10亿融资背后的百亿估值：触觉如何重塑具身智能物理交互边界

在具身智能（Embodied AI）的宏大叙事中，资本与技术的目光曾长期聚焦于两个极端：一是赋予机器人强健的躯体，解决运动控制、关节驱动与整机集成；二是构建强大的“大脑”，依托视觉语言大模型理解指令、规划路径。然而，随着2026年产业进入深水区，一个被长期忽视的维度正迅速凸显其核心价值——触觉。

7月18日，行业披露的一则重磅融资信息印证了这一趋势：一目科技完成超10亿元E轮融资，估值正式突破100亿元。这不仅仅是一家初创企业的商业成功，更标志着资本市场对具身智能底层感知逻辑的重估。资金正从宏观的“智能”概念，精准流向微观的“接触”工程。

视觉的局限与触觉的刚需

过去两年，以视觉为核心的具身智能方案取得了显著进展。依靠高精度的摄像头与先进的计算机视觉算法，机器人能够精准识别物体、理解复杂环境，甚至在演示视频中流畅地完成倒水、叠衣服等高难度动作。然而，一旦离开受控的演示环境，进入真实的工厂车间或家庭场景，视觉方案的短板便暴露无遗。

视觉可以告诉机器人“这是杯子”，却无法感知“杯子是否打滑”；可以识别“接口位置”，却无法判断“插入力度是否适中”。在精密装配、易碎品抓取、线束插拔等场景中，缺乏接触反馈的机器人如同拥有视力却失去触觉的盲人，极易导致产品损坏或操作失败。

人类在操作物体时，手指通过皮肤下的机械感受器，实时读取压力、摩擦力、滑动趋势及物体形变等信息，并毫秒级地调整肌肉张力，形成闭环控制。这种“手感”是精细操作的基础，而机器人目前恰恰缺失这一层关键感知。

一目科技切入的正是这一痛点。其核心产品为视触觉传感器，通过在高弹性材料内部嵌入光学器件，将物体接触产生的微米级形变转化为光学信号，再经算法解算为压力分布、纹理及滑动数据。这种将物理接触转化为数字信号的能力，为机器人打开了从“感知世界”到“操控世界”的最后一公里。

从实验室到产线：触觉的商业化逻辑

触觉技术并非新概念，GelSight等早期方案已在实验室环境中验证多年。但此前其难以规模化，主要受限于成本高昂、体积庞大及缺乏通用标准。如今，触觉重新进入资本视野，根本动力在于具身智能进入产业落地阶段，对柔性操作提出了刚性需求。

工厂场景成为了触觉技术率先验证商业价值的试验田。相较于开放且不可预测的家庭环境，工厂具有任务边界清晰、节拍可量化、容错率相对可控等优势。在电池包组装、汽车零部件装配等领域，传统自动化设备难以应对小批量、多品种的生产需求，而人工操作又面临成本上升与稳定性不足的问题。

据披露数据，一目科技在电池包插拔场景中，通过引入触觉反馈与算法优化，将单次操作时间从初期的100秒缩短至15秒，效率达到人工的两倍。这一数据不仅证明了技术的有效性，更标志着触觉方案已从“技术可行”走向“商业可算”。当机器人能够稳定完成高精度、高难度的柔性操作时，其替代人工的经济账便清晰可见。

构建护城河：尺寸、材料与数据飞轮

在百亿元估值的背后，是一目科技在工程化难题上的持续突破。触觉传感器要实现大规模应用，必须跨越三道工程鸿沟：集成空间、耐用性与数据标准。

首先是物理空间的争夺。机器人灵巧手内部结构紧凑，传感器厚度直接决定了集成的可行性。主流方案厚度多超过30毫米，而一目科技通过自研超表面硅光感光芯片，将第二代产品厚度压缩至3毫米以内。这一尺寸跃迁，使得触觉感知能够无缝嵌入现有机械手结构，极大降低了硬件改造门槛。

其次是材料工程的平衡。传感器皮肤需在极软（感知微米级纹理）与极硬（承受百万次按压）之间找到平衡。一目科技从高分子聚合物单体出发，研发出耐磨材料，实现了在保持0.005 N力分辨率的同时，达到超百万次按压不损坏的工业级寿命。

更为深远的护城河在于数据。与视觉数据可通过互联网海量获取不同，触觉数据必须通过物理接触产生，采集成本极高且信号格式各异。为了解决这一“数据孤岛”问题，一目科技联合斯坦福大学等机构推出TouchNet开源数据集，旨在建立触觉数据的通用标准与接口。这一举措意在跳出单纯的硬件供应商角色，向Physical AI的基础设施层延伸，通过构建数据飞轮，让硬件产生的数据反哺模型训练，进而提升系统智能，形成正向循环。

估值背后的三重考验

尽管融资规模庞大，但百亿元估值的兑现仍面临严峻挑战。技术落地并非一蹴而就，双目科技需跨越三重考验。

第一重是技术自身的极限突破。触觉传感器涉及材料、光学、芯片、机械等多学科交叉，任何一环的短板都会影响最终性能。随着产品成熟度提升，进一步的迭代需在保持超薄、高精度的基础上，融合温度、湿度等多模态感知，且无需现成标准可循，需自行定义技术边界。

第二重是场景复制的规模化。单个工位的成功并不等同于行业的普及。从单工位到整条产线，再到跨行业迁移，每一步都需重新验证系统在来料波动、长时间运行下的稳定性。工业客户对可靠性的要求极高，任何细微的故障都可能导致停产损失，因此，触觉方案需证明其在极端工况下的鲁棒性。

第三重是生态构建的能力。触觉传感器的价值最大化依赖于其在机器人感知闭环中的核心地位。如果TouchNet等数据标准仅服务于自有硬件，将难以形成行业基础设施；唯有吸引机器人本体厂商、模型团队广泛采用，才能确立其在Physical AI时代的入口地位。

物理世界的交互基础设施

具身智能的本质，是人工智能在物理世界中的延伸。当大模型赋予了机器人“思考”的能力，触觉则赋予了其“感知”的精度。从卡内基梅隆大学的微流体研究，到微光谱芯片，再到如今的视触觉传感器，创始人李智强的技术脉络始终围绕着“在微观尺度捕捉并转化物理信号”这一核心逻辑。

资本的巨额投入，不仅是对一家企业的认可，更是对“触觉是通往通用具身智能关键拼图”这一行业共识的提前定价。随着传感器成本的下降、数据标准的统一以及场景验证的深入，触觉技术有望从可选配置变为机器人标配。

未来，那些能够打通“感知-决策-执行”闭环，并持续积累高质量触觉交互数据的公司，将在Physical AI时代占据核心位置。一目科技的百亿估值，或许只是这一变革的序章。当机器人真正学会“抚摸”这个世界，物理交互的数据基础设施将成为新的价值高地，重塑制造业、服务业乃至人类生活的底层逻辑。