文 | 硅谷 101
大家觉得让机器人学会走路难，还是让它学会打开一听可乐难？我猜大部分人都会说走路难吧，毕竟人类花了几百万年才学会直立行走，波士顿动力的机器人摔了无数次才学会后空翻。
但我最近在采访的时候，才发现一个完全颠覆我认知的事实：在机器人世界里，开可乐这件事比走路可难太多了！也就是说，控制灵巧手要比控制躯体难上至少十倍，而从目前的售价对比上我们也能感受到：
中国 Unitree G1 人形机器人 （会走路）：1.6 万美元；
波士顿动力 Atlas 机器人 （会后空翻）：预估 14 万美元；
英国 Shadow Robot 的灵巧手 （会拧瓶盖）：价格未公开，但业内估计超过 10 万美元
也就是说：一只手的价格接近一个完整的顶级机器人！这是什么概念？这好比一个方向盘的价格接近整辆特斯拉。所以机器人的灵巧手为什么难做？目前技术发展到什么阶段了？业内的技术派系有哪些、有什么值得关注的公司？
今天我们就来聊聊，这个让全世界顶级机器人工程师都头疼的终极难题——机器人灵巧手。以及我们与特斯拉前灵巧手负责人创业的团队 TetherIA 一起聊聊，一个 300 多美元的 「Android 版机器人灵巧手」 如何试图颠覆这个被垄断了 30 年的高端市场。
01 机器人的 「最后一公里」
为什么我们能看到机器人在工厂里分拣产品，在仓库里搬运货物，但却很少看到它们能像人一样灵活地拧开可乐瓶盖，或者精准地拿起一颗螺丝钉？答案就在于：手的复杂性远超我们的想象。
人类的手有 27 个自由度，包含 27 块骨头、29 个关节、34 块肌肉，以及数不清的神经末梢——这是一个经过了数百万年进化的 「精密仪器」。更神奇的是，这个 「仪器」 让我们能够既有力量握紧工具，又有精度穿针引线。这样的能力造就了人类文明，但对机器人来说，要复刻这样的能力，就非常有挑战了。
Xu Dong
TetherIA 联合创始人兼 CTO
大家看一下人手的构造，就会发现其实人手非常灵活，里面关节非常多。我们以大拇指举例：大拇指从上往下，有 IP joint（拇指指间关节）、MCP joint（拇指掌指关节），这两个关节都可以实现屈伸和弯曲。再往下的关节叫 CMC joint（拇指腕掌关节），这个关节就明显灵活很多，可以做侧摆动作，也可以做弯曲和伸直动作，甚至还能原地旋转。而且它的运动范围非常大。你会看到，关节之间的连接非常小，这就是为什么人手既能灵活，又能保持非常小的体积的原因。
而这，就是机器人工程师们面临的终极挑战——机器人灵巧手，英文叫 Dexterous Hand，在机器人学里，它专门指高度仿人、具有多自由度、能够完成精细操作的机器人手。它能够模拟人手的抓取、操作和感知功能。那什么样的机器人手才能称得上 「灵巧」？
第一，它得有足够多的 「关节」。我们人手有 27 个自由度，而机器人灵巧手通常需要 6 个以上，高端产品能达到 20-27 个。这就像是给机器人装上了真正能 「动手指」 的手。
第二，它得有 「绣花」 般的精细控制。我们说的是毫米级甚至更精细的操作——想象一下用机器人手穿针引线，或者像我们一会儿要看到的那样，精准抓取只有 5 毫米的 M5 螺丝钉。
第三，它得有 「触觉」。不只是能看到，还要能 「感受」。触觉传感器、力觉传感器、位置传感器等等，就像给机器人装上了神经系统，让它知道抓得是轻是重，是软是硬。
第四，它得会 「察言观色」。遇到圆的就用一种抓法，遇到方的就换另一种。看到玻璃杯就轻拿轻放，看到铁块就可以用力一些。这就是自适应抓取的能力。
最后，它得长得像人手。人类世界的所有工具都是为人手设计的。如果机器人能够模仿人手的结构、功能和配置，它们就能快速且经济高效地应用，而无需改变我们的环境。
如果我们看看历史会发现，灵巧手从有这个概念，到现在逐步趋向成熟，已经走过了 40 多年的历程。
- 1980 年代：开山之作
Stanford/JPL Hand 开创了灵巧手的先河，3 根 「人形」 手指，每根三个关节，配备触觉/力反馈。但它更像是证明 「这事儿能做」 的概念机。
