藏在机器人指尖的AI底座：一家触觉公司的野心｜甲子光年

触觉正在从一个传感器问题，变成一个系统问题。

作者｜寇雨然

作者｜王博

今年年初，一位在硅谷做具身智能研究的朋友和「甲子光年」聊到机器人感知问题时，说了一句话：“Tactileless is the new blindness（没有触觉，是一种新的失明）。”

但这种“失明”并没有那么容易被察觉。

多模态大模型和CV技术的进步，让机器人越来越擅长“看”。它可以识别桌上的杯子，判断物体的位置，理解自然语言指令，再规划出一条看起来合理的运动轨迹。

但当机器人真正伸出手，问题开始变得复杂。

在2026世界人工智能大会（WAIC 2026）上，「甲子光年」现场看到了大量机器人演示：有的机器人可以准确地把手移动到纸杯旁，却未必知道自己捏得太紧；有的机器人可以看见两张叠在一起的纸，却很难判断指尖究竟有没有把它们分开；有的机器人可以完成一次漂亮的抓取，但当物体突然滑动、变形或者受力状态发生变化时，视觉反馈往往已经慢了一拍。

但是，人类对此几乎没有感觉。

拿起一个快要滑落的杯子时，我们甚至来不及“想”，手指就已经增加了力。触碰一个滚烫的物体时，手也常常先缩回来，大脑随后才意识到发生了什么。

这些发生在接触瞬间的信息，构成了人类理解物理世界最基础的一层，这也是人类的“本能”。

如今，机器人产业正在补上这一课。

2026年以来，触觉突然成为具身智能最拥挤的方向之一。从机器人本体、灵巧手，到传感器、数据采集和模型公司，越来越多玩家开始讨论同一个问题：机器人想真正进入物理世界，只靠视觉还不够。

不过，行业很快遇到了一个更加棘手的问题：给机器人装上触觉传感器，它就真的拥有触觉了吗？

1.更多数据，有时反而让机器人变笨

今年6月，一项名为T-Rex的研究给出了一个颇具反差的答案。

这项工作由李飞飞、Pieter Abbeel、Jitendra Malik等研究者参与，专门研究机器人如何利用触觉完成翻书页、分纸杯、拧灯泡等高度依赖接触和力度控制的任务。

实验中，原本的π0.5模型在12项任务上的平均成功率为17%。研究者直接把触觉数据加入模型后，成功率没有提高，反而下降到了6%。

更多信息，带来了更差的结果。

真正的变化发生在研究者重新设计了触觉进入模型的方式之后。

T-Rex构建了100小时触觉同步数据，并使用独立的触觉编码方式和可变速率的模型架构，将相对低频的任务规划与高频触觉反馈进行解耦。最终，T-Rex在12项任务中的平均成功率达到65%，比此前最强基线高出30个百分点。

这个实验揭示了具身智能发展到今天，一个越来越重要的问题：触觉很难作为一个新的输入框，被简单添加到原有的机器人模型中。

视觉、语言和触觉生长在完全不同的时间尺度上。

摄像头负责告诉机器人“这是什么”“在哪里”；触觉面对的则是另外一些问题：有没有接触、抓稳了吗、物体正在滑动吗、力度是否已经越过安全边界。

这些变化可能发生在非常短的时间里。

因此，触觉需要高频采集，需要低延迟计算，需要和动作实时闭环；到了训练阶段，还涉及触觉数据怎样表示、怎样和视觉及动作同步、怎样进入模型。

机器人缺失的，逐渐不再只是一种感官，它们缺少的是从触觉信号产生，到数据形成，再到模型理解和动作反馈的一整条链路。

整条链路大致可以分为三层：

• 第一层是数据的生产者，也就是传感器、触觉芯片、数采设备，决定了数据的质量；

• 第二层是数据的使用者，也就是模型、训练范式，决定了数据能不能转化为具身机器人大脑的能力；

• 第三层最终的应用场景，决定了触觉落地带来的商业价值。

触觉反馈系统，图片来源：「甲子光年」制图

这也解释了触觉赛道出现的一个有趣现象：一些原本做传感器的公司开始越做越“重”。

芯片、数采设备、模型、训练平台，甚至强化学习，逐渐进入它们的业务边界。

看起来像一场不断扩张的军备竞赛，背后其实对应着一个更基础的问题：触觉怎样才能真正转化成机器人的能力？

2.为什么触觉公司开始走向“全栈”？

他山科技正是其中一个典型样本。

如果只看出货量，它很容易被理解成一家触觉传感器公司。

据新华网报道，他山科技已占据人形机器人触觉传感器超80%市场份额。「甲子光年」了解到，目前他山科技公开合作伙伴包括星动纪元、银河通用、自变量、因时机器人、强脑科技、灵巧智能等。

