现代超市的货架上，经常会有排列整齐、大小厚薄均匀的鸡肉片。看似平凡无奇，背后却隐藏着不少技术挑战。

由于每块鸡肉原材料形状、质地都不尽相同，要达到一致的尺寸和重量，灵活性至关重要。这也是为什么传统产线上的鸡肉切割主要依赖人工。通常，一间稍具规模的工厂就需要上百名工人手动完成这一繁琐操作。

一家叫非夕科技的机器人公司通过结合 AI 大脑和力控技术，成功实现了对整条产线的自动化改造：AI 负责判断鸡肉形状，选择最合适的刀法和切割路径，以确保切出的每片肉达标；力控技术则精准控制切割力度，确保无论鸡肉软硬度如何，机器人都能感知刀锋是否触及砧板。两者配合，高效彻底地完成每次切割。

力控赋能的通用机器人独角兽，每年三倍销售增长

非夕科技诞生于 2016 年，由四位斯坦福博士在硅谷共同创立。专注于仿人化技术理念，研发和生产集工业级力控、计算机视觉和人工智能技术于一体的自适应机器人。

目前，多数工业机器人主要依赖位置控制和大量非标机构辅助。虽然能够准确执行预设轨迹，但在产线布局调整、来料位置偏移或规格差异、任务环境变化时适应性较差。

非夕的技术精髓是力控。在他们看来，很多复杂任务人类能完成，机器人却做不到，原因不是人在位置控制上优于机器人，而是具备更高级的力控本能。一个简单的例子是插充电头：人们并非通过精确计算位置来完成，而是大致对准插孔后，通过触碰的手感微调，最终顺利插入。

非夕从力控入手，结合简单的视觉引导，实现类人的手眼协调能力。机器人能根据力量反馈自主适应变化，实时调整轨迹、动作和力度。既能避免损坏元件，又能显著提升产线良率和换线效率。

这种能力使其在精密装配、打磨抛光、车窗底涂、FPC 柔性插装、按摩理疗、食品加工等各类复杂任务中表现出色，可广泛应用于汽车、3C、家电、科研、医疗、服务等多个行业。如今，非夕每年能实现约三倍的商业化增长。在今年 Q3、Q4 订单旺季到来前，销售额已超过 2023 年全年总营收。

自成立以来，公司累计完成 4 轮融资，总金额超 3 亿美元，获得包括金沙江创投、高榕资本、真格基金等知名机构支持。两年前，非夕科技估值突破 10 亿美元，成长为通用智能机器人领域的独角兽企业。

四位斯坦福博士，打通从软硬件到 AI 的全栈机器人技术

钟书耘是创始团队的一员，现担任非夕首席机器人科学家。他曾在斯坦福大学机器人领域泰斗 Oussama Khatib 的实验室做博士后研究员，更早于台大取得机械工程博士学位，师从机器人研发界领军人物黄汉邦教授，拥有 15 年以上的机器人智能规划及人机协作研发经验。

因为学校的一次水下机器人合作项目，钟书耘与另外三位联合创始人—— 来自斯坦福仿生与灵巧操作实验室、机器人实验室、人工智能实验室的王世全、叶熙阳和卢策吾相识。

几个年轻人在讨论技术时，一致认为力量控制才是解决许多业界痛点的关键所在。但当时这个概念并不流行，" 卡就卡在传感器太难搞 "。他们意识到，只要能攻克这个技术难题，就能为力控机器人落地铺平道路。

" 有一天，世全忽然找到我，说自己 figure out 力觉传感器怎么做了。" 钟书耘回忆道，" 我到现在还记得那次对话，他先和熙阳聊过，我看了方案也觉得很有潜力。我们就围绕这个 sensor 开始构建，从 sensor 到关节，再到整个手臂的设计。

最上层的 AI 部分我们引入了策吾，当时他在李飞飞的实验室做博士后。我们 4 个人就这样聚在一起，形成了一个从底层 hardware 到 firmware、software，再到 AI 的完整团队。我主要负责软件控制，世权做传感器和手臂机构设计，熙阳懂两边的技术刚好对接我俩，策吾则主攻机器人以上的 AI 大脑。"

