文｜富充

编辑｜苏建勋

一句话介绍

源升智能机器人（深圳）有限公司近日发布了首款产品Apex Hand，该产品在自由度、动态性能等多个关键指标上强调“六边形”均衡表现，是业内首个可单手操作手机的灵巧手，还能够完成把脉、操作鼠标等手部任务。

杨思成创立的源升智能近日推出了Apex Hand，这是行业首个可单手操作手机的灵巧手，图片：采访人提供

团队介绍

公司创始人兼CEO杨思成本科毕业于北京航空航天大学，研究生毕业于清华大学。杨思成�年进入腾讯Robotics X，为实验室最早一批的核心成员。

源升智能联合创始人兼CTO李望维拥有新加坡国立大学博士学位。

创始团队在灵巧手与触觉感知领域累计发表顶刊论文�篇，专利超�项。

融资进展

2025𻂐月，源升智能完成数千万元“天使+”轮融资，由千乘资本领投，浔商创投和老股东昆仲资本跟投。

产品及业务

公司近日发布首款五指灵巧手Apex Hand，该产品包括六个核心能力：

自由度： 21个，覆盖人手工作时所需的自由度；

动态性能： 响应/加速度接近人手级；

负载能力： 单指指尖力񏉾.5KG，垂直提拉极限�KG；

鲁棒性： 可以承受一定程度的意外撞击，遇到未知工况也能稳定使用；

精度： 精度≤0.1mm，接近零背隙传动；

触觉： 通过自研的电子皮肤实现物理世界感知，柔性表面相较纯刚性手更具柔顺性。

Apex Hand的高自由度不仅使其能够单手操作手机，也成为少数满分通过人手灵活度的Kapandji测试（对指测试）的灵巧手。

在把脉、操作鼠标之外，Apex Hand还能够实现狭小空间光滑物体稳定抓取等困难任务，以及剪刀等人类工具。

Apex Hand单指指尖力约𰹆.5KG，可戳񋈉cm厚木板，图片：采访人提供

核心壁垒

源升智能的最大技术优势在于同时具备灵巧手和触觉传感器的𱐌𳗡的全栈开发经验。内刚外柔的的结构，保证了产品的负载能力，同时具备抓取的容错率和与环境交互的安全性。

触觉方面，源升智能首创类脑式超高时空分辨率触觉处理技术。该技术具备亚毫秒通讯延迟，支持上万个触觉点的同时传输；同时，其集成度高，刷新频率>1000Hz。

源升智能的方案中，使用的是自研的电子皮肤。目前市面常见电子皮肤通过橡胶材质的形变感受触觉，但橡胶的柔软度和耐用性难以兼得，源升智能自研材质本身具备柔性，避免了上述问题。

Apex Hand产品图，图片：采访人提供

Founder思考

虽然上世纪六七十年代以来，斯坦福、麻省理工等顶级院校就已投身五指灵巧手的研究，但市面始终缺乏真正意义上能够落地的产品。

原因在于过去的灵巧手研究主要由科研院所主导，学术界更注重性能的单点突破，缺乏产品化的动力，工程能力也相对有限。

要想最终成为通用机器人的一部分进入家庭等场景，灵巧手必须同时把硬件稳定性、数据采集与利用、模型能力都做到位。

而一款可以支撑模型算法研究及规模落地的产品，需要性能全面且强大，要在灵巧性、实用性、鲁棒性（可靠性）方面都有良好表现。

具体而言，灵巧性方面，需要兼具自由度、适当的整体尺寸、触觉感知能力。实用性则包括负载能力、响应速度、精度。

这两项指向的是在结构性环境里的表现，也就是在固定的条件或者时间内，灵巧手的性能稳定性如何。所有自动化的机器人都需要考虑这些特点。

鲁棒性指的是，在非结构化环境（撞击、扰动等）中的适应性。毕竟不是所有动作都是被提前计划好的，作为具身智能必须具备处理非结构性问题的能力。

尽管目前对灵巧手到底有多少个自由度还有争议，但我认�个自由度如果合理分配足以复现人手绝大部分能力。

我之前找了很多解剖学的专著去研究，发现之所以自由度的数量有争议是因为手上有几个地方的自由度，大家说不清楚。

不过，大部分能看到的有效自由度，数量是清晰的。

人手的明显活动空间自由度约�个——拇𽹋个自由度，四指每个手𽹊个自由度，小拇指掌骨与腕骨之间还񀙛个自由度，但活动空间已经很小了。

一个手�个自由度基本上可以复现人手所有的操作，最多做�个。

所以如果考虑成本和收益的话，超�个自由度意义不大，会增加电机的数量，电机增加也会带来控制难题。

只有坚持模块化设计才能让灵巧手这样复杂的机电一体化产品更快走向量产。

对于灵巧手这样复杂的系统，必须拆成相对独立模块，量产的一致性与可靠性才有保障；若把几十个自由度机械地“捆在一起”，量产与维护都会出现问题。

今年直接把手送进复杂场景难度仍然很高，硬件稳定性尚需时间。灵巧手的发展客观规律是：硬件性能、数据瓶颈、模型能力的问题都要解决。三者协同发展到一定程度才可能大规模落地。

2񑎁年的中短期内，会先落在半结构化场景。例如，工厂内传统自动化难以完成，但又不至于家庭那样完全无结构的任务。

源升智能不希望过早固化到某个单一场景，否则容易做成一台自动化设备，这就偏离了做灵巧手的初衷。

Apex Hand接住落下的笔，图片：采访人提供

《智能涌现》访谈小记

灵巧手长期以来是具身智能落地的主要瓶颈，绳驱、直驱、连杆等多种驱动方案与自由度设计仍处于技术发散期。马斯克亦指出，手部研发占特斯拉Optimus机器人形机器人整体工程量近一半。

市场仍缺乏可稳定交付的高性能产品，这为灵巧手的创业公司带来窗口机会。

2024年以来，AI模型能力不断突破，强化学习对高自由度灵巧手形成控制的潜力显现。这成为杨思成判断创业时机成熟的原因：灵巧手的技术和商业达到了一个匹配点。

强化学习（RL）提供了一种通过“试错”自动学习复杂控制策略的范式，从而解决了高自由度灵巧手“难以手动编程控制”的核心痛点。业界开始不再只把灵巧手作为实验室里的研究项目，而是希望它能够产品化，让大量机器人具备灵巧手部操作能力。

同时，数据被普遍认为是具身智能研发的瓶颈，而手正是与环境交互的核心数据入口。在“真干活”之前，机器人还可以通过具有触觉的手部收集数据，学习物理世界。

源升智能成立时已�年底，和一些更早成立并已经拿到订单的灵巧手公司相比，这个时间点显得有些“后发”。

但杨思成认为，整个行业的技术水平仍有很大提升空间，灵巧手的创业依然处在好时机。

QYResearch 预�年灵巧手市场规模�亿美元，在巨大市场前景面前，灵巧手公司比拼的是谁先实现产品化突破。