1X推出NEO机械手：25自由度肌腱驱动，灵巧手进入量产时代

人形机器人的「手」正成为新竞争焦点

人形机器人的竞争正从整体形态走向精细部件，而「手」无疑是最难攻克、也最具商业价值的环节之一。近日，机器人公司1X发布了旗下人形机器人NEO的全新灵巧手，凭借25个自由度、肌腱驱动架构以及全关节力控等一系列设计，树立了当前灵巧手工程的新标杆。据@TheHumanoidHub整理的信息显示，这款机械手不仅参数激进，更在制造端具备量产潜力。

1X Technologies的战略定位： 1X Technologies（原名Halodi Robotics）是一家挪威-美国机器人公司，获得了OpenAI等机构的战略投资。与许多人形机器人公司主攻工业场景不同，1X从创立之初就将家庭服务作为核心目标市场，NEO系列正是这一战略的产品载体。这一定位直接决定了灵巧手的设计取向：家庭场景要求机器人具备处理从鸡蛋到铁锤等各种物体的适应能力，同时必须在人类共存环境中保证绝对安全。在灵巧手领域，当前主要竞争者包括Sanctuary AI、Dexterous Robotics等专注末端执行器的公司，以及特斯拉Optimus、Figure 02、宇树G1等整机厂商的自研手部。多数量产人形机器人当前仍使用3-5自由度的简化夹爪，25自由度方案代表了技术路线上的重大跃升，但也意味着控制复杂度与成本的数量级提升。

对人形机器人而言，双足行走早已不是最大瓶颈。真正决定其能否进入家庭与工厂完成实际任务的，是那双能够抓取、操作、感知的手。1X此次的发布，正是在回答这个核心问题。

25个自由度：仿生优先于均匀分配

新机械手共有25个自由度，其中22个分布于手指和手掌，另外3个位于手腕。这些自由度并非平均分配，而是依据人体解剖学结构进行了有意识的「偏置」设计。

自由度的工程含义： 自由度（Degrees of Freedom，DoF）是描述机械系统可独立运动维度的核心概念。人手拥有约27个自由度，涵盖屈伸、内收外展、旋转等多种运动模式。工程上，每增加一个自由度意味着额外的驱动单元、传感器和控制逻辑，复杂度呈非线性增长。25个自由度在商业机械手中属于顶级配置——波士顿动力Atlas早期手部仅有数个自由度，Shadow Robot公司的仿生手虽达24个自由度但价格高达十万美元量级且难以量产。自由度的价值不在数量本身，而在于其分布是否与实际操作需求匹配。

拇指对握能力被特别强化

1X刻意向拇指倾斜资源，使其能够真正与其余手指形成对握（opposition）。这一点看似细节，实则关键——人手灵巧性的核心正来自拇指的对握能力，它让精细抓取、捏取和工具使用成为可能。从人类进化的视角看，拇指的对握能力是人属区别于其他灵长类的核心特征之一，正是这一能力使人类得以使用工具、制造文明。在机械手设计中，许多早期方案采用均匀的自由度分布，反而牺牲了实际操作中最核心的功能。1X选择「仿生优先」，表明其目标是让NEO完成真实世界的复杂任务，而非在实验室里追求对称美学。

抓取类型学的工程意义： 人类抓取动作可分为「力量抓握」（power grasp，如握拳持锤）和「精密捏取」（precision pinch，如捏针线）两大类，二者对手部结构的需求截然不同。力量抓握主要依赖掌心和四指的整体包络，而精密捏取高度依赖拇指与食指、中指的协调对握。研究表明，人类日常操作任务中约有超过60%需要某种形式的精密捏取。这意味着如果机械手的拇指对握能力不足，它在日常任务中的覆盖率将从根本上受限——无论其他参数多么出色。1X将拇指强化设计置于优先位置，正是基于对真实使用场景的深度分析，而非单纯的工程炫技。

肌腱驱动与低减速比：轻、快、力大

在传动架构上，这款机械手采用自研的肌腱驱动、准直驱（quasi-direct-drive）方案，减速比仅约5:1至15:1，远低于行业常见的100:1至200:1。

肌腱驱动的生物力学起源： 肌腱驱动架构直接模仿人体手部的生物结构——人手中并没有肌肉，驱动手指的是从前臂延伸而来的屈肌腱和伸肌腱。这一设计的工程优势在于将质量大的驱动单元（电机）远离末端执行器，从而大幅降低手指的转动惯量。代价是肌腱的弹性和摩擦会引入非线性，增加精确力控的难度。肌腱驱动架构在机器人领域的应用历史可追溯至1980年代，斯坦福大学的研究人员最早尝试将这一仿生原理工程化，其核心在于实现「驱动与执行的解耦」。然而，这套系统面临蠕变（肌腱长期受力后伸长导致精度下降）、滞后（拉伸与回弹之间的力学不对称）以及摩擦累积三大顽固挑战。早期采用类似方案的包括NASA的Robonaut 2，但这些系统造价极高、维护复杂，从未实现量产。

