视觉失效之后，触觉如何补上具身智能的「最后一厘米」？| GAIR Live 032

视觉无法做到的，触觉正在为具身智能通往灵巧操作铺平“最后一厘米”。

编辑丨岑峰

在刚刚结束的机器人领域顶级学术盛会 ICRA 2026 上，一个清晰的信号浮出水面：具身智能正从“视觉主导”跨入“视触融合”的新阶段。

过去十年，深度学习与计算机视觉赋予了机器人一双明亮的“眼睛”，让它们能够识别万物、规划路径。但当视角拉近，进入与物体直接接触的微观距离时，传统的视觉范式开始显得捉襟见肘。

在具身智能尝试系纽扣、装配零件或拿起一颗熟透的草莓时，开发者们发现，仅仅靠“看”是不够的。当手部靠近物体，视觉遮挡与光影变换让这“最后一厘米”成为了通往灵巧操作的深重鸿沟。

这一背景下，具身智能的竞争焦点正在下移。触觉，这个长期处于边缘地位的感知维度，在 2026 年迎来了它的“大模型时刻”。

为了拆解这“最后一厘米”背后的技术逻辑与产业真相，GAIR Live 线上圆桌邀请了三位触觉感知领域的顶尖实践者。他们分别是：

• 模量科技首席科学家、联合创始人高立波；

• 超维传感 CEO 李炎辉；

• 千觉机器人 CTO 赵浩南。

在这场90 分钟的深度对话中，三位嘉宾围绕触觉的本质、技术路线的博弈、数据稀缺的破局以及商业化的爆发点展开了硬核碰撞。

▎亮点金句：触觉是机器感知物理世界的“灵魂”

高立波指出：“触觉是具身智能从数字时代跨越到物理现实最关键的桥梁。视觉负责‘看’和‘预判’，触觉负责‘校验’和‘稳固’。当机器人从观察世界转向改变世界时，没有反馈的动作是不可逆的失误。”他强调，触觉的引入不仅是硬件补齐，更是 AI 理解物理世界逻辑的质变——AI 必须在接触、摩擦和受力变形的响应中学习“物理常识”。

赵浩南则从执行端给出了精准的论断：“没有触觉的灵巧手，只是一个‘高级夹具’。”他认为视觉在“最后一厘米”面临三大死穴：遮挡问题、状态感知缺失和高频反馈迟滞。在最后的一厘米内，视觉信号可能毫无变化，但手内的受力状态可能已发生巨变，这决定了任务的成败。

李炎辉凭借深厚的产业化背景，提出了“触觉基础设施”的概念。他认为，目前行业正处于“大脑（语义规划）+小脑（触觉闭环）”的分层架构探索期。未来的关键在于触觉信息的“同构化”与“标准化”：“位置、力控、震动、温度是机器人理解世界的原生逻辑，只有产出稳定、无畸变的特征向量，触觉大模型才能真正跑通。”

▎核心博弈：在物理极限与商业成本间寻找通途

圆桌还深入探讨了触觉感知目前面临的三重挑战：

1. 物理的天花板：电子皮肤如何实现“人皮级”性能？高立波详细拆解了灵敏度与量程、柔性与稳定性、以及单点与阵列一致性之间的三大矛盾。他认为，行业指标正从单纯的分辨率转向“高保真度”和“低串扰”。

2. 路线的博弈：面对视触觉（光学）、压阻、电容、压电等路径，产业界尚未达成共识。李炎辉提出的“刚柔结合”范式，试图在实验室的高灵敏度与工业级的长寿命之间寻求最优解，将触觉传感器从昂贵的设备转变为低成本的基础设施。

3. 数据的稀缺：触觉数据无法像视觉数据那样通过互联网大规模爬取，其增长受限于昂贵的物理交互成本。赵浩南分享了千觉在构建“触觉编码器”上的尝试，即通过将不同物理机理的信号映射到统一的高维隐空间，实现与视觉、语言信息的对齐。

三位嘉宾一致认为，触觉的大规模爆发已处于“万事俱备，只欠场景”的阶段。工业精密装配、AI 智能穿戴以及情感陪伴机器人，将是第一批“吃螃蟹”的领域。而终极战场则在于非结构化环境下的家庭服务。

