企业官网建设流程全解析

1. 开源人形机器人，到了一个什么节点

这次 OpenLoong 社区线下分享会，我是在开场前半小时到的，现场已经坐了大半。来的基本都是同行：有做关节模组的硬件工程师，有搞强化学习的算法同学，也有几个高校机器人社团的学生，甚至还有一位做减速器供应链的销售老哥——这阵容本身就说明问题，人形机器人已经从实验室的"高冷玩具"变成了一条正在加速成型的产业链，而开源，恰好是这条产业链里最近讨论度最高的一环。

OpenLoong 是上海人形机器人创新中心发起的开源社区，主打的是把青龙人形机器人的整机设计、软件栈、训练数据全部开放出来，采用MIT协议。这类"整机级开源"在之前几乎是不敢想的事。过去我们看到的更多是某个算法仓库、某个仿真环境开源，但整机图纸、BOM表、控制代码、数据集一起放出来，等于把一家头部机构的"家底"搬到了GitHub上。这场分享会讲的就是这些东西背后的技术逻辑、产业链变化，以及一个很实际的问题：普通人或者中小团队，能不能借着开源生态用更低的成本入场做人形机器人。

这篇文章我不打算逐页复述PPT，而是把现场聊得最透、也是干货密度最高的几个方向整理出来：人形机器人的核心技术到底卡在哪、产业链的利润和瓶颈分布在哪个环节、开源是怎么把硬成本打下来的、以及如果你想自己做一台"够用"的人形机器人，现实的路线图应该怎么画。内容会偏硬件和系统工程一些，但算法同学也能从中看到仿真、数据这些环节是怎么跟硬件咬合的。

2. 人形机器人的核心技术栈，到底在卷什么

2.1 从整机架构看，人形机器人其实是个"三端协同"系统

分享会上有位工程师打了一个比方，我觉得挺贴切：人形机器人本质上是一台"长了手脚的自动驾驶汽车"。

这个类比的意思是，它的系统架构大致也可以分成感知端、决策端、执行端三层。感知端靠的是摄像头、激光雷达、IMU这些传感器，负责搞清楚"我在哪、周围有什么"；决策端是大脑，负责"我下一步该干嘛"，现在的主流方案里这一层大量使用强化学习、模仿学习这类AI模型；执行端则是一整套关节执行器、减速机构、驱动器，负责把大脑的指令变成真实的机械运动——而这一层恰恰是人形机器人跟自动驾驶差异最大、也最难做的地方。

自动驾驶的执行端是四个轮子和转向系统，控制模型成熟、供应链标准化；人形机器人有几十个关节，每个关节都是一个微型机电系统，要同时做到高力矩密度、高精度、低延迟，整套系统的耦合复杂度完全不是一个量级。现场有位做控制的同学提了一个很实在的问题："为什么明明算法这么强了，人形机器人走路的视频看起来还是有点僵硬？"答案是，问题往往不在算法，而在执行端。算法要求的力矩、响应速度，硬件给不到位，又或者硬件到位了但延迟超了，最终的表现就会"像喝醉酒一样"。

2.2 关节执行器：人形机器人的"心脏"，也是成本大头

拆开一个人形机器人，最值钱、最核心的零部件就是关节执行器。业内通常说的"一体化关节"，是把无框力矩电机、谐波减速器/行星减速器、编码器、驱动器、力矩传感器集成到一个紧凑的模块里。这个模块决定了机器人能跳多高、能搬多重的东西、动作能不能做到丝滑，直接决定了整机性能的上限。

青龙这类开源整机，腿部走的是"旋转关节+线性执行器"混合路线。髋关节、膝关节这种需求力矩大的位置用旋转执行器，搭配大减速比的谐波减速器；而踝关节或者需要直线推力的位置，则会考虑行星滚柱丝杠这类线性方案。这个取舍背后是工程上的妥协：谐波减速器体积小、精度高、但刚度有限，适合做旋转运动；滚柱丝杠刚度大、能承受大轴向力，适合做直线运动，但成本和重量都不便宜。

分享会上有一张BOM成本拆解图，印象很深：关节执行器相关的成本（电机+减速器+驱动器）占了整机硬件成本的50%以上。也就是说，人形机器人降不降价，很大程度就看关节能不能做便宜。这也是开源最有价值的地方之一——把关节的接口、参数、选型逻辑全部公开之后，大家不用再从零做技术验证，可以快速比对不同供应商的电机和减速器，直接找国产替代。

