（本文作者为 韩工观察，钛媒体经授权发布）
Related articles
文 | 韩工观察
9 月 21 日，宇树发布 Dex5-S 灵巧手：22 个主动自由度、1:1 真人手掌尺寸、全直驱加双编码器，3.99 万元起 （据宇树科技 2026 年 9 月 21 日官方发布）。一个多月前，宇树刚在科创板挂牌，上市首日市值约 610 亿元 （据上交所公告及公开报道）。
市场的解读很直接：手出来了，机器人要进家了。
这个解读错了两次。第一，Dex5-S 的买家不是家庭，是高校、整机厂和工业客户的实验室—— 这不是消费品发布，是科研采购品和数据采集工具的发布。第二，就算手出来了，真正稀缺的东西也还没出来：指挥手的脑子、喂脑子的数据、以及让手边干活边采数的场景。
用一句话概括 2026 年灵巧手行业的真实坐标：硬件已经摸到物理极限，行业卡在“ 有手无脑、有指标无数据、能演示不能干活” 的阶段。这不是爆发前夜，是拐点年—— 硬件就绪、数据荒显现、场景筛选刚刚开始。
一、先长身体，后长脑子：一条被反复验证的产业规律
把镜头拉远，机器人产业的历史就是一部“ 执行器先成熟，智能层后补课” 的历史。
工业革命先有蒸汽机和电机，几十年后才长出自动控制理论；自动驾驶先卷完激光雷达、域控制器和算力堆叠，然后集体卡在长尾场景的数据里；机械臂没有 AGI、甚至没有深度学习，靠示教、视觉和力控就在汽车焊装线上活了几十年。
规律很清楚：动作可枚举、环境结构化、失败成本低的场景，根本不需要 AGI。夹爪只有两指，一个自由度都算不上，但它省下来的人力成本是真实到账的。
这与 AI 侧的结论是同一枚硬币的两面。我在 《要毁灭人类的不是 AI，是人—— 拆开 2026 年 9 月这轮“ 末日叙事”》（钛媒体已发表） 里拆过：系统从未自己决定过“ 我要变得更强”，它只是被人设定去优化某个指标。
拧螺丝的 Agent，目标是工程师定的；把任意朝向的零件分到对应料盒里，奖励函数和失败标签是标注团队写的。灵巧手不会因为长在机器人身上就豁免这条规律。
所以“ 没 AGI 灵巧手就不能用” 是个伪命题。真正的问题是：哪个场景，配得上现在这颗脑子？
二、灵巧≠ 自由度：22 个电机解决不了穿针引线
先说理论。市面上的参数表把“ 灵巧” 约等于自由度，但自由度只是“ 潜在灵巧”。真正的灵巧是一个乘积：
灵巧 = 自由度 × 触觉分辨率 × 控制精度 × 数据 × 任务分布。
任何一项归零，乘积归零。
拿“ 穿针引线” 做压力测试—— 右手捏一根约 0.3 毫米的软线，左手捏一根针眼约 0.5 毫米的针。这个动作在机器人视角下可以拆出七个失败点：对位偏差、摩擦失效、柔性变形、视觉遮挡、力饱和、滑移失控、恢复策略缺失。其中三个是纯物理工程问题，靠迭代能解决；另外四个是智能理解问题，目前无解。这里只拆最致命的两个。
第一个是柔性变形。线头是柔性体，不是刚体。线头抵住针眼入口，一用力就弯成 U 形，就是不进去。传统控制模型基于刚体假设，现有视觉-语言-动作模型对柔性物体的物理理解仍处于初级阶段。这是全行业卡着的硬骨头，与它用几颗电机无关。
第二个是恢复策略。假设前面几关都过了，线在往前送的过程中从指尖滑走了—— 接下来怎么办？人类会退回来、换个角度、线头蘸点口水、再试一次。
今天所有灵巧手系统里，Figure 的 Helix 能处理少量预设失败模式—— 检测到滑移就补力—— 但面对“ 线弯了” 这种预设之外的情况，一样束手无策；其余的干脆报错停机。
这就是硬件与智能的分工现状，两句话可以说完：
手说：“ 我能以 0.01 牛的精度施力。”
脑说：“ 我不知道现在该施 0.01 牛，还是 0.02 牛。”