中国凭借完善的产业链和极快的工程迭代速度，在这一赛道具备独特优势。但要真正实现“规模化上车”，仍需在专用芯片（ASIC）、高强度材料以及行业标准化上实现突破。

当视觉与触觉在大模型范式下实现深度融合，机器人与物理世界的距离，才真正缩短到了那最后的“一厘米”。

以下是此次圆桌讨论的精彩分享，AI 科技评论进行了不改原意的编辑整理：

主持人（岑峰）：各位观众晚上好。在刚结束的机器人顶会 ICRA 2026 上，一个显著的信号是：机器人正从“视觉主导”跨入“视触融合”的新阶段。过去十年，视觉赋予了机器人“眼睛”，但在具身智能尝试系纽扣、装配零件或拿起草莓等精细动作时，仅靠“看”是不够的。当手部靠近物体，视觉遮挡与光影变换让这“最后一厘米”成为了通往灵巧操作的深重鸿沟。

如何赋予机器人细腻且坚韧的皮肤？触觉数据的大模型时刻何时到来？今天我们邀请了三位触觉感知的领航者：模量科技首席科学家高立波老师、千觉机器人 CTO 赵浩南老师，以及超维传感 CEO 李炎辉老师，共同拆解这“最后一厘米”的奥秘。

下面有请三位嘉宾做一个简单的自我介绍，并结合自己的研究讲述，对“最后一厘米”的判断。

高立波：我是深圳模量科技公司的联合创始人和首席科学家，另外还有个身份是厦门大学智能制造学院的教授博导。我长期深耕柔性压力及 MEMS 压力传感器领域，重点研发基于离子和电子混合机理的压力触觉传感器。

触觉感知是具身智能从数字时代跨越到物理现实最关键的桥梁。目前市场处于百花齐放的阶段，压阻、电容、视触觉、霍尔效应等技术路径并行，尚未实现技术收敛。我认为打破“最后一厘米”鸿沟的关键在于：如何实现传感器的批量化生产、保持长期稳定性，并确保获取的触觉数据对机器人决策真正“有用”。

赵浩南：我是千觉机器人的联合创始人和CTO，千觉机器人致力于让机器人真正理解并控制“接触”。我们的工作涵盖三个层面：一是硬件，研发指尖高分辨率视触觉传感器及覆盖全身的柔性电子皮肤；二是数据，建立包含视觉、动作、机器状态及触觉的完整物理交互数据链路；三是模型，将触觉引入精密装配与灵巧操作的闭环。

“最后一厘米”代表着机器人从“看见并接近物体”到“产生物理交互”的临界点。这意味着三个转变：从单纯的动作模拟转向稳定、可靠的任务完成；从仅学习成功案例转向从失败的接触中实现智能涌现。

李炎辉：我是来自超维传感的李炎辉，超维传感团队拥有十余年消费电子柔性压力传感器开发经验，曾为苹果、华为等巨头累计交付数亿颗柔性压力传感器。我们公司去年成立，专门针对机器人灵巧手研发触觉产品。

我们认为触觉传感器提供的“力控信息”对提升 AI 操作的一致性与稳定性至关重要。除了位置信息，未来的传感器还需整合振动、温度等多维数据。超维的目标是成为 VTLA（视觉-触觉-语言-动作）大模型时代的触觉基础设施，通过提供高一致性、高可靠性的高质量数据，赋能具身智能的进化。

01

趋势与本质：为什么触觉成为了具身智能的命门

岑峰：三位嘉宾的发言勾勒出了清晰的行业轮廓：“最后一厘米”不仅是物理尺度，更是信息传递的升维。当视觉在近距离失效时，触觉将成为核心补充。这种对触觉价值的重估，正是 ICRA 2026 达成的最深刻行业共识。 触觉已从具身智能的“选配件”转变为“必备项”。我们首先探讨这一共识背后的逻辑：为什么触觉会在当下成为具身智能大模型的核心命门？是硬件技术的补齐，还是人工智能理解世界的逻辑发生了转变？

