對話非夕科技：讓機器人像人手一樣靈敏，四個史丹福博士另闢蹊徑造出通用機器人獨角獸

作者｜Jessica郵箱｜JessicaZhang@pingwest.com

現代超市的貨架上，經常會有排列整齊、大小厚薄均勻的雞肉片。看似平凡無奇，背後卻隱藏著不少技術挑戰。

由於每塊雞肉原材料形狀、質地都不盡相同，要達到一致的尺寸和重量，靈活性至關重要。這也是為什麼傳統產線上的雞肉切割主要依賴人工。通常，一間稍具規模的工廠就需要上百名工人手動完成這一繁瑣操作。

一家叫非夕科技的機器人公司通過結合AI大腦和力控技術，成功實現了對整條產線的自動化改造：AI負責判斷雞肉形狀，選擇最合適的刀法和切割路徑，以確保切出的每片肉達標；力控技術則精準控制切割力度，確保無論雞肉軟硬度如何，機器人都能感知刀鋒是否觸及砧板。兩者配合，高效徹底地完成每次切割。

力控賦能的通用機器人獨角獸，每年三倍銷售增長

非夕科技誕生於2016年，由四位史丹福博士在矽谷共同創立。專注於仿人化技術理念，研發和生產集工業級力控、計算機視覺和人工智能技術於一體的自適應機器人。

目前，多數工業機器人主要依賴位置控制和大量非標機構輔助。雖然能夠準確執行預設軌跡，但在產線佈局調整、來料位置偏移或規格差異、任務環境變化時適應性較差。

非夕的技術精髓是力控。在他們看來，很多複雜任務人類能完成，機器人卻做不到，原因不是人在位置控制上優於機器人，而是具備更高級的力控本能。一個簡單的例子是插充電頭：人們並非通過精確計算位置來完成，而是大致對準插孔後，通過觸碰的手感微調，最終順利插入。

非夕從力控入手，結合簡單的視覺引導，實現類人的手眼協調能力。機器人能根據力量反饋自主適應變化，實時調整軌跡、動作和力度。既能避免損壞元件，又能顯著提升產線良率和換線效率。

這種能力使其在精密裝配、打磨拋光、車窗底塗、FPC柔性插裝、按摩理療、食品加工等各類複雜任務中表現出色，可廣泛應用於汽車、3C、家電、科研、醫療、服務等多個行業。如今，非夕每年能實現約三倍的商業化增長。在今年Q3、Q4訂單旺季到來前，銷售額已超過2023年全年總營收。

自成立以來，公司累計完成4輪融資，總金額超3億美元，獲得包括金沙江創投、高榕資本、真格基金等知名機構支持。兩年前，非夕科技估值突破10億美元，成長為通用智能機器人領域的獨角獸企業。

四位史丹福博士，打通從軟硬件到AI的全棧機器人技術

鍾書耘是創始團隊的一員，現擔任非夕首席機器人科學家。他曾在史丹福大學機器人領域泰鬥Oussama Khatib的實驗室做博士後研究員，更早於台大取得機械工程博士學位，師從機器人研發界領軍人物黃漢邦教授，擁有15 年以上的機器人智能規劃及人機協作研發經驗。

因為學校的一次水下機器人合作項目，鍾書耘與另外三位聯合創始人—— 來自史丹福仿生與靈巧操作實驗室、機器人實驗室、人工智能實驗室的王世全、葉熙陽和盧策吾相識。

幾個年青人在討論技術時，一致認為力量控制才是解決許多業界痛點的關鍵所在。但當時這個概念並不流行，「卡就卡在傳感器太難搞」。他們意識到，只要能攻克這個技術難題，就能為力控機器人落地鋪平道路。

「有一天，世全忽然找到我，說自己figure out力覺傳感器怎麼做了。」 鍾書耘回憶道，「我到現在還記得那次對話，他先和熙陽聊過，我看了方案也覺得很有潛力。我們就圍繞這個sensor開始構建，從sensor到關節，再到整個手臂的設計。

