“ 更大、更高、更强！液压才是人形“猛男”的未来！

人形，也许只是机器人进入真实世界的起点，而不是机器人身体的终点。人形机器人行业目前的一个核心悖论仍在于，越是追求通用性，越需要专用力量。

特斯拉Optimus在自家工厂演示后空翻，Figure AI在BMW工厂测试，Agility Robotics的Digit部署于亚马逊仓库。这些Demo展示了运控以及模型层面的惊人进步，但无一例外地暴露了执行层面的结构性短板。力量不足、续航焦虑、极端环境适应力缺失，这些问题尚未得到根本解决。

“如果谁能解决液压的基本问题，我相信液压一定会dominate到执行领域。”张建伟说。这位中国工程院外籍院士、德国国家工程院院士3年前参加中国机器人行业年会时提出的一个判断，指向了一个被行业长期忽视的物理现实：

液压的能量密度本质上是电机的十倍以上，这意味着能量密度指数级的差异。

问题的根源在于材料物理学的根本特性。电机依赖电磁感应，核心材料是铜、硅、稀土，价格贵而且能量转换效率受限于线圈发热和磁饱和效应。

液压依赖液体不可压缩性，核心材料其实是钢铁。

“这不是我们比电机厉害，是电机本来就不该承担这个角色。”工信部专家、机器人电驱工程领域的实战派、目前同样是清卓动力联合创始人的王健也曾在一次演讲中解释过两者差异。

这句话背后，也是清卓动力创始团队的核心信念：他们不是在追赶电驱方案的脚步，而是试图重新定义执行器的物理边界。

01.

一场迟来的技术革命

传统液压一度被称为“非科学”，并非因为其性能不足，而是因为其复杂度超出了工程实践的可接受范围。

波士顿动力Atlas售价100万美元的背后，是每卖一台机器人需要配置两名教授级工程师的系统集成成本，依然揭示了传统机器人执行器的经济悖论。

高性能等于高复杂度，高复杂度等于高维护成本。

过去二十年，中国机器人产业的成长，很大程度上建立在这套体系不断成熟的基础上。今天的人形机器人爆发之后，行业几乎自然地继承了这条路线。

这不是因为电驱解决了所有问题。而是因为它已经是一条工业化完成度极高的路径。

一家机器人公司可以买到电机、减速器、驱动器和控制器，再把它们组合成自己的身体。

相比之下，液压几乎像一个来自上一个工业时代的技术。

它拥有力量，但也背着沉重的历史包袱。复杂、难控制、系统庞大、使用和维护成本高、温度变化影响流体粘度，负载和压力波动考验算法和参数域度，机械磨损导致性能衰变，弹性模量的不确定，更增加了不确定性。多维度的变量耦合，使得传统液压系统需要数十个传感器、复杂的阀控网络、以及持续的参数辨识和复杂算法。

可以说过去，液压更像一个工程系统，而不是一个可以直接安装进机器人关节的零部件。

所以真正的问题从来不是液压有没有力量。而是液压的力量，能不能被机器人简单地调用。

作为液压方案的代表，波士顿动力一度的解决方案是“堆教授”，这本质上是用人力成本补偿系统复杂性。这也是清卓动力数字液压技术真正想解决的问题。

数字液压的思路是从根本上消除复杂性，而非管理复杂性。

“我们不依赖外部传感器，不依赖复杂算法，不依赖实时参数辨识。我们让液压缸自己记住自己的位置。”清卓动力的创始人杨涛对机器人大讲堂解释了这套技术的核心原理。

具体机制是具有脉冲当量特性的机械式位置自反馈装置。在油缸内部集成纯机械结构，实现位移与脉冲的一一对应。一个脉冲对应一微米行程，连续往复运动即可实现任意位置的精确控制，没有电传感，没有摄像头，没有参数辨识和复杂控制软硬件。

“这就像当年数字电子技术战胜模拟电子技术。”杨涛用了一个跨学科的类比，“模拟时代，放大器需要不断调偏置、补偿温度漂移。数字时代，一切变成离散的0和1，不再依赖外部补偿。”

数字液压的本质，是将液压的模拟属性转化为数字属性，在执行器内部建立更确定的机械运动关系，将复杂的控制问题尽可能封装在执行单元内部，将不确定变为确定。

其结果是元器件的极简主义。原先机器人公司如果要获得液压能力，可能需要理解泵站、阀组、管路、传感器、控制系统及自控算法和参数整定。

如今，它只需要调用一个执行模块。一个油缸、一根高压油管、一根回油管、一根控制线，系统集成复杂度从传统液压的百倍压缩到几乎为零。

这是一个类似电机系统从系统，到部件的老路。传统液压元件1万块，到应用端卖10万，全生命期投入可能高达数十乃至百万元。数字液压，批量后元件千元级甚至更低，应用端同价。

这个成本差距不是一个数量级，是两个世界。

02.