高立波：“触觉是命门”的说法很有道理，但需要更谨慎的表述。这并非视觉不再重要，而是当机器人从“观察世界”转向“改变世界”时，单纯依靠视觉已不足以支撑。

过去几年，视觉语言模型和导航技术让机器人能更好地理解场景并规划动作。但进入“最后一厘米”后，问题性质变了。比如抓取柔软物体、插入精密零件、拧开瓶盖或捏起细针，任务成功的关键不在于“看到了什么”，而在于：是否接触到了？接触力是否合适？物体是否在滑动或变形？下一步该施加多少力？

这些信息在很多时候是视觉无法捕捉的，或者说，当视觉观察到失误时，结果已不可逆。因此，触觉的引入不仅是硬件补充，更是具身智能理解物理世界逻辑的质变。过去 AI 在图像、语言和数学符号空间学习；现在，它必须在接触、摩擦、受力变形的响应中理解现实。触觉提供了机器人作用于环境后的实时反馈。视觉负责“看”和“预判”，触觉负责“校验”和“稳固”。

目前触觉被高度重视，得益于三个条件的成熟：

1. 制造技术进步：柔性材料、微纳加工工艺的提升，使国产柔性传感器在性能上已不逊于国外。

2. 数据需求爆发：具身大模型需要真实的物理交互数据，触觉成了不可或缺的数据源。

3. 应用场景倒逼：灵巧手逐渐进入真实任务，迫使传感器必须从实验室指标走向系统级可靠性。触觉的最终价值是让机器人更稳定、更安全、更精细地与物理世界交互。

岑峰：谢谢高老师，高老师讲了触觉被高度重视的三个宏观条件，接下来我们来从微观角度提问：从执行端看，处理捏针、系扣子等任务时，视觉的盲区在哪里？为什么说没有触觉的灵巧手只是一个“高级夹具”？

赵浩南：传统夹爪适合结构化、标准化的工业抓取，成本低且稳定。但具身智能的目标是走进家庭、医疗等非结构化环境。夹爪无法完成捏、拔、拧、插等复杂动作，其灵活性受限。灵巧手的核心价值在于丰富的动作空间，能适应多样化的物体。

在“最后一厘米”的精细操作中，视觉存在三大局限：

1. 遮挡问题：灵巧手自由度多，很多接触发生在手指内部，视觉会被手指或物体遮挡，无法观测核心接触区。

2. 状态感知缺失：接触力大小、物体滑移倾向、插拔时的微调、柔软物体的形变，这些关键状态无法通过像素直接“看”出来，必须依赖触觉。

3. 高频反馈迟滞：视觉看到的往往是“结果”（如物体已掉落），而触觉能感知微小的滑动，从而实现更高频、更精细的控制闭环。

在最后的一厘米，视觉信号的变化微乎其微，但手内的受力状态可能已发生巨变。没有触觉的灵巧手，其控制闭环是不完整的。

岑峰：以前触觉需求多为避障或测力，现在客户对传感器的诉求是否已演进到了材质识别、粗糙度等“触觉语义”阶段？

李炎辉：确实。以前的任务单纯，现在追求通用泛化。目前主流的技术共识是“大脑（顶级语义规划模型）+小脑（触觉实时感知执行）”的分层架构。大脑负责低频、长程的理解与规划；小脑解决微秒或毫秒级的触觉闭环。

虽然目前很多研究（如李飞飞团队的 T-REX 模型）倾向于将触觉信号翻译成“打滑”、“握紧”等模型易理解的文字标签（离散词汇），但我认为这只是中间形态。未来一定会跳过文字标签，直接输出位置、压力、震动等结构化数据来驱动控制，这样效率更高。

目前最大的困难在于触觉信息的异构化。由于各家传感器的技术路线不同（视触觉、压阻、电容等），导致模型很难以统一的方式理解接触状态。 下一步的关键是触觉信息的同构化与标准化。超维传感致力于输出高一致性、高可靠性的物理特征。我们认为位置信息、力控、震动、温度是机器人理解世界原生的“触觉逻辑”，是独立于语言之外的存在。只有产出稳定、无畸变的触觉特征向量，大模型才能真正用起来，支撑具身智能完成柔顺交互的实操任务。