- 1990-2000 年代：百家争鸣到夹爪称王
Utah/MIT Hand、DLR Hand 等各显神通，技术路线百花齐放，但都停留在实验室：能演示，但离实用还差十万八千里。
就在灵巧手还在实验室 「纸上谈兵」 时，简单粗暴的两指夹爪已经占领了工厂。虽然只能 「抓」 和 「放」，但便宜、稳定、够用。这就像是功能机时代——虽然简陋，但解决了核心需求。
- 2000-2010 年代：商业化破冰
Shadow Robot、Allegro Hand 等陆续商业化，价格高达数万美元，主要服务科研机构。这个阶段就像早期个人电脑——功能有了，但普通人买不起。
2020 年代：巨头入场
特斯拉入局改变游戏规则。马斯克不只要做灵巧手，还要规模化生产。同时，GPT 等 AI 大模型的突破为机器人控制打开了新世界的大门。
- 2025 年：转折点
特斯拉 22 个自由度的新手、TetherIA 的 300 美元开源革命、各路开源项目涌现。灵巧手即将迎来 「智能手机时刻」——从极客玩具变成人人可得的工具。
然而，灵巧手虽然迎来了巨大的突破，但还是有很多的难点。这个难点并不仅仅在技术上的突破，更重要的是要兼顾性能，成本还有可靠性，这就成了一个 「不可能三角」。
02 灵巧手的 「不可能三角」：性能、成本、可靠性
在现场采访中，我才知道一个可能会颠覆很多人认知的观点：灵巧手的控制比整机控制要难 10 倍！
在 TetherIA 位于硅谷的办公室，我见到了他们一路以来设计的各种迭代版本，以及他们刚发布上线的这款开源的灵巧手产品 Aero Hand Open。
在我自己真正上手尝试去控制灵巧手之前，我都非常不理解，一个完整的人形机器人要平衡、要走路、要导航，怎么可能比一只手还简单呢？但当我自己尝试去控制这只手的时候，发现真是没那么容易。
Xu Dong
TetherIA 联合创始人兼 CTO
我们觉得这个难点其实是多方面的。因为机器人是一个复杂的系统，现在大家比较关注的是 AI 控制的层面，主要是 VLA 模型 （Vision-Language-Action 视觉-语言-动作） 的泛化能力，这毫无疑问是一个很大的难点。
另外，我们觉得从整个整机系统角度来说，这个手的硬件本身也是很大的一个卡点。人手是非常灵巧的，它的相对尺寸很小，每个关节都很灵活，手指又非常纤细，还能做到速度和力量之间的平衡，并且特别经久耐用。
我们人类主要是靠双手和外界进行接触，但在传统的机器人里，更多的是避免机器人和外界接触，因为一旦接触就是碰撞，对机器人就有损伤，而手恰恰需要和外界接触，所以综合起来，这些都是硬件上的难点。
除了硬件和控制的难点，其实还有很多更不为外行所知的地方。比如，你在控制的同时，希望能够让 human-in-the-loop（人机回圈），让人在其中对机器人产生影响和作用，这就牵扯到遥操系统，以及开发过程当中的仿真系统，以及背后整个体系。其实都有很多的困难。
我在操作的过程中感觉到视觉与力量的协作，是非常关键的。由于我是完全感知不到触感和力度，我抓握的完全是空气，只能凭借我的眼睛观察灵巧手与物体的接触反馈来及时调整。这就很像软件驱动灵巧手的过程。
我们知道，人类的抓握过程依赖于神经系统、肌肉控制和多模态感知。
人类抓握力的调整分为两个闭环控制：第一是前馈控制 （Feedforward Control），也就是大脑基于视觉和经验，在抓取前预测所需力量。例如，看见一瓶水时，大脑会预估重量，先设定一个初始抓力。
第二个阶段是反馈控制 （Feedback Control），在手指接触物体后，实时通过触觉和滑动信息进行调整。如果物体开始滑动，神经系统将在<100 毫秒内反射性增加力量。这是一种快速的 「感知和反应」 的闭环。
如果灵巧手要完全复制人手的这个反馈闭环，需要的不只是传感器和控制算法的堆叠，而是一个更接近人类神经系统的分层控制架构。可以类比为 「大脑控制」 和 「小脑控制」：大脑控制依赖视觉、经验和推理，用于规划动作和做出高层决策；而小脑控制则依靠触觉、力反馈和实时的平衡调整，负责细节上的动态微调与协调。
