摘要：几乎每个月都有人问我们：特斯拉、宇树、Figure 这些头部公司，到底用什么操作系统、什么芯片、什么总线？我们能不能照着抄？问题是，从来没有人公开过完整的技术栈。这篇文章只做一件事：用公开资料把这张拼图拼出来，并且给每块拼图标注置信度——哪些是官方确认的，哪些是交叉推断的，哪些只是猜测。看完你会发现一个更有意思的结论：厂商愿意公开的永远是"大脑"，藏起来的永远是"小脑"，而机器人稳不稳，恰恰由小脑决定。

---

一、这个问题，我们每个月都会被问一次

“Figure 用什么操作系统？”“特斯拉 Optimus 是不是跑 Linux？”“宇树的总线是不是 EtherCAT？照着他们的方案选，行不行？”

每次被问到这类问题，我们都得先泼一盆冷水：没有任何一家人形机器人公司公开过完整的技术栈。 你能查到的，几乎全是三类信息——发布会上的模型架构、招聘 JD 里的关键词、开源仓库里的接口。至于操作系统怎么选的、实时核怎么分的、总线怎么跑的，属于各家最核心的工程资产，公开没有收益，只有风险。

但这不代表拼不出来。公开信息就像考古现场，碎片很多，关键是用对方法：每个结论都标注证据等级，能确认的确认，能推断的推断，推断不了的就说"不知道"。

所以这篇文章不是爆料，而是一次方法论演示：先讲怎么从公开资料反推一家公司的技术栈，再拿特斯拉、Figure、宇树三家现场拼图，最后给中小团队三条选型建议。所有涉及具体公司的内容，都会标注置信度；如果你熟悉内情，发现哪块拼图放错了，欢迎在评论区指正。

二、怎么从公开资料反推一家机器人公司的技术栈

2.1 六个信号源

信号源一：招聘 JD。 这是最诚实的信息源。一家公司对外可以只讲模型，但招人时必须把真实的技术栈写进要求里：要"熟悉 PREEMPT_RT 内核调优"，说明在 Linux 实时化；要"有 Xenomai/RTOS 双域开发经验"，说明在走双系统；要"熟悉 EtherCAT/CANopen 主站开发"，总线方案就露出来了。多看几个岗位交叉比对，技术栈的轮廓就有了。

信号源二：技术博客与发布会。 Figure 公开 Helix 架构就是最好的案例——System 2 和 System 1 的分工、参数量、频率，全部官方给出。这类信息置信度最高，但通常只覆盖"大脑"层。

信号源三：开源仓库与 SDK。 宇树的开发者文档和 ROS/ROS 2 接口、各家提供的仿真环境与驱动，都会暴露软件栈的边界：哪些能力开放给开发者，哪些留在内部。

信号源四：专利。 控制系统专利里经常会出现总线类型、调度方式、时间同步机制的描述。专利不代表产品实现，但方向性的信号很强。

信号源五：拆机与认证文件。 拆解视频里的芯片丝印、FCC/CE 认证文件里的射频与计算模块清单，能确认芯片型号级别的信息。

信号源六：学术合作与论文。 联合实验室、论文致谢、会议演讲，经常能透露出自研中间件和实验平台的细节。

2.2 置信度分级：让每个结论都可以被质疑

拼图的时候，我们给每条结论标一个等级：

• A 级（官方确认）：公司自己公开说过，有出处。可以直接引用。
• B 级（交叉推断）：多个独立信号指向同一个结论。可以作为分析依据，但措辞要留余地。
• C 级（单一信号/行业常识推断）：只有一个弱信号，或者纯靠行业惯例推的。可以用来提问，不能用来做决策。

这条纪律很重要。行业里很多"某公司用了某某系统"的传言，源头都是一个 C 级信号被当成了 A 级事实。对做技术选型的人来说，把 C 级结论当决策依据，比没有结论更危险。

