从“机械进化”到“智能进化”：人形机器人专利重心正在转移
一、一个关键的拐点
人形机器人行业正在经历一场深刻的变革。
根据智慧芽最新报告，具身智能的创新重心正在从“机械进化”转向“智能进化”。数据显示：2025年，大脑层与小脑层相关专利数量合计占比已达76.5%——感知、决策、运动控制等软件算法层面的创新，已经全面超越机械结构、关节设计、材料工艺等硬件层面的创新。
这是一个关键的拐点。
过去十年，人形机器人的竞争焦点是“硬件”——谁能造出更精密的关节、更轻的材料、更紧凑的结构。今天，竞争的焦点正在向“算法”转移——谁的机器人走得更稳、抓得更准、理解更深、决策更快。
人形机器人的竞争，已从“硬件堆料”转向“算法比拼”。
二、硬件红利正在消失
2.1 硬件的“同质化”困境
人形机器人的硬件构成正在走向“标准化”：
| 硬件组件 | 来源行业 | 现状 |
|---|---|---|
| 电机/关节模组 | 工业机器人/汽车 | ✅ 供应链成熟，多家供应商可选 |
| 减速器（谐波/RV） | 工业机器人 | ✅ 国产化率持续提升 |
| 传感器（视觉、力觉） | 自动驾驶/消费电子 | ✅ 市场供应充分 |
| 电池/电源管理 | 电动汽车 | ✅ 技术成熟，成本持续下降 |
| 芯片（计算、控制） | 汽车/手机 | ✅ 算力充足，选型多样 |
这意味着：在硬件层面，任何一家有资金的企业都能“组装”出一台人形机器人。 硬件的差异化正在快速消失，行业正在进入“同质化竞争”阶段。
2.2 软件才是真正的“护城河”
与此同时，软件层面的差距正在拉大：
| 软件能力 | 难度 | 当前行业水平 |
|---|---|---|
| 双足平衡控制 | 极高 | 仅少数企业掌握 |
| 全身运动规划 | 极高 | 部分企业有突破 |
| 动态环境感知 | 高 | 多数企业“能用但不精” |
| 具身智能大模型 | 极高 | 极少数企业涉足 |
| 多模态人机交互 | 高 | 处于早期探索阶段 |
硬件可以采购，软件不能外包。 这正是为什么“大脑层”和“小脑层”的专利占比快速攀升——企业意识到，未来的竞争胜负手不在“关节”，而在“算法”。
三、大脑层 vs 小脑层：人形机器人的“软件双核”
3.1 大脑层：感知与决策
大脑层负责：“看明白、想清楚、做决定” ——相当于人类的“大脑皮层”。
| 技术方向 | 核心功能 | 专利热点 |
|---|---|---|
| 多模态感知 | 视觉+力觉+触觉+听觉融合 | 传感器融合算法 |
| 场景理解 | 识别环境、物体、人物 | 世界模型构建 |
| 任务规划 | 将复杂任务拆解为动作序列 | 大模型+任务编排 |
| 自主决策 | 在不确定环境中自主选择行动 | 强化学习+决策算法 |
专利趋势： 多模态感知和世界模型相关的专利申请量正在爆发式增长。随着类脑架构成为下一代机器人大脑演进方向，与之相关的专利布局将更加密集。
3.2 小脑层：运动规划与控制
小脑层负责：“走得稳、抓得准、动得灵” ——相当于人类的“小脑+脊髓”。
| 技术方向 | 核心功能 | 专利热点 |
|---|---|---|
| 双足平衡控制 | 在动态环境中保持站立和行走 | 零力矩点（ZMP）控制、CPG、强化学习 |
| 全身运动规划 | 多关节协同运动 | 逆运动学、轨迹优化、模型预测控制（MPC） |
| 力控操作 | 精准抓取、精细操作 | 阻抗控制、力位混合控制 |
| 步态生成 | 自适应不同地面的步态 | 步态规划、动态行走算法 |
专利趋势： 传统ZMP方法专利壁垒已大幅降低，但基于强化学习的动态行走算法专利正在迅速增加。
3.3 硬件与软件的“专利协同”
| 专利类型 | 保护范围 | 被绕过的容易程度 |
|---|---|---|
| 纯硬件专利（关节结构） | 窄（只保护具体结构） | ★☆☆☆☆ 极易绕过 |
| 纯软件专利（算法步骤） | 中（可保护方法） | ★★★☆☆ 可绕过 |
| 软硬结合专利（系统+方法） | 宽（覆盖实现方式） | ★★★★★ 难以绕过 |
核心洞察： 在“智能进化”时代，最好的专利保护不是“硬件专利”或“软件专利”，而是“软硬结合的专利”——权利要求中同时包含硬件架构和软件逻辑，让对手无论换硬件还是改软件，都落入保护范围。
