弹性杆先跑起来了，人形还在学走路

机器人的未来，一定要长成人的样子吗？

当Figure AI创始人兼CEOBrett Adcock喊出「我们在制造一个新物种」，整个行业的聚光灯几乎都打在了人形机器人身上。Physical AI的叙事裹挟着资本一路狂奔。但就在同一时间，UCLA Samueli School of Engineering和University of Michigan的研究者们给出了一条完全不同的路径——一根会被反复弯折、扭曲、然后「啪」一声崩回原形的弹性杆。

这根杆能让小机器人完成跳跃、翻转甚至游泳，并且横跨六种地形跑赢了刚性腿。这不是玩具，这是一次对「具身智能=人形」这一默认公式的公开质疑。

🐸 会崩的杆：从青蛙腿上偷来的灵感

最便宜的能量来源，藏在结构本身。

先看这个研究本身做了什么。UCLA和密歇根大学的机器人学者们发现，弹性杆在被弯曲和扭转的过程中会持续储存应变能，当形变超过某个临界点时，杆会瞬间从一个形状「崩」到另一个形状——学术上这叫屈曲跃迁，通俗地说就像按塑料尺子，按到一半它会突然弹直。

这个瞬间释放的能量，被用来驱动小机器人跳跃、翻转、游动。研究者实测让这套机构在六种不同地形上运动，结果弹性杆方案的表现超过了传统刚性腿。

这事儿听起来简单，背后的工程逻辑却很锋利。

传统机器人的每一个动作，都要靠电机、减速器、控制器组成的驱动链一级级输出。而弹性杆把「储能」和「做功」这两个环节直接压缩进了结构本身：慢速、小功率地给杆充能，然后让结构在一瞬间替电机做功。青蛙能跳得比腿长猛得多，靠的就是这个原理——先蹲下蓄力，再瞬间释放。

换句话说，研究者把执行器从「电机+传动」的箱子里解放了出来，交给了材料力学。电机只负责慢慢拧，爆发力由杆自己完成。这种「慢充电、快放电」的能量策略，天然适合跳跃、翻转这类需要瞬间大功率的动作——而这恰恰是电机最不擅长、最费电池的活儿。

产业层面的判断是：当机器人追求的不再是精密重复作业，而是复杂地形下的鲁棒运动能力时，结构储能可能是比堆电机更聪明的答案。

📉 人形的账本：每一度自由都是钱

人形叙事很性感，账本很诚实。

把镜头拉回行业的另一端。Brett Adcock的那句「We're building a new species here」，代表的是当下最主流的叙事：用通用人形机器人替代手工劳动。Figure AI押注的Physical AI逻辑很清晰——人类世界是按人的形态设计的，楼梯、门把手、货架、流水线工位，都是给人准备的接口，所以通用机器人就该长成人的样子。

这个逻辑在方向上没有错，问题出在成本结构上。

一个人形机器人全身上下几十个自由度，每一个自由度背后都是电机、谐波减速器或行星滚柱丝杠、编码器、驱动器。任何一次跳跃、一次与地面的冲击，都要由这些精密部件硬扛。而且人形是倒立摆结构，本来就 statically 不稳定，为了维持平衡还要持续消耗控制带宽和电池。

据多位接近人形机器人公司的行业人士透露，关节模组至今仍是整机成本里最难压下去的一块，也是量产爬坡阶段争论最激烈的环节。

两条路线摆在一张桌上，差异一目了然：

这张表不是要说谁赢谁输，而是要说清一件事：两条路线在用完全不同的物理原理回答「机器人怎么动」这个问题，因此它们会流向不同的场景、不同的价格带、不同的商业模型。

🧭 路线分流的产业地图

通用性是理想，专用性是现金流。

如果把当下具身智能的技术版图画出来，大致是这样一个分流结构：

左边这条线，以Figure AI为代表，赌的是「新物种」：一旦通用能力跑通，人形可以进入一切为人类设计的环境，天花板极高。右边这条线，以UCLA和密歇根大学的弹性杆机器人为代表，赌的是「以形补形」：不追求长得像人，而是让结构本身承担运动智能，用极低的硬件复杂度换取跨地形的通过性。

从产业链视角看，这两条线对上游的拉动也完全不同：

一个把价值堆在材料与结构设计上，一个把价值堆在执行器与整机集成上。对零部件厂商来说，这意味着未来订单的形态可能截然不同。

技术演进上，具身智能的路径正在从单点突破走向分层：

• 第一阶段：固定场景的机械臂，解决「重复」问题
• 第二阶段：轮式与足式移动平台，解决「到达」问题
• 第三阶段：结构创新与驱动创新并行，解决「适应」问题——弹性杆研究正落在这一层
• 第四阶段：运动能力与具身大模型结合，解决「理解」问题——Physical AI 的终极叙事在这一层

弹性杆研究看起来朴素，但它攻的是第三层里最硬的骨头之一：不靠堆驱动器，靠结构本身获得地形适应性。而人形路线则试图把第三层和第四层一次性打包解决——野心更大，风险也更集中。

⚠️ 落地分野：哪里用弹，哪里用人形

能落地的技术才有资格谈叙事。

那么弹性杆路线能取代人形吗？我的判断是：不会，也不需要。真正值得讨论的是场景分野。

弹性结构的优势场景非常清晰：需要跨越复杂地形但环境不结构化的地方——灾后废墟搜索、野外巡检、农业地块、管道与涵洞内部。这些场景里，「长得像人」毫无价值，「跳得过去、翻得过坎、掉水里也能动」才是硬通货。而且这类机器人结构简单、电子件少，天然适合大批量、低单价的部署方式。UCLA团队的机器人能在六种地形间无缝切换运动模式，正是这种场景想象力的直接证据。

人形机器人的优势场景同样清晰：为人类设计的结构化环境。工厂工位、仓储货架、未来的家庭服务。这些地方不改基础设施就能部署，是「新物种」叙事真正的试验田。代价则是前面说的账本问题——每个关节都是成本，每次跌倒都是风险。

一位看了大量具身智能项目的一级市场投资人私下说过类似的意思：判断具身智能项目，先别问像不像人，先问它的物理原理替它省了多少钱。

这句糙话切中了要害。弹性杆研究最大的启示，不是「弹性比刚性好」，而是：运动能力可以被设计进结构里，而不是全部外包给电机和算法。这个设计哲学对整个人形行业也有反哺价值——事实上，足式机器人里引入串联弹性执行器、准直驱等柔顺设计，正是同一种思想在主流架构里的回声。

对创业公司来说，这里藏着一个务实的战略判断：在人形赛道巨头扎堆、融资军备竞赛的当下，从结构创新切入运动能力，可能是差异化生存更现实的缝隙。

🔭 写在最后

行业的进步，往往来自敢跟主流叙事唱反调的那根杆。

Brett Adcock的「新物种」代表了一种答案：把人类形态和通用智能焊在一起。UCLA和密歇根大学的弹性杆代表了另一种答案：让物理结构自己变聪明。前者烧的是钱和算力，后者省的是关节和电池。

未来三五年的产业图景大概率不是二选一，而是一张混搭的谱系——人形站在高通用性、高成本的一端，弹性结构机器人站在低通用性、高鲁棒性的一端，中间还有大量混合形态等着被发明。真正值得押注的，不是「哪种形态会赢」，而是每个团队是否在自己的物理原理上，找到了成本和场景都能闭环的那个落点。

一根会崩的杆跑赢了六种地形，这未必改写人形的命运，但它提醒所有人：具身智能的想象空间，比人形两个字大得多。