独家 | 帕西尼许晋诚：摸得着的世界才是具身的下一场

机器人需要触觉吗？

两年前，这个问题在业内几乎不需要讨论。“大模型+视觉=通用机器人”是主流叙事，甚至有头部本体厂商公开表态：触觉是冗余配置。

两年后的今天，共识正在反转。

精密装配、柔性抓取、人机交互，纯视觉方案的误差率高达30%以上。触觉，从“可有可无”变成了规模化落地的卡脖子点。

也正是在这个转折点上，一家从成立第一天以全栈为核心、以触觉为第一入口的公司——帕西尼，最近一口气官宣了三件大事：

总部迁至北京、完成股改、10亿新融资落地。

资方阵容堪称豪华：国家级产业基金、产业龙头、地方国资，罕见地同时出现在一家具身智能企业。

为什么是帕西尼？累计近40亿融资背后，资本押注的是什么？

在WRC期间，帕西尼创始人兼CEO许晋诚接受了投资家网的专访。在一个多小时的对话里，他反复提及两个词：“终局思维”与“物理基建”。在他看来，具身智能的竞争正在从看得见的视觉叙事，转向摸得着的物理交互。

而这场战争的胜负手，早在公司成立第一天就已经埋下。

一

从零元市场起步，补上感知那块板

“我们不是在拿一把榔头找钉子。”

回溯创业起点，许晋诚首先澄清了一个外界普遍的认知偏差：帕西尼从一开始要做的就不是“触觉传感器”这个单一产品，而是在回答一个更本质的问题：究竟要补上哪块拼图，才能让机器人更快、更稳地走进真实世界？

顺着这个问题，帕西尼团队推演出了三条必须同步推进的主线：

其一，机器人与物理世界打交道，仅靠视觉远远不够，必须补齐触觉与力觉这一层“体感”。其二，要让机器人快速适配千变万化的场景，离不开海量的高质量、多维度的触觉数据。其三，感知与数据终究要落到动作上，因此必须自研灵巧手与末端执行器。感知、数据、执行，三线并行，才构成了帕西尼完整的落地逻辑。

“触觉的归宿，是整个Physical AI的底座。”许晋诚说，“我们不会一直强调传感器本身，而是强调整个系统的贯通。”

这套感知-数据-执行三线并进的架构，在当时并不被理解。曾有投资人算过一笔账：机器人行业对触觉传感器的采购量，撑不起一家大公司。

许晋诚的回应很直接：

“我们在做的是一个零元市场。从来没有这样的产品被商业化，而我们是少数几个把商业化做到最好的。”

如今，"触觉是冗余配置"的论调正在被订单证伪。他回忆起一个亲身经历：有一次去某汽车客户的工厂，尝试把一个车灯装进去，"我装半天装不进去"。工人说，需要一点点斜角、一点点巧劲，才可以。

“巧劲”是什么？工人也说不上来。

但这一定是光靠视觉，无法完成的任务。

从单一模态去推测其他模态，第一很耗时，第二要花大量算力，第三得到的都是间接量。这笔账算不通。

“还不如直接把触觉加上去。”

在他看来，这正是“触觉原生”公司与“半路转型”玩家的路径差异所在：帕西尼从第一天起就以触觉为核心构建体系，硬件、软件、数据、算法天然同源。后来者往往从材料、视觉或工业传感切入，缺乏对终局的判断，也缺乏底层能力的长期积累。

“触觉不是配件，是底层技术、底层基建。”

二

40亿融资背后，押注下一个十年

最近，帕西尼一口气官宣了三件大事：总部落地北京、完成股份制改造、10亿元新融资到位，累计融资额已接近40亿元。三件事几乎踩着同一个节奏官宣，外界很容易联想到这是否意味着资本化全面提速。