02

技术路径

岑峰：三位老师刚才从宏观与微观维度达成了重要共识：触觉不再是机器人的“补丁”，而是必争之地。接下来的核心问题是：我们应以何种方式实现触觉感知？这背后涉及复杂的工程权衡。

首先请教高立波老师。电子皮肤追求像人皮一样兼具柔性、高灵敏度与超大阵列。在微纳加工与材料学层面，实现几千个通道的触觉阵列，目前面临的“物理天花板”是什么？对于数据的理解，各家侧重点有何异同？

高立波：从学术与前沿研发的角度看，电子皮肤要实现“人皮级”性能，最大的挑战不在于单纯增加像素点，而在于：如何让数千个感知单元在复杂的机械形变下，依然维持性能的独立性与稳定性。

目前的柔性压力传感器在提升量程与灵敏度时，普遍面临三大矛盾：

1. 灵敏度与量程的矛盾：许多结构在低压区极其灵敏，但面对机器人操作中可能出现的极端压力时，极易陷入饱和，失去响应能力。

2. 柔性与稳定性的矛盾：电子皮肤需要薄、软、可吸附，但材料越软，其蠕变、迟滞、机械疲劳以及对温湿度的敏感性就越明显。相比成熟的硅基传感器，如何让柔性器件在长期服役中保持基线稳定，是行业的头号难题。

3. 单点与阵列一致性的矛盾：实验室里做一个点很容易，但集成几千个单元时，封装应力、加工误差和基线漂移会被无限放大。

此外，“串扰（Crosstalk）”是必须跨越的障碍。它包括电学串扰（如寄生电容、行列扫描干扰）和力学串扰（柔软材料受压时的应力传递）。单纯依靠后端算法校正是不够的。模量科技目前的思路是从材料、电路到算法全方位发力：通过引入特殊的“间隔层”封装，确保单元间的信号独立。目前我们已能实现每平方厘米近 400 个集成单元，并向 1000 个单元的极限冲刺。

我想强调的是，我们不应只关注“做了多少个点”，而应关注这些点能否形成一个真实、连续、可重复的时空压力场。电子皮肤的指标正从单纯的分辨率，转向高保真度、低串扰以及大规模批量生产的一致性。

岑峰：赵总，在灵巧手的系统集成中，如何解决“感知”与“结构”的矛盾？传感器越多，走线和功耗越复杂，是否会牺牲手的灵活性？

赵浩南：硬件架构的设计必须遵循“好钢用在刀刃上”的原则。灵巧手内部空间极度压缩，布满了电机、编码器和传动结构，触觉系统的介入绝不能干扰其原有的灵活度。

我们认为，理想的触觉架构应是非均匀分布的：

• 指尖区域：承担捏取、插拔、滑移控制等精密任务，需要极高的阵列密度和丰富的接触信息（如法向力、切向力）。这里适合集成高信息密度的触觉模块。

• 手掌与指节：主要负责包络抓取、碰撞检测和大面积感知。这部分对精度要求略低，更适合低成本、大面积覆盖的柔性皮肤。

在工程实操中，我们主张“早期介入”。不能等手设计完了再贴皮肤，而是在结构设计阶段就同步考虑走线、功耗和信号传输。同时，触觉是高磨损部件，指尖传感器必须具备模块化、快速更换和自动标定的功能。

