文章通过梳理FDA及微软、OpenAI、Anthropic、Google等公布的实际案例，证明AI已在医疗领域真实落地：FDA已授权超1600种AI医疗设备，主要应用于医学影像、心脏疾病、糖尿病筛查等。大语言模型也进入医院工作流程，如微软Dragon Copilot服务超10万名临床医生，OpenAI帮助波士顿儿童医院节省6万小时工作时间，Claude助力Banner Health整理病历，Google辅助生成诊疗记录。作者指出需区分三个问题：技术已落地是事实，医疗AI市场正在形成但规模尚小，科技公司的巨额投资回报仍需时间验证。
作者在 IROS 2026 机器人会议上与 45 家公司和实验室进行了 50 多次交流，总结出几点观察：1）因 FCC 对外国移动机器人的限制，人形机器人改用固定底座以进入美国市场；2）灵巧手市场竞争激烈，价格从 700 美元的夹爪到 5 万美元的手不等，厂商纷纷转向数据收集硬件与服务寻求经常性收入；3）执行器的工艺Know-how沉淀在工厂车间，美国本土供应链建设远不止建厂；4）传感器瓶颈在材料科学与耐久性，国内外激光雷达价格差距惊人；5）机器人部署集成、校准与独立评测是可持续的'卖铲子'生意。此外还有娱乐机器人与微纳米医疗机器人的亮点。
本文是人形机器人执行器系列第三篇，梳理了执行器各组成部分（电机、磁铁、减速器、行星滚柱丝杠、编码器、轴承、驱动板等）的全球供应商分布，覆盖日本、欧洲、中国、韩国和美国。作者分析了 east 与 west 的产能布局差异，指出烧结钕铁硼磁铁加工高度集中于中国（占全球94%），并探讨了原材料与工艺控制两大瓶颈如何影响执行器规模化供应，以及价格下降与产能紧张并存的现实。
作者提出了以任务为起点的Physical AI技术栈框架，将机器人系统划分为11个功能层：末端执行器、执行器、电源、控制、规划、感知、策略、数据、计算、仿真与评估等。文章通过分析各层的作用、关键问题和典型公司，说明如何用该框架定位系统瓶颈、理解公司竞争位置及价值归属。文中以GPT-6 Astra控制机械臂绘制金门大桥为例，展示瓶颈往往在控制与执行接口层而非模型本身。
作者分享全家多年坚持做义工的经历：从孩子6岁起定期参加Food Bank、城市清洁等活动，孩子长大后从参与者变为组织者，在老兵医院做义工。作者认为义工既是美国大学申请中体现责任感与领导力的课外活动，但更重要的目的是让孩子理解社区、培养同理心和感恩之心，明白世界不只有成绩与竞赛，这些品质将让孩子一生受益。
本文是执行器商业分析系列的第一篇，探讨人形机器人关节执行器的工程与商业逻辑。执行器可占人形机器人物料清单的70%，核心问题是'机器人在哪里为扭矩付费'。文章解释了关节模块的构成、减速比作为关键架构决策如何影响能量损耗、重量和动态响应，并介绍评估执行器的五大指标（持续/峰值扭矩、扭矩密度、反驱性、间隙、抗冲击性）。不同减速器架构（如谐波减速器）决定了供应链中价值分配，从精密齿轮供应商到稀土磁材市场。
