伯牙智能刘欣：GPT-6 之后，轮到硬件拖机器人后腿了 | 物理AI 50人

本文作者：

导语：灵巧手去年出货近 2 万只，大部分在「吃灰」

灵巧手去年出货近 2 万只，大部分在「吃灰」

作者丨 向 欣

编辑丨 高景辉

去年，国内灵巧手公开可查的出货量是约两万只。在伯牙智能创始人刘欣的观察里，其中大部分灵巧手的归宿是跟着人形机器人表演几场，然后被搁在角落里， 「表演完就吃灰」 。

便宜的低自由度灵巧手多用于表演；操作能力更强的高自由度产品又容易损坏，有的因为贵，买回来供着不敢用，有的用一星期到两三个月就坏了——这是刘欣看到的灵巧手市场的现状。

在他看来，灵巧手行业连目标客户是谁、要解决什么问题、客户愿意为什么买单，都还没有明确答案。行业需要开辟 第三个市场 ：以可接受的成本，将科研级操作能力带入实际应用。

而这样的产品至今仍未出现，目前最顶尖的灵巧手，离人手能力都相差甚远。这就是伯牙的机会。

刘欣在阿里工作近十年，曾任阿里巴巴操作系统事业部技术总监、斑马智行产品负责人，业务涉及手机、汽车、IoT 和机器人。2023 年，他加入蔚来，负责乐道汽车智能化相关产品。

2024 年 8 月，他联合斑马智行联合创始人张斯成，以及哈尔滨工业大学（深圳）、中国科学技术大学的两位教授创办伯牙智能，希望「为人工智能造一双真正能干活的手」。

跨行业的经历，让他习惯把一件事放进更大的坐标系里思考，做灵巧手也是如此。他喜欢从不同领域里寻找灵巧手的产品思路，思考市场的迭代和发展方向，会参照汽车和手机的发展历程，也会从生物进化和人体结构出发，思考五指设计的必要性；旁征博引，各种论据信手拈来。

由此，他形成了一些与行业主流判断不同的看法： 相比硬件，模型可能更早触及能力拐点 ，届时限制机器人操作的可能是身体，而非大脑； 直驱手虽然暂时领先，但绳驱会后来居上 ；灵巧手的精度标准，应该从「重复定位精度」变成 「可控制的最小精度」 。

伯牙的首款灵巧手高山 S1有 22 个自由度，采用以绳驱为主，齿轮直驱加丝杠连杆为辅的混合驱动。刘欣介绍，他们是全球第一家做绳驱＋丝杠并联手腕构型的灵巧手公司。

除了硬件，伯牙还在开发一套「小脑」模型，内置 30 多种标准动作，由上层模型调用相应动作，并通过实时反馈调整执行细节，让灵巧手更稳定地完成操作。

在这个行业，卖出去不等于用了起来。一只灵巧手距离真正可用，还有多远？伯牙为什么认为绳驱路线会后来居上，灵巧手的「小脑」要怎么做？以下是 AI 科技评论与刘欣的对话。

01

2 万只灵巧手，大部分都在吃灰

▎ AI 科技评论：有公开数据显示，去年灵巧手的出货量是 2 万只，伯牙却在今年 6 月才推出产品，会觉得自己比市场晚了一步吗？

刘欣： 这两万只可能大部分都是卖给配合人形机器人做表演，表演完就吃灰。

事实上，现在灵巧手行业在各种意义上都没收敛，包括技术路线，产品定义和客户价值。行业仍然处在特斯拉 Roadster、理想 ONE 的早期阶段，甚至比理想 ONE 还要更靠前，因为理想 ONE 已经有非常清晰的产品定义边界，而目前的灵巧手没有。所以也不能简单地说谁晚了。

▎ AI 科技评论：根据你的观察，现在灵巧手的市场情况是怎么样的？

刘欣： 今天的灵巧手产品两级分化。一类是低自由度的，简单、耐用、便宜，几千块钱就能买到，但操作能力非常有限，主要用来给人形机器人做表演，挥挥手之类；另一类是高自由度的，操作能力更好，成本也高，主流价格都在 10 万以上，但也用不起来，主要是科研机构在买。