功率密度、耐受性与效率的三重碾压

数字液压的价值，建立在三个维度的物理优势之上。

第一，功率密度。团队展示的一套数字液压执行器，重量约1公斤，却能够实现吨级推力。这是电驱方案在物理上无法企及的数量级。对于人形机器人而言，这意味着300kg负载的全臂展自重可以控制在150kg，而传统方案需要3吨。

第二，环境耐受性。深海高压下，电机结构溃缩损坏。核辐射环境下，电子器件立即损坏。高低温差领域，电机性能剧烈衰减。这正是为什么深海探测、核设施维护、航天装备等领域，长期依赖液压而非电驱。液压本身就是高压系统，深海压力对它来说不是挑战，是常态。据悉，数字液压件可以直接用到反应堆的强辐射环境，宽温覆盖-40～250摄氏度。

第三，系统效率。传统认知中液压效率低于电机，但这源于系统复杂性带来的损耗。阀门压降、管路阻损、内外泄漏等，这些在传统液压系统中是难以避免的。

但数字液压的系统开始走向极简，中间环节少，损耗自然低。清卓动力团队测算，液压系统的综合能效高于同级电驱方案，尤其是大负载往复运动场景下，差距达到数量级。此外，液压系统功率共享，带来能重比进一步优化，发热少，相对效率自然更高。

这种三重优势决定了数字液压的适用边界。它不是要取代电机在所有场景的应用，却能够有效填补电机无法覆盖的空白市场。重载物流、工业装配、采矿及深海装备、核设施运维，这些场景对力量、耐候性、可靠性的要求往往远超对精度的要求。数字液压在这些领域不是可选项，而是开始成为必选项。

因为如果机器人的目的不是模仿人，而是替代人完成那些人不愿意做、做不了或者做得不够好的工作，它为什么一定要拥有和人一样的力量？

人可以搬20公斤。机器人为什么只能搬20公斤？人不能进入深海，机器人为什么要遵守这个边界？人无法长期承受高辐射、高温和高危环境，机器人的身体，为什么还要复制人的脆弱性？

也许，人形机器人产业正在进入一个新的阶段。机器人的智能需要越来越像人，但机器人的身体，可能恰恰需要越来越不像人，这就需要数字液压这种更强大的力量源泉。

03.

十个人的团队，一条从边缘到中心的路径

机器人大讲堂获悉，清卓动力的团队目前只有10余人。

这个数字在人形机器人行业显得格格不入。竞争对手动辄数百人团队，动辄数亿研发投入。但杨涛并不焦虑。一方面是其创始团队实力雄厚，不仅有长期深耕机器人伺服驱动的王健，有长期从事人工智能与机器人研究的院士，也有数字液压技术的核心研发者杨涛。

另一方面，杨涛认为，数字液压产品本质上是一种基础设施级技术。他说。“电机产业能够迅速在中国崛起，离不开在工业领域几十年的基础积累，液压同样正在经历这个过程。液压的力量密度、耐受能力，都是电机无法比拟的，缺的只是控制精度。而这些随着产业发展都会迎头赶上。”

数字液压的工程化难度并不低。精密加工和密封圈是两个传统难题，清卓动力团队的选择是从第一性原理创新，将难题直接跳过。通过原理级创新、工程化迭代改进和模块化设计，把液压执行器做成即用型元件，用户无需关心内部阀组和密封细节。

不做阀，不做复杂控制，把液压仅有的直线和旋转两种执行器直接数字化（数字液压缸、数字液压马达）。用户只需要接三根管子，高压油、回油管、控制线。剩下的，交给电脉冲体现的目标速度和位移。

通过这种模块化设计，可以说清卓动力把液压执行器做成即用型元件，用户无需关心内部阀组和密封细节。这种去专业化的设计哲学，与数字液压的技术内核一脉相承。

“把复杂留给我们，把简单留给用户。我们不是在做一个更聪明的电机，我们希望重新定义驱动。”杨涛介绍。

目前，这套技术已经进入工程验证阶段。目前可能是全球最大的液电驱动人形机器人原型机已在WRC展会亮相，所有关节动作可在1秒内完成全行程运动。团队的目标是让这台机器人实现自由行走，并进入港口、矿山等“艰难险重”应用场景建立商业存在。