2.3 为什么"小脑"总是藏起来的

拼图拼到一半，你会发现一个规律：三家公司公开的信息全部集中在"大脑"层——模型多大、频率多少、端到端怎么训。而实时控制层，几乎一片空白。

这不是巧合。大脑可以秀，小脑不能秀： 模型能力可以用 demo 视频证明，实时层的能力却只能靠故障率证明——它没有观赏性，只有工程价值。而且实时层的调优经验是长年累月攒出来的资产，公开出去等于把护城河填了。

所以看公开资料要有心理准备：你永远只能看到一半的拼图。 剩下那一半，得靠方法推、靠自己搭。

三、三家公司的拼图

说明：以下内容仅基于公开资料整理，置信度分级为作者判断，可能与实际实现存在偏差。行业迭代很快，发布时以最新公开信息为准。

3.1 Figure：公开得最多的一家

Figure 是目前把架构讲得最透的头部公司。2025 年初公开的 Helix 架构里，System 2 是一个 70 亿参数级的视觉语言模型，以 7–9Hz 的频率理解场景、产生动作意图；System 1 是一个 8000 万参数级的策略网络，以 200Hz 的频率把意图转化成具体动作指令。整套模型运行在嵌入式低功耗 GPU 上，Figure 02 的算力是 Figure 01 的三倍。

• A 级（官方确认）：双层架构、参数量级、工作频率、嵌入式 GPU 方案、端到端单一网络。
• 未公开：芯片具体型号、操作系统、总线方案。
• B 级（推断）：200Hz 的策略层需要确定性执行，说明 Figure 的小脑层一定有一条独立于 VLM 推理的实时执行路径；选择"嵌入式 GPU + 分层网络"这个组合，说明他们走的是"单平台分区"路线，而不是物理双芯片。

从工程角度看，Figure 的选择很聪明：把"聪明"和"快"拆成两个网络、两种频率，再用大量数据把两层的接口磨平。它对外的叙事是"端到端 AI"，但对内的实现一定是分层的——这是所有做实时系统的人都能看懂的信号。

3.2 特斯拉 Optimus：垂直整合派

特斯拉的路线在公开信息里很鲜明：纯视觉感知 + 自研 AI 推理芯片。 埃隆·马斯克在多个公开场合表示，Optimus 使用特斯拉自研的推理芯片，与 FSD 计算平台同源；芯片代际随产品迭代演进，公开信息中没有给出完整规格。

• A 级（官方确认）：纯视觉方案；自研芯片路线；与汽车业务共享 AI 技术栈。
• B 级（推断）：操作系统为 Linux 底座 + 自研中间件，与车载软件栈同源——这是从"共享 AI 技术栈"和特斯拉车载系统的公开信息推出来的，未经官方确认。
• 未公开：分层细节、总线、实时核配置。

特斯拉路线的本质是垂直整合：芯片自己设计、系统自己写、模型自己训，三层可以联合优化，成本和性能的账可以算到全局最优。代价是生态封闭、投入巨大，而且这套能力很难被复制——这也是为什么我们说"抄原理可以，抄形态不行"。

3.3 宇树：生态开放派

宇树走的是另一条路。公开的开发者文档和 SDK 里，可以看到完整的 ROS/ROS 2 接口、仿真环境和二次开发支持；G1 等型号在配置上可选配 NVIDIA Jetson Orin 级别的算力模块，把"大脑"的算力选择权交给用户。

• A 级（官方确认）：ROS/ROS 2 开发接口、仿真环境、可选配的商用算力模块、自研运动控制算法。
• B 级（推断）：上层开发生态基于 Linux；实时控制由自研关节控制器承担——开放出来的 ROS 生态属于"大脑侧"，关节伺服和运动控制这种"小脑侧"的能力仍然是自研闭环。
• 未公开：实时层细节、总线方案。

宇树的策略是用开放换规模：ROS 生态降低了开发者和研究机构的上手门槛，商用算力模块降低了客户的采购门槛，但实时控制这种真正决定产品下限的部分，牢牢握在自己手里。这也是很多国产机器人公司的共同选择。