许晋诚坦诚对投资家网表示：不是“搬家”，是“双城协同”。

北京将成为战略研发、核心算法与行业生态的高地，新总部扎根海淀，隔壁就是清华北大及各大高校，写满了长期做深技术的意图；而深圳则继续守住并扩大全栈生产制造的阵地，产能与供应链持续扩张，作为底座稳稳托住北京的前端突破。一南一北，一个管“想得更远”，一个管“做得更实”，帕西尼把下一阶段的重心，铺成了一张双城联动的网。

更值得注意的是迁京背后的产业逻辑。许晋诚透露，北京头部具身智能的大脑公司和本体公司并不缺乏，但在感知系统层面，缺少强有力的本土力量。帕西尼的迁入，有一种使命感：就是让所有机器人都把触觉感知、力触觉感知能力提升起来。

谈及股改，他解释，“这是我们自己进入产业化成熟期的一个象征。”股改是为了让治理结构更透明、更有能力，支撑下一阶段的人员与规模扩张，核心研发团队的激励也早已做好长期预留。

这轮融资最受关注的，是豪华的资方阵容：由全球消费电子与半导体万亿级巨头、中银国际投资、鲲鹏基金、合信方册联合领投，鼎晖百孚、成都交子人工智能基金、京铭资本、津融国盛联合投资，知来资本等老股东继续加码。

许晋诚说，产业资本的尽调逻辑是技术能否在未来十年、二十年持续赢下去。为此，这家全球消费电子与半导体产业巨头调研了多家触觉公司，却表示没有一家让他满意，有的核心技术不在自己手里，有的技术路线太传统、延展空间有限。

而帕西尼已经构建起从感知硬件、数据采集、模型训练到场景落地的全链路技术闭环，可以预见这家公司未来十年、二十年后只会更强。

三

自我进化，把闭环跑成护城河

产业资本看技术纵深与想象空间，地方国资与财务资本则更关注稳定性。许晋诚的答案是：半导体芯片设计、传感器算法、底层封装、自动化标定，外加自研的机器人本体与灵巧手、数据部门，一个完整闭环。“一般触觉传感器公司是根据客户需求迭代，我们不是，我们内部是自我进化。”

支撑这套逻辑的，是全栈的打法。感知、决策、执行三个环节是天然打通的。如果靠不同供应商的方案拼装，迭代时则牵一发动全身，而全栈自研带来的好处就是，能局部优化而不影响全局，因此可以保持非常快速的迭代速度，这正决定了谁能跑通规模化。

在触觉赛道，帕西尼的迭代速度同样罕见。专访前几日，公司刚发布第四代多维触觉传感器，内部研发已推进到第5.5代。“往下两个时代在走，我们不是做封装的变化，而是从最底层的半导体重新设计。”许晋诚表示。

半导体从设计到量产至少一年以上，又烧钱、又超前，但换来的是别人无法复制的节奏：良率99.99%，规模化拉低成本。但许晋诚表示，帕西尼不单卖芯片，只作为系统能力输出。

如果说硬件是帕西尼的“手”，数据闭环就是它的“脑与神经”。从数据到模型，链路很短，数据采集工厂与模型训练团队并行运转，形成“感知—数据—模型—本体”的闭环，模型居中串联。

全模态数据采集的难度远超想象：一只手上五六十个传感器、数千颗串联芯片，所有数据要在毫秒甚至微秒级完成硬实时同步，连续数小时不断。光是这一点，就能难倒很多数据采集公司。

触觉数据的维度也远不止压强：三维力、三维扭矩、纹理、回弹性、黏滞系数、热导率……多达15种物理维度。而全模态还有一个隐性优势，即反向标注，触觉信号在接触瞬间触发，系统自动为同一帧视觉打标，模态越多，标注反而越快、越准。