顺带补一刀体感问题。我在 《黄仁勋说 AGI 已来，奥特曼说只是营销词：四个人的 AGI，四本账》（钛媒体已发表） 里写过：建材城师傅摔一跤会自己改码放顺序，这一跤是生命体感换来的；即便让大模型在仿真里摔一万次，也很难复现这种本能反馈，因为它没有生物本体的痛觉。
灵巧手同理—— 指尖能测出克力级的力，但“ 被针扎过一次就记住这个姿势不对” 的下意识回避，它永远不会有。好消息是，穿针引线不需要会疼，只需要会推理。
顺便指出：自由度只是这个乘数里的一项，而数据，是当下最接近零的那一项。
三、You can't scrape a grip：数据荒才是真瓶颈
行业里有句大白话：You can't scrape a grip—— 抓握的手感，爬不下来 （业内比喻：触觉、力反馈这类物理交互数据，无法像图文语料那样靠网络爬虫批量获取）。
互联网上有千亿张图片、万亿条文本，但没有“ 湿手捏鸡蛋、线头打滑、纸杯变形” 的触觉-力-关节同步数据。这类数据只能靠遥操作员和采集工人一条条真机采出来，成本远高于互联网语料。
据国金证券 2026 年 7 月研报估算，2026 年初全球高质量真实物理交互数据存量约 50 万小时，而通用具身模型的训练至少需要 1000 万小时级，存量不足需求的 5%；智元方面更激进的口径是，高阶智能需要亿小时级。
仿真和合成数据填不了这个坑。视觉仿真已经很逼真，但接触力、滑移、柔性变形、失败恢复这类“ 手感数据”，仿真和真实之间隔着一条至今没人完全跨越的鸿沟——Sim-to-Real（仿真到真实的迁移鸿沟）。
这种落差不是猜测。斯坦福 2026 年论文 《One Demonstration, Many Objects》 提出的方法 DemoMimic 里，作为对照的基线在仿真中开盒/搬箱成功率可达 80%–96%，但迁移到真实五指手后分别跌到 3%–38%；论文提出的接触中心奖励方案，才把单策略在 16 个物体、4 类任务、两种灵巧手上的真机平均成功率拉到 71%。
学界管这叫 Sim-to-Real 鸿沟—— 仿真里完美的电机响应、刚体假设、无延迟通信，一上真机就被齿隙、电压波动、物体表面湿滑一一击穿。你可以在仿真里让手穿一万次针，一进真实世界，线还是软的，针还是会动。
玩家们的应对，也印证了瓶颈所在。Figure 手脑一体最完整—— 重新设计的手部系统配掌心相机、指尖可感知约 3 克力级压力，Helix 架构分语义慢脑与约 200Hz 的高速运动脑 （据 Figure 官方技术发布），在宝马工厂里边干活边采数据，且数据闭源。
Figure 在 2026 年 9 月披露的零样本家庭评测中，在 30 户未训练过的真实住宅里做三件事：收拾客厅玩具、折叠毛巾、整理床铺。从零训练策略完整任务成功率约 8%（部分媒体记 9%），Index 预训练后升至 56%—— 用 Figure 自己的话说，是“ 提升超过 6 倍”。
注：该评测对象为三项预先选定的长流程家务任务，并非全部家庭任务。方向令人鼓舞，反读也诚实：最前沿的系统，在三项被选定的任务上，仍有近一半概率做不完。
智元的路数是自建数据产能：其开源的 AgiBot World 数据集包含超过 100 万条真机操作轨迹、217 项任务 （据智元机器人官方发布），并建设了大规模数据采集工厂。
宇树的关键恰在这里：整机出货量国内领先，但出货不等于数据资产—— 科研客户买走 Dex5-S 之后，愿不愿意回传数据、以什么格式回传，都不在宇树手里。它卖了无数只“ 好手”，但这些手在别人实验室里产生的数据，多半喂了别人的模型。