但如果观察他山科技近两年的产品布局，会发现它正在主动越过传感器这条边界。

从自研触觉芯片，到触觉传感器、数采设备，再到模型、强化学习和真实场景应用，他山试图搭建一条完整的触觉技术栈。

这是理解他山的关键。

触觉传感器首先是一个感知器件，但进入具身智能时代之后，它同时成为了一台数据生产设备。

触觉传感器作为数据源头，必须确保数据质量，否则后面的环节都没有意义，行业里有句调侃的话是“Garbage in,Garbage out（垃圾进，垃圾出）”。

要从源头确保数据质量，传感器的鲁棒性和稳定性就是必须关注的指标。

鲁棒性指的是在复杂工况，低温高温、电磁干扰等环境中保持稳定的能力。真实落地场景和实验室中的理想环境有着本质差异，而鲁棒性则是检验从实验室Demo到落地产品的关键指标。如果在真实场景中环境温度略有变化，输出的信号就发生漂移，这种误差较大的数据就会对“大脑”造成误导。

稳定性主要体现在重复测量一致性，就是同样给传感器15N的力，每次测量结果都是在可接受范围内，比如15.1N，数据一致性就是好的。如果这次13N，下次17N，再测又变成了14N，那就代表数据一致性不好。如果传感器本身的一致性差，数据不准确，得到的数据有太多的硬件噪声，那么模型基于这种质量差的数据，就很难学到东西。

他山科技在鲁棒性上，不局限于实验室或室内单一场景，延伸至室外复杂工况与水下环境，提升全场景适应能力；在稳定性上，着重提升重复测量一致性，传感器多次测量标准差≤0.03，线性拟合优度 R²≥99.9%，可以为具身智能提供稳定、可信、可复现的高质量训练数据。

在传统自动化时代，人们关心传感器是否能够完成一次测量；进入具身智能时代之后，还要关心它长期生产出来的数据，能不能被模型学习。

这也是全栈的第一层逻辑：模型能力的上限，有时在数据进入模型之前就已经被决定了。

但把触觉准确地感知出来，只完成了第一步。

接下来的问题是速度。

触觉和物理控制之间的关系，要比视觉更紧密。当杯子已经开始从指尖滑落，或者机械臂碰到一个意料之外的障碍，机器人需要在非常短的时间里感知变化并调整动作。

如果所有触觉数据都先上传到中央“大脑”，等待模型完成推理，再把控制命令传回来，这条路径很容易变得太长，机器人的反应也会变慢。

如何解决这一问题？他山科技在WAIC 2026期间发布的自研绿宝石E10A芯片，给出了一条从底层重构的路径。

E10A的架构中，自研ASC（模拟脉冲转换模块）将触觉信号直接转为脉冲信号，越过中央主控，直接进入本地路由与控制，压缩了传统方案中信号处理的链路。

触觉信号路径对比，图片来源：「甲子光年」制图

同时配合“变化触发、稀疏计算”的事件驱动机制，让芯片只在接触发生、物理量产生变化时才被“唤醒”处理数据，把功耗和带宽集中在发生接触的局部区域。

从结果上看，E10A在保持300kHz高采样率同时，将待机功耗控制在了10μW以下。

但事件驱动也存在局限性，它只在“接触发生后”才能触发信号，这就带来了一定的数据滞后。而在高速的机械臂运动中，等碰到物体再做出反应，往往已经来不及了。

但在这里，他山所采用的电容式触觉传感器方案，刚好与其芯片的事件驱动方式形成互补。

电容方案自带一个特性：“接近觉”。由于它是基于电场变化来感知的，这就意味着当灵巧手在靠近物体时，电场的变化就已经提前唤醒了芯片的事件触发机制，抵消了事件驱动的滞后性。

