20倍数据缺口之下，一家接触智能公司试图重新定义“触觉数据”本身

“2026年，触觉驶出浅滩。

近日，机器人大讲堂获悉，触觉智能企业灵感机器人（AGIMind Robotics）宣布完成数千万元天使轮融资，投资方包括力合资本、合肥创新投等知名投资机构，治臻咨询担任财务顾问。

本轮融资将主要用于产线建设与量产能力优化，以及触觉智能系统研发。公司已发布Lux系列视触觉传感器并实现规模化交付，在此基础上进一步拓展触觉感知产品的应用场景。

01.

20倍的触觉数据缺口缺在哪？

触觉领域已经成为资本的宠儿。据机器人大讲堂不完全统计，2026年以来，触觉感知领域新增融资超过100亿元，资本正在为一个共同判断买单：机器人场景落地，触觉是不可绕过的环节。

市场很容易计算，因为一只灵巧手约需配置13至15个触觉传感器，触觉传感器和力矩传感器合计占到人形机器人本体成本的20%。商业化人形灵巧手触觉传感器渗透率已从2025年初的20%提升至60%以上。硬件之外，数据的缺口更值得关注。国联民生证券研报显示，当前具身智能数据缺口高达20倍。更具体地说，具身智能要达到真正可用，至少需要1000万小时级别的真实场景交互数据，而当前全行业数据总量仅约50万小时，现有数据中99%为低质仿真或互联网数据，缺失故障和意外场景样本。

触觉之所以重要，是因为它无法像视觉、语言那样从互联网上现成获取，只能在真实物理交互中生成；而物理AI要真正进入现实世界，就必须有人为它提供理解物理交互的语料。例如IEEE Robotics and Automation Society在2026年9月的一篇分析中指出，触觉传感器数据与VLA模型通常训练的图像数据在特性上存在根本差异，因为视觉提供的是连续的高带宽像素流，而触觉数据在时间维度上高度稀疏、在空间维度上高度局部化。

加州大学伯克利分校教授Trevor Darrell的团队为此设计了专门的触觉专家子模型，以四倍于动作专家的速度运行才能实现实时力控反馈，在12项精细操作任务中平均成功率约65%，接近纯视觉VLA模型的两倍。换句话说，触觉数据的价值不取决于其小时数，而取决于单位数据中蕴含的物理交互信息密度。

这种触觉领域的新趋势也表明，在资本密集涌入的表象之下，一个更底层的产业问题正在浮出水面，那就是到底什么样的触觉数据，才是物理AI在复杂物理交互中真正需要的？

在灵感机器人创始人张雅展看来，具身智能时代，机器人任务的执行能力，很大程度上取决于精细的触觉感知与力控制。而机器人操作能力的提升，首先就需要高信息密度、多模态、工程稳定性以及小型化的产品，灵感机器人为此开发出了Lux系列视触觉传感器，并锚定稠密力场这一差异化技术路线，这或许正是其能够快速获得资本认可的关键。

02.

稠密力场，力形同源：新路线出现了？

要理解灵感机器人技术路线的独特点，需要先看清视触觉传感器的底层逻辑。

视触觉传感器的基本原理是用微型摄像头捕捉弹性体受压后的形变图像，再通过算法反推接触信息。MIT的GelSight在2009年奠定了这一路线的架构，此后十余年的演进主要集中在弹性体材料、光学结构和算法优化层面。这种视觉化触觉的换算逻辑输出的是几何重建，即接触面的形状、纹理、标记点位移。

但自2009年以来，行业的基本架构没有发生根本变化。视触觉传感器的研发商在底层硬件与核心算法上均未取得实质性突破，核心元器件CMOS图像传感器由少数国际巨头主导，国内能自主供应CMOS的不到10家。在算法层面，ResNet、U-Net、光流法这三大视觉领域的成熟工具被大量复用于触觉数据处理，但视触觉在算法层面几乎没有独立于视觉体系的开创性贡献。

在具身智能的触觉需求路径上，灵感机器人创始人张雅展的判断很直接。他认为，几何重建回答的是物体长什么样，而机器人在操作中最需要知道的是自身正在施加多大的力、力的分布是否均匀、接触面是否发生滑移。前者是视觉的强项，后者才是触觉不可替代的价值所在。

灵感机器人的技术路线是“稠密力场”。其原理是基于自研超微型成像系统，将传感器整机厚度压缩到5mm，力场追踪分辨率达到每平方厘米10万点以上，从同一次成像中同时解算受力、形变、滑移与姿态，形成原生多模态触觉数据。

