别只盯着电机和减速器，人形机器人的隐形门槛来了

为何ADI、博世等传感器大厂纷纷抢先布局人形机器人赛道？

随着机器人、具身智能和AI终端对本地化感知与算力的需求提升，运动传感器正在从手机、耳机、手表等消费电子场景，进一步进入机器人姿态控制、运动稳定、环境感知和人机交互系统。

2026年4月15日，深圳传感器展现场，博世 Sensortec 带来了新一代运动传感器平台采用宽量程设计，强调低延迟、低功耗和高稳定性，正是为了支持机器人在更复杂环境下实现更稳定的运动控制与感知反馈。就在同一场展会上，ADI也将人形机器人作为重点展示方向。与非网记者在ADI展位看到，其面向人形机器人的传感器解决方案已经覆盖灵巧手触觉、ToF视觉、电机驱控、位置检测和内部连接等多个环节。其中，ADI高性能人形机器人手触觉方案采用32×32高分辨率多模态传感器阵列，支持3D力检测、柔性适配，并具备抗磁、防尘等特性，可适配复杂工作环境。该方案可用于纹理识别、智能抓取、精密装配等场景，并结合完整系统架构与AI仿真模型，为人形机器人提供更接近人类手部的触觉反馈，加速灵巧操作从实验室走向实际应用。

ADI人形机器人相关传感与控制方案梳理，来源：与非研究院整理

Bosch Sensortec运动传感器平台与潜在应用方向，来源：与非研究院整理

为什么传感器在人形机器人产业中这么重要呢？

如果说AI大模型让人形机器人拥有了理解任务的可能，那么传感器系统决定了它能否真正进入物理世界。根据CSDN数据，到2030年，人形机器人零部件价值量中，力传感器+IMU占比达到13%，其中力及力矩传感器价值链占比较大。这意味着，传感器已经不再是人形机器人BOM表中可以被忽略的辅助器件，而是决定整机能力边界、成本结构和供应链弹性的关键变量。

人形机器人需要在非结构化环境中工作，面对的不是传统工业机器人熟悉的固定产线、固定工位和固定动作，而是动态环境、随机物体、人与机器共处的开放空间。它需要通过视觉识别目标，通过IMU和编码器理解自身姿态，通过腕部和足底力传感器判断受力状态，通过触觉阵列判断抓取是否稳定，再把这些信息送入控制器和AI模型，完成下一步动作。

目前常见的人形机器人传感器类型包括视觉、触觉、听觉传感器；六维力传感器、激光雷达、柔性电子皮肤、高性能IMU以及力控扭矩传感器等。按功能划分，人形机器人传感器大致可分为视觉听觉、力及触觉、编码器及惯性传感器等类别。

除了博世 Sensortec 和ADI，还有多家传感器厂商都不再只是从单颗传感器性能出发介绍产品，而是将机器人放在更完整的系统架构中讨论：机器人如何感知周围环境，如何完成灵巧抓取，如何判断自身姿态，如何在高速运动中保持低延迟反馈，以及如何把越来越多传感器数据稳定传回中央控制系统。这种变化背后，是人形机器人产业正在从样机展示走向工程验证。

过去两年，行业关注点主要集中在电机、减速器、丝杠、关节模组和整机运动控制上；但当机器人真正进入工厂、商业空间乃至家庭环境，决定其能力边界的将不只是“能不能动”，而是“能不能准确感知”。

ADI中国区工业市场总监蔡振宇（Eric Cai）现场展示无刷电机直流驱控芯片

从传统机器人到人形机器人，传感器需求发生了什么变化？

从本届深圳传感器展上，笔者得到最大的感受是，传统工业机器人强调重复精度。只要工作环境足够确定，机械结构、伺服系统和控制算法长期优化后，就可以稳定完成搬运、焊接、喷涂、码垛等任务。人形机器人面对的问题则不同。它不仅要完成运动控制，还要理解周围环境，判断人和物的位置，识别不同材质和形状，感知接触力变化，并在跌倒、遮挡、滑移、碰撞等异常情况下及时调整。