3.4 一张对比表

维度	特斯拉 Optimus	Figure 02	宇树 G1 系列
计算形态	自研 AI 推理芯片，纯视觉	嵌入式低功耗 GPU（型号未公开）	可选配 NVIDIA Jetson Orin 级模块
公开的分层架构	未公开细节	System 2（7B/7–9Hz）+ System 1（80M/200Hz）	自研运动控制 + ROS/ROS 2 开发接口
操作系统	推断：Linux 底座 + 自研中间件（B 级）	未公开	推断：Linux + ROS 2 开发生态（B 级）
实时层	未公开	未公开（推断有独立实时路径）	推断：自研关节控制器承担
生态策略	垂直整合、封闭	垂直整合、半开放	开放生态、走量
证据等级	芯片/视觉 A，其余 B/C	架构 A，其余 B/C	接口 A，实时层 B

3.5 这张拼图告诉我们什么

三家公司的共同点只有一个，但非常关键：没有任何一家把 VLA 模型直接连到执行器。 大脑和小脑之间，都有一层没有公开、但一定存在的实时执行结构。区别只在形态：Figure 用网络分层，特斯拉用芯片自研，宇树用生态开放。

这也回答了开篇那个问题——"照着头部公司抄，行不行？"抄分层原则可以，抄具体形态不行：你没有特斯拉的芯片能力，也没有 Figure 的数据规模，但你可以拥有和他们一样的架构原则。

四、共性、分歧与给中小团队的三条建议

4.1 三个共性

1. 分层是共识。 不管对外怎么讲端到端，落地上都是"快慢分层"，区别只是分几层、分在哪里。
2. 实时层几乎全部自研或深度定制。 没有一家把实时控制完全交给通用方案。
3. 生态策略决定芯片路线。 想做开发者规模，就用商用平台 + 开放接口；想做极致成本或性能，就走向垂直整合。

4.2 三条选型建议

建议一：抄原则，别抄形态。 分层、意图接口、实时兜底，这三条原则可以直接抄；但"自研芯片"这种形态依赖供应链、资金和团队规模，抄了就是事故。

建议二：先算团队账。 二十人以内的团队，实时 Linux + ROS 2 生态 + 商用算力模块是性价比最高的起步方案；团队规模上来、产品定型之后，再考虑把实时层往实时核/RTOS 上收、把中间件自研化。别在验证阶段就做量产阶段的架构决策。

建议三：实时层选型问三个问题。 最坏延迟可测量吗？生态可持续吗？供应链可控吗？三个问题里有一个答不上来，这个选型就先放一放。

五、检查清单：验证一家公司的技术栈，看这六条

1. 翻招聘 JD。 搜 PREEMPT_RT、Xenomai、EtherCAT、ROS 2、RTOS 这些关键词，看岗位要求怎么写——这是最诚实的技术栈说明书。
2. 看开源仓库的活跃度。 commit 频率、issue 响应、最近一次更新时间，比仓库 star 数更能说明问题。
3. 查专利里的控制系统描述。 总线类型、调度方式、时间同步机制，经常藏在权利要求书里。
4. 看认证文件和拆机资料。 芯片型号、计算模块清单，认证文件比发布会靠谱。
5. 看论文与合作。 联合实验室和会议演讲，经常能透露自研中间件的存在。
6. 给每条结论标置信度。 A 级可引用，B 级可分析，C 级只用来提问——别让 C 级结论进你的选型决策。

六、结论

把这篇压成一句话：

公开资料能拼出"大脑"，拼不出"小脑"；而机器人稳不稳，恰恰由小脑决定。

所以，与其问"他们用什么操作系统"，不如问一个更有价值的问题：“他们的时间预算是怎么分的？” 操作系统只是这场预算分配的结果，不是原因。

下一篇，我们进入硬核实测环节：《1kHz 的关节控制够不够？我们把控制环从 1kHz 压到 20kHz 测了一遍》——用数据回答一个争论了很多年的问题。

七、留一个问题给你

你更看好哪条路线：特斯拉式的垂直整合，还是宇树式的开放生态？

• 站"垂直整合"的：性能和成本可以算总账，护城河更深；
• 站"开放生态"的：迭代快、开发者多、供应链灵活。

评论区说出你的理由。本文涉及的三家公司，信息均来自公开资料，欢迎知情读者指正补充。

---