最上層的AI部分我們引入了策吾，當時他在李飛飛的實驗室做博士後。我們4個人就這樣聚在一起，形成了一個從底層hardware到firmware、software，再到AI的完整團隊。我主要負責軟件控制，世權做傳感器和手臂機構設計，熙陽懂兩邊的技術剛好對接我倆，策吾則主攻機器人以上的AI大腦。」

在公司成立的前幾年，團隊投入了大量精力驗證和調整機器人的規格與性能，以確保準確切入客戶痛點。鍾書耘坦言，早期推動力控技術進入工業領域並非易事。因為工業客戶相對保守，不容易接受新技術，往往需要先看到實際驗證的成果。

「除非像Elon Musk這樣的人證明特斯拉工廠已經準備用某種技術，客戶才會跟進。」鍾書耘解釋道，「我們必須親自下到產線，逐條跑通流程。」

「有人會問為什麼非夕機器人的推出速度很慢，其它機器人卻好像突然就能冒出來。其實，只做位置控制相對簡單，但要真正把力控和AI做好並不容易。我們花了很多時間打造關鍵技術。」

為了更好地應對不同領域需求，去年11月，非夕基於過去積累的AI技術，戰略孵化出全新的穹徹智能。王世全和盧策吾分別擔任CEO和首席科學家，專注研發通用具身智能大腦，更全面地服務整個行業上下遊。9月6日，穹徹智能宣佈完成累計數億元人民幣的天使輪和Pre-A輪融資。

「我們之所以這樣做，是因為力控機器人和AI大腦的應用領域都很廣。如果兩者一直綁定在一起，外界可能會認為非夕的AI只能用於非夕機器人，或者非夕機器人只能使用特定AI。實際上這兩部分技術都很通用，兩個通用平台能創造出更多新東西，各自發光發熱的舞台也會更大。」

以下為對話實錄：

力控為主、視覺識別為輔，自適應機器人打破傳統

矽星人：怎麼去理解自適應機器人？

鍾書耘：我們一直圍繞力控技術進行開發，同時涉及手眼配合的部分，需要AI大腦來支持。「自適應機器人」這個概念，一方面把我們與傳統的工業機械臂和協作機械臂區分開來，另一方面也為非夕產品找到了合適定義。比如另兩者只能按照預定軌跡進行操作，而我們的機器人則能夠根據實時的力量反饋，在線變換軌跡，自然地調整動作，適應環境中的不確定性。

矽星人：這種適應性通過什麼樣的技術路徑實現？

鍾書耘：有一個大概的框架，我們稱之為「階層式智能」，對標思路其實是人。為什麼人在生產線上體現出那麼好的適應性？很多是依賴老師傅的手感，很難用一個完整的SOP來規範。

所以我們在底層設計了一個類似「手感層」的結構，基於傳感器建立控制回路，負責感知和任務執行。接著構建了關節層和多關節間的協調控制，然後到達小腦層，實現機器人的全身協調。最上面的AI大腦則只負責high level的決策。就像你喝咖啡時，從不會思考肌肉要用多少力，或者手擺什麼姿態。大腦只需發出「我要抓什麼東西」以及「把它移到哪裡」的指令就可以了，具體動作由身體自動協調完成。

這種架構的靈活性在於，其他公司可以輕鬆將他們的AI大腦集成到我們的機器人上，而無需處理底層細節，簡化任務切換。如果AI需要處理「小腦」以下的部分，模型會變得非常龐大。此外很多工業應用並不需要複雜的AI模型，更多是人類大腦加上機器人小腦來完成任務。人可以通過離線編程設定流程，在線的不確定性就交給機器人應對。

矽星人：非夕自適應機器人主要能解決市場上哪些痛點？

鍾書耘：我們很多技術圍繞「力控」展開，但這個概念本身很難直接與客戶價值掛鉤。因此過去幾年我們深入調研了工業客戶，發現他們面對的主要問題是來料一致性差和產線各工位的累積誤差，導致良率無法提升。

在產線上，大約60%的周邊裝置都是為了確保物品來到機器人面前時，處於精確的位置，這樣機器人才能運行固定軌跡完成任務，否則操作就有可能失敗。而我們的優勢是，即使它位置不夠精確，機器人也能完成工作，提高良率的同時省去額外的校正設備。當需要更換產線時，也能更快地適應新的產品。