传感器的特殊之处在于，它既是硬件，又不是单纯硬件。传感器负责把真实世界的光、声、力、温度、速度、位置等物理量转换为机器可以理解的信号，但这些信号只有经过处理、同步、融合和反馈，才会真正成为机器人行动的一部分。换句话说，人形机器人传感器竞争的核心，正在从“有没有传感器”走向“感知数据能否被系统有效利用”。

人形机器人主要传感器类型与产业价值，来源：与非研究院整理

视觉传感器：从“头部感知”走向“手眼协同”

视觉传感器是人形机器人最直观的感知入口。它解决的是机器人“看见世界”的问题，包括识别物体、理解空间、规划路径、避障、定位自身以及辅助抓取。

目前，人形机器人视觉方案尚未形成单一路线。据笔者了解，目前不同厂商视觉路线差异明显，主流方案包括结构光、双目或多目RGB、ToF等组合方案；算法基础较强的厂商可能采用更简单的传感器方案，而算法相对薄弱的厂商则倾向于选择更核心、更复杂的硬件方案。国内多数厂商采用多传感器融合方案实现环境感知。

从具体厂商看，优必选Walker X采用毫米波雷达、RGBD相机和四目相机；智元远征A2采用激光雷达、RGBD相机和鱼眼相机；宇树H1采用3D激光雷达和深度相机；小米CyberOne采用RGB相机和iToF。

这反映了两种工程思路：一种是通过多传感器冗余提高系统鲁棒性，另一种是依靠更强算法降低硬件复杂度。前者更接近当前多数国产人形机器人的选择，后者则更考验数据闭环、视觉模型和整机控制能力。

在ADI展位，蔡振宇向笔者提到一个很具体的趋势：摄像头不一定只放在头部或胸部，未来会放在手上。他解释说，机器人现在的一个问题是，摄像头通常放在脸部下方或胸部，一旦抓取过程中目标被手臂遮挡，手就很难继续找到目标物；如果把视觉模组放到手上，则可以在近距离完成更精确的定位和抓取。这意味着，人形机器人视觉系统可能从“头部主视觉”走向“头部全局感知+手部近端视觉”的架构。头部负责全局环境理解和导航，手部负责近距离抓取、定位和姿态修正。这不是简单增加一颗摄像头，而是感知架构的变化。当机器人进入真实抓取场景，远端视觉的误差会被放大，遮挡问题会变得频繁，手部局部视觉将成为灵巧操作的重要补充。

六维力传感器：从“位置控制”走向“力控”

相比视觉，力传感器更接近机器人与物理世界接触的本质。

机器人可以通过视觉知道杯子在哪里，但只有通过力觉，才能知道杯子是否拿稳、力度是否过大、表面是否打滑、脚底是否踩实。尤其在人形机器人中，六维力/力矩传感器被认为是高价值、高壁垒环节。

六维力传感器可以同时测量三个方向的力和三个方向的力矩。财信证券报告指出，当力的方向和作用点都在三维空间随机变化时，就需要六维力传感器；空间中任意作用点上的力，都可以分解为沿标定坐标轴的三方向分力和绕标定坐标轴的三方向力矩。

在人形机器人中，六维力传感器主要安装在手腕、脚踝、足底等位置。手腕处的六维力传感器可以帮助机器人感知抓取物体时的受力、重量和重心，从而完成精密装配、插拔、打磨等任务；脚踝或足底的六维力传感器则用于测量地面反作用力，为动态平衡控制提供输入。

在展位交流中，ADI也提到，六维力主要用于协作机器人、人形机器人手腕或脚腕处的压力检测，可以理解为同时检测空间三轴受力和三轴力矩，用于判断手部或脚部的状态。ADI现场展示的不是单颗ADC，而是围绕六维力信号采集和处理的系统方案，用于提升客户采集和处理效率。

从竞争格局看，六维力传感器长期由海外厂商主导。典型海外厂商包括ATI、ME、BOTA、Robotiq、SCHUNK、OnRobot、OptoForce、HBM等。国内企业如宇立仪器、坤维科技、蓝点触控等正在积极开拓六维力传感器市场。但六维力传感器的产业化难点，不只是“能不能做出来”，而是能否在小体积、低成本、长期稳定、批量一致性之间取得平衡。对于人形机器人而言，一台整机可能需要多个力传感器，一旦进入规模化量产，成本压力会迅速放大。

