kepler灵巧手是哪个公司

caprillex 的 灵巧手会不会引发人群机器人的行业地震？因为它的目标价格是一百美元一只，太吓人了。大家看这只灵巧手啊，扭螺母能扭出蚕蛹来，快的吓人， 傻子都能看出来，这个机械手能力太强了，技术水平太高了，绝对属于第一梯队。关键它的目标价格，未来他说要做到一百美元一只，太吓人了。 大家可能还记得两个月前我还专门介绍过灵巧手啊，一个新加坡的公司叫 superway， 这家公司的灵巧手是实验室科研级的，很贵，十二万美元一支啊，八十多万人民币一支。它的水平我我感觉跟 capelapse 这个灵巧手实际上差不多。 呃，高不了太多了，但是价格差的太高了。呃。大家都知道埃伦马斯克曾经提过，呃，影响人机机器人大规模量产，他提出了三个关键点。第一个零挑手是非常非常难的，他认为是大家接触的事情里头算是最难的一种，比 spacex 的 新建要略简单一点。第二个就是供应链要重构。第三个是机器人大脑， 那么零挑手，它放在一个很重要的位置上。我的观点是，未来机器人，人机机器人要大规模量产，一个是零挑手的成本要降低， 这是关键。那么 caprice 这个灵巧手，如果如他所说能做到一百美元一只，而且它是成本价， 它的售价可能加百分之三十，甚至百分之五十，就一百三到一百五十美元一只的话，那么整个行业会地震。因为现在的行业啊，灵巧手基本是几千美元到几万美元之间， 能干活的啊，表演的不算啊，那可能更低，几千人民币了，这绝对会引起行业的地震。呃，这次他展示的这个灵巧手干活啊，实际上还没有展示币， 他可能是人在拿着的，他是不完全的，他这个主动性也不好判断，但是他的灵活度、自由度，包括他的精巧程度，这个东西是能看出来，这个绝对是技术非常非常棒。然后这家公司很有意思，我给大家介绍一下啊， taper labs 成立于美国布鲁克林，然后二零二二年成立公司不到十个人， 到今天二零二五年才不到三年时间，然后刚刚拿了一个融资，很小，一百二十万美元，要专门做零翘首。他的核心技术呢？说出来我也不懂，而且他创始人呢，是 spacex 的 前员工埃隆马斯克的，以前是他的老板， 所以他遵循低信原理。他这个手为什么能做的这么便宜？很重要原因就是他跟现在的零翘首的就是原理是不一样的， 它的核心技术是人工肌肉纤维制动器。这东西跟我们现在那个林小手的健身机制啊，新型滚珠丝杠都不太一样，就是利用低薪原理从底层上来改变这个东西，所以它成本完全不一样，一下低这么多。我一直觉得林小手可能是中国能把这个成本打下来，能打到几千块钱，甚至 呃，一千人民币以下，可能在十年以后啊，没想到是美国人先打下来了，先把这个原理上突破了，然后把价格给打下来，我觉得这会引发整个产业链的一个大的地震和革命。如果未来 peppa labs 的 零条手研发成功，真能是一只手也就是一百到一百五十美元的售价的话， 那我觉得中国目前的整个零翘首的供应链会绝对是成功，是颠覆性的，大家一定要关注这个零翘首公司啊，太吓人了。经常看我视频的朋友，用你超级幸运发财的手帮我点个小心心，给我一点点支持。

前不久前，特斯拉擎天柱机器人项目的零巧手专家卢泽宇入职小米，引起了业内外的广泛讨论。放眼全球，从特斯拉到波士顿动力，再到语数科技，几乎所有的顶级团队都在疯狂争抢一种人才。造手的人 为什么？因为在二零二五年的今天，我们发现，随着大模型的快速发展，给机器人一个聪明的大脑似乎已经有了眉目，但给他造一双能干活的手，却成了拦在通用机器人面前最大的障碍。这似乎有些反直觉，大脑都有了手，还能造不出来？ 今天我们就来仔细的聊一聊机器人的手上功夫。