小米这只手，抓的是整座工厂

灵巧手不是工艺品，是数据采集器的末梢。

10月27日，小米技术官微公开新一代高自由度仿生灵巧手[1]：21自由度、26电机混合驱动、全掌1500点触觉覆盖。参数亮眼，但真正值得玩味的是它的出身——这套方案基于小米汽车智能制造部中试中心的真实生产数据设计，定位是柔性制造场景的通用灵巧操作方案。

同一周，大洋彼岸，马斯克在X上怒斥Counterpoint Research关于人形机器人存储需求'5年增加20倍'的预测'荒谬'[2]，断言机器人RAM需求'将超越地球上其他一切'；美光科技则已经把人形机器人列为存储业务的战略级增量市场[3]。

一双手，一堆芯片，看似两个故事，其实是一件事的两端：物理AI的数据从哪里来，又到哪里去。

🏭 灵巧手的真实出身：工厂车间，不是实验室

“所有脱离产线的仿生手，都是手办。

这次发布最容易被忽略的一句话是：方案基于小米汽车智能制造部中试中心的真实生产数据设计[1]。

什么概念？据小米官方发布的说明[1]，研发团队对工厂16个典型工段、2579个SOP（标准作业程序）中的1827个，开展了多角度视频与动作捕捉采集，数据集覆盖70.8%以上典型工段的人工作业工序。

换句话说，这只手不是照着人体工学仿出来的，而是照着工人拧螺丝、插线束、抓治具的动作'抄'出来的。每一个自由度怎么分配、每一个关节耦合到什么程度，背后对应的是真实工位上那几百个重复动作。

这就是灵巧手赛道正在发生的一次范式转移：过去大家比谁的自由度多、谁长得像人手，现在比的是谁的数据来源更接近真实作业场景。

如果把这个逻辑串成一条链，大致是这样一个（推测性）闭环：工厂工段的视频与动捕数据，支撑抓握仿真与消融验证，进而决定自由度与构型的定型，最终面向柔性制造场景部署，而部署后的产线又会反过来产生新一轮数据。需要强调的是，除了官方公布的采集规模与构型参数，这条链路的中间环节——仿真验证的具体方法、数据回传与迭代的机制——官方并未披露，属于本文基于行业惯例的合理推断。

这个闭环才是小米真正的底牌。车企做机器人，最大的不对称优势从来不是电机会做——电机满大街都是——而是手握一座正在运转的超级工厂。中试中心里跑着的每一条产线，都是天然的具身智能数据工厂。

据多位接近人士的说法，业内现在私下聊灵巧手，第一句问的不再是'多少个自由度'，而是'你的数据从哪来、攒了多少小时'。没有场景数据撑腰的仿生手，演示视频再丝滑，到了真实产线上就是另一回事。

📐 为什么是21个自由度？一场精打细算的减法

“参数竞赛的尽头，是边际收益曲线。

灵巧手圈子里曾经流行过'自由度军备竞赛'：15个不够就上20个，20个不够就冲22个，仿佛自由度就是唯一的考核指标。

小米这次给出了一组相当扎实的消融实验数据[1]：通过自由度利用率、关节耦合性分析及抓握仿真消融验证，确认21自由度是当前工厂场景下操作覆盖度与工程收益的最优平衡点。

关键数字有两个（数据来源为小米官方发布[1]，实验细节未公开）：

• 相比6至15自由度版本，平均稳定抓握成功率提升15%至38%；
• 继续提升到23自由度以上时，边际收益明显放缓。

也就是说，从15自由度到21自由度，是性价比陡峭上升的一段；从21到23以上，曲线开始躺平。多出来的每一个自由度，都要付出电机、腱绳、传感器的成本，以及可靠性、重量、控制复杂度的代价。