目前的共识正从“堆数量”转向“抓质量”。在具身智能的现阶段，触觉数据的一致性与高质量，其权重远高于传感器的绝对数量。

岑峰：有观众问到目前触觉传感器的“主流技术路线”。李总，目前光学、压阻、压电、MEMS 等路径并存，您在路线选择上有何考量？如何权衡长寿命、易更换等工业指标？

李炎辉：坦率说，触觉感知领域目前没有绝对的主流。大家都在基于自身对物理世界的理解“添砖加瓦”，这反映出行业正处于爆发前夜。

底层物理量的感知不外乎“声光电热力磁”六大类，每种路径都有其物理局限性，很难出现单项技术的“六边形战士”：

• 光学方案（如视触觉）：像素密度极高（可达万级），但力控信息相对薄弱，且体积受限。

• 电容方案：擅长接近感知，但切向力感知不稳定，且标定困难。

• 压电方案（PVDF）：对瞬态震动极其灵敏，但难以感知持续的静压力和位置信息。

• 霍尔方案：近期热度高，但在复杂力控下的准确度仍需大量补偿算法。

超维传感之所以选择“融合感知（Multi-modal Fusion）”路线，是因为触觉本质上是位置、法向力、切向力、姿态、温度与震动的多维集合。没有任何一种单一技术能把这些全部特征做到极致。我们采用压阻加应变的方案，正是为了在保证指尖位置精度的同时，提供高一致性的力控数据。

在工业指标方面，寿命与柔性往往是相悖的。越柔性，越容易蠕变和损坏。我们的解法是“刚柔结合”：核心传感层采用相对刚性、成熟的工业路径保障长寿命，外层硅胶层设计为可消耗、易更换的结构，且更换后不影响标定精度。

具身智能要走向千家万户，触觉传感器必须从“昂贵的实验室设备”变为“高性能、低成本、工业级可靠”的基础设施。融合感知是目前通往这一目标的、最具落地潜力的范式。

03

算法与数据

岑峰：感谢三位老师。刚才我们拆解了硬件层面的路线选择，但百花齐放的硬件也给后端处理带来了巨大挑战。触觉信号不像图像那样标准，它高度多样化且数据稀缺。在视觉大模型已经非常强大的背景下，触觉如何作为有效补充，将琐碎的压力、震动信号高效“喂”给大脑，实现真正的视触融合？

接下来的环节，我们探讨灵巧手的硬件数据与通感智能。首先请教高立波老师：触觉信号极其庞杂，未来的触觉传感器是否需要走向“存算一体”或“类脑计算”的路径，在“皮肤”表面完成初步特征提取，而非将原始波形全部丢给中央处理器？

高立波：这是一个关乎传感器角色定义的关键问题。我个人认为，触觉传感器的未来必然走向一定程度的边缘计算与事件驱动感知。

但这并不意味着要把所有复杂的计算都压在皮肤表面。最合理的架构应该是：皮肤层完成“快速反射”，中央系统（大脑）完成“高层理解”。

触觉数据与视觉数据有显著区别。触觉中包含大量高频瞬态信号，比如接触瞬间的微小滑移、局部的机械冲击或震动。这些信号持续时间极短，但对抓取的稳定性和安全控制至关重要。如果我们采用大规模柔性阵列，让几千个感知单元持续输出高频原始波形并全部传给 CPU，将带来不可承受的数据带宽、通信延迟、功耗及计算负担。

因此，在传感器端或局部采集端进行初步特征提取极具价值。我们可以通过轻量化算法（如模拟前端、阈值触发、局部差分等），判断是否接触、定位接触中心、捕捉异常压力梯度等。这样，中央控制系统接收到的不再是枯燥的电压或电阻原始值，而是更接近任务语义的“触觉事件”。这种分层设计将触觉信号从“测量层”提升到了“语义层”。

模量科技正在研发的触觉采集系统正是遵循这一思路。我们同步采集柔性视触觉、织物压力、手部动作等信息，先在局部完成压力与位置特征的提取，再将这些特征与视觉、关节运动及本体信息共同送入上层模型。

当然，我也要强调，边缘计算并非触觉系统的唯一方向。电子皮肤的空间和散热能力极度受限，集成过多复杂芯片会影响柔性器件的贴附性和寿命。更现实的方案是功能分层：

• 指尖及高频操作区：配置较强的局部计算能力，应对精密控制。

• 大面积身体部位：侧重低功耗、低精度的力检测与安全响应。

• 大脑中枢：负责物体识别、策略生成及跨模态理解。 只有当触觉传感器不再输出单纯的波形，而是输出机器人可直接调用的状态量和事件信息时，它才真正成为了具身智能的一部分。

