2026年6月13日，2026第八届北京智源大会顺利闭幕。作为全球人工智能领域中一项具有重要影响力的学术盛会，智源大会汇集了包括图灵奖获得者、产学研界的顶尖专家与青年科学家、杰出企业家，以及国际顶尖机构与中国人工智能领域代表性创新力量在内的众多参与者。灵心巧手首席科学家夏华夏受邀并出席了本次大会，他在会上发表了题为《让灵巧手学会制造自己—— 机器人 制造机器人的物理自进化路径》的主题演讲，重点分享了基于“灵巧手制造灵巧手”这一范式，针对具身智能时代下机器人如何实现自我复制与自我进化所进行的创新探索。

约七十六年前，被誉为“计算机之父”的数学家约翰·冯·诺依曼在其1948年的著作中，提出了一个关于“通用构造器”的核心设想：能否设计出一种机器，使其具备制造任意其他机器的能力，包括与自身同等复杂的构造？冯·诺依曼论证了这在理论上是可行的，其难点往往不在于逻辑层面的可证性，而在于物理世界的实际实现。自复制的逻辑结构虽可被证明，但将其落地至真实环境却进展缓慢。在此之后的三十余年，正值美苏太空竞赛的时代背景下，美国国家航空航天局（NASA）于1980年又提出了另一项极具挑战性的构想——自复制月球工厂，该方案试图将“自我制造”这一宏大构想拆解为若干可工程化实施的子系统，但同样未能最终实现。

在如今的具身智能时代，灵心巧手公司认为，实现机器的自复制已具备了一定的基础与可行的路径，其核心在于让灵巧手掌握制造自身的能力，从而踏上由机器人制造机器人的物理自进化发展道路。在真实世界中打造这样一种通用构造器面临着诸多挑战，例如材料、能源、芯片以及算力等方面。然而，这些基础性问题会随着当前人工智能发展所带来的规模经济扩大，逐步转化为时间问题与资金问题，并最终得以解决或已取得突破。真正的关键困难主要体现在两个层面：一是在认知层面需要达到造物级的智能，即系统如何将人类对实体产品的需求解析为详细的产品设计方案，规划出需要生产的零件，并整合出完整的装配流程；二是在执行层面需具备工匠级的灵巧度，这意味着要有高效且灵巧的执行器来完成精密的装配动作。在一个产品从方案设计、零件制造到最终装配的三大流程中，机器早已能够完成零件的制造，却始终无法完成整机的装配。因此，自复制的核心瓶颈就在于“脑”与“手”这两个方面。

分享主题的前半部分“让灵巧手学会制造自己”，直接回应了两个核心关联问题。首先是工匠级的执行能力来源问题，我们判断其载体应是灵巧手而非传统夹爪。这是因为装配任务中包含了大量以往仅能由人类工人完成的精细操作，例如插接、布线、公差配合以及柔性作业等。为了有效地复制人类的这些动作，采用更接近人手形态、具备高自由度与多指结构的灵巧手，是作为执行器更为合适的选择。同时，灵巧手在该过程中扮演着双重角色：它既是装配其他机器人、乃至装配其他灵巧手的执行者，本身又是被制造与装配的产品。这一设计理念，恰恰呼应了创造与自身同样复杂的机器这一长期目标。

机器要实现持续的自我复制、迭代与进化，离不开四个核心闭环的支撑：设计与工艺闭环、零部件闭环、装配闭环，以及材料与能源闭环。其中，材料与能源闭环旨在确保整个自进化过程能够获得稳定且充足的原料与能量供给，这在基础设施与供应链高度发达的当下相对易于实现。因此，我们讨论的重点将主要集中在前三个环节。

第一，关于产品设计和装配流程的自动化闭环。任何一个机器人或者实体产品，都要经历从构想到制造的转化过程，这需要3D设计师来进行外观设计，随后由结构工程师把设计拆解成零部件以及装配关系，最后工艺工程师来计划产线、工艺流程以及装配流程。每个环节的效率水平主要取决于人工技艺与经验水平，而每个环节的提升又高度依赖于人自身的学习与思考能力，这种模式是难以实现规模化与自进化的。在新的范式下，由AI驱动自动化设计，自动化生成装配流程，并最终自动化地生成装配代码来调用真机。相比预编程，技能库会让成功代码沉淀为可复用、可迁移的技能，从而真正驱动系统的自进化进程，完成设计和工艺的闭环，实际上也就完成了信息的闭环。