這就是力控發揮的巨大作用，但引入市場確實花了一些時間，因為工業客戶比較保守，不容易接受新技術。我們花了很多精力去證明它的價值。

矽星人：還記得你們是如何拿下第一單的嗎？

鍾書耘：細節有些記不清了，大致我們是先搭建示例演示，客戶可能先給一個工位嘗試，覺得可行再慢慢水平展開。關鍵是必須拿出成功案例，客戶才會真正信任你。在完成一些項目後，情況就會好轉很多，客戶看到了實際價值，並且同樣的應用也已經在其它地方成功部署和運行。

我們曾為一個客戶打造過一條車用域控製器的全自動組裝產線。這個項目當時交給了兩家廠商：我們和一家傳統自動化集成商。生產同樣的產品，我們部署更快，實現了全流程自動化，成本更低，佔地面積也更小。對方花的時間更長，而且還是要僱用人力，成本也更高。這是一個非常直接的對比，我們經常舉這個案例。

矽星人：目前你們的產品體系是怎樣的，具體如何交付解決方案？

鍾書耘：有好幾種合作方式，主要看客戶是誰。如果是終端客戶，他們需要一個完整的turnkey solution，也就是我們全程負責，最後客戶只需按下按鈕，設備就能自動運行。這包括機器人、工具、周邊設備，以及產線對接。

另一類是系統集成商幫終端客戶設計自動化方案。當他們發現某些環節需要力控機器人時，就會直接向我們購買並集成到他們的解決方案中。非夕的圖形化用戶界面讓他們不必編寫代碼，只需拖動方塊來編寫工作流程。

還有一些是高校或科技公司，有自己的技術，想把非夕機器人集成到產品或研究中。這種情況下，我們有提供機器人C++或Python程序接口RDK（Robotic Development Kit），讓他們可以通過編寫代碼直接控制機器人。

做各種產線上的「老師傅」

矽星人：能不能請你介紹幾個非夕成功的use case？

鍾書耘：好啊。最近比較有名的一個案例是我們在汽車座椅熨燙上的應用。椅墊製作時內部會填充一些柔性材料，可能產生皺褶，形狀也不統一，出廠前需要再燙過。以前都是人工用熨鬥來熨平。普通機器人不好做，是因為每個椅墊尺寸都不太一樣，即使只相差幾毫米，軌跡稍微偏離也可能熨不到。

這時力控技術就很方便。我們設定好大致軌跡，同時控制機器人施加的力量，確保每次都能接觸到椅墊並保持力道一致，熨燙效果非常好。另外我們的機器人有7個自由度，如果是6個自由度的機器人，它到目標點的形態只有一個解。這個額外的自由度能像人手一樣靈活調整姿態，適應椅墊的複雜弧度。

另一個案例是打磨拋光與去毛刺應用。它的工作環境通常比較惡劣，會有很多對人體有害的粉塵，長時間握著打磨工具也非常辛苦。很多人工作幾年後就需要休息一段時間，把不好的東西代謝掉。所以這類工作的招工也越來越難，但製造業對打磨拋光的需求卻非常大，尤其是在3C產品和汽車製造中。力控技術使得機器人能像人一樣去打磨拋光，適應各種曲率變化，這與我們提出的自適應機器人概念非常契合。

還有一些更精細的應用是力覺測量。我們做過一些項目，比如汽車的後視鏡，它的球形關節需要保持適當的緊度，不能太鬆也不能太緊。以前很多是用人工推壓來測試緊度。但用我們的機器人，可以更精確地測量並記錄力量的變化曲線，從而判斷產品是否合格。如果未來產品出現問題了，還可以回溯到組裝環節。這樣機器人不僅能幫忙製造，也成為量測工具，確保每個產品的一致性。