大约四十年前，一个名为莫拉维克的学者提出了一个观点，让计算机在智力测试或者跳棋方面表现出成人水平相对容易，但赋予他们一岁婴儿那样的感知和移动能力时却困难或不可能， 这就是著名的莫拉维克悖论。而近四十年后，这条悖论却恰好总结了当前人形机器人所面临的困境。这是因为，如果没有一双足够灵活的手，无论机器人的大模型有多聪明，他在物理世界里 本质上只是一个长了两条腿的智能叉车，他可以搬箱子、抬东西，因为这属于加持或者托举， 只要有胳膊就可以。但他却很难帮你叠衣服、擦桌子，更别提用电钻、菜刀这种人类文明几千年以来积累的工具。可以说，双足决定了机器人能去哪里，而灵巧手决定了机器人能做什么。 显然，我们发明机器人不只是为了让他做力工，毕竟他更贵、更精密，我们需要他做的是能代替人，能熟练使用工具的操作员。 双手对于机器人的重要性不言而喻，然而造一双手谈何容易？理解造手之难，要先理解一个概念，自由度。 简单理解一个自由度，就是一个独立能动的关节。现在你伸出大拇指，做一个点头的动作，大拇指弯曲，这一下就是一个自由度。那现在摊开你的手，大概有多少个自由度呢？答案是二十多个。 这意味着机器人的灵巧手如果要像人一样灵活，要在手掌大小的空间里塞下大量的关节、传感器、电机或者转动系统。 同时呢，还要保证结构的强度，不能说你拎个重物或者摔一下手就断了。为了解决这第一个问题， 一部分人采用了箭绳传动方案。这其实有点仿生学的意思，像人类一样，手上的动作其实是胳膊里的肌腱在发力。箭绳传动呢，就是把电机藏在手臂里， 通过箭绳来拉动手指。因为所有的驱动器都在前臂里，手指本身就比较轻，动态性能就很强，同时也方便做出更多的自由度。就比如 shadow hand， 有二十四个自由度，甚至可以一比一复刻人手的所有动作。比如当年 openai 震惊世界的单手转魔方，用的就是山东焊的。 但这种方案呢，也有一定的缺陷。首先是剑绳的稳定性和寿命。大家可以想象一下，自行车的刹车是不是用一段时间刹车就不灵了， 得调整一下刹车线。这是因为刹车线是有弹性的，会拉伸，时间长了会变长，还会跟线管摩擦，这就可能导致迟滞效应， 电机转了十度，手指可能只动了八度，或者延迟了零点一秒才动。这种微小的误差在穿针引线这种精细操作中是灾难性的。 另外，因为绳子只能拉不能推，所以呢，一个自由度通常需要一根绳子拉，加弹簧回弹或者两根绳子的配合来控制。 从量产的角度看，建绳方案因为驱动器在前臂里，因此零巧手和小臂实际上是一体的。这不仅导致了更高的制造成本，还意味着后续使用维修的成本也更高。 对建绳的校准和调试工作也会影响零巧手的大规模生产。种种因素下，行业逐渐转向了刚性。传统方案 这种架构将电机、减速器、齿轮或连杆等部件直接集成在关节附近，通过一条短而刚性的机械链将力矩传递到手指。相比箭绳方案，它具有更可预测的动力学特性， 使关节能够在更高带宽和更低延迟下运行，从而获得显著更好的控制精度。更关键的是，由于驱动单元全部集成在手内部，手的驱动力和手臂完全结藕， 手可以作为独立的模组进行研发、量产和更换。这种模块化的能力对于商业化机器人直观重要。当然，刚性方案也并非没有代价。首先是因为集成度更高，包括驱动器在内都集成在手里，可能会导致散热困难，同时手指也会变粗变厚， 在做手指交叉或者狭窄空间探入等动作时，往往不如箭绳手灵活。其次呢，机械链路刚性强，在摔倒等冲击场景下，如果没有设计缓冲机构， 还容易导致齿轮崩齿或者连杆损坏。但总体来说，尽管存在这些工程挑战，但钢性传统在控制性能和工业化可落地性上的巨大优势，使他成为了当前商业零巧手机器人的主流路线。这就是目前零巧手的第一个挑战，灵活精度与量产的博弈。 而如果说结构是骨架，那控制算法就是灵魂，这也是我认为造手中最难的地方。 在业内有一个专业术语叫力位混合控制，顾名思义，就是力度和位置的混合控制。