在公司成立的前几年，团队投入了大量精力验证和调整机器人的规格与性能，以确保准确切入客户痛点。钟书耘坦言，早期推动力控技术进入工业领域并非易事。因为工业客户相对保守，不容易接受新技术，往往需要先看到实际验证的成果。

" 除非像 Elon Musk 这样的人证明特斯拉工厂已经准备用某种技术，客户才会跟进。" 钟书耘解释道，" 我们必须亲自下到产线，逐条跑通流程。"

" 有人会问为什么非夕机器人的推出速度很慢，其它机器人却好像突然就能冒出来。其实，只做位置控制相对简单，但要真正把力控和 AI 做好并不容易。我们花了很多时间打造关键技术。"

为了更好地应对不同领域需求，去年 11 月，非夕基于过去积累的 AI 技术，战略孵化出全新的穹彻智能。王世全和卢策吾分别担任 CEO 和首席科学家，专注研发通用具身智能大脑，更全面地服务整个行业上下游。9 月 6 日，穹彻智能宣布完成累计数亿元人民币的天使轮和 Pre-A 轮融资。

" 我们之所以这样做，是因为力控机器人和 AI 大脑的应用领域都很广。如果两者一直绑定在一起，外界可能会认为非夕的 AI 只能用于非夕机器人，或者非夕机器人只能使用特定 AI。实际上这两部分技术都很通用，两个通用平台能创造出更多新东西，各自发光发热的舞台也会更大。"

以下为对话实录：

1. 力控为主、视觉识别为辅，自适应机器人打破传统

硅星人：怎么去理解自适应机器人？

钟书耘：我们一直围绕力控技术进行开发，同时涉及手眼配合的部分，需要 AI 大脑来支持。" 自适应机器人 " 这个概念，一方面把我们与传统的工业机械臂和协作机械臂区分开来，另一方面也为非夕产品找到了合适定义。比如另两者只能按照预定轨迹进行操作，而我们的机器人则能够根据实时的力量反馈，在线变换轨迹，自然地调整动作，适应环境中的不确定性。

硅星人：这种适应性通过什么样的技术路径实现？

钟书耘：有一个大概的框架，我们称之为 "阶层式智能"，对标思路其实是人。为什么人在生产线上体现出那么好的适应性？很多是依赖老师傅的手感，很难用一个完整的 SOP 来规范。

所以我们在底层设计了一个类似 " 手感层 " 的结构，基于传感器建立控制回路，负责感知和任务执行。接着构建了关节层和多关节间的协调控制，然后到达小脑层，实现机器人的全身协调。最上面的 AI 大脑则只负责 high level 的决策。就像你喝咖啡时，从不会思考肌肉要用多少力，或者手摆什么姿态。大脑只需发出 " 我要抓什么东西 " 以及 " 把它移到哪里 " 的指令就可以了，具体动作由身体自动协调完成。

这种架构的灵活性在于，其他公司可以轻松将他们的 AI 大脑集成到我们的机器人上，而无需处理底层细节，简化任务切换。如果 AI 需要处理 " 小脑 " 以下的部分，模型会变得非常庞大。此外很多工业应用并不需要复杂的 AI 模型，更多是人类大脑加上机器人小脑来完成任务。人可以通过离线编程设定流程，在线的不确定性就交给机器人应对。

硅星人：非夕自适应机器人主要能解决市场上哪些痛点？

钟书耘：我们很多技术围绕 " 力控 " 展开，但这个概念本身很难直接与客户价值挂钩。因此过去几年我们深入调研了工业客户，发现他们面对的主要问题是来料一致性差和产线各工位的累积误差，导致良率无法提升。

在产线上，大约 60% 的周边装置都是为了确保物品来到机器人面前时，处于精确的位置，这样机器人才能运行固定轨迹完成任务，否则操作就有可能失败。而我们的优势是，即使它位置不够精确，机器人也能完成工作，提高良率的同时省去额外的校正设备。当需要更换产线时，也能更快地适应新的产品。

