2026年還未過半，具身智能行業已經收獲了羨煞旁人的超300億元融資。隨之而來的是關注點的細化。越來越多機構開始關注靈巧手等部件，包括特斯拉Optimus，市場也格外關注它的手。

跳舞、跑步、散打，這些炫技點主要在腿和電機，為什么要關注手？因為機器人公司只會把它們擅長的部分展示出來，不那么明顯的部分，要么不夠重要，要么就是依然存在壁壘。手，自然不可能不重要。

1月底，智元機器人分拆靈巧手子公司“臨界點”，連續拿下兩輪融資。4月底，獨角獸公司靈心巧手完成B+輪融資，這是它一年內第七輪融資，“可怕”的是，媒體報道其已經在尋求新一輪融資，目標估值60億美元（約合人民幣430億元），較之前翻倍。

這雙“手”，甚至比很多本體公司更昂貴。原因何在？

其實在大模型狂飆的兩年里，AI最擅長的事情，幾乎都發生在屏幕里，比如寫代碼。但只要把場景從對話框挪到真實世界，難度就立刻反轉——讓機器人穩穩捏起一顆草莓，不壓碎它，再順手拎起一口鑄鐵鍋去炒菜，這件事的技術門檻，比寫出一篇AI論文要高得多。

這就是莫拉維克悖論的現實版本：對人類來說幾乎不需思考的感知與動作，對人工智能卻是最棘手的難題。人類花了幾百萬年，把手進化成一套極致通用的接口，可以在五指之間映射幾千年來的手藝和工具文明；而機器人世界的大部分玩家，只能拙劣地模仿。

當下關于具身智能的想象，大多停留在人形機器人的全身輪廓。真正決定機器人是否能走進廚房、工廠和養老院的，仍然是經常被忽略的末端執行器——它到底能不能像人一樣抓、擰、插、戳，能不能承受長期的磨損、故障和成本壓力。

過去一年，國內末端執行器相關融資超過二十起，超過三十億元真金白銀押在這個看似細分的零部件上。相比腿足、關節甚至整機，“靈巧手”被寄托了新的希望。

一、為什么所有人都在等那只“手”

如果把當下主流AI路線壓縮成一句話，可以概括為：不斷用更大的算力和數據，放大機器在“理解”和“生成”上的能力。它的優勢在于工程產出快、商業化路徑清晰、對資本友好——更多數據、更大模型、更精細的對齊，KPI往往就能看得見。

但是，說得好不好和做得成不成是兩個問題，這套范式幾乎不碰物理世界，就缺乏向世界拓展用途的能力。而真正的具身智能不是在屏幕上解釋世界，而是在世界里改造世界。而這，也就是靈巧手之所以被資本、創業者和大廠集體盯上的原因。

第一，靈巧手是幾乎所有操作型機器人的共同剛需。家務機器人、倉儲分揀、人形本體、外科輔助手臂、康復假肢，場景再多樣，最后一步都要靠手去完成。

不同于輪式底盤、腿足結構那樣強依賴整機設計的部件，靈巧手天然具備更強的通用性和可單獨供貨能力。一家做得足夠好的靈巧手公司，不需要從零造整機，也能向各種機械臂、機器人系統提供標準化接口。

第二，在一臺機器人整機的成本結構里，靈巧手雖然只是末端部件，但成本占比可以接近三成。一只性能足夠強、可靠性足夠高的手，不只是個機械件，而是一塊高附加值的利潤洼地。對資本來說，既有規模潛力，又有技術含量，自然比某些已經嚴重內卷的環節更有吸引力。

第三，它的難度高到足以形成門檻，而不是一擁而上的紅海。人類手部有27塊骨頭、22個關節和幾十條肌肉協同工作，要在手掌大小的空間里用電機、減速器、連桿和腱繩模擬這一整套結構，同時兼顧重量、強度、散熱和耐久，本質上是個“六邊形戰士”難題：

力矩、靈活度、感知、控制、耐久、成本，每一個維度都拉滿，對工程團隊、供應鏈、算法都提出了極高要求。有工程師吐槽，在任何帶五指“類人手”的人形機器人上，未來一半的維護時間和成本都會花在修手上。

曾經NASA的Robonaut2手部在材料、傳感器、電機上幾乎堆到了物理上限，一只手的成本可達25萬美元，運轉兩小時就可能需要一小時的維護。對過去擅長做“大而重”工業部件的企業來說，這樣的精密度和維護難度，幾乎是另一門完全不同生意。

