专访｜从全栈链路跑通的触觉，他山科技建了一个基础设施

作者：吕鑫燚

出品：具身研习社

具身智能已经走到一个关键节点，触觉成了具身智能落地阶段的高频词。

过去两年，VLA 的爆发让机器人拥有了“看懂”世界的能力。在视觉的加持下，它似乎已经足以完成大部分任务，至少在演示里是这样。但当行业试图从演示走向落地、从固定场景走向泛化操作时。触觉，这个感知物理世界实时反馈的能力，成了具身智能必须补上的一课。

这正是触觉加速形成产业共识的背景。在 2026 世界机器人大会的展馆里，共识几乎是有形的，几乎每一家灵巧手公司的展台，“搭载触觉传感器”都成了标配话术；触觉传感器厂商也层出不穷，家家都在讲让机器人“触摸世界”的故事。

他山科技的叙事逻辑不太一样。其没把参数当作唯一卖点，而是铺开了一条完整的能力链路，自研芯片、触觉模组、数据采集中心、工作站。与图灵奖得主、“强化学习之父”萨顿联合创办的“机器人幼儿园”，也在WRC展台上第一次被具象化展示，并在9月1号正式“开学”，机器人第一次大规模在真实世界中尝试、犯错、成长。

他山科技实际回答的是产业里一个根本性问题，触觉最大的瓶颈，从来不是单点能力，而是全链路的把控。

这是一道被严重低估的产业鸿沟。场景在等待的，是能把触觉从一项能力做成一层基础设施的公司。

具体而言，绝大多数团队能做出性能不错的实验室原型，却无法保证 100 万次按压后的输出一致性，更接不住客户从 10 套测试到 10000 套交付的跳跃。大量机器人已经装上了触觉传感器，却只把它当作“外接能力”，触觉数据没有进入训练闭环，更谈不上跨场景泛化。换句话说，行业已经解决了“触觉有没有”的问题，而“好不好用、能不能规模化”，才是真正的生死线。

跨过这道鸿沟的公司不多，2017 年成立的他山科技是其中之一。自研触觉芯片、车规级量产经验、超八成的细分市场份额，以及一条已经跑通的“芯片—模组—数据—场景”全栈链路，这些标签既是对他山科技阶段性的认可，也让其成为窥见触觉发展的范本。

当同行还在卷单一精度时，他山科技在建的，是触觉时代的基础设施。

在WRC前，具身智能触觉赛道，一直是两种对立声音共存的态势。

一边是坚定的看多者，他们相信触觉是机器人与物理世界交互的 “最后几厘米”，是通往通用具身智能的必经之路，没有触觉的机器人永远只能在预设场景里打转；另一边是怀疑论者，他们认为触觉不过是又一个被资本吹起来的短暂热点。

到了 2026 年的 WRC，触觉的重要性已经不再是争议的焦点，无论是灵巧手厂商、本体公司还是大脑模型团队，几乎都承认触觉是机器人落地阶段绕不过去的维度。真正的分歧，转移到了更深的层面，用什么样的技术路线获取触觉信息？以什么样的产业布局释放触觉价值？

展馆里的景象也印证了这种分歧。有人用视觉算法推导接触力；电容式、压电式、电阻式等不同路径的触觉传感器各执一词；有的公司只卖传感器模组，有的公司卖触觉数据，还有的公司试图从传感器一路做到灵巧手甚至机器人本体。

技术路线难以收敛，业务布局各有千秋，看起来触觉至今依旧是难以定义的赛道。

但如果从第一性原理出发，答案其实非常简单。触觉的本质，是机器人与物理世界进行实时交互的反馈闭环，它不是一个独立的传感器角色，也不是一组在表征阶段拼接的数据维度。如果一家公司只卖传感器或者触觉数据集，下游客户拿到的只是一个硬件零件、数据，算法、场景适配都要自己解决，那这条触觉链路从一开始就是割裂的，涌现不出真正属于触觉的智能。

由此可见，触觉的智能只能从一个完整的系统里生长出来。

这正是他山科技选择的路“全栈自研”。把芯片、模组、数据采集、训练范式做成一个整体系统。

硬件层，他山科技从 2017 年就开始自研触觉芯片。他山科技战略及海外业务总监陈近林对具身研习社表示，“触觉传感器的性能天花板，很大程度上由芯片决定” 。在电容式触觉传感器中，更多的电容通道、更快的响应频率、更低的功耗、更强的抗干扰能力，这些需求是通用传感器芯片无法满足的。自研芯片不仅提升了传感器性能，更保证了量产时的一致性和稳定性，这是外采芯片加硬件调试的路线永远无法突破的壁垒。如今，每一个他山传感器模组内部都包含自研芯片，构成了产品性能和一致性的基础保障。