这就是力控发挥的巨大作用，但引入市场确实花了一些时间，因为工业客户比较保守，不容易接受新技术。我们花了很多精力去证明它的价值。

硅星人：还记得你们是如何拿下第一单的吗？

钟书耘：细节有些记不清了，大致我们是先搭建示例演示，客户可能先给一个工位尝试，觉得可行再慢慢水平展开。关键是必须拿出成功案例，客户才会真正信任你。在完成一些项目后，情况就会好转很多，客户看到了实际价值，并且同样的应用也已经在其它地方成功部署和运行。

我们曾为一个客户打造过一条车用域控制器的全自动组装产线。这个项目当时交给了两家厂商：我们和一家传统自动化集成商。生产同样的产品，我们部署更快，实现了全流程自动化，成本更低，占地面积也更小。对方花的时间更长，而且还是要雇用人力，成本也更高。这是一个非常直接的对比，我们经常举这个案例。

硅星人：目前你们的产品体系是怎样的，具体如何交付解决方案？

钟书耘：有好几种合作方式，主要看客户是谁。如果是终端客户，他们需要一个完整的 turnkey solution，也就是我们全程负责，最后客户只需按下按钮，设备就能自动运行。这包括机器人、工具、周边设备，以及产线对接。

另一类是系统集成商帮终端客户设计自动化方案。当他们发现某些环节需要力控机器人时，就会直接向我们购买并集成到他们的解决方案中。非夕的图形化用户界面让他们不必编写代码，只需拖动方块来编写工作流程。

还有一些是高校或科技公司，有自己的技术，想把非夕机器人集成到产品或研究中。这种情况下，我们有提供机器人 C++ 或 Python 程序接口 RDK（Robotic Development Kit），让他们可以通过编写代码直接控制机器人。

2. 做各种产线上的 " 老师傅 "

硅星人：能不能请你介绍几个非夕成功的 use case？

钟书耘：好啊。最近比较有名的一个案例是我们在汽车座椅熨烫上的应用。椅垫制作时内部会填充一些柔性材料，可能产生皱褶，形状也不统一，出厂前需要再烫过。以前都是人工用熨斗来熨平。普通机器人不好做，是因为每个椅垫尺寸都不太一样，即使只相差几毫米，轨迹稍微偏离也可能熨不到。

这时力控技术就很方便。我们设定好大致轨迹，同时控制机器人施加的力量，确保每次都能接触到椅垫并保持力道一致，熨烫效果非常好。另外我们的机器人有 7 个自由度，如果是 6 个自由度的机器人，它到目标点的形态只有一个解。这个额外的自由度能像人手一样灵活调整姿态，适应椅垫的复杂弧度。

另一个案例是打磨抛光与去毛刺应用。它的工作环境通常比较恶劣，会有很多对人体有害的粉尘，长时间握着打磨工具也非常辛苦。很多人工作几年后就需要休息一段时间，把不好的东西代谢掉。所以这类工作的招工也越来越难，但制造业对打磨抛光的需求却非常大，尤其是在 3C 产品和汽车制造中。力控技术使得机器人能像人一样去打磨抛光，适应各种曲率变化，这与我们提出的自适应机器人概念非常契合。

还有一些更精细的应用是力觉测量。我们做过一些项目，比如汽车的后视镜，它的球形关节需要保持适当的紧度，不能太松也不能太紧。以前很多是用人工推压来测试紧度。但用我们的机器人，可以更精确地测量并记录力量的变化曲线，从而判断产品是否合格。如果未来产品出现问题了，还可以回溯到组装环节。这样机器人不仅能帮忙制造，也成为量测工具，确保每个产品的一致性。

制造业其实非常有趣，很多细节在你深入其中之前可能从未想过。我在学校时根本没想到这些工艺有多复杂，但亲自到现场看过之后，就非常 appreciate 这些创新。

硅星人：听起来非夕机器人在各种产线上扮演着老师傅的角色。它能处理这么多操作，你们是如何保证通用性的？

钟书耘：你底层的力控框架必须非常扎实。其实这些操作的核心原理是一样的。为什么我们的机器人既能做按摩，又能打磨抛光？因为它们原理相同，只是换了不同的工具。所以我们称它为一个通用平台，就像人可以拿不同工具完成不同任务一样。线束插拔与组装操作也是类似的概念，机器人通过感知力道变化来完成插拔任务。你只需微调一些参数，比如来料一致性低时就扩大搜孔范围，一致性高时就缩小。这些上层参数一旦设置好，机器人就能自动完成剩下的操作。

