人形機器人行動困局：非軟非硬，而是“協同失語癥”

業內流傳著“不做硬件的具身智能公司，不是好公司”，其背后邏輯是：如果想在軟件上登峰造極，必須深度理解硬件特性，而要發揮硬件極限也需軟件在架構與調度層面予以配合。這種融合，需從設計之初就埋入系統。但現實是，我們常聽到廠商抱怨“做算法根本不懂硬件，做硬件的又不會算法”，兩撥人幾乎是各自為戰。

作者：彭堃方

編輯：呂鑫燚

出品：具身研習社

是什么桎梏了人形機器人的行動？到底是硬件跟不上還是軟件能力不足？關于這一問題，業內的爭議已經展開。

在不久前的ALL-IN SUMMIT上，馬斯克被問及Optimus目前硬件與軟件哪個更難突破？他坦言：我們仍在為硬件的最終設計而掙扎。而當主持人追問：假如硬件挑戰得以解決，基于大語言模型（LLM）的進展，是否就能實現自然的人機交互，使機器人聽懂指令、執行任務？馬斯克則信心十足地回應：沒問題。

圖片來源：ALL-INSUMMIT

和馬斯克硬件焦慮形成鮮明對比的是，宇樹科技王興興則在多場合表示“硬件夠用了”，相反在AI領域，他認為“讓AI干活整個領域目前都是荒漠”。王興興認為，目前數據和模型都是機器人的難點。AI模型本身的能力也還不太夠，沒辦法讓機器人真正用起來，比如AI模型難以很好地控制靈巧手。

這兩種看似對立的觀點，恰恰反映出同一本質困境。問題的核心或許并不在于“軟”或“硬”單一維度的落后，而在于二者之間缺乏有效的協同與融合。

而這問題的答案也不應該只由整機廠來回答，更應該聽聽上游的聲音。

近日，具身研習社和亞德諾半導體(ADI)進行溝通，作為上游核心硬件和解決方案提供商，其視角跳出了單一的軟硬件孰優孰劣的二元對立視角，轉而以“協同”思路判斷。

ADI院士兼技術副總裁陳寶興表示，問題的核心在于AI與硬件的深度集成。“比如抓取一個雞蛋或其他物品，就需要優化。機器人需要知道物體的性質、用多大的力、如何防滑等具體要求。這些都需要硬件與軟件、AI與控制的深度集成，我認為這還有大量的工作要做。”

這或許也是為什么我們很難看到靈敏的、聰慧的、動作有的放矢的機器人。其已經超出了單純的軟件或硬件所能獨自解決的范圍，如何讓軟硬件更好的系統性協同或許是未來的主要攻關方向。

硬件真的夠用了嗎？

自從王興興在WRC說出：“目前的硬件某種意義上是完全夠用的”，一時間引發了業內巨大爭議。但事實上，王興興旋即就提到了一個硬件普遍的難點：“更大的問題是把它（硬件）量產”。無獨有偶，馬斯克甚至直言：人形機器人沒有供應鏈，必須從頭開始，自己設計。這也是他的量產計劃推遲的重要原因。

因此硬件的第一個明顯的難點是“缺乏標準”。即便市面上已有成千上萬種來自工業、汽車等領域復用的零部件，卻始終缺少專為機器人設計的。簡單來說，硬件能用，但并不是好用的，因此也有了業內流傳的觀點“硬件制約軟件”正成為束縛模型落地的現狀。

造成該現場的根本原因在于：其一，人形機器人屬于初期階段，體量較大的供應商，并不愿意分散精力投入到一個利潤極為有限，財報無法增色的產線上去。所以，各種零部件的不適配加上特定零部件的量產能力、良品率等問題，最終讓這個在技術上已經鮮有卡點，但工程化問題卻十分明顯的硬件，成了人形機器人鋪展開的一道障礙。

其二，不同人形機器人廠商技術路線相差巨大，不管是本體硬件也好，亦或者是大腦模型，技術均未進入收斂期，不同的AI算法與不統一的硬件平臺之間更加難以匹配，于是誕生了另一道障礙，硬件“缺乏AI能力”的問題。

換句話說，硬件與軟件之間過于解耦，就像提線木偶斷了線一樣。因此，當前真正的難點在于缺乏如同智能硬件所強調的“AI原生設計”，這也是陳寶興口中所說的“要加速人形機器人的創新和落地，最重要的是AI與物理智能緊密、深度融合”。

陳寶興把“AI和物理智能”的關系類比成“大腦跟身體”的關系，比如AI是機器人的“大腦”，負責學習、推理、決策。物理智能是“身體”，負責感知、運動、與環境互動。他認為只有兩者深度融合，機器才能像人一樣靈活、聰明、可靠。