2.3 实时控制与软件栈：从ROS 2到全身运动控制

硬件之外，软件栈是另一个核心战场。人形机器人的软件体系一般分三层：

• 操作系统层：目前主流是基于ROS 2做二次开发。ROS 2的分布式通信、节点管理在机器人领域已经是事实标准，OpenLoong的软件栈也是跑在ROS 2上的。
• 运动控制层：包括状态估计、全身运动控制（WBC）、模型预测控制（MPC）、步态规划等。这一层解决的是"怎么动才稳"。WBC会把任务拆解成质心控制、角动量控制等子问题，用二次规划实时求解每个关节的力矩指令。
• 决策与学习层：主要是强化学习/模仿学习训练出来的策略网络，输入感知信息，输出关节角度或者力矩目标。现在很多团队选择直接在GPU仿真环境（比如MuJoCo、Isaac Lab）里训练策略，再迁移到真机。

这里有一个很关键的工程问题：仿真里训练得好好的策略，一到真机就"翻车"。这就是Sim2Real（仿真到现实迁移）问题。OpenLoong在分享中提到，他们的数据管线里面除了仿真数据，还有大量遥操作采集的真实数据——人穿上动捕服或者用主手控制机器人，录下来真机的运动轨迹，再用这些轨迹做行为克隆。混合数据训练出来的策略，迁移成功率会高很多。

3. 产业链全景：谁在赚钱，谁被卡脖子，开源改变了什么

3.1 人形机器人的BOM账本：零部件成本怎么分布

分享会现场给了一组参考数据：一台通用人形机器人整机的硬件成本，在量产规模下大约在10万到50万元人民币；小批量、非量产阶段，成本可能要翻倍甚至更高。钱主要花在下面这些地方：

关节执行器占比过半，这就解释了为什么所有做人形机器人的厂家都在死磕自研关节。一旦关节成本能降50%，整机BOM就能降25%以上，这个账太好算了。

3.2 核心零部件的"隐形壁垒"：减速器与力矩电机

说几个现场聊得比较多、也是新人容易忽略的点。

第一个是无框力矩电机。这类电机没有外壳和轴承，直接集成到关节结构里，优点是力矩密度高、结构紧凑。难点在于设计和生产工艺，尤其齿槽转矩、温升控制和一致性批量生产，国产电机的性能已经追上来不少，但高端市场还是国际厂商主导。

第二个是减速器。人形机器人最常用的是谐波减速器，单级减速比大、体积小、精度高，但柔性轮的设计和材料处理技术门槛极高，曾经长期是国外厂商的天下。这几年国产谐波减速器进步明显，绿的谐波这些厂商已经在机器人行业大量出货。但注意，人形机器人在高动态场景下对减速器的冲击负载要求很高，谐波减速器本身的柔性会导致刚度不足，所以部分团队开始考虑行星减速器甚至准直驱方案。

第三个是六维力传感器。它用来测量脚底和地面的接触力，是行走稳定性的关键。难点在于需要把六个方向的力和力矩解耦，且对温漂和过载要求极高，目前一颗工业级六维力传感器价格上万，普通人形机器人整机上要用4到6颗（双脚各一颗，双手各一颗，部分方案在腰部和头部还有）。这块是典型的"量小价高"零件，也是开源之后大家希望用国产替代把价格打下来的重点对象。

3.3 开源如何重塑产业链位置

传统搞机器人硬件，最怕的是什么？是"信息不对称"。你费劲找供应商，报出来的参数看不懂，水很深。开源之后，整机图纸和BOM是公开的，供应商和型号也都是公开的，等于把供应链的信息壁垒直接推平了。

分享会上有个例子特别有意思。青龙开源后，不少团队直接拿着BOM表去找国产电机厂问价，电机厂也乐于接单，因为这就是现成的订单——不用磨破嘴皮子做技术验证，整机图纸都给你了，按图做就行。这就是开源对产业链的"降维打击"：它的价值不只是把设计文档发到网上下载，而是把整条供应链的信任成本大幅拉低。

再加上社区生态，相当于把原本每家机构各自烧钱的重复研发，变成了全行业共享的底座。以前一个初创团队要花几百上千万、两三年时间才能攒出一台能走路的人形机器人；现在基于开源整机做二次开发，半年到一年就能进入迭代状态。对中小团队来说，这是真正的入场券。