硅星人：围绕力控，你们还有没有其它技术上的自主创新？

钟书耘：我们还将力控技术应用到了夹爪，非夕是全球首个推出动态力控夹爪的公司。传统夹爪只能控制位置或到达设定的力后就停止动作，而我们的夹爪可以持续维持恒定的力量。举个例子，当夹持一个不断膨胀的气球时，夹爪会自动感知力觉变化并调整，避免气球破裂。

这让我们能更好地夹持柔性物体，其实非常有用。比如汽车线束组装中有个捋线动作，因为线束是人手工包裹的，宽度会变化。普通机器人可能会在捋线过程中卡住，但有了力控夹爪，机器人就可以沿着线束平稳滑动，而且不会脱离。

硅星人：刚刚这些好像都是在工业环境中的应用。

钟书耘：目前大部分使用确实是在工业领域，这是我们的起点和保底板块，但我们也希望探索更多非工业应用。因为在其他领域，机器人必须具备更强的智能和适应能力，对力控的需求可能更高。那些存在更多不确定性的场景将是力控技术发光发热的地方。

硅星人：从传感器、各个关节到机器人本体，包括算法、操作系统和 AI，所有技术都是你们自己的吗？

钟书耘：是的，所有关键技术都掌握在我们自己手中，当然我们也花了很多时间积累这些技术。有人会问为什么非夕机器人的推出速度很慢，其它机器人却好像突然就能冒出来。其实只做位置控制相对简单，但要真正把力控和 AI 做好并不容易。我们专注于开发一些根本的、具有突破性的技术，希望能尽快进入各个不同的市场。

非夕产品系列：核心自适应机器人 Rizon （拂晓）、Moonlight（玄晖），力控夹爪 Grav（星擎）

3. 机器人和 AI 都很通用，以后各自的舞台会更大

硅星人：非夕去年进行了战略调整，把 AI 团队独立成了新公司穹彻智能，这是出于什么考量？

钟书耘：孵化出穹彻，是因为力控机器人和 AI 大脑的应用领域都很广。如果两者一直绑定在一起，外界可能会认为非夕的 AI 只能用于非夕机器人，或者非夕机器人只能使用特定 AI。实际上这两部分技术都很通用，两个通用平台能创造出更多新东西，各自发光发热的舞台也会更大。

硅星人：AI 在增强机器人能力方面起到什么作用？会如何整合进非夕的产品线？

钟书耘：肯定很有帮助，但并不会像好莱坞电影里那样突然变得非常强大，而会是一个循序渐进的过程。目前 AI 更适合在数字世界中应用，是因为这些领域的容错率可以很高，如果 AI 生成的视频有点瑕疵也无伤大雅，几秒钟就过去了。但如果将 AI 应用到真实场景，尤其是机器人上，容错率就必须非常低。一旦出错，要么是机器人自己受伤，要么就是环境或环境中的人受伤。就像自动驾驶的成功率已经达到 99% 了，那出行 100 次还是有一次会撞到人，这当然是不行的。

我们的思路是，从擅长领域出发，逐步向外扩展。找到那些最有可能快速落地的应用方向。比如从农业、食品加工开始，虽然也是在工厂内，但不像 3C、汽车制造那样规范，涉及到的来料变化更大，一致性更差。我们也在探索一些服务行业的应用，像是与黑马原力合作的移动充电小车，以及和 AiTreat 开发的按摩机器人等。

非夕 Rizon 机器人测试羽衣甘蓝自动化采摘：AI 自主评估叶片成熟度、精确识别修剪位置。工业级力控灵活采摘、确保作物无损伤。兼容不同末端工具，实现多种现代农业种植和采收。

