劉勝

中國科學院院士，武漢大學集成電路學院院長、工業科學研究院執行院長、高端芯片產業創新發展聯盟理事長

長期致力于芯片封裝及可靠性研究，推動我國封裝技術實現從“跟跑”到“并跑”的跨越式發展。2024年，帶領武漢大學科研團隊成功研制出人形機器人“天問”，突破了傳感器、靈巧手、仿生關節和芯片等領域的關鍵技術，為發展我國自主可控的人形機器人產業作出重要貢獻。2020年，獲國家科學技術進步獎一等獎。

當前，人形機器人正以顛覆性姿態重塑未來圖景，憑借深度融合人工智能、高端制造與新材料等尖端科技，有望成為繼計算機、智能手機、新能源汽車后的顛覆性、平臺性產品，是全球科技競爭的新賽道。從靈巧抓取精密零件到自如穿越復雜地形，從精準感知環境變化到快速響應決策，這些令人驚嘆的“超能力”背后，究竟藏著哪些核心技術密碼？

人形機器人的靈巧手是其關鍵技術之一。業界常言“制造人形機器人，半數難度在靈巧手”。人類手掌能憑借27塊骨骼、50余塊肌肉及100多個關節的協同，完成從捏取繡花針到搬運冰箱的極端操作。而機械靈巧手想要復刻這一生物力學奇跡，需在多重技術維度中實現精準平衡：材料要兼顧輕質與耐磨耐腐蝕；傳動系統需在高效率與高精度間抉擇；控制算法更要攻克多關節協同的復雜難題。

破解這一難題就要靠柔性觸覺傳感器的突破。作為靈巧手的“觸覺神經”，其核心功能是通過導電橡膠、石墨烯薄膜等材料，像人類皮膚般感知壓力分布、溫度及材質。但傳統傳感器不僅響應速度慢、難以在毫秒級反饋觸覺信息，且耐溫性、耐久性較差，無法精準捕捉微小應力變化。

為突破上述困境，新型柔性觸覺傳感器通過柔性基底與微型化設計實現革新。其壓力響應靈敏度可達5毫秒，壓力測量精度誤差控制在0.1%—0.01%；封裝可靠性經5.4億次壓力循環測試驗證，芯片失效率低于10ppm，并朝著1ppb級目標邁進，可滿足20年以上使用壽命需求。這些技術突破讓機械靈巧手逐步接近人類手掌的感知與操作精度，為實現人形機器人的復雜任務執行能力奠定堅實基礎。

人形機器人要實現類人化運動，不僅需要靈巧的雙手完成精細操作，更依賴“仿生腳掌”實現穩定行走。然而，平衡控制一直是全球人形機器人研發的核心難題，失衡、打滑、摔倒等狀況頻發。人類行走時，足底神經能實時感知地面硬度、坡度及細微變化并反饋給大腦；對機器人而言，由力傳感器構成的“腳底神經”感知網絡，正是實現動態平衡與環境交互的關鍵。但實際應用中，人形機器人面臨諸多挑戰，一顆小石子產生的瞬間沖擊力，或是從高臺跳下時的過載，都可能導致機器人失衡；同時，高成本、大尺寸、低抗振性等問題，也制約著力傳感器的普及。

如何解決呢？傳統壓力傳感器，要靠人工涂膠水把芯片粘在底座上，只能單個生產，不僅費時費力、成本高，做出來的傳感器還不夠小巧。并且，機器人一動起來，膠水容易受熱變軟，導致耗電增加、數據不準，遇到撞擊還容易脫落損壞。人形機器人全身需要密密麻麻安裝上百個傳感器，這種傳統壓力傳感器顯然不適用。

為突破這些瓶頸，新一代力傳感器在制造工藝上進行了革命性創新。摒棄傳統膠水連接方式，采用精密印刷工藝將感應材料附著于金屬基材，并通過高溫燒結形成共晶層，實現材料的緊密融合。這一技術不僅讓傳感器體積縮小至傳統產品的1/50，更將抗過載能力從3倍提升至10倍，能耐受兩三百度高溫而不發生蠕變，確保電信號測量精準，使用壽命長達20年。生產模式也從低效的手工涂膠單件生產，升級為自動化批量印刷燒結，大幅降低成本，實現了低成本、自動化、大批量、高效率、高一致性的生產。這項技術突破不僅讓人形機器人行走更穩健，更推動了汽車傳感器等智能裝備領域的技術升級，打通了多領域技術協同創新的通路。