「甲子光年」认为，这些参数背后的思路，比参数本身更值得关注。

他山希望把一部分感知和控制能力，从机器人的中央大脑下沉到更靠近触觉发生的位置。

这有些类似人类的反射系统。

当手突然碰到滚烫的物体时，身体没有必要等待大脑皮层完成复杂分析，再决定是否缩手。很多快速反应能够通过更靠近末端的神经系统完成。

对应到机器人身上，一种可能的架构也开始出现：高层模型负责理解任务、规划动作；分布式的小模型和芯片，则负责处理高频、局部、和物理安全高度相关的反馈。

触觉信号能够被准确、快速地感知之后，下一个问题是如何把它变成真正可训练的数据。

相比视觉数据，触觉数据更容易在采集环节发生失真：采集设备过重，会改变人的手部重心、发力方式和运动轨迹；不同模态之间又存在天然的频率和坐标差异，如果视觉、触觉、动作和语言无法在时间与空间上准确对齐，模型看到的就可能是“视觉已经碰到杯子，触觉却晚了半秒才出现”的错误因果关系。

对于具身智能来说，数采设备因此不只是一个记录工具，它实际上决定了触觉经验能否被完整地保留下来，并进一步进入模型。

他山的TS-ECHO触觉感知指套，也是在解决这一层的问题。为了尽量减少采集设备对人的动作干扰，其重量被控制在100克以内；底层结合电容式触觉传感器与E10A芯片，最小触发力和测力分辨率达到0.01N，并通过百万次工业级耐久测试来保证长期采集中的数据一致性。

TS-ECHO触觉感知指套，图片来源：他山科技

更关键的是，它支持将触觉与视觉、动作、语言等信息进行实时同步，让原本分散在不同时间尺度上的数据形成可以直接用于多模态训练的完整样本。

数采解决的是“数据能不能被完整留下来”，再往下一层，问题就变成了：模型究竟该怎样使用这些触觉数据。

在这一点上，他山给出了一个和行业常规VLTA融合思路有所不同的答案：触觉需要自己的模型，也需要一条更高频的处理通路。

原因并不复杂。视觉更适合完成目标识别、场景理解和任务规划，变化频率相对较低；触觉面对的却是接触、滑动、受力突变等瞬时状态，往往需要在更短时间内完成判断和反馈。如果把两类信息完全放进同一套处理节奏里，高频触觉很容易被低频视觉“拖慢”，甚至变成模型里的额外噪声。

这也是他山提出“触觉小脑”思路的出发点：将一部分高频触觉感知、判断和控制下沉到更靠近末端的位置，让触觉拥有相对独立的模型和反馈回路，而高层模型继续负责更复杂的任务理解与规划。

李飞飞团队在今年6月发表的T-Rex论文中，也为触觉开辟了独立模型和高频的反应通路，并证明了仅仅将触觉直接加到视觉数据上，效果反而会变差。

但这还不是终点。

传感器解决机器人能不能感受到世界，芯片解决它能不能及时反应，数据和模型解决它能不能从过去的经验中学习。接下来还有一道更难的题：机器人能不能在真实世界里，自己获得新的经验？

3.机器人真正缺少的，可能是“经验”

这也是理查德·萨顿（Richard Sutton）过去几十年不断研究的问题。

2024年，萨顿与安德鲁·巴托（Andrew Barto）共同获得图灵奖。ACM给出的获奖理由是，他们奠定了强化学习的概念与算法基础。强化学习最核心的思想之一，就是让智能体在与环境不断交互的过程中，根据反馈调整自己的行为。

这套思想进入物理AI之后，产生了非常直接的现实意义。

大语言模型可以从人类过去几十年写下的文本中获得大量经验，但机器人的很多经验却很难提前存在于互联网里。

一个杯子究竟有多重，一块海绵被捏之后怎样变形，轮胎和地面的摩擦力在什么情况下会突然变化，两张纸叠在一起时指尖需要施加多大的力。这些关于物理世界的知识，最终都要通过身体和真实环境发生交互才能获得。

而身体与世界真正发生物理作用的位置，很大程度上就在“接触”。

今年6月，萨顿与他山科技联合共建的“机器人幼儿园”正式揭牌。

萨顿教授认为，机器人必须通过交互学习，通过试错在整个部署的生命周期中实现持续学习，像婴儿一样，从经验的积累、成长当中逐渐地一步步学习。他强调，与他山科技共建的机器人幼儿园实际上是基于这样强大的理念，让机器人在没有人类示例的情况下能够在线学习，“这也是人工智能的一个梦想。”