4. 低成本路线图：自己动手做一台人形机器人要花多少钱

4.1 做之前先想清楚：你要哪一种"人形机器人"

现场有一个年轻创客举手问："我想自己做一台人形机器人，预算3万够不够？"全场笑了一下，但台上的工程师回答得很认真：先看你想要什么样的。

我把他的回答整理一下，人形机器人按需求和成本可以分成三档：

• 学习入门档：上半身人形 + 下半身轮式底座，或者只有上半身 + 视觉移动底座。重点做双臂操作、抓取、遥操作，不做双足行走。硬件复杂度低，不需要昂贵的腿部执行器和六维力传感器。预算1万到5万。
• 科研验证档：全尺寸双足人形，能走、能站、能做一些基础操作。硬件成本高，仅关节执行器就需要十几到几十个，预算在10万到30万级别。这个档位最适合拿开源整机图纸改。
• 工业应用档：面向实际场景（巡检、搬运、商用服务），对可靠性、续航、负载有硬指标。整机成本50万往上，通常不是个人玩家考虑的范畴。

3万预算能做什么？可以做一个不错的"上半身人形+轮式底座"方案，专注机械臂控制和抓取算法，或者做一个缩小版的双足人形，用舵机代替昂贵的一体化关节。想做全尺寸高性能双足，3万远远不够。

4.2 硬件选型和降本技巧：哪里能省，哪里千万别省

如果目标是搭一台能跑的科研双足人形，怎么把成本压下来？现场的工程师们给出了几条很实操的路线：

第一，关节方案选准直驱或半准直驱。传统一体化关节贵，主要贵在谐波减速器和大扭矩无框电机上。准直驱方案用低减速比（比如5:1到10:1）的行星减速器+高力矩密度电机，省掉了谐波减速器的高成本，靠算法端的力控（比如基于电流估计力矩）来弥补精度不足。MIT的Cheetah系列走的就是这条路，人形机器人领域也有团队在做。代价是控制算法更难写，但对有算法能力的团队来说，这是一个"用技术换钱"的好路子。

第二，结构件能用CNC就不开模，能用3D打印就不上碳纤维。铝合金7075 CNC是目前性价比最高的选择；如果只是验证运动学和算法，甚至可以用3D打印PLA/尼龙做外壳和部分连接件。开模费动不动十几万，个人玩家千万避开这个坑。

第三，传感器降级配。六维力传感器贵，可以先用关节电流估算力矩；激光雷达贵，可以先只用深度相机（比如Intel RealSense或者国产的Orbbec）做感知；IMU和编码器不能省，但可以选择国产替代型号，很多国产IMU的稳定性已经很不错。

第四，能借仿真省真机成本，就让仿真多干活。用OpenLoong开源的模型和数据集，先在MuJoCo或Isaac Lab里验证绝大多数算法，最后才上真机测试。真机测试一次的成本是多少？一个一米六的人形机器人摔一跤，轻则几千块的维修费，重则关节报废，不能拿真机当调试平台反复折腾。

4.3 一个参考：低配版双足人形机器人的成本清单

综合现场聊到的方案和我自己了解到的一些价格行情，列一个粗略的低配科研双足人形机器人的成本清单，给大家一个数量级概念：

算下来大概是8万到12万。这个方案没有用六维力传感器、没有用谐波减速器、没有用碳纤维，属于"够跑但不够漂亮"的配置。如果你有渠道拿到折扣、或者部分零件能自己加工，还能再压一些。

这里也提醒一句：不要只算硬件钱。调试过程中损坏的备件、工具、各种转接线、3D打印耗材，这些"隐形开销"很容易被忽略。新手第一次攒机，建议在预算上额外预留20%到30%的维修备用金，不然坏一个关节就傻眼了。

5. 现场问答与踩坑手册：那些PPT上不会写的东西

5.1 现场问得最多的问题Top 3

分享会的问答环节信息量很大，现场来自各个背景的参与者提的问题都比较尖锐，这里挑三个我印象最深、也最典型的：

第一个问题是一位高校研究生问的："开源代码大家都一样，那我们自己做的东西还有什么竞争力？"台上的回应我觉得挺有启发：开源解决的是"从0到1"，也就是底盘、基础控制、基础训练管线。但你用这个底盘去做什么场景、什么垂直应用，是最难被开源的——这就像安卓是开源的，但每家手机厂商的影像调校、系统优化完全不一样。机器人领域更是如此，同样的硬件，有人能调出顺滑的步态，有人调出来就抖如筛糠，这就是本事。