举个例子，擦桌子，如果机器人只控制位置， 他的手必须严格保持在桌面高度，高一毫米手会悬空擦，不到，低一毫米手会一直使劲往下压，把桌子压塌或者把手给折断。那我们人类是怎么做的呢？ 在水平方向上控制手的位置，同时在垂直方向上稍稍用力，保证抹布和桌面的充分接触。 也就是说，既要控制手去哪里，又要控制用多大的力去下压，这两者必须在毫秒级内同时进行。那现在的机器人之所以显得手很笨， 很大程度上是因为缺乏这种感知和控制能力，而感知的缺失又是其中核心的难点之一。再打个比方，假如你的兜里有一把钥匙和一颗硬币，你需要把兜打开，用眼睛看再去拿吗？不需要， 因为你的手伸进去摸一摸，你就知道哪一个是硬币，哪一个是钥匙。但机器人不行，他手上没有我们人类这种触觉敏感的皮肤，他去摸东西就像你戴着厚手套一样，即便摸到了也不知道那是什么， 所以呢，他要去拿什么东西，前提是要能看到，然后经过感知决策执行的大模型预算呢，再去做动作。 因此我们经常看到这种画面，机器人抓鸡蛋不仅慢腾腾的，还容易不小心给捏碎了。因此呢，要解决力位混合控制的难题，不仅需要刚才提到的高精尖的硬件，更需要指尖集成的触觉传感器阵列，以及能够实时处理这些触觉信号的 ai 小 脑， 才有可能让灵巧手真正灵巧起来。正是因为造手太难，所以全球的顶级玩家们在这个问题上交出了完全不同的答卷。首先是特斯拉选择了死磕仿生方案，采用齿轮加箭绳的复合转动， 要把手做的尽量灵活，尽量向人能通用人类所有的工具，还要实现大规模的量产。波士顿动力则选择了实用主义，他们的手只有三根手指，粗壮结实， 虽然灵巧度不如五指方案，但在工业、物流等应用上有更高的可能性和实用性，并且也能使用多数的人类工具。 加拿大的三轴 ai 则另辟蹊径，采用了液压转动方案，手的自由度超过了二十个，还通过远程控制和深度学习去训练机器人，完成像贴标签、分拣纽扣这样的精细活。把视线转回国内。语数今年也发布了 x 五五指灵巧手， 采用齿轮转动方案，有二十个自由度和九十四个灵敏触点，可以实现抛接橙子、打扑克、拧魔方等操作，展现出了不俗的实力。 还有很多国内玩家把重点放在了模块化与工程化上，比如殷实机器人、灵心巧手等，目的就是以更低的成本、适中的性能，更快实现大规模量产。回到最开始的问题，卢泽宇入职小米， 标志着中国企业正在从做 demo 走向攻坚核心技术的深水区。而我们这代人极有可能会亲眼见证机器人完成进化的最后一公里。当他们有着一双灵巧的手，他们将不再是冷冰冰的设备，他们将能接过年迈父母手中的重物， 能替代工人在危险的化工厂里拧紧阀门，更能成为我们真正的助手。这不仅仅是工程学的胜利，更是人类将自身的能动性赋予了归机生命。给 ai 一 双手，就是给未来一种可能。 今天这期节目是我们巨深智能策划的第一期内容，希望它可以帮助大家置微建筑，建立对整个行业的基础认知。 如果你对这个行业充满兴趣，希望我们更细致的聊一聊机器人企业的落地进程，或者是谁最有可能胜出等话题，欢迎帮我们这期内容点赞推荐，让更多的人看到，这会大大加速我们新节目的制作进度。 ok， 以上就是本期节目的全部内容了，我是陈师傅，在这个硬核的时代，给你最硬核的科技解读，我们下期节目见，拜拜！