灵心巧手 （国内高自由度灵巧手厂商） 同样把高自由度手当“ 科研铲子” 卖给科研和数采客户；因时科技则针对工业场景选择了性价比更高的低自由度连杆方案，吃标准化抓取这碗饭—— 重复、可靠、能算账。此外，京东等下游玩家也已提出千万小时级的数据采集规划 （据公开报道），整个行业都在为“ 燃料” 补课。
这场博弈的本质：各家嘴上都卖手，手里抢的却同一个东西—— 物理交互数据的入口权。
四、工厂练手，家庭画饼：三层市场的真实地图
市场叙事里，灵巧手的终局是家庭：叠衣服、做饭、照顾老人，万亿空间。
这个终局有个前提没人愿意展开讲：家庭场景任务无穷、环境混乱、安全容错极低，而失败了用户直接退货。工厂场景恰恰相反—— 任务固定、环境受控、失败了有工程师兜底，机器人每干一天活，产出的价值可以对冲一部分研发成本，还能顺手把数据采了。
所以头部玩家的路径不约而同：先在工厂把通用能力练出来，再把成本降下来，最后才谈进家庭。Figure 在宝马工厂，智元在汽车和 3C 工厂，Tesla 的 Optimus 先在自家工厂做内部物流，宇树的客户在实验室里替它练手。这不是战略选择，是经济规律和技术瓶颈共同决定的唯一理性路径。
谨慎的从业者也这么说。启元机器人 （上纬新材旗下） 研究院首席科学家董豪在 2026 年世界机器人大会期间表示，叠衣、做饭等家庭复杂家务的通用化仍需 3—5 年，“ 但如果技术还是以现在这个速度去增长的话，那可能会提前”。优必选周剑的判断类似：进工厂没问题，家庭泛化要看具体场景。
由此，灵巧手市场应该拆成三层看，而不是一个“ 家庭万亿” 的笼统大饼：
第一层，工业/商用层，先放量。这里的灵巧手不是“ 拟人”，是“ 比夹爪多适应更多品类工件”。任务可定义、安全可兜底、省人力能算账。真实状态是：大部分客户还处在概念验证 （POC） 阶段—— 买一两台在小工位上试效率、试故障率、算回本周期。
傲意科技 CEO 倪华良在 2026 世界机器人大会期间接受媒体采访时称，业内大部分灵巧手订单仍处在概念验证 （POC） 阶段 （据 《中国经营报》 对倪华良的采访）—— 这不是否定，是行业真实所处阶段的描述。
第二层，科研/数采层，眼下最稳的现金流。高校、研究院、AI 公司买手回来采数据、做二次开发。宇树、灵心巧手、Shadow 相当大一块销量在这。这层客户不是买“ 劳动力”，是买“ 数据入口” 和“ 实验平台”。
第三层，家庭/消费层，最远、也最被高估。它目前是资本按终局定价的一张远期期权—— 用工业和科研的回款，养着家庭的梦想。
五、销量≠ 干活量：2026 是拐点年，不是爆发年
最后回到数据。据高工产业研究院 （GGII） 口径，2025 年中国灵巧手销量约 1.92 万只，同比增长 236.84%；2026 年预计约 7.02 万只，同比增长 265.63%；2030 年有望突破 43 万只，2026 至 2030 年复合增速约 57.79%。增速确实凶猛。
但这个数字需要拆开读。出货量的大头来自科研教育采购和工业客户的试用性订单，真正在产线上 7×24 小时挣钱干活的灵巧手，占比仍然很低；高自由度手在工业连续作业下的长期可靠性—— 长期寿命和一致性—— 也还没有经过产线级验证。
“ 卖掉了” 和“ 在用” 是两回事，“ 在演示” 和“ 在干活” 更是两回事。
这不是唱衰，是校准预期。市场上不缺“ 灵巧手产业链全景”，缺的是一个回答：这笔钱到底在哪个场景、按什么节奏收回来？本文的全部立场可以浓缩为一次判断替换：
市场把 Dex5-S 当成“ 人形机器人进家倒计时” 的催化剂；而把它放进宇树上市、GGII 销量和数据荒的三重坐标里看，它更像物理 AI 进入数据战的标志性硬件—— 手不缺了，喂脑子的真实交互数据还差着两个数量级。