物理智能的核心是高性能傳感器，ADI的機器人團隊正致力于將其傳感器和執行器模型集成進 NVIDIA 的 Isaac Sim 平臺，如此可以模擬真實世界的物理反饋，訓練可直接部署的控制策略，從而實現Sim2Real，從仿真到現實的突破路徑。

ADI認為想要實現物理智能有兩個要點，這也正是目前ADI主要發力點：第一，要能夠與大腦（即中央處理單元）配合；第二，要注重與小腦（即類似脊髓反應相關的部分）緊密相關，例如神經元層面的功能——包括感知神經元、運動神經元，以及靈巧性方面的實現。

舉個例子，電機、驅動器能否快速、精準地執行AI下達的“非標”指令？例如，如何讓一個關節在需要時瞬間輸出爆發力（如起跳），又能實現極精細的力度控制（如捏住雞蛋）？這過程中，就要求硬件本身具備低延時、高帶寬、高精度的特性，并能進行包括觸覺在內的多維傳感器的數據傳輸進行邊云間通信與計算，這都要求AI算法深度適配。

圖片來源：特斯拉

這樣看來，硬件的問題不僅僅是單純的“缺乏行業標準”，又或者是更具體的“力量”“成本”“尺寸”“可靠性”等指標，而是如何被AI高效、精準、低延遲地驅動和控制的問題。這本質上是一個軟硬件協同設計的難題。

從“軟硬全棧”到“軟硬融合”

長期一段時間，軟硬件兩手抓的企業成為資本市場的寵兒。但這里有一個誤區，“軟硬件全棧”應該超越PR層面，進入到真實的“軟硬件協同”“軟硬件融合”，就像我們說“AI原生硬件”一樣，機器人本身作為大AI硬件在規劃、研發階段就圍繞AI進行設計與搭建。

業內流傳著“不做硬件的具身智能公司，不是好公司”，反之也有人贊同。其背后邏輯是：如果你想在軟件上登峰造極，必須深度理解硬件特性，而要發揮硬件極限也需軟件在架構與調度層面予以配合。這種融合，需從設計之初就埋入系統。但現實是，我們常聽到廠商抱怨“做算法根本不懂硬件，做硬件的又不會算法”，兩撥人幾乎是各自為戰。

總之，軟硬一體化策略的成果案例在手機賽道已經很多了，如蘋果、小米、華為等，不再贅述。就說狹義上的模型廠商中也有像OpenAI收購io，要做AI原生硬件；Meta做AI眼鏡；字節做AI耳機；釘釘做AI錄音硬件等。

目前來看，具身智能賽道也有部分企業意識到這種融合的重要性，這部分企業可以分為兩種，一種是意識到軟硬件協同的。硬件在設計階段就通盤考慮，有清晰的接口和分工，是目前主流努力的方向。這些企業會預留開發接口，為特殊場景設計硬件構型、尺寸以及加裝定制參數的零部件、功能模塊。

當然這是較普遍的做法，更高階的狀態應該是“融合”。它打破了傳統的軟硬件界限，你中有我，我中有你。硬件為軟件算法而生，軟件為硬件特性而寫。

例如，為特定的強化學習算法設計專用的計算芯片和傳感器；在AI模型訓練中引入硬件物理響應（如彈性、摩擦系數）的建模；硬件的設計也會為了適應AI的決策頻率而優化，比如模型推理間隙，由端側芯片自主完成觸覺反射調節。

當前僅有少數領頭羊開始探索“融合”，大多數企業仍未進入軟硬件“協同”階段。

也正是因此，軟硬件融合將會是具身企業的競爭力與新機會，也會推動具身賽道走向進一步落地。但這遠不是本體廠商自己的命題，上游需一同努力。

例如，ADI作為上游廠商，在讓機器具備有思想、有觸感和有行動力的過程中，主要針對四個關鍵環節：感知（sense）、連接（connect）、解譯（interpret）、控制（control），而這四個環節正好串聯起機器人軟硬件協同。

從感知看，機器人需具備視覺、觸覺等能力，未來通過“多模態感知融合” 判斷物體形態、提升靈巧度；從連接看，機器人需高速穩定的 “神經網絡” 連接；而解譯則是對這些傳感器原始數據和各部件動態信息進行分析、理解；進而控制系統作為機器人“大腦皮層”，負責運動規劃與執行，最新 AI 驅動的運動控制算法可實現其多關節協調與復雜動作。

我們可以看到，硬件與軟件之間的“結合部”存在著明顯短板，蘊藏著眾多機會。

人形機器人的發展，一定是一場軟硬件協同進化的旅程。不是硬件夠了軟件沒跟上，或者軟件行了硬件拖后腿，而是它們必須像生物界的腦與身體一樣，彼此塑造、耦合反饋、不可分割。未來的突破，將依賴于我們能否用技術創新與工程智慧加速這一“共同進化”的過程。