第二个问题来自一位做硬件测试的工程师："OpenLoong的硬件到底能不能直接复制出来用？"答案是可以，但要提醒几个现实问题：第一，开源的图纸也需要适配，BOM里的零部件参数在不同批次、不同厂家之间都有差异，电源设计、线束布局、散热方案这些"细节中的细节"还是要自己调；第二，开源版本发布时用的零部件和当前市面上能买到的批次可能不一致，要做替代选型；第三，装配工艺极其关键，同样一张图纸，不同人手装出来的机器，性能可能差20%。硬件开源不等于硬件无脑复现。

第三个问题很实际："作为个人开发者，怎么加入这个生态，能做什么？"社区现在的需求点其实很多：文档翻译和整理、硬件测试报告、仿真环境的优化、数据集标注工具、甚至给开源机器人写ROS 2驱动包等，都是可以切入的点。对新人来说，从文档贡献和测试反馈入手是最友好的路径。

5.2 三条最容易被忽视的工程经验

听完一整场分享会，结合自己做机器人项目踩过的坑，我特别想把下面三条经验写下来，因为这几条恰好是各种开源仓库的README里不会写、但实际影响极大的东西。

第一条，关于力矩电机和减速器的匹配。很多人选电机只看峰值扭矩，忽略了热功耗和持续扭矩。机器人运行时，关节大部分时间不是在峰值输出，而是在中低负载下持续工作。如果只按峰值扭矩选电机，长时间运行之后电机过热，扭矩掉链子，机器人就会在关键时刻突然"腿软"。选型时一定要看持续扭矩曲线和热时间常数，宁可峰值扭矩富余，也不要让持续扭矩卡在临界线上。

第二条，关于线束管理。人形机器人的关节是旋转的，线束跟着关节扭来扭去，如果线束固定不好，几百次动作之后就会断线，或者绝缘层磨破导致短路。我在项目里吃过这个亏，最后排查了半天，发现是腿部一根编码器线在关节运动时反复弯折磨断了。解决方法也不复杂：走线留出足够的弯曲半径、用螺旋管或编织网保护、在关节两端做可靠的应力释放。有人说线束是"机器人的血管"，这句话真没夸张。

第三条，关于调试时的安全措施。人形机器人失控时是非常危险的，一台几十公斤的机器人如果突然跌倒或者踢腿，能砸坏设备也能伤人。调试图里跑起来之前，务必加装安全绳或者支架保护，调参的时候先在仿真里做极限测试，再上真机小步慢跑。你们可能会觉得这是废话，但现场分享的工程师提到，他们早期调试时摔断过两个髋关节，就是因为少做了一次安全绳检查。这个学费，能省就省。

6. 我的个人体会：开源人形机器人，值得谁关注

这场分享会结束之后，我在回家的地铁上想了一路，最后想清楚了一件事：开源人形机器人这个赛道，最值得关注的人，其实是那些"有场景、缺底盘"的团队。

如果你是想做陪伴机器人、养老助残、商业导览、教育实训这类应用的公司，你不需要从零造一台人形机器人，而是需要一个稳定、可定制、价格合理的硬件平台。开源生态恰好提供了这种可能——你不一定要用OpenLoong的整机方案，但可以参考它的架构选型、BOM和供应链思路，然后做自己的差异化定制。这比完全闭门造车的效率高出一个数量级。

对个人开发者或者学生来说，开源项目的意义更直接：这是目前少有的、可以合法地拿到一整套完整人形机器人设计资料去学习的途径。你可以从解析图纸开始，理解一个关节为什么这么设计，一个减速器为什么选这个型号，在GitHub上提PR、报issue，也是给自己积累履历。很多年前，个人开发者要上手Linux内核，靠的是开源社区；AI算法的同学，靠的是开源论文代码；今天人形机器人硬件的同学，终于也有了同样的入口。

最后分享一个现场工程师提到的观点，我很认同：开源不是为了所有人做出一模一样的机器人，而是让每个团队不需要重复发明轮子，把精力花在自己真正想做的那件事上。这样整个行业的进度条，才会真的往前走得更快。