小脑层运动控制算法是“软硬结合”专利的最佳切入点——它既是算法（软件），又必须通过具体的硬件架构（关节、传感器、控制器）来实现，天然适合“方法+系统”的组合权利要求写法。
四、算法专利的“可专利性”挑战
4.1 算法专利的痛点
算法专利面临一个特殊的挑战：容易被认定为“纯粹的数学方法”而不符合专利保护客体。
审查员常见的驳回理由：
- “该方法属于智力活动的规则和方法”
- “该方案未解决技术问题，未产生技术效果”
- “该方案属于抽象的算法模型，不具备技术性”
如果算法不能被专利保护，企业的核心软件能力就无法形成法律壁垒——竞争对手可以合法地使用同样的算法。
4.2 算法可专利性的核心三要素
| 要素 | 含义 | 如何体现 |
|---|---|---|
| 技术问题 | 必须解决“技术问题”，而非“商业问题” | 如“解决双足机器人在动态环境中保持平衡的技术问题” |
| 技术手段 | 必须有“技术特征”，不能只有数学公式 | 如“基于力传感器反馈的ZMP点实时调整方法” |
| 技术效果 | 必须产生“技术效果”，而非“经济效益” | 如“提高了机器人在非结构化地形的行走稳定性” |
4.3 余行的算法专利撰写方法论
第一步：从“数学方法”转化为“技术方案”
| 写法类型 | 示例 | 可专利性 |
|---|---|---|
| 纯数学写法 | “一种强化学习训练方法，包括步骤A、B、C……” | ❌ 驳回风险高 |
| 技术方案写法 | “一种人形机器人双足平衡训练方法，包括：获取力传感器反馈数据……基于所述反馈数据调整ZMP参考轨迹……利用强化学习优化步态参数……” | ✅ 更容易授权 |
第二步：构建“方法+系统+介质”三维权利要求
| 权利要求类型 | 保护对象 | 作用 |
|---|---|---|
| 方法权利要求 | 算法步骤流程 | 保护“怎么做” |
| 系统权利要求 | 实现该方法的硬件/软件模块 | 保护“用什么做” |
| 介质权利要求 | 存储该方法的计算机可读介质 | 保护“产品形态” |
第三步：与具体应用场景绑定
“一种用于人形机器人在不平整地面行走的步态控制方法……”
“一种用于人形机器人抓取未知形状物体的力位混合控制方法……”
“一种用于人形机器人在动态环境中避障的路径规划方法……”
应用场景越具体，技术问题越清晰，授权可能性越高。
五、余行在人形机器人算法专利上的服务能力
5.1 核心服务方向
| 技术方向 | 专利切入点 | 余行的服务 |
|---|---|---|
| 双足平衡控制 | 平衡算法+传感器融合+控制策略 | 算法专利布局+软硬结合权利要求设计 |
| 全身运动规划 | 运动学算法+轨迹优化+MPC | 分案布局+替代方案覆盖 |
| 力控操作 | 力感知+阻抗控制+力位混合 | 功能模块化权利要求撰写 |
| 多模态感知 | 视觉+力觉+触觉融合 | 系统级专利布局 |
| 具身智能大模型 | 模型架构+训练方法+推理优化 | AI专利撰写+数据产权保护 |
5.2 差异化优势
| 对比维度 | 普通代理所 | 成都余行 |
|---|---|---|
| 算法理解 | 浅（不懂算法） | 深（懂技术原理） |
| 撰写方式 | 照抄技术交底书 | 主动设计权利要求结构 |
| 软硬结合能力 | 弱（只写软件或只写硬件） | 强（软硬结合权利要求） |
| 分案预设计 | ❌ 不涉及 | ✅ 母案阶段完成 |
| 容度原理支撑 | ❌ 无 | ✅ 专利零件拆解+漏洞扫描 |
六、结语
“过去十年，人形机器人的竞争在‘关节’；未来十年，竞争在‘算法’。谁能在‘大脑层’和‘小脑层’建立专利护城河，谁就能在万亿级市场中掌握定价权。”
人形机器人的“智能进化”已经开启。大脑层（感知决策）和小脑层（运动控制）的专利布局，将成为决定企业生存的关键。
成都余行专利代理事务所，基于专知智库原创的容度原理，专注于人形机器人算法专利的布局、撰写与保护——将“抽象的算法”转化为“可授权的专利”，帮助企业在“智能进化”中建立“绕不开”的护城河。
免费领取《人形机器人算法专利布局指南》 ，评论区扣“算法”，即可获取。
