獨家｜機器人的指尖上，新晉一家百億公司

如果一筆超過10億元的資金要押注具身智能，它會流向哪里？

過去幾年，資本給出的答案是一部分錢投向機器人本體，解決行走、關節、靈巧手和整機工程；另一部分投向大模型，解決機器人如何理解指令、規劃任務和生成動作。

現在，第三類公司開始變貴。

7 月 18 日，虎嗅獨家獲悉，一目科技完成超 10 億元 E 輪融資，估值突破 100 億元。本輪融資由多家一線人民幣基金、頭部美元基金和知名產業方聯合參與，所融資金將用于具身智能觸覺感知材料、芯片、算法和模型的研發，以及產線訂單的規?；慨a和高質量交付。

打開一目科技的官網，會看到一種和當下機器人賽道常見敘事不太一樣的氣質：它沒有急著把自己包裝成下一個機器人巨頭，而是把材料、芯片、算法和數據這些底層問題擺在了最前面；但這些看似細碎的工程問題，指向的卻是一個更宏大的使命——加速物理世界AGI的進化。這是一個利他的表達，可以窺見一部分公司的價值觀。

一目科技做的東西很小，貼在機器人靈巧手的末端，厚度只有幾毫米；但它試圖解決的問題并不小：機器人進入真實世界后，如何獲得穩定、連續、可計算的接觸反饋。對具身智能來說，這幾毫米的價值在于：機器人終于有機會知道，自己到底有沒有真正“拿住”這個世界。

觸覺基座：以觸覺賦予機器人持續感知、記錄接觸行為的能力

這聽起來不如人形機器人會跑、會跳、會做咖啡有畫面感，但機器人一旦離開展臺，走進工廠、倉庫和家庭，麻煩的事情往往發生在伸手之后：AI 可以靠參數理解世界，機器人卻必須靠觸摸進入世界。

幾毫米的觸覺，由此打開了一個極具商業想象力的入口。

一個更深的產業追問隨之浮現：當 Physical AI 真正伸手觸碰物理世界，資本為什么開始重新為機器人的“手感”定價？

一、機器人為什么需要“觸覺”

過去兩年，視覺語言模型讓機器人進步很快：它們能識別物體、理解指令、規劃動作，甚至在演示視頻里完成一連串復雜任務。

但一旦進入真實操作，最容易出錯的地方，往往不在“看見”，而在“碰到”。

視覺可以告訴機器人杯子在哪里、雞蛋長什么樣，卻很難告訴它：指尖是否已經貼上杯壁，杯子有沒有開始下滑，蛋殼還能承受多大壓力。更麻煩的是，抓取不是一個靜態動作。杯子剛拿起來沒滑，不代表移動過程中不會滑；兩個表面看起來一樣的物體，摩擦系數可能完全不同；同一個杯子，空杯和滿杯需要的抓握力也不是一回事。

人類幾乎不會意識到這套反饋系統的存在。拿起雞蛋時，手指會根據蛋殼的細微形變自動收力；杯子開始下滑時，指尖會先于意識加大握力。我們以為自己只是“順手一拿”，實際上手指一直在高速讀取壓力、摩擦、形變和滑動趨勢。

機器人缺的，正是這層“手感”。

這也是精細操作長期難做的原因。問題不只在機械手夠不夠靈活，也在于控制系統能不能知道“剛才那一下到底碰到了什么”。沒有接觸反饋，再復雜的動作規劃也很難形成穩定閉環。機器人可以在空中把路徑算得很漂亮，但真正決定成敗的，常常是指尖接觸物體后的那幾毫秒。

一目科技選擇的切口，正是機器人感知里最難補齊的一環：觸覺。

其核心產品是視觸覺傳感器。簡單來說，它會在傳感器表面鋪設彈性材料，物體接觸后產生細微形變，內部光學器件讀取這些變化，再由算法解算出壓力分布、紋理、滑動趨勢等物理信息。一次觸碰，由此被轉化成模型和控制系統可以讀取的數據。

這項技術看似細分，實際上切中了具身智能走向真實世界的關鍵環節：機器人不能只識別物體，還要穩定操作物體；不能只完成演示，還要在產線上持續干活。

在這個意義上，視觸覺傳感器建立的不是一個單點感知能力，而是一條“識別、接觸、反饋、調整”的操作閉環。閉環接通與否，直接決定機器人能否從演示方案變成實際生產力。

當具身智能的敘事開始從技術展示轉向勞動價值，觸覺最先被驗證的場景，大概率會出現在那些等待柔性改造的工廠里。

二、觸覺為什么在此時成為生意？

觸覺傳感器并不是一項新技術，GelSight 等方案已研究多年，此前更多用于工業檢測和實驗室研究，今天重新進入資本視野，是因為具身智能的進度條走到了這里。

第一波融資解決機器人有沒有“足夠支撐智能的物理身體”。Figure AI、Agility Robotics、Apptronik、1X Technologies 等公司連續獲得大額融資，資金主要投向整機研發、產能建設和真實場景部署，押注的是機器人能否被造出來、能否走進工廠。