至于各家技术路线在'技术门槛—商业价值'坐标里的位置，我们尝试做一个（推测性质的）定性判断：传统二指夹爪处在低门槛、低价值的跟随者区间；学术演示级的绳驱手和全直驱仿生手门槛高，但距离量产落地较远；特斯拉Optimus灵巧手与小米的混合驱动方案，则更接近高门槛、高价值的领跑者区间。这一排序没有公开数据支撑，属于作者基于行业公开信息的个人判断，读者应自行甄别。但可以确定的逻辑是：工业客户不为炫技买单，只为'能稳定抓住、抓得起、抓得久'买单——比二指夹爪的'智能升级版'技术门槛高出一大截，又比全直驱的极端仿生方案更接近量产落地，这条卡位路线在商业上是讲得通的。

21自由度这个数字本身不性感，但'用数据论证出21'这件事很性感——这说明决策逻辑已经从'堆参数'切换到'看覆盖度'。

🔧 324克的手掌：26个电机的物理学妥协

“手掌轻一克，机械臂稳定性就多一分。

构型上，小米选择了腱绳驱动为主、融合5个直驱自由度，组成26电机混合驱动方案[1]。绳驱电机集中布置在小臂部分，手掌自重仅324克。

这个设计逻辑很像人本身的演化：人手臂上的肌肉大多长在靠近躯干的位置，通过肌腱牵动手指，远端只保留轻量结构。原因很朴素——末端越重，转动惯量越大，机械臂的响应速度和稳定性越差。

对于需要挂在人形机器人手臂末端、还要执行精细操作的灵巧手来说，324克的手掌自重意味着更低的末端负载、更快的控制响应、更小的能耗。这不是炫技，是工程师被牛顿教育出来的取舍。

方案还配备了腱绳张力传感器，用于补偿绳体蠕变，实现指间末端与抓握过程的精细力控[1]。懂行的都知道，腱绳驱动的老毛病就是绳会松、会蠕变、会疲劳——张力传感器的实时补偿，本质上是在用感知换机构的简化。

1500点全掌触觉是另一个被低估的细节。很多灵巧手只在指尖放几颗触觉传感器，能测到'捏住没有'，但测不到'抓握过程中力分布怎么变'。全掌覆盖意味着手掌贴上工件、拉拽线缆、托住曲面零件时都有感知反馈——这恰恰是柔性制造里最难的那类操作。

💾 马斯克嫌20倍太少，美光已经开始下注

“当手开始干活，芯片就要开始挨饿。

把镜头切回芯片侧。据Counterpoint Research的预测[2]，到2030年人形机器人对DRAM的需求将激增20倍。这个预测已经足够激进了吧？马斯克直接开怼：'荒谬的分析。机器人的RAM需求将超越地球上的其他一切，因为你需要机器人在物理基底上运行，以便塑造原子。'[2]

马斯克的逻辑内核是：人形机器人作为物理世界的执行主体，需要在实体环境中感知、决策并操控物质，这对实时计算和存储的需求是结构性的、持续性的，而非边际性增量。20倍只是线性思维的产物。

他更进一步把超级智能单独拎出来，称其需求'将远超机器人'，并说约100%的超级智能算力将部署于深空计算[2]。这套叙事把想象空间直接从工厂车间拉到了近地轨道。

厂商的动作比嘴上的争论诚实。美光科技已将人形机器人列为未来重要的存储需求驱动力，与自动驾驶汽车并列，定位为'物理AI'设备的核心增量市场，并把相关需求与其现有高带宽、大容量存储产品线直接挂钩[3]。

具体到需求结构，我们可以做一个（推测性的）定性拆解：人形机器人的存储需求大体由三部分构成——实时感知计算的边缘侧带宽、模型推理的本地DRAM容量、数据回传与云端训练的存储吞吐。三者分别对应高带宽存储、大容量DRAM和云端存储产品线。需要说明的是，这些需求的相对占比目前没有任何厂商公布过量化数据，上述拆解仅用于说明需求类型的分布逻辑，不代表真实比例。

一个在造手，一个在造存储，看似不相干，实际上共享同一个前提：当机器人真的要在物理世界里连续作业——抓、放、装配、质检——它的算力和存储压力不会比一辆自动驾驶汽车小，甚至因为触觉这种高频率、高维度的传感器数据流，单位时间的带宽需求可能更凶猛。

