「具身智能落地实战」系列第 1 篇
具身智能（Embodied AI）机器人是一个复杂的系统工程。要让 AI 从"虚拟智能"走向"物理执行"，硬件是绕不开的第一关。本文从工程落地视角，系统性拆解具身机器人的四大核心硬件系统，帮你建立从"大脑"到"肢体"的完整认知。
引言：为什么要先搞懂硬件？
很多人聊具身智能，张口就是大模型、VLA、强化学习，仿佛算法是唯一的瓶颈。但真正做过机器人落地的人都知道：算法决定了机器人"能做什么"，硬件决定了机器人"能不能做"和"做得稳不稳"。
一个在仿真环境里跑得完美的算法，放到真实机器人上可能因为传感器延迟、关节响应慢、算力不够而彻底失效。具身智能的"具身"二字，本质上就是强调 AI 必须依附于一个物理实体才能发挥价值。
那么，这个物理实体到底由哪些部分构成？我们可以把它类比为人类的身体：
- 决策层 = 大脑 + 中枢神经
- 感知层 = 眼睛、耳朵、皮肤、内耳
- 执行层 = 骨骼、肌肉、双手
- 支撑层 = 骨架、血液（能源）、散热系统
下面逐层拆解。
一、决策层：大脑与算力中心
决策层是机器人的计算中枢，负责处理大模型推理、视觉感知算法和复杂的路径规划。它相当于人类的大脑，所有"思考"都在这里完成。
1.1 高性能 AI 芯片
具身机器人对边缘算力的需求极高，通常需要 200-300 TOPS 以上的算力才能支撑实时的视觉感知 + 大模型推理 + 运动控制。目前主流的 AI 芯片方案分为三个梯队：
| 芯片方案 | 代表产品 | 特点 | 适用场景 |
|---|---|---|---|
| NVIDIA | Orin / Thor | 生态最成熟，CUDA + Isaac Sim 工具链完善，算力上限高 | 高性能通用机器人、研发原型机 |
| 特斯拉 | FSD 芯片 | 自研自用，针对自动驾驶和人形机器人优化 | 特斯拉 Optimus 等自有产品 |
| 华为 | 昇腾系列 | 国产替代，大模型适配能力强，政策安全优势 | 国产化要求高的政企场景 |
| 瑞芯微 | RK3588 | 性价比极高，接口丰富，功耗低，6 TOPS 算力 | 大规模部署的巡检机器人、边缘终端 |
工程视角： 芯片选型不是"算力越高越好"，而是"算力匹配业务"。高性能研发平台选 Orin，大规模量产巡检选 RK3588，有国产化要求选昇腾。一个优秀的方案应该做到 NPU 跑感知、GPU 跑 SLAM、CPU 跑任务调度，三者各司其职，而不是让某一个芯片扛所有。
1.2 通信架构
大脑思考完了，指令要传给全身的关节，这就需要通信架构。具身机器人通常采用工业级实时总线，最常见的是 EtherCAT。
EtherCAT 的优势在于：
- 实时性强：周期可以做到 125μs 甚至更低，满足关节高频控制需求
- 同步精度高：从站之间的同步误差可以控制在微秒级
- 拓扑灵活：支持线型、树型、星型等多种拓扑，适合机器人分布式关节布局
除了 EtherCAT，部分机器人也会使用 CAN FD、PROFINET 等总线，但在高性能人形机器人领域，EtherCAT 基本是事实标准。
二、感知层：多模态传感器
感知层负责将真实的物理世界转化成数字信号，解决"我在哪"和"我周围有什么"这两个基本问题。它相当于人类的眼睛、皮肤和内耳。
2.1 视觉传感器（眼睛）
视觉是机器人获取环境信息最主要的来源，通常占感知数据量的 80% 以上。
RGB-D 深度相机
- 同时提供彩色图像（RGB）和深度信息（Depth）
- 用于物体识别、空间建模、抓取定位
- 常见方案：结构光、ToF（飞行时间）、双目立体视觉
- 优点：信息丰富，成本相对较低
- 缺点：受光照影响大，强光或黑暗环境下精度下降