数据层，他山科技一直在积极推动触觉数据建设，以北京的三期数据采集中心为例，他山科技不是简单地布置一些客厅、厨房、卧室等通用场景，更重要的是还原了大量来自下游工厂客户的真实诉求， 化纤工厂的丝筒装配拆卸、橡胶产线上柔性管的上下料、光模块检测环节的接插拔、湖北潜江小龙虾的虾头虾尾分离。

这些场景有一个共同点，传统视觉方案的成功率只有 60%-70%，而他山通过触觉加视觉数据的循环采集和模型训练，可以将成功率提升到 90% 以上，光模块接插拔场景甚至达到 99% 以上。这个过程的关键不是 “采集了多少数据”，而是形成了 “场景需求—数据采集—模型训练—场景验证—效率提升”的闭环。陈近林表示，他山科技先在单一场景实现成功率和效率的提升，再将不同场景积累的触觉数据融合泛化，最终让一整套触觉算法适配不同类型的场景。

芯片定义性能上限，数据喂养模型，模型反过来再定义下一代芯片，他山科技的全栈布局中，每一环都在给别的环节供血，环环相扣自成进化闭环。

值得一提的是，他山科技坚持不做本体、不做灵巧手。这种考量的背后是一家触觉基础设施最高的竞争点“跨硬件泛化”。

机器人本体公司的模型和应用，往往局限于自己的硬件。这导致在需要高自由度灵巧手的精细操作场景，和需要强负载机械臂的工业场景之间，模型和能力很难迁移。而他山科技作为上游的传感器基础设施提供商，天然具备 “中立性”。它的触觉算法和数据，可以适配不同品牌、不同类型的硬件，不会被某一款硬件阻碍了泛化的可行性。

这种跨硬件泛化能力，在机器人行业走向规模化、多样化部署时极其重要。就像智能手机时代，操作系统的价值在于跨硬件的生态统一，机器人时代，触觉基础设施的价值在于跨硬件的能力统一。

他山科技全栈链路回答的是“现在”，芯片、模组、数据、场景，每一环都有客户在等交付。但其布局里更耐人寻味的一部分，回答的是“以后”，在已经跑通的生意之外，这家公司还在往触觉的无人区走。

无人区的入口，是一所“机器人幼儿园”。

2025 年 11 月，图灵奖得主、“强化学习之父”理查德·萨顿（Richard Sutton）第一次到访他山科技；2026 年 5 月，他山科技CEO 马扬在加拿大埃德蒙顿与萨顿的 OpenMind 团队签下五年合作；6 月 29 日，机器人幼儿园在北京首钢园揭牌。

此前，还没有机器人公司或大脑模型公司做过这样的尝试，让机器人在一个专门搭建的环境里，不依赖人类示教，靠交互自己学习做事。

这件事的不可替代性，首先在于它同时绕开了数据难题的两个卡点。

第一个卡点是稀缺。触觉数据必须由真实物理交互产生，没法从互联网蒸馏，仿真又很难模拟真实世界的触觉反馈；第二个卡点是多样性。当下主流的数据路线，采集的都是“完美数据”。头戴相机、数据手套、遥操、夹爪，无论什么类型的采集方式，记录的都是人类操作者的正确动作，再喂给模型做模仿学习。但学习从来不只需要正确答案，错误数据里藏着奖励机制的对照：哪条路走不通，哪种做法低效，都是值得留下来的问题。

机器人幼儿园的强化学习路线恰好把这个关系倒了过来，机器人在环境里自主试错，成功和失败都构成经验。数据不再是采来的，是长出来的。

数据工厂的逻辑是消耗，采一批、标一批、卖一批，数据出厂即定型，模型的诉求也很难传导至下一次数据采集。而机器人幼儿园的逻辑是生长，机器人在同一个环境里持续交互、持续试错、持续迭代，能力随时间积累。触觉在这里的角色，是机器人自主认识物理世界的通道，没有人类手把手教的时候，它要靠指尖去分辨物体的软硬滑涩，靠皮肤去感知与其他机器人、与人的接触。

最后是泛化，机器人幼儿园不绑定任何单一硬件，机械臂、灵巧手、夹爪全部来自合作伙伴，小型机器人公司、协作臂公司、酒店机器人公司、大脑模型公司和多所高校都在启动生态里。这表明从机器人幼儿园里长出来的能力，在大体型工业机械臂和小体积低成本硬件上都能复用。

在这整个体系里，触觉是不可替代的基石。

强化学习的核心是“交互—反馈—迭代”，触觉提供的是交互感知接触的结果，处于反馈链的入口。这也是为什么只有他山科技才能做得起来“机器人幼儿园”，其从芯片、模组到电子皮肤全栈布局，把触觉的底层能力攥在自己手里，才能支撑起幼儿园这样的前沿探索。