第二波熱度投向具身大腦。視覺語言模型和 VLA 模型讓機器人能夠理解更復雜的指令，也把互聯網數據和機器人動作連接起來。

等機器人開始接觸真實任務，新的短板才暴露出來。模型能識別目標，機械臂也能到達目標，但在插拔、裝配和處理易碎品時，系統缺少足夠精細的反饋。機器人知道要做什么，卻不知道自己做得對不對。

產品矩陣：Sentra-T系列視觸覺傳感器可普遍適用于主流夾爪、靈巧手

這時，觸覺傳感器才從實驗室里的感知器件，成為一項可能產生訂單的工程能力。

第一批明確付費場景大概率來自工廠：家庭環境過于開放，任務隨時變化，安全責任難以界定；工廠的任務邊界更清楚，動作可以反復訓練，節拍、良率、停機時間和人工替代成本都能量化。

工廠也是傳統自動化最容易暴露能力邊界的地方：到了小批量、多品種生產，改線成本迅速上升，線束插拔、精密裝配、食品處理等工序又高度依賴工人的手感，視覺很難單獨解決。而汽車、制藥、食品等行業都有精密裝配、柔性抓取的共性需求，觸覺方案一旦驗證穩定性和可復制性，就能跨行業遷移。

據一目科技創始人兼 CEO 李智強在采訪中披露，公司曾在電池裝配場景中，優化電池包插拔組裝環節。工人完成一次約需 30 秒，一目科技帶反饋的具身智能方案首次測試耗時 100 秒，今年 4 月縮短到 50 秒，最新方案已將單次操作時間降至 15 秒，約為人工耗時的一半。

這組數字說明，觸覺反饋與學習算法結合后，系統的動作效率可以快速迭代。更重要的是，在成本、可靠性和人工替代效果經過多輪方案對比后，已有客戶愿意為一目科技的方案付費，這意味著觸覺感知開始進入真實產業場景的采購決策。

不過，從單個案例跑通，到單一產業落地，再到跨行業復制，乃至進入 AGI 機器人所需要的通用操作場景，觸覺方案仍然需要經歷長期的穩定性、經濟性和泛化能力驗證。產業落地上的領先，給了資本更大的想象空間：一旦觸覺數據能夠在更多場景中持續生成、復用，并進入機器人感知閉環和上層模型訓練，它就可能成為 Physical AI 時代關鍵的物理交互數據入口。

于是，資本開始下注、市場等待其價值兌現。

三、一目科技的護城河，藏在尺寸、材料和數據里

資本從來不會只為一個概念買單，尤其是在具身智能進入產業落地階段后，資金更關注的是技術能否被工程化、能否進入真實場景、能否形成可持續的商業閉環。

一目科技能夠拿到這筆融資，核心在于它把幾個最難工程化的環節向前推進了一步：傳感器能否進入靈巧手指尖，彈性體能否支撐工業級壽命，觸覺數據能否進入模型訓練和控制閉環。

放到整個機器人觸覺領域看，至今還沒有誕生類似英偉達、英特爾的基礎設施級公司，因為讓一臺機器“感受”到一次觸碰，并轉化為模型可訓練的連續高質量數據，本就是一條充滿工程攻堅的長路。過去，這被視為行業痛點；今天，它成了一目科技的護城河，這一過程，也與一目科技長期強調的“無畏進化”形成呼應。

觸覺傳感器要成為靈巧手標配，先要爭奪物理空間。機械手內部需優先滿足電機和傳動，傳感器多占一毫米，機械設計就要讓位。在同類方案厚度普遍停留在 30 毫米以上時，一目科技通過自研超表面硅光感光芯片，將厚度壓至 10 毫米內，第二代產品低于 3 毫米，幾毫米的尺寸差直接拉開了硬件集成度的壁壘。

體積之外，是材料工程的矛盾。傳感器皮膚既要“軟”以感知微米級紋理，又要“耐磨”以扛住產線的反復擠壓。一目科技從高分子聚合物單體切入，進行底層材料研發，據公司披露，其材料方案可實現超百萬次按壓不損壞，力分辨率保持 0.005 N，約等于十分之一張 A4 紙壓在指尖的重量。

硬件跑通后，更深的護城河在數據。

一目科技正聯合斯坦福大學等機構推進名為 TouchNet 的開源觸覺數據集項目，指向的是觸覺領域的底層矛盾：視覺數據依靠云端海量抓取，觸覺數據只能在物理世界中逐次接觸生成，且壓阻、電容、光學等各家硬件的信號互不兼容，行業至今缺乏通用標準。2022 年發布的 Touch and Go 數據集，需要研究人員攜帶 GelSight 逐個按壓現實物體，最終收集到約 1.39 萬次觸摸。

極高的采集成本與碎片化的信號，共同限制了上層具身模型的訓練規模。推行 TouchNet，本質上是試圖建立行業通用的數據標準。一旦標準及接口被機器人本體廠商和模型團隊廣泛采用，一目科技便能跳出硬件供應商框架，在物理交互數據的入口處建立基礎設施壁壘。