把多模态传感 （力/力矩、触觉、视觉） 与感知—判断—调整的闭环控制结合，再通过深度强化学习不断优化整个系统的策略，真的是非常有挑战的研发过程。
所以在 2023 年年底，BC 特斯拉的第二代人形机器人 Tesla Optimus Gen 2 发布捏鸡蛋的 demo 那么受到关注，正是因为它基于视觉的 「大脑」 和基于力控的 「小脑」 在协作进步。
虽然实现这一切很难，但要真正实现机器人在多场景下的应用，还真是得依靠灵巧手不可。这个逻辑很简单：人类世界是为人类设计的。所有的工具、设备、环境都是按照人的尺寸和能力来设计的。要让机器人真正融入人类世界，最有效的方法就是让它们具备类似人类的能力。
所以，要想让灵巧手真的走向产业化、还有一个难题要解决，那就是灵巧手的」 不可能三角」。如果把机器人灵巧手比作一个三角形，那么它的三个顶点分别是：性能、成本、可靠性，而这个三角形有个残酷的特点：你只能优化其中两个角，第三个必然会受到牺牲。
而如果想要高性能，英国 Shadow Robot 公司的灵巧手就是完美的例子。它拥有超过 120 个传感器，可实现触觉感知，拥有 20 个电动关节和 24 个自由度，其尺寸、形状和运动范围与人手相当，非常适合执行专为人手设计和优化的任务。但是，它的价格超过 10 万美元！
想要低成本？市面上有很多开源项目，比如 DexHand 和 Amazing Hand，可以 3D 打印，成本能控制在 300 美元。但性能嘛... 只能说是 「摆造型」，抓取功能基本是没法使用的，甚至一些入门级的商业产品在这方面也不足。
想要高可靠性？那就得简化设计，减少故障点。越复杂的系统，维护成本越高，故障率也越高。但这样一来，性能又会大打折扣。
Xu Dong
TetherIA 联合创始人兼 CTO
因为机械手每一个关节、每一个自由度的运动都需要有电机来控制，如果把电机做得很小，它的功率输出和性能就会相应变弱。所以，要想匹配人手的自由度、人手的尺寸、以及人手的力输出和速度，就是一个非常困难的 「不可能三角」。
这就像是在玩一个永远无法获胜的游戏，除非你能够找到突破这个三角形的新方法，而在产业中，大家一直在寻找这样的方法来突破不可能三角，这也衍生出了灵巧手江湖中的 6 大门派。
03 技术流派大揭秘：6 大门派的江湖恩怨
为了解决灵巧手的 「不可能三角」，在机器人灵巧手的江湖里，主要有六大门派，各自有着不同的武功路数：
Chapter 3.1 直驱派：简单粗暴的 「搭积木选手」
这一派的哲学很简单：需要动哪里，就在哪里放个电机。就像韩国 Wonik Robotics 的 Allegro Hand，16 个自由度，16 个电机，电机 「一对一」 服务；还有最新出的国产产品 SharpaWave，Wuji Hand 以及 XHand，都是这个路线。
这种设计的优点在于方便精细控制。缺点在于，电机驱动器体积小、抗冲击差、不可反驱、指末端力输出小，而且维护和维修都不太方便。
Xu Dong
TetherIA 联合创始人兼 CTO
因为机械手每一个关节、每一个自由度的运动都需要有电机来控制，如果把电机做得很小，它的功率输出和性能就会相应变弱。所以，要想匹配人手的自由度、人手的尺寸、以及人手的力输出和速度，就是一个非常困难的 「不可能三角」。
Chapter 3.2 绳驱派：最接近人体的 「仿生学大师」
这一派的代表是特斯拉的 Optimus 和 Shadow Robot。特斯拉大家都熟悉了，而 Shadow Robot 这家英国公司就像是灵巧手界的 「劳斯莱斯」。近 30 年的技术积累让他们在高端市场占据统治地位，但高昂的价格也限制了他们的市场扩张。
他们的设计思路最接近人体：把 「肌肉」（电机） 放在前臂，通过 「肌腱」（钢丝绳或高强度合成纤维） 来控制手指运动。