肌腱材料的关键作用： Dyneema（超高分子量聚乙烯纤维，UHMWPE）是当前机器人肌腱领域的主流材料选择，其比强度约为同截面钢丝的15倍，且密度低于水（可漂浮），同时具备优异的耐磨性和低蠕变特性——相较于传统尼龙或钢丝绳，其在周期性载荷下的伸长量可降低一个数量级。然而「低蠕变」是相对概念，在高频率、高载荷的手指驱动场景中，微量蠕变累积仍会导致肌腱张力的系统性漂移，需要控制软件持续补偿。1X声称实现量产的核心挑战，正是将这套精密系统的制造良品率和使用寿命提升到商业可接受水平——这意味着其在高性能纤维材料选型、张紧补偿算法和装配工艺上均有实质性突破，若能将该技术壁垒固化，将形成难以复制的竞争护城河。

准直驱与反驱能力的物理原理： 准直驱（quasi-direct-drive）概念由MIT生物仿生实验室在Mini Cheetah项目中推广，其理论根基更早可追溯至卡内基梅隆大学Marc Raibert团队在1980-90年代对腿足机器人的研究。传统工业机器人使用高减速比（100:1至200:1）谐波减速器或蜗轮蜗杆，以小电机输出大扭矩，代价是系统完全不可反驱——当减速比为100:1时，逆向传动效率可能低至10%以下，外力无法有效反向推动电机转动，在安全场景中是严重隐患。准直驱的核心是使用低减速比配合大转矩密度电机，让系统在保持一定力矩输出的同时具备可反驱性。物理本质是：低减速比意味着逆向传动效率高，外部冲击力可以顺畅地传递回电机端并被感知或吸收，而不是被减速器的自锁特性硬生生阻断。这一技术范式从腿足机器人迁移至灵巧手，是跨领域技术融合的典型案例。

电机后置带来的工程红利

电机被放置在前臂，通过手腕牵引肌腱驱动手指。这一设计带来多重优势：手部本体极为轻巧，末端惯量低，同时借助前臂更大体积的电机保证输出力量。低惯量意味着手指运动更灵敏、响应更快，力量则由后置电机补足。

更重要的是，低减速比赋予系统天然的「反驱」（backdrivable）能力。与传统高减速比机械手相比，后者往往刚硬、难以反向驱动，受到冲击时容易损坏或伤人。1X的方案在灵巧性与安全性之间找到了更优平衡。

电机技术选型的隐含挑战： 将大转矩密度电机放置在前臂的方案，要求电机本身实现功率密度的极致化。当前机器人领域高性能电机普遍采用外转子无刷直流电机（BLDC）配合高填充率绕组和稀土永磁材料（钕铁硼，NdFeB），功率密度可达传统工业电机的3-5倍。然而，高功率密度电机在持续工作时热管理是核心挑战——前臂空间有限，散热路径受约束，过热会导致电机退磁和效率下降。1X若要在前臂有限空间内集成25个自由度所需的电机阵列，同时保证热稳定性，意味着其在电机设计、热界面材料和散热结构上均有深入的工程投入，这也是自研电机相比外购方案的核心优势所在。

全关节力控与触觉感知

感知能力是这款机械手的另一大亮点。全部25个自由度均原生支持力控，完全可反驱，每个关节同时充当力传感器。

闭环本体感知的实用价值

官方特别强调闭环本体感知（proprioception）的重要性：机械手无需依赖视觉，就能随时「感知」自身姿态与施力大小。本体感知原是神经科学术语，指生物体感知自身肢体位置、运动状态和施力大小的能力，依赖肌梭、腱器官等感受器实现。在机器人学中，这一概念被借用来描述系统通过内部传感器（关节编码器、力矩传感器等）感知自身状态的能力。视觉处理有延迟（通常30-100毫秒），而关节级力控可以在毫秒级时间尺度内响应接触事件——这正是人类能够在黑暗中摸索开门、在不看手的情况下打字的根本原因。 这对机器人在遮挡、黑暗或复杂环境中操作至关重要——它可以像人一样凭「手感」完成任务。