触觉与电子皮肤：灵巧手商业化的“最后一厘米”

如果说六维力传感器解决的是腕部和足底的整体受力问题，那么触觉传感器解决的是末端接触面的细节问题。

腕部六维力传感器可以知道“这只手整体受到了多少力”，但它不知道指尖哪个位置接触到了物体，也不知道压力分布是否均匀，更无法判断物体表面是布料、海绵、鸡蛋还是金属。真正的灵巧操作，离不开指尖和手掌的高密度触觉阵列。

触觉传感器通过接触测量物体物理特征，从而实现对周围环境的感知；按原理可分为压阻式、电容式、压电式、电感式和光学式，其中压阻式、电容式、压电式最常用，光学式相对新颖。触觉传感器可以逐渐模拟生物皮肤的柔性、自愈合能力，以及对细微力、温度、湿度、物体表面纹理等的感知能力。

在ADI展位，AI灵巧手皮肤感知系统是重点展示的产品之一。蔡振宇对笔者介绍介绍，ADI方案并不是只检测一个“有无接触”的信号，而是通过高密度触觉点阵感知手指表面的压力分布。根据现场介绍，单个手指可处理约1024个触觉点，并结合IMU检测XYZ方向姿态，再通过AI方式融合这些数据，判断手指当前状态以及是否达到任务目标。

他也提到，当前触觉传感路线仍处于发散阶段。不同厂商可能采用压力、电容、霍尔、光学等不同路径，真正能够大规模商用的技术路线仍需要在机器人整机应用中继续验证。

这也是触觉传感器难度高的原因。它不是一个简单标准化采购的零部件，而是材料、结构、传感器、算法和整机控制协同优化的系统工程。它既要薄、软、耐磨，又要高灵敏、高分辨率，还要能够大面积布线和批量制造。越接近人类皮肤，工程难度越高。

从应用角度看，触觉传感器的意义不只是“让机器人摸到东西”。它真正解决的是三个问题：第一，最小力抓取，既拿得住，又不捏坏；第二，滑移检测，当物体即将滑落时及时调整抓取力；第三，材质识别，通过压力变化、摩擦和微振动判断物体特性。对于家务、护理、餐饮、物流分拣等场景，这些能力比炫技式跑跳更接近商业化需求。

灵巧手：传感器创新最密集的入口

提到上述两个传感器，就不得不提到灵巧手。

灵巧手是“人形”概念的重要体现，是机器人适应人类生存环境的最优解，并且在人形机器人全环节中价值占比较高。灵巧手的三大核心组件包括驱动系统、传动系统和传感系统，其中传感系统中六维力传感器必不可少，电子皮肤则被视为触觉传感的最终解决方案。

从市场空间看，灵巧手也具备较强弹性。根据中商产业研究院数据，2024年全球机器人灵巧手市场容量达到76.01万只，2030年将达到141.21万只；市场规模方面，2024年全球机器人灵巧手市场规模将达17.06亿美元，2030年将突破30亿美元。

灵巧手之所以成为传感器创新最密集的入口，是因为它同时集中了视觉、触觉、力觉、位置检测、IMU、电机控制和连接等多类问题。

ADI在现场提到，未来灵巧手不仅需要触觉阵列，还可能需要手部摄像头、六维力传感器、位置传感器、小型电机驱控和高带宽连接。博世则从MEMS角度提到，压力传感器和IMU可能会进入灵巧手关节和手指，用于捕捉动作、检测触碰和提升交互体验。

这意味着，灵巧手不是一个单纯机械部件，而是人形机器人感知系统的小型综合体。谁能在这个部位率先形成低成本、高可靠、可量产的传感器系统，谁就有机会在人形机器人供应链中占据更高价值的位置。

IMU与编码器：机器人“本体感觉”的基础设施

在人形机器人上，最容易被忽视的传感器往往不是最不重要的传感器。

IMU和编码器就是典型代表。它们不像视觉、触觉那样直观，却决定了机器人是否知道自己身体处于什么状态。IMU通过加速度计和陀螺仪采集角速度、加速度等信息，用于姿态估计、平衡控制、运动轨迹推算；编码器则用于检测关节角度和电机位置，是闭环控制的基础。

