灵巧手竞赛常被写成「自由度越多越好」。小米10月27日给出的答案更冷：先量工厂里的人手到底怎么动，再决定手要做几度。
披露来自小米技术公开材料。团队以小米汽车智能制造部中试中心为场景原点，从16个典型工段共2579个标准作业程序（SOP）中选取1827个，采集多角度视频与动作捕捉数据，覆盖约70.8%以上典型工段人工作业工序；数据经分类、切片、清洗与重定向后，用于人手多维分析与抓握仿真，并挑选真实工具与零件构建数字资产做验证。
仿真消融是设计依据的核心：在17至21自由度区间，仿生灵巧手平均稳定抓握成功率较6至15自由度提升约15%至38%，其中21自由度在工厂操作覆盖度与抓握成功率上提升最大；继续堆到23及以上，收益明显放缓。据此，小米推出21自由度、26电机混合驱动、约1500点高密度全掌触觉的新方案，并结合混合驱动与腱绳张力控制做力控与可维护性优化。
结构细节决定「能演示」还是「能上岗」。绳驱电机主要布置在小臂，手掌重量控制在约324克，以降低末端惯量；在腱绳为主的构型中加入5个直驱自由度，兼顾负载与结构密度；腱绳张力传感用于抑制蠕变带来的非线性；热预测模型监测极端工况下可超100瓦的功耗，提前调度任务与散热。触觉方面，指尖、指腹、指根空间分辨率约1毫米，掌心约2毫米，并强调可更换维护，便于与人手同构采集。
这套叙事的产业含义是「场景定义产品」。车间里的力位、时序与抓握失败模式，比参数表上的自由度数字更稀缺；它们既能训练手部策略，也能反哺更广泛的具身与产线智能。对零部件与整机厂商而言，小米把「自由度选型」从营销话术拉回可复核的消融曲线，竞争会更多发生在数据集与热/力控工程，而不是单纯堆关节。
时间线上，小米此前已分享全掌触觉设计，并在工厂开展岗位实习；此次重点是把SOP数据如何约束设计讲清楚。下一步观察点仍是真机多班次良率、维护周期与跨产线迁移，而不是实验室抓握短片。
一句话：小米用1827个SOP给灵巧手划边界——21度不是炫技上限，是工厂数据里的甜点。