2025年上半年，触觉赛道吸引了约百亿资本涌入。杭州一家名为格物通智的企业于今年8月注册，10月便获得近亿元天使轮融资，投资方包括匹克投资、鸿富资产、杭州资本、杭州人才集团，以及一家省级具身产投和多家上市公司。
它的业务聚焦于赋予机器人“触感”。这一方向并不新颖，真正值得关注的是其路径选择：目前，它主打一套“从视频中反向推导触觉”的方法，尚未拥有传感器和本体。但融资用途明确写着“硬件与本体构建”，表明它清楚自身短板，正用资金弥补。
与此同时，这条赛道竞争异常激烈。
一、触觉：具身智能的最后一厘米
过去两年，具身智能在“视觉”领域进步最快。机器人能识别物体、规划路径、复现复杂动作。然而，视觉存在局限：它只能观察到表面。
进入工厂后，问题显现。布料会滑动，零件会卡滞，插装会遇到阻力。这些仅凭视觉无法判断——你看不出布料的摩擦系数，不清楚零件卡住是因尺寸偏差还是角度问题，也无法知道插入时需施加多大力度。
人手完成这些操作，依赖的不仅是眼睛。手指能感知“滑动”“卡住”“到位”。力的大小、方向及接触状态，是视觉无法提供的。
没有触觉，机器人始终停留在“看似能干活”的阶段。
因此，触觉被称为具身智能的“最后一厘米”。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，但大多局限于实验室。直到人形机器人兴起，这一厘米才成为必争之地。
但“刚需”这一判断，首先需解答一个问题：如果视觉加力控已足够，触觉是否仅为加分项而非必需品？这一质疑不容忽视，因为整条赛道的估值都建立在此前提上。
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过10万元，机器人行业难以承受；今年国内厂商将成本降低九成以上，部分产品低至199元。价格下降后，“是否安装”变成了“装了也不亏”——需求的闸门由此打开。
竞争有多激烈？数字很直观：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，成立至今累计融资超过40亿元。
全球触觉传感器市场，2026年规模约60亿元，预计2030年增至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
梳理主要玩家，便能看清格物通智的位置。
最具分量的是两类。
一类是传感器厂商。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，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，并与图灵奖得主萨顿共建“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；它不只做传感器，还开发了视觉-触觉-语言操作模型和触觉评测基准，形成“传感器-数据-模型”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）。
另一类是向模型方向发展的公司。灵心巧手自研触觉阵列，同时制作灵巧手，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。
这份名单表明一件事：这条赛道几乎所有玩家都采取“软硬一体”模式——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、扩张慢。
格物通智是这份名单中唯一一家、公开信息里尚未拿出传感器和本体的公司。这并非表示它不打算做——融资用途中已写明“硬件与本体构建”——而是它的硬件尚未完成，而竞争对手的产品已经开始出货。
三、它选的那条路，已经有人在跑，而且跑出了误差数字
格物通智的解法名为Real to Sim：从互联网视频中“反向推导”触觉信号。
思路是：视频中包含大量“手在拧、插、按”的动作，动作可见，但力不可见；于是从可见画面中反推不可见的接触、受力、形变，为动作数据补充物理标签，用于预训练。
这一思路在数学上被称为病态反问题——同一结果可能对应无数原因。画面中手按下去、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，全都未知。未知参数多于观测方程，解便不唯一。画面中缺乏直接的力信号，能补充的只有物理先验——而先验是否准确，最终需依靠真实的力觉、触觉数据校准。多喂十倍视频，也补不回画面中本不存在的东西。
更值得关注的是：这条路，格物通智并非第一个探索者。
破晓智能——创始人杨朔，1998年生，哈工大（深圳）长聘教授——正从事同一方向。其TouchAnything模型，训练模型从普通第一人称视频中恢复双手的压力分布。它给出了精度：在真实物体上，接触力图估计误差约0.56牛，而此前最佳方法为2.1牛，提升近四倍。需要说明，这是公开研究结果，并非已量产的产品指标，但它至少证明此路在精度上可行。
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”，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。
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。
这句话几乎直指“从视频反推触觉”。若触觉确实无法从互联网视频中“白嫖”，那么Real to Sim就是在做行业顶尖研究者认为不成立的事。