而且，靈巧手還踩中了一個比技術更深的悖論——人類最不需要思考的動作，往往是最難被復制的。操控一只機械手完成插USB線、擰螺絲的動作，從演示視頻里看上去已經很像人類，但只要把它放進高頻、不可控的開放環境，問題就立即冒出來——材料疲勞、腱繩磨損、力控誤差、觸覺缺失，每一個都是具身智能必須直面而無法用算力堆過去的約束。

也就是說，現在的機器人手并不是一般意義上的靈巧，它們對靈巧度的處理方法非常數學化和幾何化，而不是人類掌握的、需要的效果。

此外，資本并不是要一只更好看的手，而是誰能在物理約束和商業約束之間，找出一個可持續復制的平衡點。Cost>Control>Dexterity。沒有持續供給能力的靈巧，最終都會被成本結構淘汰。

前文提到的融資明星靈心巧手便是一家專門圍繞靈巧手做全棧布局的公司，它打造的L20型號產品已成為全球唯一量產超千臺的高自由度靈巧手，且正在推動產品走向百元級。此前，它曾拿下全球高自由度靈巧手八成以上出貨量，被硅谷科技媒體評為“最具潛力的50家初創公司”之一。

和“讓機器人變得更便宜可用”這個目標一致，靈巧手領域的創業公司要脫穎而出，就要聚焦讓靈巧手變得便宜可用。而在這個基礎上，它們才能講出更多故事。

二、領先玩家是怎么做的？

靈心巧手成立于2019年，團隊的起點不是傳統機械企業，而是“靈巧手+云端智腦”的具身智能專用路線。創始人周永來自聯想研究院，有十多年互聯網產品和機器人經驗，核心團隊成員來自清華、北大和達闥、九號、遨博等公司。他們相比傳統部件廠更擅長工藝和成本控制，更像是一支AI+機器人混編團隊。

靈心巧手此前最受關注的是產能和份額，其出貨量占整個市場八成以上。單月訂單突破千臺，月產能超過四千只，自建四家子工廠，與供應鏈協同交付。去年的短短八個月內，它連續完成超億元種子輪、數億元天使輪、A輪和A+輪四筆融資。

全球第一家能把高自由度靈巧手規模化賣出去的公司，是個很好的噱頭。但靈心巧手真正有意思的地方，是它一開始就試圖從三條線上同時啟動飛輪：硬件產品矩陣、全棧自研供應鏈，以及數據與技能層的云端系統。

在產品層面，它沒有選擇用一款旗艦機撐起全部故事，而是把用戶需求區分為兩個方向：一條是追求極致性能的L系列，一條是追求普惠性的O系列。

Linker Hand L20由此誕生：21個自由度，通用和工業雙版本，能操作各種人類工具，主要面向科研機構和高端工業應用。更高端的L30則提供22個自由度，直接對標精密裝配、手術輔助等場景，單價接近十萬元一只。

在國外Shadow Hand一只手賣到一百五十萬人民幣、耐用性還有限的情況下，靈心巧手希望用性能和價格雙重降維，做一只好到足以替代進口的高端手。

另一側，面向工業普及場景的L6和O6/O7，則把門檻壓到萬元甚至幾千元級。比如L6采用“無刷電機+滾珠絲杠”的自研超強電缸方案，在手掌大小的空間里實現驅控一體化，驅動效率達到九成，絲杠壽命超過百萬次。O6則把自重壓到370克，在保證六個自由度和五指形態的前提下，把價格做到6666元，Lite版補貼后甚至低至3999元。

靈心巧手顯然希望讓學習具身智能的學生、早期開發者和小型團隊也能買得起真正的靈巧手。

為了做到這一點，靈心巧手選擇了從減速器這一層就開始全棧自研：材料、電機、電缸，搭起完整產業鏈，以此把核心部件的成本優勢握在自己手里。一旦未來有更大體量的科技公司和整機廠商殺入賽道，單在硬件端打價格戰，未必能夠輕易把它擠出市場。

不過，靈心巧手創始人周永的判斷是，光靠硬件優勢遠遠不夠。等到真正的萬億級科技巨頭認真進入靈巧手領域時，對方可以用極高的資本開支吃掉制造端的規模紅利。那時候，簡單比拼硬件效率，只會被拖進對方擅長的戰場。因此，靈心巧手從一開始就試圖在數據、算法和生態層面搭一條防線。