我们今天是在创造灵巧手的第三个市场，把一部分科研级的操作能力带到实际应用中，同时让成本落在客户能接受的范围内，解决过去自动化设备处理不了的问题。

不过这样的产品今天依然不存在， 今天市面上最先进、最高端的灵巧手的能力，都和人手能力差得非常远。

▎ AI 科技评论：为什么操作能力更好的高端灵巧手用不起来？

刘欣： 因为大家更多是在秀肌肉。今天证明会拧瓶盖了，明天证明会拧螺丝，后天会打鸡蛋了。但要真实部署的话，客户首先肯定很难接受 5 万、10 万以上的售价。

没有做过机器人落地的人，不会知道落地的代价。 一条机械臂买来可能只花 20 万，但要用起来，可能要额外花 100 万，灵巧手也是一样。

其次 今天这些主流的高端灵巧手，使用寿命可能就是一两周，或者最多到一两个月。

今天大家都在挑战极限，展示自己能跑多快。但你不能把百米冲刺的速度，当成跑马拉松时也能维持的平均速度。

▎ AI 科技评论：听起来现状似乎是，目前灵巧手产品的能力被高估了，做出好灵巧手的难度被低估了。

刘欣： 对。关于灵巧手的所有东西都还不成熟，都是瓶颈，从任何单一的角度看都有挑战，况且灵巧手是一个系统，需要把所有东西整合在一起，是一个更大的挑战。

▎ AI 科技评论：拆开来看，最容易出问题的是哪个环节？

刘欣： 电机和传动结构是灵巧手最容易出问题的。

这是灵巧手设计中的一个矛盾：它需要在极其有限的空间里，塞进机械结构、电机、电路和传感器，同时还要保证足够的力量和功率密度。

手指做得越细，结构强度和承载能力就越容易受到限制，尤其是关节连接处，可能只承受几百克到一公斤左右的力，持续使用一周就出现断裂。

手要做得小，齿轮就要做得精密，模数就要小，齿轮的齿就越小，对加工精度的要求也越高。比如灵巧手里直径只有几厘米的齿轮，模数可能只有零点几。

在这样的尺寸下，以今天的材料和工艺水平，齿轮很容易出现磨损、变形甚至断裂。

▎ AI 科技评论：在精细结构下，保证力量也是一个问题。

刘欣： 执行任务一定要考虑力量。人的大拇指有 10 公斤的力。而今天灵巧手大拇指的力，主流的是标 1 公斤，比较高的是 2 公斤，但标的力和实际上能施加的力都有偏差，标的 1 公斤，可能实际上无法达到 1 公斤。我们做到了 3 公斤。

▎ AI 科技评论：触觉呢？现在有真正能用的触觉传感器吗？

刘欣： 触觉传感器现在离真正可用还差得非常多。 我们测试了很多不同技术路线的触觉传感器，但没有一个是满分的，都是带伤工作。

我现在都不先 care 耐用性，就它本身信号的稳定性、一致 性都 有不少问题需要解决。

例如，今天的传感器还无法很好地消除残留信号带来的噪声。人拿起一个东西再放开后，力觉、视觉等感知信号还会有残留，但经过上亿年的进化，人的大小脑和神经系统已经学会了如何抵消这些噪声，今天的传感器还做不到这一点。

灵巧手要具备接近人手的感知能力，还需要解决感知精度与分布的问题。人手的感知神经是 17000 个，但它不是均匀分布的，就像地理一样，有一二三级。手掌、手背是最稀疏的，指腹可能是它们的两倍左右，指尖是手掌的 4～5 倍左右。越到指尖就越精细。