2024年图灵奖得主、Openmind全球研究院首席科学家理查德·萨顿（Richard Sutton），图片来源：他山科技

双方正在共同探索“机器人幼儿园”就是让机器人在真实物理环境里持续交互、试错和学习，并研究强化学习在真机上的训练范式。

“幼儿园”这个名字其实很形象。

一个孩子理解世界，并不需要有人提前告诉他所有物理规律。

他会抓、捏、推、拉，会把东西扔到地上，会摔倒，再慢慢建立关于重量、摩擦、材质、平衡和因果关系的理解。

机器人最终可能也要经历类似的过程。

问题在于，人类小孩轻轻摔一跤通常还能爬起来，一台昂贵的机器人却未必经得起数万次随机探索。

这是真机强化学习长期面对的一个矛盾：智能体必须探索才能获得新的经验，但真实世界中的探索存在成本和安全边界。

机器人幼儿园，图片来源：他山科技

当然，仿真可以解决一部分问题，但触觉恰好又是最难被完整仿真的模态之一。

微观摩擦、柔性材料形变、接触面的细微变化，都可能造成Sim-to-Real Gap。策略在仿真环境里成立，进入真实世界之后依然可能失效。

因此，他山在“机器人幼儿园”里尝试的另一件事，是让高频触觉感知和底层控制承担一部分安全约束。

当异常碰撞或者受力快速变化时，更靠近末端的触觉系统可以更快响应，让机器人在真实世界探索时拥有更密集的物理反馈。

“我们选择他山，是因为他们对触觉的专注，以及与我们共同相信经验学习的力量。”萨顿坦言，他山科技在触觉感知上的深耕，尤其是对试错学习理念的共鸣与快速行动，是双方共建机器人幼儿园的核心原因。「甲子光年」了解到，“机器人幼儿园”将于9月1日正式开园。

沿着这个方向看，他山做传感器、芯片、数采、模型和强化学习之间，就有了一条统一的逻辑。

它们都服务于同一个目标：让机器人从物理世界获得经验，并把经验变成下一次行动的能力。

4.全栈是一道壁垒，也是一场更难的考试

今年，《福布斯》将他山科技放入了“AI底座”类别，与寒武纪、火山引擎、摩尔线程等并列。

2026福布斯中国AI企业TOP 50盘点，图片来源：福布斯中国（经局部放大处理）

相比一个榜单标签，这个分类更值得注意的地方，在于它恰好对应了触觉行业正在发生的变化。

当一个产业足够成熟时，上下游通常会高度分工。但在一个技术范式刚刚建立的阶段，情况常常相反。

标准尚未形成，数据格式没有统一，模型架构还在快速变化，甚至什么样的触觉信息真正有价值，行业都没有完全形成共识。此时，任何一个环节的问题，都可能让整条链路失效。

这也是为什么他山选择了一条更重的路线：从传感器、芯片、数采设备一路做到算法模型、训练范式与场景应用。

「甲子光年」认为，这种全栈布局有明显优势。一家同时理解传感器、芯片和模型的公司，可以根据模型需要反向定义硬件，也可以根据硬件产生的数据重新设计算法；真实场景产生的新问题，又能够继续反馈到下一代传感器和芯片。

这实际上是一种软硬件共同迭代的数据飞轮。

但“全栈”同样意味着更高的难度。芯片、传感器、数据、模型和应用，本身就是数个完全不同的产业。每向前走一步，对人才、研发投入、工程能力和商业化能力的要求都会增加。

更重要的是，真正的基础设施最终还需要回答一个问题：它能够被多少人使用？

如果未来每一种灵巧手都使用不同的触觉协议，每一个机器人平台都需要重新适配，每一种模型都只能依赖特定硬件产生的数据，那么全栈很容易变成一个封闭系统。

反过来，如果底层芯片、传感器、数据接口和模型能力逐渐形成可以被不同机器人、本体和开发者调用的标准能力，“触觉底座”才会拥有更大的产业价值。

所以，对他山而言，80%的指尖触觉传感器市场份额只是第一阶段的答案。

接下来更值得观察的是：它能否把一家传感器公司的规模优势，转换成芯片、数据和模型之间的系统优势；再进一步，把这套系统能力变成行业能够共同使用的基础设施。

今天的机器人越来越会看、会听、会理解语言。下一步，它们开始学习怎样真正地接触世界。

而从“碰到一个东西”，到“理解这次接触意味着什么”，中间还有很长的一段距离。

触觉产业真正的机会，或许就藏在这段距离里。

基础设施的终局，通常不在于自己完成所有事情，而在于让越来越多的事情，可以建立在自己之上。

（封面图来源：电影《角斗士2》）