第二，关于零部件闭环。在传统的制造模式中，结构件与电子件往往需要依据设计图纸，并通过订单委托的方式，交由外部加工厂完成生产。未来的自复制机器人则会逐步将这些生产环节也整合到自身体系之内。首先，结构件的闭环在短期内极有可能实现，3D打印机与激光切割机的技术已整体趋于成熟。同时，相关团队也在攻关桌面CNC生产平台，从而能够以更高的效率，制造出强度更高、细节更丰富、精度更准确的自设计零件。至于电子件领域，虽然目前已具备EDA软件、桌面PCB雕刻机等生产工具，但从系统自动识别电子元件并自主进行采购入手，是当前更为可行的路径，未来再逐步延伸至自主生产芯片、执行器与传感器等更具挑战性的复杂类别。

第三，装配闭环。从零件到产品的装配环节，传统上需要依赖具备多种专业技能的熟练工人来完成，而如今，这一过程可以通过灵巧手的技能学习与精密操作能力，以自进化的方式逐步实现替代。在装配闭环方面，已经取得了几项探索性成果：首先是建立了灵巧手的“动作原语”库。目前行业内的灵巧手产品呈现出高度多样性，涵盖了不同的自由度配置、驱动方案、产品尺寸乃至传感器类型，因此，若要精确复现人类手部的同一动作，每种灵巧手都需要进行单独的调试，这一过程往往显得极为复杂与繁琐。为此，研究团队致力于抽象出一层通用的灵巧手“动作原语”，将具体动作封装于该原语之下，并整合了关节、触觉、力矩等相关信息，从而实现原子级动作在不同灵巧手之间的跨平台执行，使上层算法开发者能够更为便捷地使用灵巧手。

在精细化、高可靠且高效率的执行能力方面，研究团队已在双臂双手协同操作的形态下积累了诸多探索成果，例如完成乐高积木的拼接、机械臂组件的装配等复杂任务。其技术实现路径首先依赖于双目立体视觉系统，用以获取毫米级的空间理解与运动感知能力，实现对环境的实时感知与位姿调整，从而保证操作过程的抗干扰性。在此基础上，系统进一步借助灵巧手上集成的触觉传感器与电机力矩反馈信息，将三维视觉提供的宏观粗定位与力控系统在接触操作中实现的微观精确定位相结合，最终通过强化学习算法内化并掌握那些复杂的装配技能。通过这一过程，真实的机器操作数据被不断回流并用于优化算法，形成一个正向循环：更强的装配技能得以制造出更多、更复杂的自身部件，这些部件又支撑了更丰富的真机实验回路与数据采集，进而训练出更快、更优的技能模型，最终打造出更强的装配能力。这就完整地构建了一个训练闭环与自我强化的飞轮效应。

目前灵心巧手已经建立并拥有了自建的灵巧手与机械臂自我生产工厂，并安装部署了由全自研机械臂及灵巧手所构成的产线与网络环境，从而能够有效地实现真机操作条件下算法与数据的高效回流。这一技术路径的探索不仅具备了重塑制造业理念的潜力，能够大幅降低柔性制造与可重构产线的实施门槛，贯通"装配"这一制造自动化的"最后一公里"；同时也有望在机器人学领域实现对真机数据稀缺问题的突破，借助机器人制造机器人、真机数据反哺真机训练与操作来完成学习闭环；从更为长远的视角来看，这条路径也正在尝试回应七十八年前冯·诺伊曼所提出的关于自复制机器的根本性问题，这是首次有了一条可工程化、可按"闭环度"进行度量的实现路径。

展望未来，灵心巧手将持续致力于提升长程装配这一实际应用场景中的技术成熟度与作业可靠性。具体而言，团队将致力于拓展技能库，使其能够覆盖更多种类的产品与装配任务，并不断增强技能在不同对象间的迁移与泛化能力。同时，装配闭环将朝着更完整、更连续的工序链条方向进行延伸，从而逐步扩大自进化闭环所能涵盖的制造阶段与范围。这一系列努力将共同加速驱动从真实机器数据到实际操作优化的闭环迭代，形成持续加速的进化飞轮，最终不断提升具身智能时代机器人自我进化机制在更长时间尺度与更复杂环境下的稳定性与安全性。

来源：灵心巧手夏华夏：机器人制造机器人的物理自进化路径 | OFweek机器人网