杨涛解释，数字液压的最终落点是人形机器人，但与当前主流的电机加减速器提高精度的路线方案截然不同。他们的设计逻辑分两步走。先用数字液压解决工业场景的力量需求，建立商业闭环；在这个过程中，逐步将技术迁移到人形机器人，完成从工业到通用的跨越。清卓动力解释，“机器人=机器人+人工智能”。

这个判断背后是对产业经济学的深刻洞察。任何执行器技术的商业化，都需要一个工业母机式的规模化场景来摊薄成本。电机找到了机床、汽车、家电，液压的工业母机是工业制造。当这些领域形成百万台级的批量应用，液压执行器的成本将呈现指数级下降。

04.

身体焦虑与被忽略的底层能力

回到大行业趋势上，如今，人形机器人行业正在经历一场“身体焦虑”。大脑在快速进步，但身体进步速度跟不上。这些进展主要停留在演示层面，距离真正的生产力工具仍有距离，尤其是超大型场景的作业能力。

本质上力量是第一个瓶颈。没有足够力量的机器人，无法承担工业生产中的真实负载。精度是第二个瓶颈，微米级控制是灵巧操作的前提。可靠性是第三个瓶颈，极端环境的适应能力决定应用边界。

现在的机器人，很多情况下还是表演型的。演示很精彩，但真要干活，力量不够、精度不够、耐用性不够。这是液压的传统优势。这个判断指向了一个更深层的产业问题。当全行业都在追逐AGI的终极叙事时，执行层的物理进步正在被系统性低估。

具身智能，让智能具有身体的目的是改变物理世界，力量则是最基础能力。Morgan Stanley数据显示，中国控制全球人形机器人关键供应链企业的63%，主要在驱动器和稀土加工领域。这个比例背后是中国在电驱方案的结构性优势，但也暗示了一个风险。当电驱方案的物理极限被触及，这条供应链的优势将被重新定价。

数字液压试图回答这个问题。它用更低成本、更高功率密度、更强环境耐受性，重新定义机器人身体。这不是要取代电机方案，而是当人形机器人进入真正需要力量的工业场景时，数字液压可能成为关键基础设施。

因为具身智能的数据需求规模可能是自动驾驶的上千倍、大语言模型的百万倍。数据，或者说高质量物理交互数据的匮乏，依然是当前最大的障碍。这种障碍在随着机器人越来越大、越来越多会更为明显。

传统大模型依赖互联网文本，自动驾驶依赖道路视频，具身智能需要什么？是物理交互的高保真数据。触觉反馈、力控信号、环境感知、操作轨迹，这些数据不仅规模巨大，而且异构性强，难以通过合成完全替代。

这意味着大人形本质上很难形成下游规模应用反哺研发。

但数字液压的意义在于，它让人们开始思考，当机器人的大脑越来越接近通用，它的身体是不是也应该重新设计？当机器人真的拥有了更强的大脑，它的身体够不够用？

因为大模型解决的是认知的不确定性，但机器人最终还要支付物理世界的成本。或许只有当机器人真正具备力量、精度和耐受性，数据也可以直接用起来，训练更强大的模型，我们才有可能看到超大型人形机器人的运动能力飞跃，人类才真的有可能拥有环太平洋中巨型机甲的可能性。

05.

尾声与物理本质

不能用人的形态去约束机器人，而应该用机器人去赋能人。

这是杨涛在接受机器人大讲堂采访时提到的一句话，也是整个数字液压项目的哲学底色。

人形机器人的“人形”，是一个营销概念，不是一个工程约束。真正重要的是，机器人能做什么，以及做得多好。

力量、精度、耐受性、成本，这四个维度决定了机器人的应用边界。当前行业在前三者上都存在明显短板，数字液压试图在这些基础上建立新的突破，赋能具身智能行业发展。

这不是一个容易走通的路。液压技术在中国有深厚积累，但商业化成功案例稀缺。人形机器人赛道拥挤，巨头林立。从工业场景到通用场景的跨越，需要漫长的技术迭代。

但杨涛似乎并不急于证明什么。

因为他坚信，当所有人都在努力让机器人拥有一个更接近人类的大脑时。

下一阶段的机器人，或许正在做另一件事：

重新设计一副超越人类物理极限的身体。