9 月 1 日，机器人幼儿园正式开园。日子是特意挑的“小朋友开学的日子”。机器人幼儿园的进化之路也和人类相同，懵懂无知时不断试错、学习、成长。

开园第一天，Openmind全球研究院高级研究员Kris De Asis与他山科技研发副总裁侯广东共同发布首批“机器人幼儿园共建课题”。课题围绕机器人自主学习的关键技术问题设置七个方向。为学习而设计的硬件；触觉感知与痛觉感知机制；经过改进的实时持续学习算法；基于持续学习模型的规划；好奇心驱动和/或定向探索；特征获取的子问题（如 OAK 架构）；从设计时到运行时的学习（如 sim2online）。

在机器人幼儿园里，机器人不再需要人类手把手教，而是通过触摸和交互自主认识世界。彼时，触觉才真正变成了“一种智能”。

无论是全栈链路，还是机器人幼儿园，讲的都是他山科技自身的布局。但这只是他山科技叙事的一半，触觉最终是一门交付的生意，落到真实场景里，领先与否才有评判标准。

他山科技交给真实场景的，要从硬件谈起。

WRC上，他山科技展示了TS-FT 多模态传感器，在三维力触觉、接近觉、位置感知的基础上新增温度感知能力，无需外接探头即可在 3 秒内捕捉接触物体的冷热变化，测温范围覆盖 - 40℃~120℃，主要用于机器人指尖、夹爪等局部高精度感知场景。TS-EST 多模态电子皮肤，属于大面积柔性触觉硬件，可柔性部署在机器人全身表面，集成触觉力感知、温度感知、接近觉三类模态，力分辨率达 0.01N，温度分辨率 0.1℃，接近觉感知距离大于 1cm，可实现全身碰撞检测、力反馈与预接触安全预判。

硬件性能的优越性，让他山科技能为机器人提供指尖到全身的触觉能力。以六自由度灵巧手为例，一只手五个指尖，至少需要5个触觉传感器。而更复杂的方案，比如22自由度的灵巧手，一只手覆盖指尖、指腹和手掌，共装配18个传感器模组。每个模组内部都包含自研芯片和数据解析算法。此外，陈近林对具身研习社表示，今年随着数据采集需求爆发，他山科技还为平行夹爪、穿戴式五指手套等数采设备提供触觉模组。

在此基础上，他山科技还把硬件做成了“解决方案”。通过硬件能力，沉淀“原子技能”，如插拔、旋拧的原子动作，再将原子动作放在真实环境中。例如同一个旋拧技能，既可以适配小龙虾产线、也能用在化妆品装配产线上。

但这些加起来，仍然不是这个赛道最隐蔽的战场。

外界看触觉公司，比的是单点。谁的精度高、谁的数据多、谁的模型新。但真正拉开差距的地方在产线上。陈近林表示，下游客户的采购节奏是跳变的，这个月买 10 只回去做测试验证，下个月就要 100 只、1000 只的交付。放量后，看的是稳定性、一致性。单颗传感器被重复按压 100 万次，每次输出的误差都要在可控范围内；1000 只、10000 只产品，不同个体、不同批次，性能和数值输出要一致。

所以量产才是胜负手。

整机端，灵巧手和本体公司的产品性能已经被卷到接近极限，单点参数的差异越来越小；反倒是上游，谁能稳定、大批量、一致地供货，谁就握住了这个赛道的确定性。

这是他山科技的优势所在，在做机器人生意之前，他山科技已经进入奔驰供应链，成为宝马供应商，与比亚迪多个项目量产，拿下 IATF 16949 车规认证，累计供货上百万套。这套能力平移到触觉传感器上，构成了当下最难被复制的部分。

这也解释了为什么他山科技在灵巧手触觉传感器市场能拿下超过 80% 的份额。行业早期客户选型时，全球范围内能同时满足产能和性能的并不多，他山科技是其中唯一带着量产基因入场的玩家。当同行还在从 0 到 1 打磨原型时，他山科技已经在从 1 到 1000 的爬坡路上跑了很久。

结语

他山科技用近十年的深耕给出了答案，触觉不是热点，它是智能的天花板之一。

站在 2026 年中回望，能清晰看到几条趋势正在交汇。机器人在真实场景中的交互数据正在成为新的金矿；基于触觉反馈的模型正在解决泛化难题。触觉成为具身下一阶段绕不过去的关键变量。

而他山科技在做的事情，是为这个即将到来的触觉时代搭建基础设施。从芯片到模组，从数据到算法，从场景验证到前沿探索，它在构建的不是一个单一产品，而是一整套让机器人能够感知物理世界的底层能力。

具身智能的终局，一定是机器人能够像人一样，在物理世界中灵活、可靠、泛化地完成各种任务。而触摸，是通往这个终局的必经之路。在这条路上，他山科技已经走了很远，并且还在继续向前。