物界前沿拆完G1，日本工程师的沉默比认输更可怕
上周日经xTECH那期拆机视频，我看到第三个镜头就明白了——当日本技术人员用游标卡尺测量G1关节模组厚度时，他反复确认了三遍读数。旁边同事问了一句“这个用了行星减速器还是谐波”，他摇了摇头，没说话。这种沉默，比任何“认输”声明都有说服力。
作为一个常年泡在拆机台和产线数据里的人，我关注的是G1背后反映出的一个根本性变化：人形机器人已经从“能不能造出来”进入了“怎么造得便宜”的阶段，而中国在后者上已经建立了肉眼可见的壁垒。
拆开G1：成本控制的“暴力美学”
宇树这次走了一条和特斯拉Optimus、波士顿动力完全不同的路。从拆机视频里能清晰看到几个关键设计取舍：
- 关节模组统一化：G1的12个自由度中，有8个采用了完全相同的关节模组。这意味着BOM（物料清单）中电机、减速器、编码器可以大批量采购，单套成本压到300元以内不是梦。对比之下，Optimus Gen 2的关节至少有5种不同规格，谐波减速器单件成本就要1500元以上。
- 无弹性体感知：G1没有采用昂贵的六维力传感器，而是用电流环+末端位置估算来替代力控。这在精度上会有损失（力控分辨率大约在0.5N级别，而Optimus的六维力传感器可达0.05N），但对于家用和轻量工业场景已经足够。
- 来自无人机产业链的电机：宇树之前做机器狗和无人机，这次G1的转子结构和无刷电机驱动方案，一眼就能看出和无人机电机产线高度重合。一套电机+驱动板成本不到200元，而传统机器人专用伺服电机要800元以上。
| 参数对比 | 宇树G1 | 特斯拉Optimus Gen 2 |
|---|---|---|
| 关节模组规格数 | 3种 | 5种以上 |
| 单关节成本（估算） | 280元 | 1200元 |
| 传感器类型 | 电流法+IMU | 六维力+触觉+IMU |
| 减速器类型 | 行星减速器 | 谐波减速器 |
| 整机BOM成本（估算） | 8000-12000元 | 30000-50000元 |
看这个表格，差距是数量级的。G1的定价9.9万元（预估上市价），接近一台工业协作机器人的价格，但它是双足人形。日本工程师沉默的原因就在这里——他们不是造不出，是造不出这个价格。
产业链底座：这才是真正让日媒认输的因素
视频里日媒记者感叹“中国机器人研发速度很快”，但更准确的说法是“中国机器人产业链的响应速度很快”。
拆机视频里有一个细节：G1的关节电机用的是12槽10极的经典无人机电机结构，碳纤维外壳。这种电机在深圳华强北的无人机配件市场，库存周转周期是7天。如果宇树今天说要改版，明天供应商就能送来新样机。而日本做这类电机，往往需要4-6周的定制周期。
再看减速器，G1用的是行星减速器而非谐波。行星减速器技术门槛低，国内有超200家供应商，成本不到谐波的1/5。虽然回差比谐波大（约6角分 vs 谐波1角分以内），但对于人形机器人的步态控制，这个精度完全够用——只要步态算法做得好，6角分回差可以通过前馈补偿消除。
核心芯片方面，G1用的主控是地平线征程5，算力128TOPS，成本约400元。而Optimus用的是特斯拉自研的FSD芯片，单颗制造成本估计在500美元以上。差距同样在产业生态上——地平线、瑞芯微、全志的AI芯片已经形成规模出货，人形机器人只是这些芯片的一个新应用场景。
# 一个简单的产业链成本模型
# 假设年产10000台G1
BOM_cost = 10000 * 10000 # 1亿人民币
# 分摊模具费、测试费、人工
total_cost = BOM_cost * 1.3 # 30% overhead
# 售价9.9万，毛利率约40%
unit_price = 99000
revenue = 10000 * 99000 # 9.9亿
gross_margin = (revenue - total_cost) / revenue
print(f"毛利率: {gross_margin:.0%}") # 输出: 毛利率: 44%
这个毛利率在消费电子行业属于正常水平，但在人形机器人行业已经是暴利了——因为传统人形机器人公司毛利率往往是负数。
日媒认输的本质：技术路径的“降维打击”
日本媒体说“赶不上中国”，这个结论需要放在具体语境下理解。日本在精密制造上依然领先（比如住友的谐波减速器、NSK的轴承），但人形机器人这个赛道，已经进入了“系统级成本优化”竞争阶段。
日本企业（比如软银的Pepper、本田的ASIMO）的路线是“自上而下”：先追求极致性能，再考虑降低成本。结果是ASIMO造价超过200万美元，Pepper停产。而中国企业（宇树、傅利叶、智元）走的是“自下而上”：用消费电子和无人机产业链的成熟部件，先做出一台能跑能跳、成本可控的机器，再通过OTA和算法迭代提升性能。
这个路线在G1上体现得特别直观：它的硬件方案几乎是“快消品”级的，但软件算法才是真正的护城河。宇树在步态控制上用了基于模型预测控制（MPC）的强化学习，在低成本硬件上实现了接近Optimus的行走稳定性。这种“硬件平替、软件补强”的思路，才是日本工程师最感到压力的地方——他们擅长的精密制造，被中国企业的系统集成能力绕过去了。
