在杭州，一家名为格物通智的企业于今年8月注册成立，并在10月获得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投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。

这一技术方向并非新鲜事物。真正引人关注的是其发展路径选择：目前，它的核心卖点是一套“从视频中逆向推导触觉信息”的方法，尚未拥有传感器和本体硬件。不过，在此轮融资的用途说明中，明确提到了“硬件与本体构建”——这表明它清楚自身的短板，正利用这笔资金加以弥补。

而这条赛道目前竞争异常激烈。

一、触觉：具身智能的最后一道关口

过去两年，具身智能领域进步最快的方面是“视觉”。机器人能够识别物体、规划路径、并复现复杂动作。但视觉存在一个根本局限：它只能观察表面。

一旦进入实际工厂环境，问题便会显现。布料会发生滑移、零件会卡滞、插装时会遇到阻力。这些情况仅凭视觉无法判断——你无法看出这块布的摩擦系数，无法确定零件卡住是因为尺寸偏差还是角度问题，也无法知晓插入时所需施加的力道。

人类手部完成这些操作，依赖的不仅是眼睛。手指能感知“滑移”、“卡住”、“到位”等状态。这些力的大小、方向和接触状态，是视觉无法提供的。

缺乏触觉，机器人就永远停留在“看起来能干活”的阶段。

正因如此，触觉被称为具身智能的“最后一道关口”。它曾被忽视数十年——1980年代的数据手套曾激发过初步想象，2010年前后海外陆续出现触觉公司，但多数困于实验室。直到人形机器人兴起，这一关口才成为必争之地。

然而，“刚需”这一判断本身需要先回答一个问题：如果视觉加上力控已经足够，触觉是否只是锦上添花，而非必需品？这一质疑不容轻视，因为整条赛道的估值都建立在这个前提之上。

有趣的是，将触觉从“加分项”推向“必需品”的，可能并非技术本身，而是价格。2015年之前，高端触觉传感器单个指尖售价超过10万元，机器人行业根本无力承担；今年国内厂商将这一成本降低了九成以上，有的产品售价低至199元。价格下降后，“是否安装”就变成了“装了也不亏”——需求的闸门由此被打开。

竞争激烈到什么程度？数据很直观：2025年国内触觉传感器赛道完成融资约20起，披露总额接近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。如果再加上灵巧手、传感器等触觉相关的上下游，这半年涌入的资金，行业估算已达百亿量级——仅帕西尼一家，成立至今累计融资就超过40亿元。

而全球触觉传感器市场，2026年的规模约为60亿元，预计2030年将达到290亿元。

一个60亿元规模的市场，支撑起了一批百亿估值的公司。

二、这条赛道上，已经聚集了大量玩家

梳理主要参与者，就能看出格物通智的位置。

最具分量的有两类。

一类是做传感器的。帕西尼走霍尔阵列路线，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，利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，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，还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——利用摄像头捕捉弹性体受压形变来反推接触力，这是与GelSight同源的技术，每平方厘米集成4万个感知单元；它不止做传感器，还开发了视觉-触觉-语言的操作模型和触觉评测基准，形成了“传感器-数据-模型”的闭环。

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，占据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，四个月内获得两轮大额融资。

这份名单说明一件事：这条赛道上的几乎所有玩家都是“软硬一体”——自己制造传感器，自己建设数据工厂或采集中心，自己开发模型。只是它们的数据几乎都来自真实传感器，采集成本高、扩展慢。

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。这并不是说它不打算做——融资用途中已写明“硬件与本体构建”——而是说，它的硬件尚未完成，而别人的产品已经出货了。

三、它选择的那条路，已经有人在跑，并且跑出了具体数据

格物通智的解决方案称为Real to Sim：从互联网视频中“反推”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；那就从可见的画面中，逆向推导出不可见的接触、受力、形变，为动作数据补充物理标签，用于预训练。

这个思路在数学上被称为病态反问题——同一个结果可能对应无数个原因。画面中手按下去、布料凹陷一块，但用了多少牛、接触面积多大、材料刚度多少、摩擦系数多少，全是未知数。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。多提供十倍视频，也无法补回画面中原本不存在的信息。

而更值得注意的是：这条路，格物通智并非第一个走。

破晓智能——创始人杨朔，1998年出生，哈工大（深圳）长聘教授——就在做同一方向的工作。它的TouchAnything模型，正是训练模型从普通第一人称视频中恢复双手的压力分布。而且它给出了精度数据：在真实物体上的接触力图估计误差约为0.56牛，而此前最好的方法是2.1牛，提升了近四倍。需要说明的是，这是公开的研究成果，并非已量产的产品指标，但它至少证明了这条路在精度上是可行的。

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

而行业里还有一句针锋相对的话。千觉机器人的马道林表示：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中“白嫖”，那么Real to Sim就是在做一件行业顶尖研究者认为不成立的事。

因此，它面对的不是一条无人走过的路，恰恰相反，这条路上已经有人跑出了成绩，胜负尚未分晓。格物通智站在其中一边，但并非这一边的领先者。

四、无法回避的硬件挑战，以及它真正的机会

再看它的能力结构，问题更清晰。

触觉数据要落地，最终必须依托传感器。而格物通智目前还没有自己的传感器。触觉传感器有若干互不兼容的路线——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。更换一种传感器，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，上游已经在向下游延伸。他山建设了两大触觉数据采集中心，帕西尼建设了1.2万平方米数据工厂，戴盟开发了VTLA模型和评测基准——传感器厂商自身也在做数据和模型，而且它们有硬件、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——本体厂不会把所有鸡蛋放在一个篮子里。

于是，格物通智的位置就显得尴尬：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。它想占据的那一层，正好被夹在中间。

还有一笔账需要算。为创始人蔡佳作背书的有一条：“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。万卡集群仅算力硬件就需要十几亿到几十亿的量级，而它这轮拿到的只是近亿元——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，硬件已经打磨了五到十年。而格物通智现在才启动“硬件与本体构建”。

这意味着，它要在一个别人已经建好产线、跑通良率、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”的差距，不是近亿元能一次性填平的。

所以，它真正的赌注在于，在硬件补上之前，先让数据这一层成为别人绕不开的东西——硬件重不重要，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，也不等于没有牌可打。

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经挤满了人，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。

但它现在讲述的故事是：做具身大脑，进入工业场景，一个个项目交付。

这是项目制生意：每个客户需要定制、驻场、调试、验收，收入线性增长、人力投入密集。两条路的估值逻辑完全不同，前者按平台估值，后者按订单估值。

与匹克的合作最具代表性——匹克投资是此轮资方，同时与它签订了战略合作，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的道理一样：订单是市场对技术的认可，还是股东对早期项目的照顾，在早期很难分辨。

蔡佳表示，公司最看重的指标不是精度或成功率，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，谈复购是在谈论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、人才基金加入，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”。有了腿，缺手，所以它被引进杭州来补这一环。

这也解释了“成立两个月拿到近亿元”的速度：这笔钱中有一部分是产业招商的资金，不完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”这一环得有人补齐。

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道关口。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，拿到近亿元，传感器、本体、数据工厂都还没有，创始人拥有一份很硬的履历和一条尚未被验证的方法。它打算用这笔钱补齐硬件，但硬件这堂课，别人已经上了很多年。

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——那么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，会转移到数据和模型这一层。

从这个角度，它先将精力放在数据上、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巧：传感器厂商建设一个数据工厂需要几亿，它只要几百张卡就能开始尝试，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，它就只是被夹在上下游之间，看着两边把各自的事情做完，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。通过九游娱乐登录，用户可以获取更多关于机器人触觉技术的最新动态。