基于作者的分析框架做粗略主观打分 （非第三方研报结论，综合技术成熟度与产业落地进度估算）：手硬件约 80 分，算力与通信约 85 分，Agent/VLA 约 40 分，真实接触数据约 5 分，AGI 级自主操作约 5 到 10 分。硬件决定上限，数据决定下限，脑子的水位决定这笔钱在哪个场景能收到。
接下来一到两年，值得盯的不是谁又发布了多少自由度的手，而是三件小事：哪家工厂的 POC 转成了批量订单，哪个数据集的规模翻过了新的数量级，哪款手的连续作业寿命跑过了产线验收线。
穿针引线那一天终会到来，但它不会先发生在客厅里，它会先发生在某个工厂的工位上—— 那里有一只不知道疲倦的手，和一个刚刚学会“ 线滑了要加力、线弯了要换角度” 的脑子。
手已经准备好做那个不知疲劳的部分了，差的只是一个足够聪明的智能，来告诉它下一秒到底该怎么动。家庭，会排在工厂付完学费之后。
【信息说明】
- 宇树 Dex5-S 参数 （22 主动自由度、1:1 真人手掌尺寸、620g、全直驱+双编码器、3.99 万元起） 及发布时间 2026 年 9 月 21 日—— 据宇树官方发布及证券时报、IT 之家等首发报道。
- 宇树科创板上市时间 2026 年 8 月 19 日、上市首日市值约 610 亿元—— 据上交所公告及公开报道。
- 中国灵巧手销量 （2025 年约 1.92 万只/+236.84%，2026 年预计约 7.02 万只/+265.63%，2030 年预计突破 43 万只，2026—2030 年 CAGR 约 57.79%）—— 据高工产业研究院 （GGII） 口径，限中国市场。
- 全球高质量真实物理交互数据约 50 万小时、通用具身模型至少需 1000 万小时级—— 据国金证券 2026 年 7 月研报；亿小时级口径据智元方面公开表态。
- AgiBot World 数据集规模 （超 100 万条真机轨迹、217 项任务）—— 据智元机器人官方发布。
- Figure 手部系统 （掌心相机、指尖约 3 克力级压力感知）、Helix 架构 （语义慢脑+约 200Hz 运动脑）、零样本家庭评测 （30 户真实住宅、三项长流程家务，从零训练约 8%、部分媒体记 9%，Index 预训练后 56%）—— 据 Figure 官方 news 页及媒体转述。
- “ 家庭复杂家务通用化仍需 3 到 5 年”—— 据启元机器人 （上纬新材旗下） 研究院首席科学家董豪在 2026 世界机器人大会期间采访口径；优必选周剑相关判断据其公开表态。
- “ 业内大部分订单仍处概念验证阶段”—— 据傲意科技 CEO 倪华良 2026 年世界机器人大会期间接受 《中国经营报》 采访。
- 京东千万小时级数据采集规划—— 据公开报道。
- 各环节评分 （80/85/40/5/5-10） 为作者粗略估算框架，非研报结论。
- 仿真— 真机落差：据 Stanford 团队论文 One Demonstration, Many Objects: Generalizing Manipulation via Local Contact Geometry（arXiv:2609.01938，2026-09-01 提交，作者含 Fei-Fei Li / Jiajun Wu / Dorsa Sadigh / Jeannette Bohg），方法名 DemoMimic；基线 DexMachina* / HERMES* 仿真 80%–96%、真机 3%–38%，DemoMimic 真机平均 71%。项目页 demomimic.github.io。
本文仅为产业分析，不构成任何投资建议，所有数据均取自公开披露信息，观点为作者独立研判。
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