激光雷达（LiDAR）
- 通过发射激光束测量距离，构建高精度 3D 点云
- 用于大场景的 SLAM 建图和避障
- 优点：精度高、测距远、不受光照影响
- 缺点：成本高、体积大，在空旷地带容易失效（缺乏特征点）
工程视角： 视觉和激光雷达不是二选一，而是融合使用。视觉提供丰富的语义信息（这是杯子还是椅子），激光雷达提供精确的几何信息（障碍物距离多少米）。两者通过时间同步和空间标定融合，才能让机器人既"看得懂"又"量得准"。
2.2 触觉与力觉传感器（神经）
视觉只能"看"，但机器人要接触物体、施加力量，就需要触觉和力觉感知。
六维力/力矩传感器
- 安装在手腕和足踝部位
- 同时测量三个方向的力（Fx, Fy, Fz）和三个方向的力矩（Mx, My, Mz）
- 实现柔性控制：抓取易碎品时轻拿轻放，接触障碍物时及时卸力
- 是人机协作安全的核心保障：碰到人的一瞬间立即停机
IMU（惯性测量单元）
- 维持平衡的"内耳"，实时感知机器人的姿态和运动状态
- 通常由加速计（感知加速度和重力方向）、陀螺仪（感知角速度）、磁力计（感知方向，可选）组成
- 采样频率极高（通常几百到上千 Hz），在视觉丢帧或光照突变时提供短时间的精准定位
- 致命弱点：漂移（Drift）——积分误差随时间累积，必须定期通过视觉或激光雷达校正
2.3 本体感知
电机自带的编码器（Encoder），感知每个关节旋转的精确角度和速度。这是最基础也是最可靠的感知来源，相当于人类对自己肢体位置的"本体感觉"——闭着眼睛也知道自己的手在哪里。
三、执行层：关节执行器
执行层是机器人最昂贵的部分，约占整机成本的 50%-70%。它决定了机器人的力量、速度和灵活性，相当于人类的肌肉和关节。
3.1 旋转执行器（Rotary Actuator）
核心构成： 无框力矩电机 + 谐波减速器 + 传感器 + 驱动器
- 无框力矩电机：直接集成在关节内部，扭矩密度高，响应快
- 谐波减速器：通过柔轮的弹性变形实现大减速比，体积小、精度高、回差小
- 应用场景：肩、肘、腰、胯等需要大范围旋转的关节
工程视角： 旋转执行器的核心指标是"扭矩密度"——单位体积/重量能输出多大扭矩。人形机器人关节空间极其有限，必须向一体化关节（Integrated Joint）方向演进，把电机、减速器、驱动器、传感器全部集成在一个紧凑的模块里。
3.2 线性执行器（Linear Actuator）
核心构成： 无框电机 + 行星滚柱丝杠
- 行星滚柱丝杠：将旋转运动转化为直线运动，承载能力强、精度高、寿命长
- 应用场景：腿部膝盖和足踝，需要支撑自重并提供起跳爆发力
- 特点：力量极大，适合需要大推力的线性运动场景
线性执行器和旋转执行器的选择，取决于关节的运动形式。需要旋转的用旋转执行器，需要推拉的用线性执行器。很多人形机器人的腿部采用"旋转关节 + 线性执行器"混合方案，兼顾灵活性和力量。
3.3 灵巧手（Dexterous Hand）
动力源： 空心杯电机
- 空心杯电机体积小、功率密度极高，适合手掌这种空间极其有限的部位
- 灵巧手通常拥有 3-5 根手指、十几个自由度（DoF）
- 能完成捏、握、旋转、对指等精细化操作
- 是具身智能从"移动"跨向"作业"的关键标志
工程视角： 灵巧手是目前具身智能最"贵"也最"难"的部分。它极其精密，在工业环境下频繁碰撞容易损坏，这直接影响 TCO（总拥有成本）。在落地时需要权衡：如果场景只需要抓取规则物体，二指夹爪就够了，没必要上灵巧手；只有需要精细操作的场景（如组装、分拣异形件）才值得投入灵巧手。
四、支撑层：骨架与能源
支撑层虽然不像决策层和执行层那样"显眼"，但它是机器人能够稳定运行的基础保障。