这也是走全栈路线的核心原因，只有把硬件、数据、算法一把抓，才能守住数据与物理世界的一致性，而一致性，才是模型能力真正往上走的台阶。

如今，帕西尼超100万颗触觉芯片已经在自有工厂跑通量产，累计服务客户突破1000家，复购率过半。人形机器人本体客户里，帕西尼的覆盖率已到七至八成；市面上七成以上的灵巧手与末端厂商，传感器都来自它。

许晋诚回忆早年团队为了和客户共赢，刻意不对外披露合作。如今反了过来，客户主动要求带上帕西尼的logo一起亮相。

从“我们不敢说”到“客户抢着说”，因为客户觉得对他有加分。

四

先干最难的，握住物理AI的底座

机器人正在撕掉“表演型”标签，真正往生产力工具走。

在许晋诚的判断里，这一步一旦跨过去，背后一定需要一张庞大的物理接触模态基建网，就像大模型离不开算力底座，人形机器人时代里，感知体系就是那块绕不开的基建。

这也解释了帕西尼定位的升级：物理AI时代交互数据的定义者与基础设施的卡位者。

“光有数据底座不够，光有聪明的大脑也不够。”许晋诚打了个比方：人可以脑补出翻跟头的动作，但身体跟不上，一切都是空想。再强的具身大脑，也得有跟得上的硬件去执行。这也是他坚持“硬件+数据”双线卡位的原因：既要让机器人想得明白，也要让它做得到位。

节奏上他保持清醒：未来2到3年，机器人会批量涌进工厂跑验证；5年内，服务场景开始规模化落地；而家庭，是更远的山头，非结构化环境、要“人类满意”的结果、极致的安全要求，哪一条都不便宜。

判断一个场景能不能成，核心不在概念，而在有没有一套扎实的评价机制：机器人进家，就得真能洗衣服、晒衣服、叠衣服、煮饭、收拾，而且结果要让人点头。

采访快结束时，许晋诚想起一位老股东分享过的创业心法：先干最难的，一旦干完，就是极高的壁垒。

这句话，几乎是帕西尼的写照。

当“触觉无用论”被订单和融资一起证伪，当精密装配、柔性抓取变成规模化落地绕不开的卡点，这家公司过去几年的努力，全栈自研、从半导体重画底图、数据闭环、标准卡位都开始滚出复利。

从深圳到北京，从传感器到物理交互数据标准，帕西尼押的从来不只是触觉，而是一个更根本的问题：具身智能真正变成生产力的那天，谁掌握“摸得着的世界”，谁就掌握下一代机器人的定义权。

以下是投资家网对话许晋诚博士的精华实录，经整理：

投资家网：有大模型+视觉加持，触觉的作用会不会变弱？

许晋诚：不会。

太多任务已经验证了这件事。比如拿取这种初级任务，可以靠电流环做握持，但失败率很高，很多物体天然就是滑的。而且大量任务不只是抓取，而是抓取之后的精细操作。

我的判断是：为了让整体任务的效率与成功率提升，一定要加入更多模态。靠单一模态去推测其他模态，第一很耗时，第二要花大量算力，得不偿失；第三，你得到的所有东西都是间接量，不是直接量。这笔账算不通，还不如直接把触觉加上去。

投资家网：触觉数据相比视觉数据，在采集、标注、训练上有哪些特殊难点？

许晋诚：我们把问题放大一点，聊"全模态数据"的采集。传感器一多，就必须做到硬实时的同步：一只手上可能就有五六十个传感器、串联芯片几千颗，视觉、触觉、关节角度编码器的数据要在微秒级、毫秒级同时收集，每个数据的时间戳都得对齐。这就像人的神经协同——如果信号慢5秒，你手被扎破流血了才反应过来，那就谈不上协同。光这一点，很多做数据采集的公司就卡壳了。

从触觉本身来说，我们的传感器不只要采单向压力，还要同时采三维力、三维扭矩，以及纹理、回弹性、黏滞系数、热导率等，一共15种物理维度。难点在实时同步，但好处也在这里：模态越多，反而可以互相标注，触觉信号在接触瞬间触发，系统就能自动给同一帧视觉打标，不用再人工一帧一帧拉框。这就是全栈自研的价值：硬件、数据、模型、采集都自己做，才能保持数据与物理世界的一致性。