有的电子元器件上面有金属针脚，工人要用指尖压一下，靠受力的感觉判断针脚有没有衔接牢固。这些人与生俱来的能力，对机器人来说非常难。

客观来说，虽然现在传感器有瑕疵，但还是基本可用的，反倒是模型还没充分发掘触觉的能力，等这一关过去，也会对传感器提出更清晰的改进方向

▎ AI 科技评论：可靠性现在对行业而言也是卡点吗？

刘欣： 我觉得，现阶段行业最重要的还不是可靠性。就像 iPhone 刚出来的时候，大家会说它每天都要充电，诺基亚半个月都不用充一次，但用户愿意为了智能化带来的体验提升，接受这个取舍。

灵巧手也是一样。耐用性肯定不能只有一个星期，但现阶段至少要争取做到三个月到半年。

目前行业主流的保修期可能是 6 个月，敢承诺一年以上的很少。但这 6 个月的保修，很多时候是靠提前准备一大笔备用金来支撑的。比如客户买一只灵巧手，厂商可能要准备三只的成本。

特斯拉早期也经历过类似的阶段。当时一些零部件容易损坏，公司的做法就是预留一大笔资金，客户报修后，直接免费更换。新技术和新产品走向市场，都可能要经历这样一个阶段。

▎ AI 科技评论：行业里有一种说法，七八成的任务夹爪就能完成，高自由度灵巧手的市场会不会比想象中要小？

刘欣： 大家很容易用当下可见的任务去预判未来需求，但人的想象力总是低估物理世界的可能性。

IBM 最早推出大型机的时候，曾经有人认为，全球可能只需要几台计算机。Steve Wozniak 拿着最早的苹果电脑原型去找惠普，惠普也不看好个人电脑，觉得谁会买这个东西？iPhone 刚推出时，谁能想到后来会出现这么多应用，甚至发展出上亿种应用场景？

大家总是按照已有的应用场景去判断一个新技术，很难想象一个尚不存在的市场。等技术能力提升以后，你才会慢慢发现它的潜力。当然，这需要时间。

灵巧手也是一样。今天大家觉得夹爪已经能完成很多任务，但当灵巧操作的能力进一步提升，新的应用场景才会慢慢出现。

举个例子，深圳周边有些小工厂生产完零件后需要在高倍数电子显微镜下检查零件，零件每个面都要翻一下，这种任务传统夹爪肯定做不了。

▎ AI 科技评论：那为什么一定要五指？三指、四指不行吗？

刘欣： 今天的机器人，无论「大脑」还是「小脑」，对空间和物理的认知都还远不充分。因此，我们思考机器人应该如何构建时，很容易把问题想得过于简单。

从生物进化的角度看，人类需要面对大量无法提前确定的情况，所以人体设计不会只满足最高频的需求，还要为低频、突发的情况保留冗余。

人类最后进化成五指手也是类似的思路，很多动作两三根手指就能完成，但五指能为复杂任务留下更多能力空间。

五指中力量最大的是拇指，成年人的拇指大约有十公斤的力，其次是食指，力量大约六七斤，再往后是中指、无名指和小拇指。

力量较弱的手指通常承担支撑、辅助和探索的作用。 有统计显示，与五指相比，四指或三指每少一根手指，能力可能下降约 10%。

这种冗余也存在于人体的大脑和运动系统中。我们平时很少用尽肌肉力量，或持续发挥最快速度和最大耐力，但这些能力依然被保留下来，以便应对突发情况。

机器人也是一样，需要为复杂、低频的任务预留足够的能力空间。

▎ AI 科技评论：落到具体干活的场景，到底需要几根手指？

刘欣： 至少需要 4 根手指。工厂里用电动工具拧螺丝，如果只有两个手指，就没办法扣动扳机；如果只有三个手指，只有两指能握住螺丝枪，剩下一个去扣动扳机，其实也拿不稳这个工具。

▎ AI 科技评论：小拇指呢？特斯拉的工程团队也纠结过要不要这根手指。

刘欣： 小拇指力量较弱，更多承担辅助作用。很多时候，人甚至意识不到它的价值，只有失去或受伤后，才会发现它的重要性，就像走路时很少关注具体用了哪些肌肉，扭伤后才会感受到影响。