岑峰：赵总，视觉领域有海量互联网数据，而触觉数据极端稀缺且格式异构。在您的实践中，如何构建触觉训练的闭环？行业对触觉大模型有哪些核心要求？

赵浩南：千觉在触觉训练上的探索分为三个阶段。首先是聚焦单个传感器，验证VTLA（视触语言动作）模型的技术路线。其次是解决异构问题。由于传感器的物理机理各异，我们致力于开发通用的触觉编码器，将不同路线的触觉信号映射到一个统一的高维隐空间（Latent Space）中，从而实现与视觉、语言信息的对齐。最后是探讨如何将触觉深度接入 VLA（视觉-语言-动作）模型。

我们目前采用一种分层架构：顶层的大脑模型负责场景和语义理解；底层的小脑模型负责高频运动控制。这种架构下，触觉信息不需要在所有阶段无差别输入，而是有针对性地用于调整压力、滑移和接触状态。

关于“触觉统一基座模型”，我认为它很难独立存在。原因有二：

1. 数据增长瓶颈：触觉数据不仅现阶段规模小，且其增长速度受限于物理交互成本，无法像视觉数据那样通过简单的异构方案快速爆发。

2. 高度局部性：触觉信号极其依赖接触上下文。如果不知道正在接触什么物体、执行什么任务，一段孤立的压力波形是无法产生合理语义的。触觉模型很难在不结合视觉的情况下，独立实现完整的任务决策。

因此，我认为触觉基座模型的最终形态一定是视觉驱动的补充模式。它的基本功是必须具备“海纳百川”的能力，能够消化不同类型传感器的异构数据，并将其转化为大语言模型可处理的表征。

岑峰：李总，触觉传感器的标定（Calibration）一直是个痛点。随着使用磨损，精度难免漂移。在算法端，我们能否通过视触融合等技术弥补硬件的不稳定性？目前的跨模态对齐进展如何？

李炎辉：这个问题直击行业痛点。商业化落地的生命线就是高一致性与高可靠性。超维传感的应对策略分为硬、软两手：

• 硬件层面：采用更高端的材料、更严谨的制程工艺和苛刻的可靠性测试，从源头确保传感器的长期稳定性。

• 算法层面：在传感器端内置算法，解决基线长期漂移的问题，向游输出标准、稳定的信号。

至于利用视触融合或自监督学习来弥补硬件不确定性，我认为这是行业公认的正确路线。目前我们正与客户深度协作，探索如何利用视觉信息与触觉反馈进行互认证。在解决了最底层的硬件一致性后，多模态信息的互相印证将成为解决硬件不稳定的最后一道屏障。跨模态对齐虽然仍在演进中，但其方向是非常明确的：即用冗余的信息流构建确定性的交互感知。

04

产业与落地

岑峰：刚才的讨论让我们看到，触觉感知的曙光已现，但挑战依然严峻。长期以来，触觉传感器给行业的印象是“昂贵、娇贵、难量产”，这正是阻碍其规模化“上车”的最后一厘米。接下来的核心议题是产业落地的实战推演。

首先请教高立波老师，展望未来 3 到 5 年，全球触觉感知的竞争格局将如何演变？中国在供应链与应用场景上的优势明显，但还有哪些核心环节亟待补齐？

高立波：未来 3 到 5 年，触觉感知将从“技术验证阶段”转向“场景筛选与规模化验证阶段”。行业的关注点将不再单纯比拼灵敏度或分辨率，而是聚焦于谁能在机器人任务中保持长期稳定工作，并提供可接受的维护与更换成本。

在全球竞争格局中，我认为不会出现某种路径“大一统”的局面，而是根据应用场景形成技术组合：指尖操作需要高精细度，大面积皮肤侧重安全性，工业装配则强调耐用。光、压、电、离子电子及 MEMS 方案将长期共存。