⚠️ 物理AI的真正闭环：手出数据，芯片消化

“灵巧手是物理AI的入口，存储是它的尽头。

现在把两条线拧成一股。小米这只手的发布说明：头部玩家已经想明白了，通用灵巧操作能力必须长在真实产线的土壤里，1827个SOP就是土壤。而灵巧手一旦部署上量，每只手每天产生的触觉、力觉、视觉数据流，最终都要沉淀为模型迭代的养料。

这条数据飞轮的（推测性）运转逻辑可以这样描述：灵巧手在产线作业中持续采集多模态数据，数据回传支撑模型训练迭代，迭代后的模型让灵巧手能力升级，进而被部署到更多工段，产生更多数据——如此循环。这里需要坦率说明：小米并未公开披露这只手的数据回传与训练闭环机制，'飞轮'目前更多是行业对具身智能落地路径的普遍想象，而非这只手已被验证的事实。

这个飞轮的每一圈，理论上都在同时拉动两类需求：一类是小米这样的整机/零部件厂商的硬件需求——电机、腱绳、触觉阵列；另一类是美光们最期待的算力与存储需求——边缘侧实时推理、云端训练、数据回传。

不过泼一盆冷水：马斯克的'超越一切'和Counterpoint的'20倍'，本质上都是叙事工具。灵巧手从演示到产线可用，中间还隔着可靠性验证、成本下探、维护体系这些枯燥的坎。1500点触觉的良率和寿命、腱绳的更换周期、整手的物料成本，这些没公开的数字，才决定这只手是产品还是PPT。

最后把一只灵巧手发布背后的公开信息与推测分层列清楚。水面之上的公开事实：经消融验证的21自由度构型[1]；绳驱为主加5个直驱自由度的26电机混合驱动[1]；全掌1500点触觉覆盖[1]。水面之下的支撑要素：基于1827个SOP、覆盖70.8%典型工段的真实动捕数据[1]；用于对抗蠕变的腱绳张力补偿[1]；电机小臂集中布置、压低末端惯量的324克自重工程[1]；以及车企中试中心作为具身智能数据工厂的场景优势[1]。而水面之下的不确定性同样存在：触觉阵列的良率与寿命、腱绳维护周期、物料成本与量产时间表，官方均未披露，这些才是判断其商业成色前必须补齐的拼图。

冰山下的部分，才是这只手真正的竞争壁垒。

结语：手和芯片，在同一个赌桌上

小米的灵巧手回答了'物理AI的数据从哪来'，马斯克和美光的争论回答了'这些数据最终会吃掉多少算力'。前者靠工厂，后者靠信仰，但两条路指向同一个未来：机器人不再只是执行器，而是物理世界的计算终端。

对产业观察者来说，接下来值得盯的三个信号：一、小米这只手什么时候真正出现在自家产线上替换人工工位；二、触觉数据和存储需求的量化模型什么时候被芯片厂商写进正式财报口径；三、还有多少车企会把工厂开放为具身智能的训练场。

这三个信号，前两个可以在未来12到24个月内通过官方渠道与财报直接验证，第三个则需要更长时间窗口观察。如果三者中至少两个兑现，那么'物理AI数据飞轮'就不再是叙事，而是可以量化的产业趋势；如果一个都没兑现，那么今天的21自由度和20倍预测，都只是这条赛道漫长爬坡途中的一朵浪花。

工厂不会说谎。手伸进去的那一刻，故事才刚刚开始。

参考来源：

[1] 小米技术官微，新一代高自由度仿生灵巧手技术发布，2025年10月27日（含21自由度构型、26电机混合驱动、1500点触觉、SOP采集规模及消融实验数据）

[2] 马斯克X平台发文，回应Counterpoint Research《人形机器人存储需求预测》（关于2030年人形机器人DRAM需求增长20倍的预测及'荒谬'评语）

[3] 美光科技公开表态及投资者沟通材料，将人形机器人与自动驾驶并列列为'物理AI'核心存储增量市场