我讲一个反常识的例子：OpenAI 在 2018 年前后买了一堆 Shadow 的手去转魔方。转魔方时他们注意到， 最后训练出的模型比人类更爱用小拇指。 因为 Shadow 的五根手指是一样强的，模型发现，如果能动用这根手指，整个效率和成功率会更高，所以它就更倾向于用。

所以我觉得，类人是第一步，超越人可能是将来。

▎ AI 科技评论：那以后有可能有六指？

刘欣： 有可能。国外有大学做过实验，给人装一根电动的第六指，非常好用，就是多一个辅助，多一根手指，就多一个抓取或勾挂的通道。

▎ AI 科技评论：之前还看到一些模仿章鱼触手的软体腕足实验。如果将来材料或者算法跟得上，这类方案会不会比多指灵巧手更好用？

刘欣： 有可能。人的大脑适应性很强。经过训练，很快就能把第三工具当成身体的延伸。

像用筷子、用遥控器玩赛车、玩无人机，或者开手动挡汽车，熟练之后，动作都不需要刻意思考，就像形成了肌肉记忆，最终达到「人车合一」的状态。

▎ AI 科技评论：现在直驱方案在高端灵巧手市场上占据主流，但你们做的是绳驱。从行业看，直驱的主流地位会一直持续吗？绳驱的机会在哪里？

刘欣： 我可以做一个判断： 现在的头部直驱灵巧手已经接近物理极限 ，现有性能还能微调，但未来一两年到两三年内，很难实现大幅提升。

而我们这套绳驱为主的技术架构，我认为还有很大的性能提升空间，未来仍然有机会实现大幅进步。

直驱暂时领先，因为它更好集成。但绳驱手的产品研发正在加速迭代。后面新的绳驱手产品出来的时候， 大家就会看到绳驱手在某些层面会超越今天顶尖直驱手。

▎ AI 科技评论：有一种说法是，只要电机模组成熟了，直驱手就能做好。你同意吗？

刘欣： 模组成熟了，不代表整机就会容易。就好比发动机成熟了，不代表造一辆好车很容易。而且我们和国内头部电机厂商沟通过，他们目前的研发计划显示， 电机性能的提升并没有想象中那么快。

灵巧手的传感器和机械构型迭代会相对快一些，机械结构比较容易调整。但减速机和电机涉及更复杂的工艺、制造和量产问题，迭代就慢得多。

比如减速机，大家谈了很多年的微型摆线方案，可现在还没真正实现大规模量产和广泛应用。目前主流仍然是行星和谐波减速机，因为这些方案经过了长期验证，在工艺、品控和成本上相对成熟。

02

模型会比硬件更早突破

▎ AI 科技评论：为什么你认为绳驱为主的混合驱动会是更好的方案？

刘欣： 现在灵巧手的性能指标之间存在很多矛盾，比如负载强，精细操作可能受限；做得纤细灵巧，力量和耐用性又可能不足。

我们选择绳驱为主的混合驱动方式，就是希望兼顾手指的纤细、力量和耐用性。我们也是 全球第一家做绳驱＋丝杠并联手腕构型的灵巧手公司 。

我们对灵巧手的设计逻辑，和人类经过几百万年进化，形成的精妙手部结构是一样的。

人类手指轻轻捏一下，主要靠蚓状肌、掌内肌这些小肌肉完成精细控制；用力提拉东西，真正发力的则是手臂肌肉。

所以， 生物要兼顾力量和灵巧，通常需要把两者分开 ：越靠近末端，结构越纤细、神经分布越密集，越有利于精细控制；越靠近根部，肌肉和结构越粗壮，越适合提供力量。人类的手臂和手部，就是经过长期演化形成的分工体系。