IMU用于测量物体三轴角速度与加速度，一般包含三个单轴加速度计和三个单轴陀螺仪；在人形机器人领域，IMU可以测量机器人的加速度与角速度，帮助跟踪机器人姿势和运动状态，并通过实时运动数据实现运动轨迹和速度控制，还能检测偏移与倾斜，进行姿态稳定和调整。

博世传感器在深圳传感器展媒体交流会上也强调了机器人场景对IMU提出的新要求。在现场采访中，博世方面提到，机器人应用与手机、可穿戴等场景不同，机器人会进行大幅度、高速度运动，并且可能处在更复杂的环境中，因此传感器需要更强的智能化、鲁棒性、温度稳定性和低延迟能力。

Bosch Sensortec亚太区总裁王宏宇

Bosch Sensortec亚太区总裁王宏宇提到，机器人市场有两个特点值得传感器厂商关注：一是抗干扰、抗振动能力，因为机器人本身处在运动过程中，传感器无论放在关节还是躯干，都要更准确地感知信号；二是低延时，博世BM5相关产品针对机器人市场做了优化，延迟可低于0.5毫秒。

这说明，消费级MEMS向机器人迁移，并不是把手机里的传感器简单搬到机器人上。手机里的IMU主要服务于屏幕旋转、游戏、运动识别或防抖；机器人里的IMU则直接参与姿态平衡、运动控制和影像稳定，要求更高的抗振、低漂移和实时性。

王宏宇还提到，灵巧手是一个新的应用领域，Bosch Sensortec正在尝试把消费压力传感器部署到手指上，使其能够感知非常轻微的触碰，例如羽毛划过指尖；未来还可能在灵巧手每个关节部署更多IMU，用来捕捉手部动作。

编码器和位置传感器同样在发生变化。ADI现场展示的ADMT4000单芯片多圈绝对位置传感器，对应的是机器人关节和灵巧手中的另一个痛点：掉电、跌倒或外力改变姿态之后，系统如何知道关节现在处于什么位置。

根据现场介绍，ADMT4000可以识别46圈，精度约±0.25度，并具备掉电记忆能力。传统方案可能需要备用电池，或在掉电时写入存储器，但前者尺寸较大，不适合机器人小关节，后者在掉电后若继续运动则难以记录位置。

这类产品对应的是一个具体却关键的工程问题：机器人一旦掉电、跌倒或被外力改变姿态，系统必须知道每个关节现在在哪里，否则复位动作可能带来安全风险。对于人形机器人来说，位置传感器不是简单读取角度，而是安全控制的一部分。

连接与带宽：被低估的系统瓶颈

值得客户重点关注，但容易被忽视的一点是：传感器越多，数据越多；数据越多，连接和带宽就越重要。

ADI中国区工业市场总监蔡振宇专门提到，人形机器人面临的一个容易被忽视的问题是连接。其一是机器人内部布线复杂，人形机器人如果拆开外壳，会看到身体里大量线束；其二是随着摄像头、触觉传感器、电子皮肤等感知单元增加，数据量会快速放大，对连接带宽提出更高要求。

他解释说，现在一个机器人可能有2到4个摄像头，未来手上、膝盖、胸部都可能增加摄像头；这些信息最终都要传到GPU或中央控制器处理，再快速反馈到手部执行动作。问题在于，如何把大量高速传感器信息及时传回处理单元，并以足够低延迟完成反馈。

在更深入的交流中，蔡振宇提到，现在客户提出的连接带宽需求大致在100M到1G之间，未来随着机器人传感器数据增加，甚至会提出10G需求，希望把图像和各类传感器数据放到一个通道中，同时还要反向承载电机控制通路。延迟同样关键，人遇到烫的东西时大约20毫秒会产生反应，而现在机器人可能在100毫秒左右，行业未来目标可能做到12毫秒甚至10毫秒。

