半年百亿资本涌入触觉赛道：一个想抄近路的后来者，和它躲不掉的硬件课

今年八月，一家名为格物通智的企业在杭州成立，十月便完成了近亿元的天使轮融资。投资方阵容包括匹克投资、鸿富资产、杭州资本、杭州人才集团，以及一家省级具身产业投资机构和多家上市公司。

这家公司致力于赋予机器人“触觉感知”能力。

这个方向并不新颖。真正引人关注的是其战略选择：目前，它主打一套“从视频中逆向推导触觉”的技术，传感器和本体尚未成型。然而，这轮融资的用途明确标注为“硬件与本体构建”——它清楚自身短板，正用这笔资金进行弥补。

而这条赛道，如今竞争异常激烈。

一、触觉：具身智能的最后一步

过去两年，具身智能领域进步最显著的是“视觉”。机器人能识别物体、规划路径、复现复杂动作。但视觉存在局限：它只能观测表面。

一旦进入工厂，问题便浮现。布料会滑动，零件会卡住，插装会遇到阻力。这些情况仅靠视觉无法判断——你看不出布料的摩擦系数，不清楚零件卡滞是尺寸偏差还是角度问题，也不知道插入时需要施加多大力度。

人类手部操作时，依赖的不仅是眼睛。手指能感知“滑动”“卡住”“到位”。这些力的强度、方向和接触状态，是视觉无法提供的。

没有触觉，机器人始终停留在“表面会干活”的阶段。

正因如此，触觉被称为具身智能的“最后一步”。它曾被忽视数十年——1980年代的数据手套曾点燃初步想象，2010年前后海外陆续出现触觉公司，但大多困于实验室。直到人形机器人兴起，这一步才成为必争之地。

但“刚需”这个判断，本身需要先回答一个问题：如果视觉加力控已足够，触觉是否只是加分项，而非必需品？这个质疑不容忽视，因为整条赛道的估值都建立在这一前提之上。

有趣的是，将触觉从“加分项”推向“必需品”的，可能不是技术，而是价格。2015年前，高端触觉传感器单指尖售价超10万元，机器人行业根本用不起；今年国内厂商将成本降低九成以上，有的产品低至199元。价格下降后，“要不要装”变成了“装了也不亏”——需求的闸门由此被打开。

竞争有多激烈？数据很直观：2025年国内触觉传感器赛道完成约20起融资，披露总额近18亿元；2026年前七个月，人形机器人传感器领域完成15起融资，合计31亿元。若加上灵巧手、传感器等触觉相关上下游，这半年涌入的资金，行业估算已达百亿量级——仅帕西尼一家，成立至今累计融资已超40亿元。

而全球触觉传感器市场，2026年规模约60亿元，预计2030年达290亿元。

一个60亿元规模的市场，容纳了一批百亿估值的公司。

二、这条赛道上，已经站满了人

将主要玩家梳理一遍，就能看清格物通智的位置。

最具分量的是两类。

一类是做传感器的。帕西尼采用霍尔阵列路线，将传感器价格压至199元起，在天津建设了1.2万平方米的具身数据工厂，用自家传感器低成本采集数据反哺模型；今年完成四轮融资，成立至今累计超40亿元，比亚迪是其最大外部股东，9月已在北京证监局完成辅导备案，抢先冲刺“具身触觉第一股”。

他山科技走电容和AI触感芯片路线，据其自称，触觉传感器出货量占国内人形机器人市场八成以上；2024年营收破亿，2026年机器人业务预计占营收约三分之二；建设了两大触觉数据采集中心，被英伟达列为Isaac Sim全球首个触觉仿真合作伙伴，并与图灵奖得主萨顿共建了“机器人幼儿园”。

千觉机器人走电容路线，号称测量密度每平方厘米5万个点，提供触觉仿真工具Xense_Sim，已与智元、自变量、银河通用、众擎达成合作。

戴盟走视触觉路线——用摄像头捕捉弹性体受压形变来反推接触力，这是GelSight同源技术，每平方厘米集成4万个感知单元；它不仅做传感器，还构建了视觉-触觉-语言的操作模型和触觉评测基准，形成“传感器-数据-模型”闭环。

此外还有纬钛（视触觉指尖传感器，已进入小米手机产线）、一目科技（3毫米最薄视触觉，E轮超10亿、估值破百亿）、曦诺未来（指尖触觉，四个月三轮累计约15亿元）、墨现科技（柔性薄膜压阻）。