人形機器人的大小腦控制系統，是實現人工智能技術的核心組件。“大腦”負責環境感知與決策，整合來自觸覺傳感器、攝像頭、激光雷達等設備的信號；“小腦”則專注于運動傳感，控制動作生成，主要依賴力傳感器與慣性傳感器的數據反饋。與人類模糊的控制機制不同，機器人通過量化傳感數據并持續反饋，將復雜任務拆解為多個步驟，借助機器學習逐一完成。

人形機器人大腦模擬人類的思考推理、交互溝通、任務理解與編排以及記憶能力，其核心技術依托高算力、高帶寬的人工智能芯片（AI芯片）與。然而，研發AI芯片面臨雙重挑戰：一方面需追求高AI算力，另一方面要保證高內存帶寬。先進的芯片制程工藝雖能提升性能，但高密度設計導致功耗劇增；同時，多內存控制器的布局會占用大量芯片面積，難以實現合理配置。

要讓機器人像人類一樣感知世界并快速決策，AI芯片必須同時滿足“算得快”與“傳得快”的要求。傳統芯片因中央處理器頻繁調用外部存儲器數據，存在能耗高、延遲大的問題，如同廚師反復往返廚房與倉庫。為解決這一困境，芯片設計創新提出將外部存儲移至芯片內部，使計算在芯片內完成，從而簡化系統、降低通信開銷、提升通信效率和模型推理速度。三維堆疊技術的應用，突破了傳統芯片平面電路限制，通過減薄芯片并立體堆疊，增加集成度與內存帶寬，在提升AI算力的同時優化芯片良率。這些技術革新為實現高效智能的機器人大腦奠定了基礎。

人形機器人的“小腦”承擔著類人運動控制的關鍵職能。當大腦AI芯片通過感知系統完成決策后，需與小腦進行高效通信，由小腦負責運動傳感與動作生成。其核心要求體現在三個方面：第一，精確控制能力。小腦需融合多種傳感器輸入數據，對多個自由度進行綜合判斷與協調控制。要求將控制指令時延壓縮至毫秒級，周期性抖動控制在微秒級，對電子器件與執行器的性能要求近乎極致。第二，高可靠性。為確保運動穩定性，小腦需采用冗余指令機制，同一指令多次發送，避免因單次信號傳輸失誤導致動作偏差，同時，核心部件需達到航天級低失效率標準，確保長時間穩定運行。

當前機器人動作生硬卡頓的根源，正源于“小腦”的指令頻率不足。若每秒僅發送一條運動指令，機器人動作必然呈現機械式頓挫；而當指令頻率提升至每秒1000次，實時反饋位置、速度與力度參數時，機器人動作便可達到類人的流暢絲滑效果。這意味著，高性能的小腦芯片必須在快速響應、動作連貫性與極端可靠性之間實現完美平衡，而攻克這些技術難點，正是推動人形機器人運動控制技術突破的關鍵所在。

除了小腦芯片，與之匹配的運動訓練模型也是機器人小腦系統迭代升級的關鍵。首先要利用人體虛擬現實技術在真實環境下進行數據采集，然后在云端虛擬環境中通過強化學習進行訓練，之后再將學習成果部署到真實物理實體。這種訓練方式有助于加快機器人的學習過程。武漢大學團隊通過16臺攝像機和三維測力平臺，逐幀模擬人類行走的步態。當精密芯片遇上真實的人體運動數據庫，機器人才能從機械的模仿者進化成會運動的生命體，才能真正走進千家萬戶。

射頻濾波器是人形機器人實現精準通信的核心器件，其功能類似收音機調臺——通過篩選有用信號、排除干擾信號，保障設備精準收發信息。一部手機通常需要50—100顆射頻濾波器芯片，其性能直接決定通信質量。然而，該領域長期被國外企業壟斷，他們憑借數十年技術積累構建了涵蓋材料、制造、算法的立體技術壁壘，國內企業面臨專利封鎖、設備落后、人才稀缺等多重困境。