这组信息揭示了人形机器人传感器产业的另一条主线：未来竞争不只是传感器数量和精度，也包括传感器数据能否低延迟、高可靠、低功耗地传输和处理。

人形机器人内部空间狭小，关节频繁运动，线束长期弯折，既要传数据，又要供电，还要避免电磁干扰和机械疲劳。从工程视角看，人形机器人传感器产业的真正拐点，可能不是某一个传感器价格下降，而是整机感知网络架构成熟：传感器、连接、边缘处理、同步、标定、控制回路，必须作为一个系统来设计。

人形机器人传感器系统的工程化瓶颈，来源：与非研究院整理

国内供应链机会：路线未定时的同步卡位

本届深圳传感器展上，笔者也接触了一些国产的传感器厂商，这里就不一一列举了。总的来看，人形机器人传感器的国产化机会，和过去部分半导体国产替代逻辑并不完全相同。

在传统工业或消费电子中，很多器件已有成熟规格，国产厂商追赶的是性能、价格和供应稳定性。但在人形机器人中，不少传感器本身仍处于路线探索期。触觉传感器没有统一方案，灵巧手的传感器布局也未定型，视觉方案在“轻硬件+强算法”和“多传感器冗余”之间摇摆，IMU和编码器也需要根据关节模组重新定义。

这给国内企业带来两个机会：第一，若能进入整机厂早期开发流程，就有机会参与规格定义，而不是等标准固化后再做替代；第二，国内人形机器人本体厂商数量多、迭代快，对成本和交付周期敏感，为传感器企业提供了更高频的验证场景。

但风险同样清楚。人形机器人尚未进入大规模商业化阶段，传感器需求节奏取决于整机落地；技术路线多变，可能导致研发投入方向偏离；核心部件降本若不及预期，整机规模化会被推迟；同时，随着资本和厂商涌入，部分环节可能过早进入价格竞争。

人形机器人传感器核心环节与国内企业布局方向，来源：与非研究院整理

总结：人形机器人的下一场竞争，是“感知密度”的竞争

总的来说，人形机器人产业正在走过“站起来、走几步、完成动作”的展示阶段，进入更艰难的工程验证阶段。这个阶段不再只看整机外观和运动视频，而要看机器人能否在真实环境中长期稳定工作。传感器系统，正是这一门槛背后的核心变量。

在Bosch Sensortec的媒体交流会上，“解决方案”成为反复出现的关键词。博世方面提到，客户最终需要的不是单个器件，而是可以快速集成和持续演进的整体方案。因此，博世除了提供硬件传感器，也在底层配套软件开发套件，降低客户开发和调试难度。其目标是到2027年，90%的创新解决方案集成嵌入式处理器；到2030年，推动超过100亿颗消费类MEMS将智能方案和嵌入式传感能力带入终端市场。

这与人形机器人产业的需求高度吻合。机器人整机厂需要的并不是摄像头、IMU、压力传感器、力传感器的简单堆叠，而是能够快速集成、低延迟反馈、进入控制闭环的感知子系统。

ADI传递出的信号也类似。蔡振宇在介绍机器人相关方案时多次强调，ADI此次展示的不是单颗器件，而是围绕灵巧手、六维力、位置检测、连接和电机控制构建的系统方案。这意味着，人形机器人正在推动传感器厂商从“器件供应商”转向“感知系统供应商”。未来，单个器件性能仍然重要，但更关键的是厂商能否提供完整信号链、算法、开发工具、参考设计和系统级协同能力。

从深圳传感器展释放出的信号看，机器人不会只是传感器的新应用市场，也会反过来推动传感器产品形态、系统架构和商业模式变化。过去，传感器厂商更多是在卖器件；未来，它们需要提供“感知能力”。过去，整机厂关注传感器参数；未来，它们会更重视数据能否低延迟进入控制闭环。

对于国内供应链而言，机会不只是“卖更多传感器”，而是参与定义人形机器人如何感知世界。当机器人走向工厂、商业空间和家庭，传感器将从BOM成本表中的一个项目，变成决定整机可靠性、安全性和智能水平的底层基础。谁能让机器人更准确地看见、更稳定地站立、更细腻地触摸、更快速地反馈，谁就可能在下一轮人形机器人供应链重构中占据更重要的位置。