另一类是往模型方向发展的。灵心巧手自研触觉阵列，同时做灵巧手，一年七轮融资、B+轮后估值约30亿美元，占全球高自由度灵巧手市场八成份额。橡木果走“本能驱动”路线，主张零数据冷启动，四个月获得两轮大额融资。

这份名单说明一件事：这条赛道上几乎所有玩家都是“软硬一体”——自己做传感器，自己建数据工厂或采集中心，自己做模型。只是它们的数据几乎都来自真实传感器，采集成本高、扩张慢。

格物通智是这份名单中唯一一家、公开信息里还拿不出传感器和本体的公司。这并非表示它不打算做——融资用途已写明“硬件与本体构建”——而是说，它的硬件尚未完成，而别人的已开始出货。

三、它选的那条路，已经有人在跑，而且跑出了误差数字

格物通智的解法叫Real to Sim：从互联网视频中“逆向推导”触觉信号。

思路是：视频中包含大量“手在拧、在插、在按”的动作，动作可见，力不可见；那就从可见画面中，反推出不可见的接触、受力、形变，为动作数据添加物理标签，用于预训练。

这个思路在数学上有个名称，叫病态反问题——同一个结果可能对应无数原因。画面中手按下、布料凹陷，但用了多少牛、接触面积多大、材料刚度多少、摩擦系数多少，全是未知。未知参数多于观测方程，解就不唯一。画面中没有直接的力信号，能补充的只有物理先验——而先验的准确性，最终还需依靠真实的力觉、触觉数据来校准。多喂十倍视频，补不回画面中本就没有的信息。

而更值得关注的是：这条路，格物通智并非第一个走。

破晓智能——创始人杨朔，1998年生，哈工大（深圳）长聘教授——就在做同样方向的事。它的TouchAnything模型，就是训练模型从普通第一人称视频中恢复双手的压力分布。而且它给出了精度：在真实物体上的接触力图估计误差约0.56牛，而此前最佳方法是2.1牛，提升了近四倍。需要说明的是，这是公开的研究结果，并非已量产的产品指标，但它至少证明了这条路在精度上可行。

同一方向上，智在无界（创始人卢宗青，北大长聘副教授）做法不同：用50万小时人类视频预训练“隐式触觉世界动作模型”，用TactoHand模块依据手与物体的三维几何关系推断接触是否发生。

而行业里另有一句针锋相对的话。千觉机器人的马道林说：触觉是当前唯一无法从互联网“白嫖”数据的模态。

这句话几乎是冲着“从视频反推触觉”去的。如果触觉真的无法从互联网视频里“白嫖”，那Real to Sim就是在做一件行业顶尖研究者认为不成立的事。

所以它面对的不是一条无人走过的路，恰恰相反，这条路上已有人跑出了成绩，胜负未分。格物通智站了其中一边，但不是这一边的第一名。

四、躲不掉的硬件课，和它真正的机会

再看它的能力结构，问题更清晰。

触觉数据要落地，最终必须落在传感器上。而格物通智目前还没有自己的传感器。触觉传感器有几条互不兼容的路线——压阻、电容、压电、霍尔、光学，每条路线的数据格式、量程、精度、噪声特性都不同。换一种传感器，模型可能就需要重新校准。

这意味着它的“通用性”受制于上游硬件的碎片化。而这个变量，它无法控制。

更微妙的是，上游已在向下游延伸。他山建设了两大触觉数据采集中心，帕西尼建了1.2万平方米数据工厂，戴盟做了VTLA模型和评测基准——传感器厂商自己也在做数据和模型，而且他们有硬件、有产线、有客户、有资金。

下游也在自行布局。智元机器人既投资了做统一触觉动作模型的潜界科技，也采用了千觉的触觉方案——本体厂不把鸡蛋放在一个篮子里。

于是格物通智的位置就很尴尬：上面是已有产线和客户的传感器厂商，下面是既投资模型派、又自选传感器方案的本体厂。它想做的那个层级，正好夹在中间。

还有一笔账。为创始人蔡佳作背书的有：“千万小时级数据治理与近万卡集群训练的系统性方法论”。这句话说的是他在华为的经历，而非这家公司的资源。万卡集群光算力硬件就是十几亿到几十亿的量级，而它这轮拿到的是近亿元——连一千张卡都买不起。而“物理反演世界模型的大规模预训练”，恰恰需要大量算力。