突破壟斷的關鍵在于技術創新。國外傳統濾波器采用不規則多邊形結構（已申請專利），但通過建模仿真發現其曲面不光滑、雜波明顯、性能欠佳。我們通過AI算法推理計算，創新性地提出水滴形濾波器結構——這一擁有自主知識產權的新型設計，不僅突破了專利封鎖，更實現了性能的顯著提升，器件曲面光滑度與信號純凈度均達到國際領先水平。目前，武漢大學已申請相關專利348項（授權176項），并通過產學研合作孵化出完全自主知識產權的國產濾波器公司。同時，為加速高端濾波器國產化，我們正在構建全球化研發與生產體系。

人形機器人要真正融入人類世界，輕量化是必須跨越的門檻。在工業制造、醫療護理等專業領域，以及家庭服務、教育陪伴、養老照料等日常場景中，更輕的體型意味著更低的能耗、更靈活的動作和更高的安全性。然而，實現人形機器人“減重”面臨多重矛盾挑戰，既要保證機身強度，又要精簡材料；既要集成更多傳感器，又要控制整體重量；既要提升續航能力，又不能使用笨重電池。

3D打印技術為解決這一難題提供了創新路徑。自20世紀80年代3D打印技術發明以來，這項技術已發展成熟，其核心優勢在于通過構建復雜輕巧的結構實現部件一體化打印，顯著減輕重量；支持快速原型設計，加速創新迭代。但將3D打印應用于人形機器人制造仍存在三大技術挑戰：結構強度與疲勞性能保障（傳統拓撲優化易產生內部缺陷，需確保機械強度、疲勞強度及抗沖擊性能）、工藝質量控制（需解決風場控制、形貌監測等問題，避免未融合顆粒、氣孔、裂紋等缺陷）、承力件壽命管理（通過斷裂力學與損傷力學研究，建立缺陷產生機理模型，實現缺陷精確定位與實時消除）。

當前解決方案是將3D打印在線監測技術與激光強化技術結合，實現工藝過程可視化、質量缺陷可檢測、力學性能可調控。該技術已成功應用于鐵基、鈦基、鋁基等合金材料的機器人部件制造，包括肩部支架、胸骨框架、小臂、大腿、手指及關節等關鍵承力結構，為人形機器人輕量化發展提供了可靠支撐。

全球正加速布局機器人產業，2025年被業內視為人形機器人商業化量產元年。我國作為全球領先的人形機器人生產大國，已在AI芯片、柔性關節、動態平衡算法等領域取得突破。同時，憑借龐大市場需求、強大制造能力及產業鏈優勢，中國在基礎元器件制造、系統集成和場景開發等領域潛力巨大。

從發展階段來看，人形機器人需歷經從全尺寸樣機初步行走，到系統高度集成突破，再到實現跑跳等高動態運動能力，最終邁向產業化落地的過程。面向未來，產業發展遵循短期（5年）、中期（15年）、長期（30年）的技術路線圖：短期以材料創新為核心，研發復合材料、高強鋼等輕量化高強度材料，同時提升電機、傳感器、芯片等關鍵部件可靠性，推進通信物聯網技術集成，實現基礎人機交互；中期致力于復雜環境自主感知、仿生材料（如仿生皮膚）應用及高承重任務執行；長期目標則是實現類人智能的自主學習與情感交互，賦予機器人多場景自適應能力。各階段均需同步推進安全可靠性（自檢測/自修復）、協同技術（邊緣計算+5G/6G云端協同）的突破，以及應用場景從工業制造向家庭服務等領域的拓展。

未來，我們需進一步聚焦核心零部件國產化、AI芯片研發及場景化應用創新三大方向，持續攻克“卡脖子”技術，實現從基礎材料到智能系統的全鏈條突破，推動人形機器人從實驗室走向大眾生活，助力社會服務體系的全面智能化升級。

來源：《學習時報》2025年7月23日第6版