在數據采集端，它推出了OpenTeleDex模塊化遙操作系統，刻意做成支持任意外接設備、任意機械臂、任意靈巧手的開放架構，讓更多開發者可以以更低成本搭起一套遙操作和數據采集環境，不必被鎖進封閉整機方案里。

在技能層，它打造了Linker Skill Net多模態數據采集系統，希望逐步構建全球最大的手部技能庫。

靈心巧手認為，人類手之所以有獨特價值，是因為它具備極強的泛化能力——能操作萬種物體、使用萬種工具。LinkerSkillNet想做的是一個“技能商店”：未來無論是誰來做具身智能，只要需要讓機器人完成插線、擰閥門、系鞋帶這類動作，都可以直接調用已經訓練好的技能模板，而不是從零開始重訓一遍。

對業界資本來說，這是一次典型的平臺化敘事：即使有大廠入場，如果靈心巧手已經積累了數千種可直接調用的成熟技能，對方更有動機成為它的客戶或合作方，而不是簡單復制硬件后從零構建技能庫。硬件做的是一次性買賣，技能庫則有機會形成持續復用的復利。

在模型訓練端，它又通過Dex-Serl真機強化學習框架，把末端力覺和自動化輔助動作算法引入訓練過程，讓靈巧手可以在真實機械臂上進行高頻試錯，而不是完全依賴仿真環境。打螺絲、插USB接口這樣的任務，演示成功率可以貼近百分之百，這是“硬件+數據+算法”一體化能力的一個直觀展示。

最后，在產業協同上，它還和澄凱基金聯合發起“百靈計劃”，設立具身智能產業基金，投資上下游供應鏈、模型算法和垂直場景企業；同時提出“靈創巧界”戰略，把“靈巧手生產靈巧手”的自我制造概念延伸到自我進化，試圖在自家工廠里先完成機器人在真實生產環境中的學習閉環。

今年4月底，靈心巧手還推出了靈心造物大模型，讓用戶能夠通過對話進行任務生成，推動機械手進駐生活。

一整套布局可以濃縮成一句話——靈心巧手想做的不是一只更好的手，而是一條從硬件到技能、再到生態的飛輪。百萬只機械手在真實世界里的交互，既是它的商業目標，也是它給自己設定的數據門檻。只有飛輪轉起來，它才能守住基礎設施的未來。

三、靈巧手及其面臨的遠期問題

當下，靈巧手乃至整個具身智能領域受到的審視、質疑并不少，有人認為目前只有算法和數據過關，材料學沒有突破則很難實現真智能。

MIT計算機科學與人工智能實驗室主任Rodney Brooks去年在他的《Why Today’s Humanoids Won’t Learn Dexterity》（為什么機器人學不會真靈巧）博文中提出，一味追捧形態和技能不是萬能鑰匙，觸覺、力控、實時反饋、材料交互等底層物理才是關鍵。

主流強化學習框架（如用“狀態→動作”直接映射）把靈巧當成一種反應問題，但真實人類靈巧是“計劃+感知調節”的雙層結構——上層是目標導向的抽象子任務規劃，比如要切一個柚子，讓刀尖剛好切入果皮而不傷果肉，這個空間根本沒法用關節角度或像素來定義；下層則是觸覺驅動的毫秒級行為調節，比如指尖壓力突然變小，立刻停止加力。

在Brooks看來，人類還沒想清楚如何表示這種子任務空間，訓練模型去學它是很難達成的目標。而且觸覺調節又不能靠視覺替代，必須讓機器真正“摸得懂”物理信號。所以目前參與機器人賽道的企業們光收集數據是不夠的，確定什么是合適的數據、有用的數據，確定合理的訓練范式更重要。

而2024年的圖靈獎得主Rich Sutton提出了一個更大的問題：人類知識往往會讓方法復雜化，不適合機器人的“通用計算”。

何解？人學走路不是先背牛頓定律，而是在接觸地面和摔多了之后自然學會。生物學（尤其是人類運動控制）靠的是粗糙但魯棒的并行試錯機制，而人類學者習慣用精確但脆弱的分析式方法去建模它——結果造出的系統既難泛化，又難和真實物理世界對接。所以思維智能上下象棋、繪圖等邊界明確的任務，計算機強于人類，但端到端模式下的泛化任務，計算機無法形成超越。