你以为人形机器人的灵巧手已经能完美模仿人类动作了？其实，高盛最新的行业调研显示，数据寿命和散热这三大瓶颈还需要至少三到五年才能突破。 大家好，今天我们来聊聊高盛这份关于人形机器人灵巧手生态的深度报告。这份报告是基于十二月八日到十二日期间高盛组织的一场投资者虚拟考察活动，邀请了六家非覆盖公司的技术负责人参与，包括全球最大的灵巧手厂商之一 lincoln bot 以及 forteur technology、 江苏雷力电机等核心零部件供应商。首先，高盛认为，目前零巧手技术虽然在多方面取得进展， 但关键瓶颈依然存在。 linkerbot 的 管理层表示，硬件和软件需要协调迭代，预计三到五年内，零巧手产品才能完美复制人类所有手部技能。这意味着， 尽管特斯拉 optimus 阵三可能采用 tendenrive 机件驱动设计，但数据寿命和散热问题仍需时间解决。 接下来，我们看看三大主流零巧手方案的共存情况。高盛指出， linkage 连杆、 direct drive 直驱和 tendenrive 机件驱动三种方案各有优劣。 海外厂商倾向于基建驱动，而中国厂商更偏好直驱和联杆方案。基建驱动的优势在于灵活性和轻量化，但存在基建磨损问题。直驱方案响应速度快但容易过热。联杆方案结构紧凑，但负债能力较低。 然后是数据瓶颈。 lincoln bot 认为，零巧手的泛化能力不是由硬件选择决定的，而是由真实世界的数据量决定的，他们提出需要大约一百万台设备才能构建开发者生态系统，完成其真实数据及 dexkill net 这样零巧手才能从大规模部署中学习大多数人类技能，这说明数据积累是未来几年的关键任务。 寿命问题方面，基建磨损是主要致癌因素，巨额物和钢基建的寿命有限，而青岛高策科技开发的复合氩丝基建虽然成本较高，每只手超过一万元， 但抗如变性能百分之零点零零五 vs 聚合物的百分之一和寿命超过一百六十万次循环都有显著提升，不过，成本仍是大规模应用的障碍。 散热问题主要与扭矩密度和电机设计有关，当实际运行扭矩超过电机设计上限时，过载会迅速引发过热。光伏技术正在与三花合作，通过提高扭矩密度和嵌入热管理密度和嵌入热管理解决方案来应对这一挑战。 成本方面，高盛认为随着规模扩大，成本将不再是主要问题。目前组建成本高主要是因为缺乏大批量订单和昂贵的传感器微型执行器。 例如全球厂商 foheber 和 maxon 的 十毫米无芯电机价格高达一万元，而中国厂商如 moon's electric 的 十二到十三毫米无芯电机价格约为六百元。三花 fotry 也计划以类似价格提供更高性能的产品。 具体到各公司， linkerbot 提供全系列零巧手产品，覆盖百分之七十到百分之八十的 b o m 成本，目标是全球市场份额百分之五十。 forter 与三花合资开发的无芯电机，扭矩密度和一致性达到世界领先水平，计划二零二六年第一季度量产。 江苏雷力电机通过与中科大合作的合资公司开发联杆和基建驱动模型，目前处于样品测试阶段。 浙江锋利智能科技为 robotcher 和小鹏供应微型减速器、斜坡减速器产能正在扩张。 青岛高策科技的乌鸡舰利用太阳能光伏业务的废料成本优势明显。深圳常营精密为特斯拉和 figure ai 供应结构件，二零二五年上半年相关收入达三千六百万元。 高盛对人形机器人技术趋势长期看好，但仍需等待硬件性能突破、机器人 ai 进展和实际应用落地，才能判断技术拐点是否到来。供应链股票预计将出现更大波动，市场将基于市场份额、单机价值和利率预期进行交易。 二零二六年股票走势可能围绕两个催化剂，一是上调百万台里程碑预期，二是市场份额和单机价值的动态变化。高盛覆盖的股票中，三花 h、 汇川技术和双环传动被评为买入，三花 a 绿的斜波等被评为中性。 总的来说，人形机器人零巧手技术仍处于快速发展阶段，虽然面临数据寿命和散热等瓶颈，但随着供应链的成熟和规模效应，成本问题有望逐步解决， 未来三到五年将是关键的技术迭代期，投资者需要关注各公司在核心技术上的突破以及大规模应用场景的落地情况。高盛的这份报告为我们提供了一个全面的行业视角，帮助我们理解当前技术现状和未来发展方向。