製造業其實非常有趣，很多細節在你深入其中之前可能從未想過。我在學校時根本沒想到這些工藝有多複雜，但親自到現場看過之後，就非常appreciate這些創新。

矽星人：聽起來非夕機器人在各種產線上扮演著老師傅的角色。它能處理這麼多操作，你們是如何保證通用性的？

鍾書耘：你底層的力控框架必須非常紮實。其實這些操作的核心原理是一樣的。為什麼我們的機器人既能做按摩，又能打磨拋光？因為它們原理相同，只是換了不同的工具。所以我們稱它為一個通用平台，就像人可以拿不同工具完成不同任務一樣。線束插拔與組裝操作也是類似的概念，機器人通過感知力道變化來完成插拔任務。你只需微調一些參數，比如來料一致性低時就擴大搜孔範圍，一致性高時就縮小。這些上層參數一旦設置好，機器人就能自動完成剩下的操作。

矽星人：圍繞力控，你們還有沒有其它技術上的自主創新？

鍾書耘：我們還將力控技術應用到了夾爪，非夕是全球首個推出動態力控夾爪的公司。傳統夾爪只能控制位置或到達設定的力後就停止動作，而我們的夾爪可以持續維持恒定的力量。舉個例子，當夾持一個不斷膨脹的氣球時，夾爪會自動感知力覺變化並調整，避免氣球破裂。

這讓我們能更好地夾持柔性物體，其實非常有用。比如汽車線束組裝中有個捋線動作，因為線束是人手工包裹的，寬度會變化。普通機器人可能會在捋線過程中卡住，但有了力控夾爪，機器人就可以沿著線束平穩滑動，而且不會脫離。

矽星人：剛剛這些好像都是在工業環境中的應用。

鍾書耘：目前大部分使用確實是在工業領域，這是我們的起點和保底板塊，但我們也希望探索更多非工業應用。因為在其他領域，機器人必須具備更強的智能和適應能力，對力控的需求可能更高。那些存在更多不確定性的場景將是力控技術發光發熱的地方。

矽星人：從傳感器、各個關節到機器人本體，包括算法、操作系統和AI，所有技術都是你們自己的嗎？

鍾書耘：是的，所有關鍵技術都掌握在我們自己手中，當然我們也花了很多時間積累這些技術。有人會問為什麼非夕機器人的推出速度很慢，其它機器人卻好像突然就能冒出來。其實只做位置控制相對簡單，但要真正把力控和AI做好並不容易。我們專注於開發一些根本的、具有突破性的技術，希望能盡快進入各個不同的市場。

非夕產品系列：核心自適應機器人Rizon （拂曉）、Moonlight（玄暉），力控夾爪Grav（星擎）

機器人和AI都很通用，以後各自的舞台會更大

矽星人：非夕去年進行了戰略調整，把AI團隊獨立成了新公司穹徹智能，這是出於什麼考量？

鍾書耘：孵化出穹徹，是因為力控機器人和AI大腦的應用領域都很廣。如果兩者一直綁定在一起，外界可能會認為非夕的AI只能用於非夕機器人，或者非夕機器人只能使用特定AI。實際上這兩部分技術都很通用，兩個通用平台能創造出更多新東西，各自發光發熱的舞台也會更大。

矽星人：AI在增強機器人能力方面起到什麼作用？會如何整合進非夕的產品線？

鍾書耘：肯定很有幫助，但並不會像荷李活電影里那樣突然變得非常強大，而會是一個循序漸進的過程。目前AI更適合在數字世界中應用，是因為這些領域的容錯率可以很高，如果AI生成的影片有點瑕疵也無傷大雅，幾秒鍾就過去了。但如果將AI應用到真實場景，尤其是機器人上，容錯率就必須非常低。一旦出錯，要麼是機器人自己受傷，要麼就是環境或環境中的人受傷。就像自動駕駛的成功率已經達到99%了，那出行100次還是有一次會撞到人，這當然是不行的。

我們的思路是，從擅長領域出發，逐步向外擴展。找到那些最有可能快速落地的應用方向。比如從農業、食品加工開始，雖然也是在工廠內，但不像3C、汽車製造那樣規範，涉及到的來料變化更大，一致性更差。我們也在探索一些服務行業的應用，像是與黑馬原力合作的移動充電小車，以及和AiTreat開發的按摩機器人等。

非夕Rizon機器人測試羽衣甘藍自動化採摘：AI自主評估葉片成熟度、精確識別修剪位置。工業級力控靈活採摘、確保作物無損傷。兼容不同末端工具，實現多種現代農業種植和採收。

