马斯克曾宣称，特斯拉人形机器人 Optimus 将成为 " 史上最重要的产品 "，但现在似乎暂时止步在一只 " 手 " 上。

灵巧手是连接机器人智能与物理世界的关键部件，正成为全球机器人产业最难攻克的技术堡垒。

从特斯拉推迟 Optimus 3.0 的定型，灵巧手的瓶颈或许能让大家对人形机器人更冷静一些，在工程与商业之间还有不少平衡难题。

01

当 " 手 " 成为瓶颈特斯拉

第三代 Optimus 的研发延迟，再次印证了人形机器人的难度不光在算法和数据层面。

在工程领域也有很多问题，根据供应链信息，Optimus 的灵巧手已经确定技术路线，但仍面临散热、耐久性与成本几个难题。单只手成本高达 6000 美元，寿命仅六周，在工业应用场景中，光是维护费用一年就接近 10 万美元。

灵巧手产业的根本挑战是复杂性与可靠性的冲突。

灵巧手是人形机器人最核心的交互器官。人类手部由 27 块骨骼、29 个关节与 34 条肌肉构成，能完成上千种动作。要在机械结构中重现这一灵活性，需要在数百立方厘米的空间里集成电机、丝杠、齿轮、腱绳和传感器。

特斯拉的做法是在二代基础上，将执行器数量从 17 个提升到 22 个，并在手掌区域加入电子皮肤传感器，以期实现更高的灵活性和感知能力，复杂度的提升带来了散热、控制、疲劳寿命等一系列连锁问题。

在试验中，Optimus 灵巧手在分拣快递等任务中频繁失效。驱动手指的腱绳老化断裂，柔性电子皮肤在触碰物体时快速磨损，导致机器人必须频繁更换部件。

工程师们甚至求助于外科医生，研究人手的肌肉发力机制，希望找到兼顾力量与柔韧性的设计平衡。但迄今为止，这一问题仍未解决。

从更广的产业角度看，特斯拉的困境并非孤例。灵巧手的高复杂性与低寿命几乎是全球同行面临的普遍难题。

无论是美国的 Figure AI，还是国内的优必选、傅里叶智能、强脑科技，都在探索类似的传动与感知方案，却始终难以兼顾灵活性与耐用性。灵巧手的平均寿命目前普遍在 1000 至 2000 小时之间，远低于工业级机器人的标准。

即便如此，灵巧手仍然是人形机器人走向商用的必经之路，决定了机器人 " 能否工作 "，更关乎 " 能做什么工作 "。没有足够灵活、可靠的手，人形机器人只能停留在演示与实验室阶段，而无法真正走进工厂、仓库甚至家庭。

02

技术路线的分歧与融合：

灵巧手的未来形态

2025 年智能机器人与系统国际会议上，灵巧手成为绝对焦点，从上游传动厂到下游整机制造商，超过半数展台展示了自己的灵巧手产品，灵巧手的商业化窗口期正在临近，但技术路线仍未统一。

灵巧手的传动机制主要分为三类：直驱（连杆或齿轮）、绳驱（腱绳）、以及混合方案。

每一种路线，都体现了工程师们在 " 刚性 " 与 " 柔性 " 之间寻找平衡的不同选择。

◎ 直驱方案以连杆或齿轮为主，优势在于结构简单、控制精准、可靠性高。例如，舞肌（WUJI）推出的 WUJI Hand 采用连杆驱动，20 个全主动自由度，重量仅 600 克，几乎等同于人手。

这种方案刚性强、制造成本可控，适合工业场景的高频重复操作。但其灵活性受限，难以实现如人手般的细腻动作。

◎ 腱绳驱动路线是通过模仿人类手指的肌腱系统，将动力源（电机）设置在手臂或手腕，利用细腱传递拉力驱动手指。这种设计轻盈柔软，能最大限度复现人手的灵巧度。

新加坡 Sharpa 公司的灵巧手 SharpaWave 采用 22 个自由度的腱绳传动，并在指尖集成动态触觉阵列传感器（DTA），可以识别微小的滑动与压力变化，从而精细控制抓取力。

Sharpa 的灵巧手能够完成 " 抽牌 "" 递物 " 等高精度操作，展现出近乎人类的控制感。但腱绳方案的缺陷同样明显——维护成本高、控制精度受限、寿命短。

◎ 越来越多厂商选择 " 混合方案 "。

特斯拉、Figure AI 等公司均在探索直驱与绳驱结合的路线：关键关节采用刚性齿轮或连杆驱动以提升稳定性，手指部分采用腱绳传动以增强灵活性，" 刚柔并济 " 的设计有望在灵活度、稳定性与成本之间取得折中。然而，它的工程复杂度更高，对机械排布与算法协同的要求极为严苛。

从技术趋势来看，灵巧手的演进方向正逐步明确：

◎ 一是小型化与高集成度。通过高密度执行器、集成传感器和柔性电路，提升单位体积内的自由度与控制精度。

◎ 二是多模态感知融合。在视觉之外，力觉、触觉和温度感知的融合将使灵巧手具备更高的自适应能力。

◎ 三是材料创新与新型驱动。从柔性电子皮肤到液态金属与人工肌肉，材料技术正为灵巧手带来新的可能性。

对特斯拉而言必须让灵巧手从 " 展示品 " 变成 " 工业部件 "。当成本降至千美元级、寿命达到上万小时、维修方式标准化时，灵巧手才能支撑起 Optimus 百万台的愿景，目标的实现可能仍需数年工程迭代。

小结

灵巧手的研发是让机器模仿人手的动作，更是让机器具备与世界互动的能力，也是机器人对物理世界的理解深度——如何施力、如何感知、如何纠错，我们可能需要持续再看看。