更昂贵的一笔账是时间。他山2017年12月成立，帕西尼2021年6月创业，戴盟2016年就开始研发视触觉——这条赛道上的头部公司，硬件已打磨了五到十年。而格物通智现在才启动“硬件与本体构建”。

这意味着它要在一个别人已建好产线、跑完良率、拿下客户的领域里，从头补课。补课本身并非不可能：硬件可以购买、可以找代工、可以挖人。但“五年到十年”这个差距，不是近亿元能一次性填平的。

所以它真正的赌注，是在硬件补上之前，先把数据这一层做成别人绕不开的东西——硬件重不重要，那是另一回事。这是一场与时间的赛跑：要么数据这条护城河先挖成，要么硬件这堂课先把它拖垮。

但先做数据、后补硬件，也不等于没有牌。

如果Real to Sim成立，这家公司最值钱的资产不是“具身大脑”，而是那条“视频到带触觉标签数据”的生产线。因为做大脑的赛道已挤满人，而“把互联网视频批量转成触觉数据”如果做成，是可以卖给所有做灵巧操作公司的数据基础设施——生意模式更轻，规模效应更强。

但它现在讲的故事是：做具身大脑，进工业场景，一个个项目交付。

这是项目制生意：每个客户要定制、要驻场、要调测、要验收，收入线性、人力密集。两条路的估值逻辑完全不同，前者按平台给，后者按订单给。

与匹克的合作最具代表性——匹克投资是这轮的资方，同时与它签了战略合作，围绕鞋履制造的“双柔一高精”（柔性制造、柔性材料、亚毫米级精度）在公司初期“拿下规模化订单”。这个结构与车企既当客户又当股东是一个道理：订单是市场对技术的认可，还是股东对早期项目的照顾，在早期很难分清。

蔡佳说，公司最看重的指标不是精度成功率，而是客户复购率。这个判断很清醒。但一家8月成立、首个PoC要到年底才交付的公司，还没跑通第一单，谈复购是在谈一个还不存在的数字。

至于为什么是杭州——首轮就有润苗基金、颠覆性成果转化基金、人才基金进来，同时它还是国家具身智能应用中试基地的生态伙伴、杭创具身智能营成员。杭州在具身智能上已有宇树、云深处，这两家做的是“腿”；而格物通智做的是“手”。腿有了，缺手，所以它被招引进来补这一环。

这也解释了“成立两个月拿到近亿元”的速度：这笔钱里有一部分是产业招商的资金，不全是纯财务判断的资金。对杭州来说，格物通智能否成为一家伟大的公司是次要的，重要的是“手”这一环得有人补上。

结语

回到这家公司。

它踩的方向是对的——触觉正在从“加分项”变成“必需品”，这是具身智能的最后一步。但这条赛道上，已有估值百亿的传感器公司在冲刺IPO，有出货八成份额的芯片公司在建设采集中心，有做灵巧手的公司在拿30亿美元估值，也有年轻的教授团队在视频反推触觉这件事上跑出了0.56牛的误差。

而格物通智，成立两个月，拿近亿元，传感器、本体、数据工厂都还没有，创始人有一份很硬的履历，和一条尚未被验证的方法。它打算用这笔钱把硬件补上，但硬件这课，别人已上了很多年。

但反过来看，先做数据、把硬件往后放，也可能是提前站到了终局。

如果触觉传感器最终会像摄像头、麦克风一样标准化——量产后变成低毛利的标准件——那今天所有做传感器的公司，都可能慢慢变成“摄像头厂”：出货量很大，利润很薄。真正沉淀价值的，会迁移到数据和模型这一层。

从这个角度，它先把力气放在数据上、硬件往后放，未必是错，可能是提前把赌注押在了价值最终会流向的地方。而且它在数据这一段确实轻：传感器厂商建一个数据工厂要几亿，它只要几百张卡就能开始试，试错成本低，掉头也快。

这个论证成立的前提只有一条：从视频反推触觉这条路，真的能走通。

所以它真正要回答的，不是“触觉重不重要”，也不是“我要不要做传感器”，而是一个更难的问题：在数据这一层，到底会不会成为终局的价值所在。

赌对了，它今天的“先做数据”就是提前卡位——等传感器标准化、本体厂把量做起来，数据和模型会变成最赚钱的一段。

赌错了，它就只是夹在上下游之间，看两边把各自的事做完，自己的硬件课还没补上。

这个答案，现在没有人知道，包括它自己。