这就像是控制木偶一样——所有的线都连到一个中央控制台，通过拉动不同的线来实现复杂的动作。这种设计的优点是轻量化、力量输出稳定、具备一定自适应能力，而且布局和人体更接近。特斯拉最新的 Optimus 手宣称它拥有 22 个自由度，已经非常接近人手的 27 个自由度了。我们实地探访的 TetherIA 他们现在推出的这款高性价比灵巧手也是采用的绳驱方案。
但是，绳驱动也有自己的麻烦。
Xu Dong
TetherIA 联合创始人兼 CTO
虽然特斯拉是坚定走 「绳驱」 路线——但是我们看到其实很多创业公司，真正跟随特斯拉技术路线的并不多，而且很多人会质疑特斯拉。为什么呢？我们觉得，因为 「绳驱」 最根本的优势，就是刚才我介绍的，能够实现比较好的力输出和自适应。但它根本的劣势在于，尤其是对于欠驱动来说，它没有办法实现精准控制。因为它是欠驱动，每个地方的力输出会随着自适应的情况不同而不同。
这个时候，就需要我们能够在软件里，对 「绳驱灵巧手」 的各个模块进行精准的建模。只有你很好地理解这个手在不同条件下会发生什么样的变化，你才可能实现精准的控制。
Chapter 3.3 液压派：追求极致力量的 「暴力美学」
加拿大 Sanctuary AI 公司就走的液压驱动派系。他们的 Phoenix 机器人配备了 21 个自由度的液压手，能够产生强大的力量输出。
液压系统的优势是力量大、响应快、功率密度高，能完成高负载任务，但传统上液压系统都很庞大。Sanctuary AI 的突破在于将液压组件小型化到硬币大小，并且经过了 20 亿次循环测试而无泄漏。
这就像是把挖掘机的液压系统缩小到了手表的尺寸，技术难度可想而知。不过，液压系统依然面临成本、维护、噪音和能效方面的挑战，因此目前主要用于特定工业和研发场景。
Chapter 3.4 连杆派：发挥机械美学的 「优雅派」
这一派的代表作是源自韩国研究团队提出的 ILDA 灵巧手，通过精巧的连杆设计实现高自由度动作。它的哲学是：将驱动器全部集成在手掌内部，用连杆、摇臂、滑块等机构把多个直线动作 「分配」 到多个关节，让手指多个关节弯曲，摆出类似人类手指的各种姿态。
这种方案的优点是结构紧凑、自由度高、外形优雅，充分展现了机械设计的美感；但它的缺点也很突出——抗冲击性较差，在复杂或高负载场景下可靠性不足，导致整体实用性偏低。
Chapter 3.5 混合派：工程师的 「中庸之道
还有一些设计尝试将直驱、绳驱、连杆机构等组合起来，折中成本、重量和性能。例如一些开源或学术手就采用连杆+部分驱动的方案，用较少的执行器实现更多自由度，在科研和教学中很受欢迎。
混合方案之前一直停留在学术研究领域，而 TetherIA 正在通过混合派路线，开发他们旗下的另外一款高自由度灵巧手方案。他们通过剖析人手的具体功能和结构 （结合绳驱及拉杆方案），将上面提过的绳驱、拉杆等方案有机结合在一起，通过强大的工程化实现能力，开发出了一款既高效又可靠的高自由度灵巧手方案。
Chapter 3.6 值得一提的 「开源派」
他们是乱拳打死老师傅——不拼技术精度，不比硬件豪华，而是用开源的方式打破行业壁垒。虽然单个产品可能不如 Shadow Robot 那样精密，但它们的威力在于 「群狼战术」：把灵巧手的价格门槛做到最低，让全世界的工程师都能玩得起灵巧手，从而反过来推动技术的进步。
从 DexHand 到 ORCA Hand，越来越多的开源项目正在降低技术门槛。这就像是 Android 系统对手机行业的影响一样，可能会彻底改变游戏规则。
而 TetherIA 在研发一款高自由度、非常接近人手性能的灵巧手的同时，发现系统其实可以极致简化，于是也做出了一款低自由度、但据说也是市面上性能最好之一的灵巧手。这款灵巧手已经在前阵子发布，并全部开源，售价仅仅为 300 美元。
团队对我们说，他们这款灵巧手是极度任务导向的。虽然自由度较低，但能完成很多接近人手的任务。那我们就来看看，这双手已经能完成哪些复杂的任务。
04 四个 Deomo 背后的技术密码
接下来通过四个 TetherIA 的最新产品展示 demo，我们来看看每个看似简单的动作背后隐藏着什么样的技术挑战。
Chapter 4.1 抓取螺丝钉