他們的思考有收斂趨勢，從中，我們可以通過當前靈巧手乃至機器人的發展，做出如下思考：

第一層，是關于“形態與供給”的現實考題。具身智能領域里，關于五指靈巧手的爭論從來沒有停過：既然三指機械手已經能應付大多數工業和家務場景，為什么還要堅持做一只難度更高、結構更脆弱、成本更昂貴的五指手？如果最終比不過割草機、掃地機器人、洗碗機這一整套專用設備的性價比，那人形和靈巧手的意義又在哪里？

靈心巧手給出的答案并不浪漫。我們認為，無論靈巧手還是機器人，都必須強調Cost>Control>Dexterity原則，本質是一個演化意義上的約束：只有被持續供給、維護和擴展的形態，才有機會成為“文明級部件”。一只極致靈巧但昂貴脆弱的機械手，在生產線上或許可以作為樣機展示，但如果無法做到百萬級量產，無法在成本和穩定性上達標，它就很難成為行業真正的基礎設施。

靈巧手之所以值得堅持五指形態，是因為它承載的是人類五千年手工文明留下來的動作資產。彈鋼琴、做蘇繡、按摩、牙科手術，這些看似與工業無關的動作邏輯，一旦被編碼成可遷移的技能模板，就會在更廣義的服務經濟中找到新的容器。問題不在于能不能模擬出這樣一只手，而在于能不能以可接受的價格，把這種能力普惠到盡可能多的機器人身上。

第二層，是關于“智能本質”的路徑選擇。今天的AI產業更容易被“可擴大的工程復制”所驅動：哪條路能更快看到商業回報、復用路徑清晰，資本和人才就會往哪條路涌。這導致了一個微妙的鎖定效應——我們花了大量資源，讓機器在符號空間里越來越像一個聰明人，卻在很久以前就知道：真正難以被復制的是那些嵌在身體里的直覺、觸覺和動作智能。

靈巧手這個垂直賽道，在某種意義上是在反向糾偏：它倒逼工程師重新面對智能的具身性——人類之所以能制造工具、使用工具，從生物學上看，很大程度上是因為先有了一雙足夠通用的手，再在漫長進化中配上更強的大腦。智能和動作的協同演化，是一個遠比“算力+數據+算法”的工業范式更長的敘事。

因此，有的創業公司會強調不是要做仿人類的手，而是要做超人類的手，背后其實是一個方法論選擇：是把人類的手當作上限去模仿，還是當作一個起點，去探索在不同材料、驅動方式和感知能力下，機器可以進化出怎樣新的“手部形態”？如果后者成立，那靈巧手不僅是人類文明的投射，也是一次關于智能載體的反向實驗。

第三層，是關于人類社會結構的長期壓力。全球老齡化、勞動力成本上升、服務業比重持續走高，這些宏觀趨勢引出的是同一個問題：有沒有一套可復制的、不完全依賴人力的“服務型基礎設施”？

從養老護理到家庭服務，從精密制造到極端環境作業，人形機器人當然不是唯一答案，但它的優勢在于可以相對低成本地適配既有的空間、工具和工作流程——前提仍然是手足夠好用。

也就是說，無論是對靈心巧手還是對其他創業公司，當靈巧手真的能接近百萬這類目標的時候，其商業化價值會很可觀，但對應的具身智能起飛的一個前提條件會更加動人心魄：一百萬只手在真實世界里的持續交互，意味著以往難以捕捉的感知和動作數據被系統化記錄下來，人類手部文明第一次有機會以“數據集”的形式被重新審視和組合。

當然，離這個圖景成真，還有很長的路要走。從今天的視角看，面對產線磨合、工藝成熟度、訂單排期這些工業世界的基本考題，以及預備好在未來某個時刻，迎接大型科技公司的正面進入，是所有創業公司都繞不開的難題。

但至少在當下這個節點上，能夠引起外界對人類智能最不起眼、卻最本質的那一部分——動手能力——的關注，是很有意義的。

艾倫·圖靈在1948年寫就的大作《Intelligent Machinery》中提到，獲得智能機器最好的方法，是把一個人當成一個完整的系統來看待，然后嘗試用機器部件逐個代替他身體和心智的每一部分——這是全機械替代的強人工智能實現路徑，但無論如何，缺少身體、環境、時間三者咬合的閉環演化，都會導致他難以在人類社會“生存”下去。

而機器人賽道的諸君很可能低估了這個難度。所以關于機器人，關于靈巧手，業界要做的還有很多。

來源：松果財經