今年 WAIC 展會上，一目科技展示了從硬件終端、數據與仿真平臺到標準接口的閉環雛形。

2026WAIC展會現場一目科技展位

不過，把這套敘事推到落地，是一件橫跨芯片、材料、數據與算法的長周期工程，任何一環掉隊，鏈路都無法閉環，最終往往要靠創始人本人去牽引。

李智強的技術路徑，起點在卡內基梅隆大學。2011 年，他從這所工程氣質濃厚的學校拿到土木與環境工程博士學位，研究的卻不是宏大的橋梁、道路或城市系統，而是更微小的東西：微流體微生物燃料電池。那是一類發生在微觀尺度里的能量轉換，信號微弱、變化細碎，需要足夠精密的測量，也需要把復雜物理過程翻譯成可計算的數據。

后來他做微光譜 AI 芯片，方向換了，方法沒有變，依然是在極小尺度里捕捉人眼看不見的變化，再交給算法識別。視觸覺傳感器延續的也是這條線索：當機器人指尖接觸物體時，把那一點點形變、壓力和滑動，轉譯成機器能夠理解的物理信號。

從燃料電池到微光譜芯片，再到今天的視觸覺傳感器，是一條并不跳躍的技術脈絡，對這支團隊而言，更接近一次能力的平移。

四、百億元估值還需要證明什么？

圍繞這條全鏈路，資本正按照 Physical AI 基礎設施的邏輯為一目科技重新定價。

觸覺是邁向通用具身智能體的一塊關鍵拼圖，百億元估值定價的正是這種可能性：從觸覺模組切入，沿真實數據和模型接口向上延伸，最終占據機器人接觸物理世界的入口?？赡苄砸耆珒冬F，仍有三重考驗在前。

第一重考驗來自技術自身。觸覺傳感器是一件沒有“敏捷開發”的硬件，該付出的時間積累無法減少。一塊幾毫米的傳感器背后，是材料、化學、光學、芯片、機械、電子工程、計算機視覺到人工智能的十年以上跨學科沉淀，最終還要落到微米級裝配與批量一致性的精密制造上。

現階段，一目科技跨過了初期的量產與交付門檻，并積累了來自全球多個行業的客戶。

但對領先者而言，難度不會因此下降：產品已經超薄，再向更薄進化，還要在壓力之外疊加溫度等更多感知模態，同時保持穩定性、準確性和靈敏度。到了這個位置，可對照的現成標準不多，接下來更多是自己給自己出題。

第二重考驗在場景復制。電池包插拔從 100 秒縮短到 15 秒，證明了單工位、單任務之下的能力上限；工業客戶長期采購的，則是系統在換型、來料波動和連續班次之下的穩定表現。從一個工位復制到一條產線，再到一個行業，每一步都要重新驗證節拍、良率和維護成本，新一代技術也要不斷找到新的場景。

第三重考驗在生態，它決定估值想象力。觸覺的持續迭代要靠數據飛輪轉起來：硬件在真實場景里產生數據，數據反哺模型，系統越用越智能，這也是它作為一項基礎設施的價值所在。

一目科技希望借助 TouchNet 和標準接口進入模型層，但數據標準只有獲得傳感器公司、機器人廠商和模型團隊的共同采用才算成立；如果數據只服務于自家硬件和算法，可以形成護城河，卻難以成為行業基礎設施。

換句話說，技術決定這家公司能否持續領先，場景決定訂單能否規?；?，生態決定它是一家傳感器公司，還是 Physical AI 的基礎設施。超 10 億元融資提供了闖關的資本，百億元估值的答案，藏在這三件事的兌現進度里。

結語

過去幾年，具身智能最熱鬧的故事，幾乎都發生在“大腦”和“身體”上：更大的模型，更像人的軀干，更靈活的關節，更流暢的演示視頻。

但機器人一旦走下展臺，進入產線，問題很快會變得樸素起來：它能不能拿穩一個零件，能不能插準一個接口，能不能在物體快要滑落前及時收力。

通往物理世界的最后一段路，往往卡在指尖。

機器人需要像人一樣感知物體的硬度、摩擦、形變和滑動趨勢，這正在成為具身智能行業越來越明確的共識。一目科技的超 10 億元融資，正是資本對這層共識的一次提前定價：Physical AI 要進入真實世界，底層交互數據入口會變得越來越貴。

全球人形機器人、數據采集、高端制造等客戶的采用，已經讓一目科技跨過了早期商業化驗證。

接下來，傳感器能否持續穩定量產，成本能否持續下降，觸覺數據能否在更多設備和場景中積累、復用，才決定它最終能否成為 Physical AI 時代的物理交互數據基礎設施。

本內容由作者授權發布，觀點僅代表作者本人，不代表虎嗅立場。如對本稿件有異議或投訴，請聯系 tougao@huxiu.com。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4876384.html?f=wyxwapp