M5 螺丝钉直径只有 5 毫米，这个 demo 看起来简单，实际上是对精细控制能力的终极考验。
Xu Dong
TetherIA 联合创始人兼 CTO
小物体的难度在于也是多方面的：一个是在于它的精准控制能力；另外一个是在于，当你抓小物体的时候，如果力输出的方向没有办法很好的配合，往往会把小物体抓飞。这其实都体现了：既要有硬件设计上实现很好的自适应，以及力输出的一致性，另外其实也是我们整个软件系统要相应配合，实现对这个相对复杂的 「绳驱灵巧手」 的精准操作。
Chapter 4.2 抓取大物件
抓大盒子的挑战完全不同。这时候，机器人手只有指尖的一小部分在接触物体，就像是用指甲尖去抓握一个篮球。
Xu Dong
TetherIA 联合创始人兼 CTO
因为这个盒子几乎和机器人的手一样大，因此必须非常精准地去抓住它。基本上这种情况下，你只能用指尖来施力，也就是靠机器手最后一节关节来提供力量。所以对于机械手来说，这样的抓取就变得相当棘手。这个盒子的大小，已经是人手大小能够抓的最接近的尺寸了。手的大小对于人类来说是限制，对于机器人灵巧手来说也是。但是你可以看到我们的灵巧手，对于处理这种接近它手大小极限的物体的时候也是没有问题的。
Chapter 4.3 开可乐
开可乐是最让人印象深刻的 dem，因为它真正展现了机器人手的 「人性化」 特征。
Xu Dong
TetherIA 联合创始人兼 CTO
这是体现了我们硬件结构设计上的一些创新，以及我们对手的实用性的一些理解。我们觉得，其实人在很多情况下，指甲都起到很重要的作用。一个就是您刚才提到的可乐瓶，我们需要有一个自适应，能够在狭小的空间里实现相对较大的力输出。
另外，在生活中很多细节上，比如洗菜、做饭、剥菜的过程中，其实都会用到。我们这里不仅仅是一个 「指甲」，更重要的是手前端的设计，能够用软物质包裹，自适应，而且曲率非常接近人手的曲率，所以才能够实现这些功能。
我本来想使个坏，使劲摇晃了下可乐罐，本来想让灵巧手给我开个 「喷气式」 可乐的，但是... 怎么这么平静？这次使坏失败，大家如果知道怎么能让可乐罐摇晃打开能喷出来的给我留个言，我下次再去找灵巧手试试。
Chapter 4.4 拿 iPhone——桌面操作的 「终极考验」
这个看似最简单的动作，实际上是技术含量最高的。iPhone 紧贴桌面，手指必须伸入只有几毫米的缝隙中，还不能与桌面发生硬碰撞。
Xu Dong
TetherIA 联合创始人兼 CTO
我们发现 iPhone 其实是一个非常窄小的空间，需要在这个狭小空间里使用比较大的力，并且拿稳。这个过程中有若干难点，其中一个难点是：很多灵巧手的末端设计，如果曲率是向外的，在抓的过程中，力的方向会斜向外，不容易抓稳。
另外一个难点是：抓的时候，手指会不可避免地跟桌面接触，从而增加灵巧手损伤的概率。我们的手能解决这些问题：一是有自适应过程，在抓的时候能够调整力的方向，让它抓稳并拿起来；二是因为我们是 「绳驱」 方案，让手在接触桌面的时候自适应，而不是直接碰撞和对抗，从而减少损伤。
05 AI 大模型时代的灵巧手
目前，我们正处在一个特殊的历史时刻：AI 大模型的突破为机器人技术带来了前所未有的可能性。
比如前面说的 Vision-Language-Action（VLA） 模型，就给机器人的 「大脑升级」。传统的机器人需要为每个任务编写专门的程序，而 VLA 模型让机器人能够理解自然语言指令，并将其转化为具体的动作。这就像是给机器人装上了 「翻译机」——它能够将 「帮我倒杯水」 这样的自然语言翻译成具体的动作序列。
Xu Dong
TetherIA 联合创始人兼 CTO
我们发现我在做的过程当中灵巧手的操纵很大的一个难点，就是如何进行遥操。因为它的自由度比较多会比夹爪复杂很多，特别是对于我们绳驱的方案，所以我们基于这个痛点做了一款 AI 小脑，这个 AI 小脑在用户操纵的过程当中能够实现自适应，对于不同的任务，用户并不需要精准地告诉操纵我们灵巧手的力输出甚至力输出的方向，手会给予任务来进行自适应的调整，极大的提高了这个遥操的丝滑程度。