硅星人：现在人形机器人的概念很火。我记得你提到过，人形机器人的最佳应用场景绝对不是工业环境，为什么这样说？

钟书耘：人形机器人本身并不一定适合工业环境。主要因为它引入了很多其它的难点，特别是双足行走。要像人一样双足行走，每只脚至少需要 6 个电机，两只脚就是 12 个电机，成本很高。而一个轮型平台可能只需要两个电机，承重能力却远大于双足。

在工业场景中，至少在工业机器人规范里，是有一套安全标准的。包括机器人上要有一个红色的紧急停止按钮，一按下去，所有马达电机必须瞬间锁住。但人形机器人很难直接停止，因为它需要保持动态平衡，如果突然锁住关节就会跌倒。所以用传统规则来管理人形机器人并不太适用。要在工业场景中落地，首先必须解决很多安全规范问题。

硅星人：特斯拉的 Optimus、Figure 都热衷于让人形机器人 " 进厂打工 "，在你看来实际可行吗？

钟书耘：最终也许可行，但中间还有很多困难需要解决。就像刚刚说的安全认证，目前针对人形机器人的安全规范还没有出来。更多是等技术成熟了再开始讨论到底怎么定规则。这也是为什么自动驾驶技术已经发展了十几年，直到最近 Waymo 和 Cruise 才开始慢慢落地。所以我认为，人形机器人落地工厂还要好多年。而且工厂其实是一个比较结构化的环境，任务相对单一，自动化可以通过各种形态的机器人来实现，人形机器人不一定能很快发挥它的价值。

硅星人：你觉得人形机器人更可能在哪些场景中落地？

钟书耘：我觉得服务业会是它落地的主要场景。怎么讲呢，人形机器人其实是一种人类自身的追求。因为我们对人形很熟悉，看到后会觉得更友好，与它互动比和一个三头六臂的机器人更自然、更舒适。人类的居住与生活环境是基于人的形态打造出来的，人形机器人更适合在这种以人为主而设计出的场所中工作。也就是那些环境与任务多变、需要与人类频繁接触的场所，比如家用看护和服务型机器人。​

但在工业场景中，客户根本不在乎机器人长什么样，是否好看，是否会发光。他们关心的是机器人能否以最优的方式提高产量。

比如如果你想设计一个洗衣机器人，你其实要做一台洗衣机。你去观察人洗衣服，关键在于搓揉的动作，如果能够实现揉搓的动作就 good enough，而不必真地设计一个人形机器人拿着衣服去河边洗衣服。当然如果你做出来也真的很牛，但最重要的是要解决什么问题。就像非夕强调的仿人化概念更多是指仿人的能力，而不是完全仿人的外型。能力可以迁移到不同的机器人形态，只要针对应用场景设计出合适的机器人形态就可以了。

4. 制造业自动化，全球还有 99% 的增长空间

硅星人：你们的自适应机器人已经在与全球很多大客户合作，未来市场的机遇在哪里？

钟书耘：其实整体制造业的自动化程度仍然很低。目前全球平均比例大概是 1:100，最高应该是南韩，其次是新加坡。但如果你平均下来，每 100 个工人中只有 1 台机器人，那么还有 99% 的增长空间。我们要做的就是将人类的能力移植到机器人身上，让机器人能够覆盖剩下 99% 的工作任务。

硅星人：下一步规划是什么？无论是产品开发还是全球市场布局，有什么可以分享的？

钟书耘：我们正在开发第二代机器人本体。除了加强工业场景的应用能力外，我们也加入一些特殊功能与提高 AI 适配性，希望加速导入非工业及服务型场景​。我觉得这个新产品会带来很大的影响，不过目前还不能透露太多细节。

硅星人：什么时候能看到这些新产品呢？

钟书耘：明年，我们会在适当的时机推出。

至于全球布局，我们在硅谷、上海、北京、深圳、新加坡等地都设立了办公室。现在的主要市场还是在中国，因为我们目标是制造业，中国的制造业仍然处于全球领先地位。与此同时，我们也在全球范围内寻找合适的机会，希望将非夕机器人推广到不同国家。