中国的优势在于完善的产业链（材料、模具、柔性电路、整机）和丰富的落地场景（3C、物流、新能源、服务机器人），且工程迭代速度极快。但补齐核心环节依然紧迫：

1. 专用芯片（ASIC）：目前大多采用分立电路板采集，未来需要开发低噪声、多通道的专用集成芯片，实现传感器与电路的一体化融合。

2. 高端材料与工艺：研发更高稳定性的敏感材料、耐磨耐污染的封装材料，以及面向复杂曲面的可靠互联工艺。

3. 标准化与自动标定：目前行业缺乏统一国标，各家自说自话。我们需要建立自动化的标定体系与寿命预测模型，形成触觉硬件、数据、模型训练到接口的完整闭环。

岑峰：赵总，触觉传感器大规模爆发似乎正处于“万事俱备，只欠杀手级场景”的阶段。精密装配、医疗康复、人形机器人，谁会成为第一个吃螃蟹的领域？

赵浩南：判断一个场景是否属于“杀手级”，需考量三个条件：触觉是否不可替代、价值能否量化、能否规模化复制。

• 工业精密装配：这是目前的“第一现场”。在连接器插拔、柔性线缆整理等任务中，加入触觉能显著提升成功率。这种效率提升（如提高百分之几）极易量化，有助于决策者判断投入产出比。

• AI 智能硬件：随着多模态大模型的普及，AI 眼镜、耳机及可穿戴设备正在涌现。触觉模型与压感反馈结合，将产生全新的物理交互逻辑。

• 情感陪伴：对人类而言，抚摸与拥抱是情感感知的核心。触觉在陪伴类赛道中具备独特的情绪价值。

• 上限最高的家庭服务：这是非结构化环境的终局。处理玻璃杯等易碎品、应对物体的软硬摩擦，需要的是物理接触式的感知而非视觉，触觉在这里能显著提升安全边际。

• 医疗康复：手术机器人与康复设备单价高、壁垒深，虽然认证周期长，但商业价值极大。

岑峰：成本是落地的“紧箍咒”。李总，全触觉感知的灵巧手要降到什么价格，才能实现规模化替代？我们离消费级价格还有多远？

李炎辉：虽然目前具身行业首优是“跑通任务”，但成本门槛迟早要跨过去。我认为未来全触觉灵巧手的售价应降至 1 万元以内。具体到触觉传感器这一器件，整体成本应控制在数百元。

从消费电子行业的视角看，目前触觉传感器的单价贵得不可思议。其根源在于量太小：目前行业年需求量若达到 1 万只手，已是头部水平，这导致前期高昂的研发成本极难摊薄。

距离“消费级价格、工业级性能”有多远？我认为很快。随着模型端取得长足进步，灵巧手的应用场景会迅速打开，规模效应将带动成本急剧下探。在特定领域，这一过程可能只需 3 到 5 年；但若要真正走向千家万户，至少还需 10 年以上的深耕。

05

Q&A

岑峰：有观众提问：如何看最近头部触觉企业发布自研芯片？

李炎辉：商业逻辑上，做芯片是顺理成章的最终归宿。但从行业阶段来看，现在还为时过早。开芯片的前提是行业指标（spec）和神经网络的需求已经完全收敛、标准化。目前技术路线尚在快速迭代，贸然开片可能并不经济。等到某家模型用了特定的传感器数据产生了质变，那才是芯片发挥价值的时刻。

高立波：我赞同李总。未来的触觉芯片肯定是方向，但在各家传感路线尚未收敛、迭代极快的现阶段，通用芯片和可编程方案更具灵活性。只有当应用场景和量级稳定后，专用芯片在功耗、尺寸和实时性上的优势才会凸显。

赵浩南：自研芯片是趋势，但现阶段市场更关心的其实是标定算法、数据表征和量产的一致性。如果芯片能解决抗干扰、低时延等即时痛点，是有意义的；但目前我们还是根据市场需求走，保持观望。

岑峰：这场持续一个半小时的对话，让我们对触觉感知的“最后一厘米”有了全新认知。这不仅是物理维度的触碰，更是具身智能从“逻辑模拟”走向“物理常识”的关键跃迁。

触觉是机器人感知物理质感的灵魂。当视觉与触觉在大模型范式下实现深度融合，我们离“机器人像人一样在复杂环境中自由劳动”的愿景，就真的只剩下最后一厘米的距离。这不仅是技术的探讨，更是对未来生活的一场预演。感谢三位嘉宾的硬核分享，也感谢直播间的朋友。

Youtube链接：https://www.youtube.com/watch?v=eC2PKs8AuxM

上车，带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。