产品或技术具有相似性）。理论上，只要你认识这些供应商，就能够自己搓出一台机器人。

但是“能动”和“好用”之间，却隔着一道巨大的鸿沟，这就是“No”的部分。比如说组装之后**重量分布不均**（Uneven Weight Distribution: 质量在物体内部分布不均匀），机器人的重心就偏，走路的时候为了保持平衡，某些关节就要额外出力，**功耗增加**（Increased Power Consumption: 电力消耗增加）、**续航减少**（Reduced Battery Life: 电池使用时间缩短），甚至影响**步态的稳定性**（Gait Stability: 走路姿势的稳定性）。你所做的每一次尝试、每一个选择，无论是为了让机器人的散热性能更好，还是为了减轻它的重量，都会让另一端的其他性能变差。比如，如果你试图让它变轻一点，那就意味着它没办法承受多少重量。又或者在实验室里面跑了1个小时没有问题，但是放到真实环境里面去跑100个小时，各种毛病就出来了，比如说某个螺丝松了、某根线磨损了、某个关节的润滑脂干了、某个传感器开始漂移了。这些都必须经过不断的调试，才能够找到平衡点。

每一个零部件，我把它拆成每个供应商，我觉得供应商的难度都不高，我觉得最后是**系统整合**（System Integration: 将不同的子系统组合成一个整体系统）才是比较难的东西。更多是说你给它上了**约束**（Constraint: 对系统性能或行为的限制条件），就比方说你要把这个东西减重，轻量化做到什么程度。但是你以人形把它框住了之后，它的力矩的大小以及它的精密度上，你都要达到一个人类的高度，这才是难点。更多的是工程路径上的**权衡**（Trade-off: 在相互冲突的目标之间做出选择）。你往往市面上买到的标品，都是不能让人满意的，都离我们真正算法应用的要求来说有差距的。所以这些都是核心零部件，我们要自己动手去做。

要做出可商业化、能量产的机器人，还会面临**一致性**（Consistency: 产品或性能在不同批次间保持相同）的问题。因为每台的关节**背隙**（Backlash: 传动部件之间的间隙）、传感器**零点**（Zero Point: 传感器测量的起始点）、电机参数都不一样。要让同一套算法能够稳定应用在不同批次的本体上，还需要对各个细节去做调整。你放10个机器人在那，它其实每一个人你给它发同样的参数（指令），它的手伸出去位置是不一样的。但是如果做操作，你可能差个几毫米，你就从能抓住它变成了把它撞倒，那这个时候怎么做？所有机器人的这些传感器和执行器的**标定**（Calibration: 校准和调整传感器以确保测量准确性），把这个标定方案做好，这个其实就非常难。还有就是，你标定完了之后，你能不能保证在它使用一年之后，它很多地方老化了，传感器也有畸变了，这个时候它还能保持稳定？这个时候可能你还需要一些**在线标定**（Online Calibration: 在设备运行过程中实时进行的校准），就是自己能把这个误差分析出来。这些东西都是看不见的功夫，但是如果你不做的话，你后面很多问题都解决不了。所以真正的难点不是“拼起来”，而是系统级的整合。

### 供应链成熟与未来展望：接住一片落叶

我们回到机器人马拉松，今年不仅速度进步了不少，整体的完成度也是提升了。再看这两年机器人动作上的进化，从走路到转手绢再到跳舞、武术，为什么这两年的进化如此之快？最重要的原因就在于**供应链的成熟**（Supply Chain Maturity: 供应链体系的完善和稳定）。说实话，在过去一两年，机器人行业还不像现在这么的被大家看好，那个时候大家不会为机器人去做激光雷达，大家只会说我这个为物流车做的，你拿来直接用吧，那个时候是求着别人，那个时候跟现在不一样，大家对机器人这个都是将信将疑的。

正如我们前面所说到的，机器人产业链很多环节都和汽车重合，此前对供应商来说，存在**内部资源博弈**（Internal Resource Game: 企业内部不同部门争夺资源的现象）的问题。在产量有限的情况下，是优先供给商业化成熟的行业，还是修改产线，去押注商业市场尚未成熟的机器人？以前市场我觉得还没有到这个水平，就是你的数量跟工业级，或者说跟真的跑量的，比方说手机、汽车这个数量级，还可能差一到两个数量级。供应商也是在博弈，因为他内部资源也有限。而随着机器人赛道越来越热，供应商开始愿意为机器人专门开模、**定制产品**（Customized Product: 根据特定需求生产的产品）。相信随着需求越来越大，商业化路径更加明确，供应链会像滚雪球一样去成长。

那么下一个里程碑的动作会是什么呢？我前几天去了**上海马戏城**（Shanghai Circus World: 中国上海的一个文化娱乐场所），然后我看了一场表演之后我的感觉就是，机器人里面还要进步的东西太多太多了。那个蒙着眼睛在几十米高空走钢丝的演员，那位用一根筷子让几十只碗同时旋转的杂技师，他们展示的是人类用了上百万年才进化出来的东西：极致的感知、本能级的平衡、毫厘之间的触觉反馈。

### 终极目标：迈向人类般“感控融合”

虽然现在机器人能够空翻、能武术，但是它依然离人类遥远。那我就问**王闯**（Wang Chuang: 行业内人士），对机器人的下一个里程碑时刻有着什么样的期待？他的回答其实让我有点惊讶，他的答案不是什么更加复杂、更加**炫酷**（Fancy: 华丽、引人注目的）的动作，而是一个非常非常基础，具备人类“**感控融合**”（Sense-Control Fusion: 机器人感知与控制系统深度融合，实现更自然、精确的交互）的本能的——“接住一片落叶”。

有一片树叶，我能走过去，然后手伸起来正好就捏到那片树叶。仅仅是一阵风飘过，穿过一片树林，而“它”走过去，伸出手，“恰好”接住了一片落叶。这一天到来的时候，机器人距离我们的生活又近了一大步。好了，这就是这期视频的全部内容，非常感谢大家收看到这里。你们的留言、点赞和转发，是支持我们《硅谷101》做好深度科技和商业内容的最佳动力。我是陈茜，那我们就下期视频再见了，拜。