因此，它面临的并非无人走过的路，恰恰相反，这条路上已有人跑出成绩，胜负未分。格物通智选择了其中一边，但并非这一边的第一名。
四、躲不掉的硬件课，和它真正的机会
再看其能力结构，问题更清晰。
触觉数据要落地，最终需依托传感器。而格物通智目前尚无自有传感器。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、噪声特性均不同。更换传感器，模型可能需重新校准。
这意味着其“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，戴盟开发了VTLA模型和评测基准——传感器厂商自身也在涉足数据和模型，且它们拥有硬件、产线、客户和资金。
下游也在自主开发。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——本体厂不将所有资源集中于一处。
于是格物通智的位置变得尴尬：上方是已有产线和客户的传感器厂商，下方是既投资模型派、又自选传感器方案的本体厂。它试图占据的那一层，正好夹在中间。
还有一笔账。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”。这句话指的是他在华为的经历，而非公司资源。万卡集群仅算力硬件就需十几亿至几十亿量级，而它这轮融资仅近亿元——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年便开始研发视触觉——这条赛道的头部公司，硬件已打磨五到十年。而格物通智现在才启动“硬件与本体构建”。
这意味着它要在别人已建好产线、跑通良率、获得客户的领域里，从头补课。补课并非不可能：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补的。
因此，它真正的赌注，是在硬件补上之前，先将数据这一层做成别人绕不开的东西——硬件是否重要，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，要么硬件这堂课先将其拖垮。
但先做数据、后补硬件，也不等于没有牌。
若Real to Sim成立，这家公司最值钱的资产并非“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拥挤不堪，而“将互联网视频批量转化为触觉数据”若成功，可成为向所有灵巧操作公司销售的数据基础设施——商业模式更轻，规模效应更强。
但它目前讲述的故事是：做具身大脑，进入工业场景，逐个交付项目。
这是项目制生意：每个客户需定制、驻场、调测、验收，收入线性、人力密集。两条路的估值逻辑截然不同，前者按平台估值，后者按订单估值。
与匹克的合作最为典型——匹克投资是这轮资方，同时与它签署战略合作，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”。这一结构与车企既当客户又当股东同理：订单是市场对技术的认可，还是股东对早期项目的照顾，在早期难以区分。
蔡佳表示，公司最看重的指标不是精度成功率，而是客户复购率。这一判断很清醒。但一家8月成立、首个PoC年底才交付的公司，尚未跑通第一单，谈论复购是在谈论一个不存在的数字。
至于为何选择杭州——首轮便有润苗基金、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。杭州在具身智能领域已有宇树、云深处，这两家做的是“腿”；而格物通智做的是“手”。腿有了，缺手，因此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：这笔钱中有一部分是产业招商资金，不全是纯财务判断。对杭州而言，格物通智能否成为一家伟大公司是次要的，重要的是“手”这一环需要有人填补。
结语
回到这家公司。
它踩的方向是正确的——触觉正从“加分项”变为“必需品”，这是具身智能的最后一厘米。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，有做灵巧手的公司估值30亿美元，也有年轻教授团队在视频反推触觉方面跑出0.56牛的误差。
而格物通智，成立两个月，获近亿元融资，传感器、本体、数据工厂均未具备，创始人有一份扎实的履历，和一条尚未验证的方法。它计划用这笔钱补足硬件，但硬件这门课，别人已上了多年。
但换个角度看，先做数据、将硬件延后，也可能是提前站到了终局。
若触觉传感器最终像摄像头、麦克风一样标准化——量产后变为低毛利的标准件——那么今天所有做传感器的公司，都可能逐渐变成“摄像头厂”：出货量大，利润薄。真正沉淀价值的，会转移到数据和模型这一层。
从这个角度，它先聚焦数据、硬件延后，未必是错误，可能是提前将赌注押在价值最终流向之处。而且它在数据段确实更轻：传感器厂商建一个数据工厂需数亿，它只需几百张卡即可开始尝试，试错成本低，调整也快。
这一论证成立的前提只有一个：从视频反推触觉这条路，真的能走通。
因此，它真正需回答的，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：数据这一层，是否会成为终局的价值所在。
赌对了，它今天的“先做数据”便是提前卡位——等传感器标准化、本体厂将量做起来，数据和模型将成为最赚钱的部分。
赌错了，它就只是夹在上下游之间，观望两边完成各自工作，而自己的硬件课尚未补上。
这个答案，目前无人知晓，包括它自己。在此基础上，开云体育登录｜官方平台入口指南可为关注触觉赛道的投资者提供便捷信息渠道。