此外，Sim2Real（仿真到现实） 技术正在解决机器人训练的成本问题。在虚拟环境中，机器人可以进行数百万次的试错，而不用担心损坏硬件。但是，仿真和现实之间总是存在差距。
Evan Tao
TetherIA 联合创始人兼 CEO
这个的确是机器人在做的过程中的一些难点，主要是在于，因为物理世界是非常复杂的，我们仿真的过程中肯定是简化了很多的一些参数。比如像物体比较多的摩擦力、刚性、柔软的程度，仿真的模型并不能够很好的去体现。并且我们在物理世界设计机械手、生产机械手的过程也会有一些的误差，所以这也是我们一直在克服的东西。
这就像是在游戏中练习开车和在现实中开车的区别——基本技能可以学会，但真正的路感还是需要实际体验。
不仅如此，甚至在硬件上，AI 也在发力。机器人昂贵的一个原因，是它的供应链比较缺乏。很多这种驱动器都是专门为了机器人定制的，目前来说产量也比较低，所以整个行业的成本还没有办法做得非常便宜。并且，传统机器人的设计是通过不断提高产品的精度，来实现很多高级、炫酷的功能。但是现在有了 AI 的加持，对机器人硬件的精度要求就不会再继续那么高，所以整体的价格我们相信会越来越低。
而 TetherIA 推出的这款绳驱方案的开源灵巧手，就是想让硬件以便宜的价格被更多机器人和科技爱好者所采用，在此之上去更好的用 AI 开发软件来加速灵巧手和机器人的技术进步。
Xu Dong
TetherIA 联合创始人兼 CTO
我们这款低自由度的产品，是结合了我们在设计高自由度的过程当中，对于整个整体结构设计的一些经验，然后并且采用了市面上主流的 off-the-shelf（现成的） 的这种电机，所以能够做到极致的低成本。
Evan Tao
TetherIA 联合创始人兼 CEO
我们的计划和特斯拉是不一样的，因为我们不像特斯拉有那么多的资金去完全投入在研发中，我们是要和我们的社群一起去成长的过程。为什么我们对我们低自由度的手非常有信心，而且觉得会是一个爆款的产品，是在于我们通过 300 美金的硬件成本能够做到超越别人几千美金、甚至几万美金的产品的功能性。这样的好处是，不仅仅是很多很顶尖的公司和很顶尖的科研院所可以使用这样的产品，更多的爱好者也可以一起参与到这个灵巧手算法的应用的开发过程中来。
这就像是 Google 的 Android 策略——虽然苹果的 iOS 可能在单个产品上更优秀，但 Android 通过开放生态获得了更大的市场份额。而且通过开源硬件，全世界的研究者都成为数据贡献者。
06 机器人走进家庭的前夜：从拥有一双真正灵巧的手开始
回顾机器人灵巧手的发展史，其实就是人类技术进步的一个缩影。我们从模仿自然开始，逐步理解其中的原理，然后用工程的方式去实现，最终可能会超越自然的原型。
我们在采访中发现，TetherIA 的故事特别有意思，因为它代表了一种新的发展模式：通过开源降低门槛，通过众包加速创新，通过生态建设推动产业发展。这就像是 Linux 对操作系统行业的影响，或者 Android 对移动行业的影响一样。
当然，从 300 多美元的开源版本到真正实用的家庭机器人，这中间还有很长的路要走。技术上的挑战、成本上的压力、应用场景的探索，每一个环节都充满了不确定性。
但是，正如受访者在采访最后说的那样：我们相信五年之后，我们会看到机器人在很多地方部署，它不会是一个停留在视频里或者概念里的东西，就像我们现在每天接触 ChatGPT 一样，它会真正在我们生活当中产生巨大的价值。
也许再过数年，我们回头看 2025 年，会发现这是机器人真正走向普及的起点。到那时，每个家庭都可能有一个机器人助手，能够帮我们做饭、打扫、照顾老人、陪伴孩子。而这一切的起点，就是让机器人拥有一双真正灵巧的手。
以上就是我们机器人系列的第一期的内容，之后我们还会走访硅谷明星初创公司和一线研发机器人的团队，从大脑、AI 算法、数据、脑机接口等多个维度来深度聊聊机器人如今的研发现状。关于机器人，大家还有什么想问的、想聊的，欢迎在评论区一起告诉我们吧。