力控实现的技术路径： 关节级力控在工程实现上有两条主要路径：一是在关节处直接安装六维力/力矩传感器（Force-Torque Sensor），精度高但增加了重量、体积和成本，且传感器本身是潜在的故障点；二是通过电流感知间接估算力矩（电流-力矩映射），利用电机电流与输出力矩的比例关系推算关节受力，成本低但精度受摩擦、温漂等因素影响。准直驱系统因减速比低、传动效率高，使得电流-力矩映射的精度大幅提升，这是两种技术路线之间相互增强的关键协同效应。1X选择「每个关节同时充当力传感器」的表述，暗示其主要依赖电流感知路径，并通过精密标定和算法补偿达到可用精度——这一选择在成本控制和系统简洁性上具有显著优势。

指尖和接触表面覆盖了触觉皮肤，能够同步测量接触力和剪切力。触觉皮肤是机器人领域长期未能商业化突破的难题之一。人类皮肤每平方厘米分布约2500个触觉感受器，涵盖梅克尔盘（精细触压）、迈斯纳小体（轻触与纹理）、帕奇尼小体（振动）和鲁菲尼末梢（皮肤拉伸），构成多模态高密度感知网络。当前主流技术路线各有局限：压阻式传感器工艺成熟但对剪切力不敏感；电容式柔性传感器灵敏度高但标定困难；以GelSight为代表的光学触觉传感器精度极高但实时性受限；磁性触觉传感器（如Meta AI的ReSkin）耐久性较好但分辨率有限。剪切力检测之所以特别重要，在于它是判断「抓握是否即将失效」的关键信号——物体滑落前必然出现接触面的微小切向位移，这比等待物体真正滑落再通过视觉检测要快出一个数量级。斯坦福、CMU、MIT等顶尖实验室在该方向深耕多年，但量产化挑战始终存在：柔性材料耐久性差、标定复杂、信号处理算法要求高。 机械手由此可实时进行自适应抓取，根据物体质地和滑动状态动态调整握力，既不捏碎鸡蛋，也不滑落工具。

触觉数据的AI训练价值： 触觉传感器的商业价值不仅在于实时控制，更在于数据积累。当1X的机械手完成数百万次真实操作任务时，每次抓取过程中的触觉时序数据——接触力建立、剪切力变化、滑动预警信号——将构成极为珍贵的操作技能训练数据集。这类数据目前在学术界极为稀缺，原因在于具备高质量触觉传感的机械手系统从未实现规模化部署。若1X能够将触觉数据与操作策略进行端到端的强化学习训练，将形成「硬件规模→数据积累→模型能力→硬件优化」的正向飞轮，这也是「以制造为护城河」战略在AI时代的深层逻辑。力控与触觉的组合，构成了灵巧操作的完整感知闭环。

安全与耐用：可以「洗手」的机器人

1X在安全性与耐久性上的投入同样值得关注。这款机械手达到IP68防水等级，并符合食品安全标准，可以直接冲洗——这在家庭清洁和食品加工场景中极具实用价值。

IP68防护等级的工业含义： IP（Ingress Protection）防护等级由IEC 60529标准定义，IP68是其最高民用等级，第一位数字「6」表示完全防尘，第二位数字「8」表示可持续浸泡于水下（通常为1米以上、30分钟以上）。对机械手而言，达到IP68意味着整个驱动、传感、电子系统均需经过严格密封设计，这与肌腱驱动的开放式结构天然存在矛盾——肌腱需要在导管内滑动，而密封要求每一个运动界面都不能渗水。这一矛盾的解决需要在动态密封材料（如特氟龙涂层导管）和结构分区隔离上进行精细的工程权衡。

食品安全认证的市场信号： 食品安全标准（通常对应FDA 21 CFR或欧盟EC 1935/2004等法规框架）要求接触食品的材料必须无毒、不迁移有害物质，且表面结构不得存在难以清洁的死角。这对机械手的表面涂层、密封材料和结构设计均提出了额外约束——例如，肌腱导管的润滑剂必须使用食品级润滑剂，硅橡胶密封件必须通过食品接触测试，触觉皮肤材料不能含有迁移性增塑剂。结合IP68防水，这一设计组合显著扩展了应用场景边界，暗示1X将家政（厨房清洁、餐具处理）和食品加工（食品分拣、包装）作为早期商业化的重点方向——这两个场景共同特点是任务重复性高、人力成本压力大，且对机器人灵巧度要求适中，是灵巧手从实验室走向商业化的理想桥头堡。

结构性柔顺带来本质安全

得益于低减速比、肌腱驱动和低末端惯量，机械手具备「结构性柔顺」（compliant by construction）特性。受到外部冲击时，手指会安全地被反向驱动，而非硬抗外力。官方形容它「被锤子敲击或卡在抽屉里时会主动让步」，这种物理层面的安全保障远比纯软件力限制更为可靠——软件限制依赖传感器正常工作和控制回路的实时响应，而结构性柔顺在系统断电或失控的极端情况下依然有效。