4.1 高强度骨架
采用铝合金、碳纤维或高性能塑料，平衡强度与重量。
- 铝合金：成本适中，加工方便，强度足够，是目前的主流选择
- 碳纤维：强度高、重量轻，但成本高、加工难度大，用于高端产品
- 高性能塑料：用于非承重部位，进一步减重和降低成本
工程视角： 轻量化是永恒的主题。每一克的减重都能显著提升 ROI——降低能耗意味着更长的续航，提升响应速度意味着更灵活的动作。但轻量化不能牺牲强度，在非结构化环境中，机器人可能会碰撞、摔倒，骨架必须具备足够的抗冲击能力。
4.2 高密度电池
具身机器人功耗巨大，需要高能量密度的电池组提供 4-8 小时的续航。
- 4680 电池：大圆柱电芯，能量密度高，散热好，成本低
- 半固态电池：能量密度更高，安全性更好，是未来的发展方向
- 电池管理系统（BMS）：监控每节电芯的电压、温度，保障充放电安全
电池的能量密度是目前制约机器人续航的核心瓶颈。一台 50kg 的人形机器人，运动时功耗可能达到 500W-1kW，要做到 4 小时续航，需要 2-4kWh 的电池，这本身就有十几公斤重。
4.3 热管理系统
电机和芯片在高负荷下会产生大量热量，需要高效的散热设计。
- 被动散热：散热片、导热硅脂、金属外壳导热
- 主动散热：风扇、液冷
- 热设计考量：高温会降低芯片性能、加速电机老化、影响电池安全，必须在设计阶段就做好热仿真和散热规划
五、硬件成本结构与落地挑战
5.1 成本结构
一台具身机器人的硬件成本大致分布如下：
| 系统 | 成本占比 | 核心部件 |
|---|---|---|
| 执行层 | 50%-70% | 关节执行器（电机+减速器）、灵巧手 |
| 决策层 | 10%-20% | AI 芯片、计算板卡 |
| 感知层 | 10%-15% | 深度相机、激光雷达、力传感器、IMU |
| 支撑层 | 5%-10% | 骨架、电池、散热 |
执行层占据了成本的大头，这也是为什么谐波减速器、无框力矩电机等核心部件被称为具身智能产业链的"咽喉"。
5.2 工程落地的三大挑战
作为解决方案提供商，在面对硬件方案时应关注以下三点：
1. 高集成度
机器人空间极其有限，硬件必须向一体化关节方向演进。分散的电机+减速器+驱动器+传感器不仅占用空间，还增加了布线复杂度和故障点。
2. 轻量化
每一克的减重都能通过降低能耗和提升响应速度来提升 ROI。但轻量化不能以牺牲强度和可靠性为代价。
3. 可靠性
在非结构化环境中，硬件必须具备抗震、防尘甚至防水的能力。实验室里的精密设备，到了工厂的油污、粉尘、震动环境里可能根本无法工作。可靠性直接决定了 MTBF（平均无故障时间），进而影响客户的 TCO 和 ROI。
六、总结
具身机器人的硬件是一个庞大的系统工程，四大系统各司其职又紧密协作：
- 决策层负责"思考"，是大脑和算力中心
- 感知层负责"感知"，将物理世界转化为数字信号
- 执行层负责"行动"，是最昂贵也最关键的部分
- 支撑层负责"保障"，提供结构、能源和散热
理解了这四大系统，就建立了具身机器人硬件的完整认知框架。在后续的系列文章中，我们将逐一深入每个系统的核心技术，包括 VLA 模型、SLAM、Sim-to-Real、边缘计算优化、传感器融合等，从算法到硬件、从仿真到落地，全方位拆解具身智能的工程实践。
关于作者： 越微智能（Yuewell）专注具身智能与工业 AI 视觉落地，基于自研 VLA 多模态大模型，提供全品牌机器人二次开发（适配宇树/优必选/智元/傅利叶）与工业级视觉算法定制，支持从算法、硬件到产线实机部署的全栈交付。
下一篇预告： 《VLA 模型深度解析：从 LLM/VLM 到 VLA，具身智能的大脑如何工作》，敬请关注。