我们知道，这种设计短期内会增加人形机器人的集成难度，但我们还是沿着这个方向走，因为这是更终极的方案。如果马斯克坚持这个方向，主流机器人厂商可能也会跟进。

▎ AI 科技评论：你们的混合驱动具体是怎么做的？

刘欣： 我们的手指是腱绳驱动，侧摆关节用的直驱，绝大部分电机放在手掌中，手腕是丝杠+连杆，小臂内装有电机，提供更大的力量。

早期做样机时，我们也尝试过用绳驱实现侧摆等动作，后来发现，这会显著增加工程复杂度，降低可靠性，所以把这部分关节改为直驱。

▎ AI 科技评论：灵巧手有这么多指标，伯牙首先想解决的是什么？

刘欣： 第一是自由度，第二是触觉，第三是力量，第四是精度。

▎ AI 科技评论：22 个自由度是怎么定下来的？

刘欣： 手掌有 20 个自由度，手腕有 2 个自由度。其实一开始我们设计了 23 个自由度，最后砍掉了手掌内带动小拇指往回收的自由度。

之前 Shadow 是有这个自由度的，他们和 OpenAI 一样非常喜欢用这个自由度。我们因为工程复杂度，加上多数客户用不到这个自由度，就舍去了这个自由度。

触觉传感器我们目前用的是磁霍尔传感器，各种维度相对好一些。

▎ AI 科技评论：之前你曾在报道中提到灵巧手的精度应该要叫「可控制的最小精度」，而不是重复定位精度，为什么要重新定义精度？

刘欣： 对精度的理解在发生变化。以前强调重复定位精度，是因为沿用了传统工业机器人的标准。

但现在情况不一样了。我认为以后更重要的是 「可控制的最小精度」 ，也就是系统能够把动作控制多精细，并根据实时反馈不断修正。

这套逻辑和人的肌肉、神经和大小脑之间的协同是类似的。 人可以通过肌肉的轻微收缩，把动作控制到很细的程度，再根据反馈不断修正。未来机器人也会越来越需要这样的控制能力。

这也是绳驱的一个优势。腱绳有蠕变可以通过我们的「感知-修正」系统解决。如果采用齿轮直接传动，齿轮的齿形、加工精度等因素会影响传动精度和背隙。背隙很难完全消除，随着长期使用，齿轮还可能出现磨损、变形，甚至断裂，进一步影响传动精度。

▎ AI 科技评论：行业会认为绳驱的手很难控制，你们怎么解决这个问题的？

刘欣： 我们初步做出了一个用来控制灵巧手「小脑」。这个「小脑」并非严格按照人体大小脑的分工来设计，我们的思路是 把一部分需要实时反馈的动作控制独立出来 。

「小脑」内置一个动作库，收录 33 个日常操作常用的动作。这些动作包含手部姿态、执行时序和力量变化。

大脑只需要判断调用哪个动作，小脑负责具体执行和自适应调整，不需要每次都让上层模型重新推理。

这样一来， 大脑的控制维度可以简化为「7＋1」：7 轴机械臂加一个手部动作编号，就能完成比较复杂的操作 。高层模型只需下达移动手腕、执行抓取等指令，具体的关节控制交给小脑。

不少做大脑模型的团队并不擅长驱动高自由度灵巧手，我们把底层能力封装好，他们就能比较方便地集成。

▎ AI 科技评论：这 33 种动作是你们自己总结的吗？

刘欣： 行业里有一套常用的动作分类标准，最早是美国一些顶尖高校总结出来的，大约有 33 种。张世武教授又在此基础上增加了 6 种，所以我们目前参考的目标是 39 种。

不过，要把这 39 种动作全部做好并不容易。比如使用筷子，对亚洲人来说很常见，但对机器手来说仍然非常难。

▎ AI 科技评论：目前你们的灵巧手主要面向哪些客户？

刘欣： 目前我们的客户有两类，一类是科研市场，另一类是做大脑模型的公司。他们开始向更精细的灵巧操作发展，就需要更好的灵巧手。但 如果还停留在拿 π0 开源模型做后训练的阶段，基本上还用不到灵巧手。

▎ AI 科技评论：为什么用π0 的的开源模型做后训练，就用不到灵巧手？