人机协作安全标准的监管背景： 结构性柔顺不仅是工程优选，更是监管合规的前置条件。ISO/TS 15066（协作机器人技术规范）和即将更新的ISO 10218系列标准对人机接触力的上限有明确规定：在非预期接触情况下，机器人对人体不同部位的允许压力从手部的约150N到腹部的约35N不等。传统工业机械手由于高减速比导致的刚性，几乎无法满足这些要求，必须依赖安全围栏物理隔离。而具备结构性柔顺的机械手从设计原理上就与安全标准对齐，这将大幅简化其在欧盟、美国等市场的认证流程——在人形机器人进入家庭的监管路径尚不明朗的当下，提前满足最严格的安全标准是争取早期市场许可的战略先手。

在耐久性方面，完整的手指组件已通过数百万次循环测试验证，寿命足以支撑长期商业化部署。

深度垂直整合与量产能力

或许最能体现1X野心的，是其制造层面的布局。公司实现了深度垂直整合：电机、定制电子元件和肌腱系统均为自研。

垂直整合战略的商业逻辑： 垂直整合（vertical integration）指企业将供应链的多个环节纳入自身控制，苹果自研芯片和特斯拉自建电池工厂是典型案例。在机器人硬件领域，这一策略尤为关键。2020年代之前，机器人公司普遍依赖日本和德国供应商提供关键部件：谐波精密的谐波减速器、博世力士乐的伺服驱动、海德汉的高精度编码器。这种外购模式在小批量研究原型阶段可行，但当目标是年产万台甚至十万台时，供应链的单点依赖和高昂零部件成本将成为不可逾越的障碍——一台人形机器人若仅电机和减速器成本就高达数万美元，则整机售价将永远无法进入大众市场。特斯拉Optimus项目明确将电机和执行器自研自产列为核心战略，Figure、Agility等公司也在陆续推进关键部件内部化。1X自研电机、定制电子和肌腱系统，同时开辟了向其他人形机器人厂商供货的潜在选择权，是「以制造为护城河」的典型竞争策略。

制造良品率的指数级挑战： 从数百只到一万只，不仅是数量的线性增长，更是制造系统复杂度的指数级跃升。灵巧手中每个部件的良品率必须极高才能保证整机良率——若一只手有25个关节、每个关节涉及5个关键零件，则单个零件良品率即使高达99%，整手良品率也只有约（0.99）^125 ≈ 29%，意味着超过70%的产品报废。这一「良品率乘法效应」是精密机械制造面临的核心挑战，也是为何航空航天和半导体行业的良品率管理体系如此复杂和昂贵。1X若真能实现年产一万只的量产目标，意味着其在工艺控制、来料检验和装配标准化上已建立起系统性的质量保障体系，而非依赖手工精调——这一制造能力的建立往往比技术研发更难、更耗时，也更难被竞争对手快速复制。

已造出数百只，年产能目标万只

据悉，1X目前已制造数百只机械手，并具备今年生产1万只的产能。在人形机器人普遍仍停留于原型阶段的当下，这样的量产能力格外突出。它意味着1X不仅在技术上领先，更在供应链和规模化上完成了准备——而这往往是决定谁能真正落地商用的关键因素。

灵巧手的军备竞赛已经打响

1X的这款机械手，在自由度设计、传动架构、感知能力、安全机制和制造规模五个维度上，都给出了颇具说服力的答案。它折射出人形机器人竞争的一个明确趋势：谁能造出既灵巧、又安全、还能量产的手，谁就掌握了通往真实应用场景的钥匙。

技术演示与实际部署之间的鸿沟： 机器人行业有一个广为人知的规律，被研究者称为「实验室到现实的死亡谷」（Lab-to-Real Valley of Death）：在受控实验室环境中表现出色的系统，往往在非结构化真实环境中性能急剧下降。导致这一现象的核心因素包括：感知域外样本（out-of-distribution perception）——真实环境的光照、杂乱背景和未见过的物体类型会让视觉系统失效；接触不确定性——真实物体的表面纹理、质量分布和摩擦系数远比实验室道具复杂；以及长尾故障模式——长期运行中偶发的边缘情况会不断积累。对1X而言，从参数发布到「在杂乱现实环境中稳定完成任务」之间，仍需要大量真实场景数据积累和针对性的强化学习训练。这也是为何量产能力如此关键——只有大规模部署才能产生足够多样的真实交互数据，驱动模型迭代进入正向循环。

当然，参数与演示之间仍有距离，真正的考验在于这双手能否在杂乱的现实环境中稳定完成任务。但从本次发布来看，1X已将「手」这个人形机器人最难攻克的部件，推向了工程化与商业化的临界点。