矽星人：現在人形機器人的概念很火。我記得你提到過，人形機器人的最佳應用場景絕對不是工業環境，為什麼這樣說？

鍾書耘：人形機器人本身並不一定適合工業環境。主要因為它引入了很多其它的難點，特別是雙足行走。要像人一樣雙足行走，每隻腳至少需要6個電機，兩隻腳就是12個電機，成本很高。而一個輪型平台可能只需要兩個電機，承重能力卻遠大於雙足。

在工業場景中，至少在工業機器人規範里，是有一套安全標準的。包括機器人上要有一個紅色的緊急停止按鈕，一按下去，所有馬達電機必須瞬間鎖住。但人形機器人很難直接停止，因為它需要保持動態平衡，如果突然鎖住關節就會跌倒。所以用傳統規則來管理人形機器人並不太適用。要在工業場景中落地，首先必須解決很多安全規範問題。

矽星人：特斯拉的Optimus、Figure都熱衷於讓人形機器人「進廠打工」，在你看來實際可行嗎？

鍾書耘：最終也許可行，但中間還有很多困難需要解決。就像剛剛說的安全認證，目前針對人形機器人的安全規範還沒有出來。更多是等技術成熟了再開始討論到底怎麼定規則。這也是為什麼自動駕駛技術已經發展了十幾年，直到最近Waymo和Cruise才開始慢慢落地。所以我認為，人形機器人落地工廠還要好多年。而且工廠其實是一個比較結構化的環境，任務相對單一，自動化可以通過各種形態的機器人來實現，人形機器人不一定能很快開揮它的價值。

矽星人：你覺得人形機器人更可能在哪些場景中落地？

鍾書耘：我覺得服務業會是它落地的主要場景。怎麼講呢，人形機器人其實是一種人類自身的追求。因為我們對人形很熟悉，看到後會覺得更友好，與它互動比和一個三頭六臂的機器人更自然、更舒適。人類的居住與生活環境是基於人的形態打造出來的，人形機器人更適合在這種以人為主而設計出的場所中工作。也就是那些環境與任務多變、需要與人類頻繁接觸的場所，比如家用看護和服務型機器人。

但在工業場景中，客戶根本不在乎機器人長什麼樣，是否好看，是否會發光。他們關心的是機器人能否以最優的方式提高產量。

比如如果你想設計一個洗衣機器人，你其實要做一台洗衣機。你去觀察人洗衣服，關鍵在於搓揉的動作，如果能夠實現揉搓的動作就good enough，而不必真地設計一個人形機器人拿著衣服去河邊洗衣服。當然如果你做出來也真的很牛，但最重要的是要解決什麼問題。就像非夕強調的仿人化概念更多是指仿人的能力，而不是完全仿人的外型。能力可以遷移到不同的機器人形態，只要針對應用場景設計出合適的機器人形態就可以了。

製造業自動化，全球還有99%的增長空間

矽星人：你們的自適應機器人已經在與全球很多大客戶合作，未來市場的機遇在哪裡？

鍾書耘：其實整體制造業的自動化程度仍然很低。目前全球平均比例大概是1:100，最高應該是南韓，其次是新加坡。但如果你平均下來，每100個工人中只有1台機器人，那麼還有99%的增長空間。我們要做的就是將人類的能力移植到機器人身上，讓機器人能夠覆蓋剩下99%的工作任務。

矽星人：下一步規劃是什麼？無論是產品開發還是全球市場佈局，有什麼可以分享的？

鍾書耘：我們正在開發第二代機器人本體。除了加強工業場景的應用能力外，我們也加入一些特殊功能與提高AI適配性，希望加速導入非工業及服務型場景。我覺得這個新產品會帶來很大的影響，不過目前還不能透露太多細節。

矽星人：什麼時候能看到這些新產品呢？

鍾書耘：明年，我們會在適當的時機推出。

至於全球佈局，我們在矽谷、上海、北京、深圳、新加坡等地都設立了辦公室。現在的主要市場還是在中國，因為我們目標是製造業，中國的製造業仍然處於全球領先地位。與此同時，我們也在全球範圍內尋找合適的機會，希望將非夕機器人推廣到不同國家。