投资家网：你们跑通了"感知-数据-操作"的闭环，这个周期有多长？

许晋诚：数据到模型的链路其实很短。我们的数据采集工厂在采集的同时，另一支团队就在把数据用起来、训练模型。模型做好，成功率提升了，就能反过来验证数据的质量和配比，有时候只是调了一下数据配比，成功率瞬间就上去了，我们也就知道下一步该采什么样的数据，这个循环非常快。

我们正在构建的，是一个"看得见、摸得着、想得通、做得到"的完整具身智能体系：视觉让机器人看得见，触觉让它摸得着，足够多的数据让它想得通，自研本体让它做得到，四件事缺一不可。

投资家网：全栈布局在早期会被质疑"摊子铺太大"，当时怎么顶住压力？

许晋诚：因为感知、决策、执行三个环节本来就是天然打通的。如果靠不同供应商的方案拼在一起，迭代的时候就是牵一发动全身，整体稳定性和速度都会被拖慢。全栈自研的收益是：你可以做局部优化，而不影响全局稳定。

更关键的是迭代效率——感知、决策、执行全在自己手里，迭代速度就快，而迭代速度基本决定了谁能跑通规模化。单纯只做触觉传感器，没有这个能力。

投资家网：现在做触觉的玩家越来越多，有从工业传感转过来的，有视觉公司加业务线的，也有本体公司自研，你们和他们的本质区别是什么？

许晋诚：讲个真实故事。有客户用了我们的传感器，觉得自己也能做，我们很支持。结果他自己做出来的产品，基本只能测出"0和1"的开关量，没法持续稳定地产出有效数据；而且自己做，价格也打不下来，我们每年有100万颗以上的芯片在自家工厂生产，规模化成本优势在那。

更关键的是，传感器从来不只是硬件。我们做了大量底层算法和软件，把力学输出的精度提上去，这是专门团队才能做出来的。半路转做触觉的玩家，往往缺终局思维；而触觉也不是把材料做出来就行。

我们还要做半导体、做一次封装二次封装、做自动化标定，这些能力需要长期积累。再加上持续的迭代能力：我们的第四代芯片刚发布，但内部已经走到第5.5代，从最底层的半导体重新设计。市面上能做这件事的，目前只有我们。

投资家网：你们既做感知，又做本体和灵巧手，为什么？

许晋诚：两个原因。第一，我们要教客户把产品用好，客户能力提升了，市场增长才更快。创业初期没人会用触觉传感器，把产品交给他，他不知道电路怎么设计、数据怎么拉、控制怎么做，我们必须自己做示范。第二，我们要亲自验证产品的有效性，不能把验证成本转嫁给客户，那很差劲。我们自己在本体和灵巧手上验证好了，外界就能看到触觉应用是稳定可见的，对整个市场的预期也会放大。

前几天我们刚和一家头部本体厂商联合发布了新传感器，支持做好了、验证过了、能量产，电话立马就响个不停——"我也要这个，我也要那个"。

投资家网：从终局往回看，今天的卡位意味着什么？

许晋诚：触觉或者说感知的归宿，一定是回到Physical AI的数据底座本身，到那个时候，传感器本身反而没那么重要了。重要的是两件事：第一，谁掌握物理交互数据的标准制定权，谁就能成为下一个卡位者。我们现在是标准化委员会WG7的联络组长，已经参与制定三四十项相关标准。第二，谁拥有最大规模、最高质量、最具一致性的全模态数据集。

但光有数据底座也不够，就像人会想象翻跟头、身体却不一定跟得上，即便有聪明的大脑，也要有跟得上的硬件。所以硬件和数据，两边都不能松。