机器人大讲堂发现，这套方案的核心差异在于“力形同源”。传统方案仅为单一模态，输出的是一张高分辨率的接触面图像，稠密力场方案输出的是一个完整的物理交互状态描述，受力分布、形变梯度、滑移趋势、接触姿态被同时编码在同一次成像解算中，从而能为后续的数据采集、技能学习与精细操作提供更完整的触觉信息。

换句话说，稠密力场路线不是在“看得更清楚”上做文章，本质上是试图重新定义触觉传感器输出的数据产品形态，将其从“一张接触面的照片”升级为“一个完整的物理交互状态描述”。

国家地方共建人形机器人创新中心2026年1月发布的白虎-VTouch数据集为这一技术方向提供了侧面印证。该数据集覆盖超过60000分钟的真实交互数据，视触觉接触数据占比达57%，覆盖260余个接触密集型任务。数据显示，68%的任务在引入视触觉感知后获得了更完整、连续的接触状态描述，为精细操作和失败恢复提供了直接增益。

这也证明了，本质上触觉数据对具身模型的价值，不在于更多，而在于更完整地描述接触过程中力的分布、变化和趋势，触觉数据的“质量”将比“数量”更具长期壁垒价值，也表明了力形同源路线的必要性。

03.

科研背景与产业经验铸就研发根基

据了解，灵感机器人是亚太地区最早一批研究和应用视触觉传感技术的团队。其团队自2016年起启动视触觉传感研究，2019年率先将视触觉传感器应用于机器人灵巧操作场景，实现了基于触觉的世界交互信号预测与反馈控制。

灵感机器人创始人兼CEO张雅展博士毕业于香港科技大学机器人专业，本科毕业于中国科学技术大学精密仪器专业，曾在腾讯担任资深AI研究员，主导大规模数据管线及AI模型研发，后任国家实验室研究员、博导，深耕触觉感知与端到端精细操作模型，兼具算法落地与硬件系统集成的完整工程经验。

公司核心团队还汇聚了来自港科大、中科大、南科大、EPFL等国内外知名院校与国家级科研机构的成员，拥有来自腾讯、奥比中光等一线科技企业的产业经验，兼具顶尖研发与商业化落地能力。与此同时，团队与国内外顶级院校建立了长期合作机制，持续推进前沿力触觉智能技术与应用。

04.

触觉感知的闭环布局

灵感机器人真正值得关注的地方，是它试图证明，在力学信息密度这个维度上做到极致，本身就是一种可以重建的工程能力。

其Lux系列视触觉传感器包含三种形态。

AM-TV L通用楔形面向主流电动夹爪与工业产线，感知面积34×24mm，50N满量程，0.01N精度，可经受500万次以上连续按压测试。

AM-TV S紧凑楔形面向细窄夹爪与狭小空间，尺寸压缩至41x19.6x24mm，但完整保留50N满量程与同源力场感知能力。

AM-TV R曲面指尖专为灵巧手指尖设计，尺寸33.9x20x16mm。三种形态覆盖了从工业产线到灵巧手操作的主要场景，而支撑这种产品矩阵的是一套统一的感知体系。

工程参数背后是一种不同于传统触觉方案的技术哲学。传统压阻式或电容式触觉传感器输出的是单一标量的力学信号，也就是力的值或力的方向，信息密度受限于传感单元的物理排布密度。视触觉方案通过光学成像绕开了这一限制，而灵感机器人的稠密力场路线则将光学路径的信息承载能力推到了一个新的量级。

一块输出单一力值的传感器，和一颗输出10万点三维力场的传感器，在单位时间内积累的数据信息量存在数量级差异。前者积累的是力的大小，后者积累的是完整的物理接触状态。在训练具身大模型理解重力、摩擦、形变等物理规律时，后者的价值显然更高。

这种信息密度的提升，最终指向的是触觉数据作为具身智能训练语料的价值。灵感机器人的投资方之一合肥创新投，对这一逻辑的概括颇为直接：高精密触觉数据是具身大模型迭代的生命线。这一定位将公司从传感器供应商提升为具身智能物理交互基础设施的构建者。

灵感机器人的业务布局也沿着这一逻辑展开，从传感器延伸到数采系统、数据管线和触觉智能系统，灵感机器人正围绕触觉感知、数据构建、模型训练、控制部署打通技术链路。

05.

数据质量能否成为新壁垒？

回到更大的产业视角。触觉传感器赛道当前的竞争正在从“谁的传感器更灵敏”转向“谁能积累更高质量的物理交互数据”。数据基建正在成为触觉传感器公司竞争的第二战场。

灵感机器人在这条路径上选择了不同的站位。它不试图在传感器出货量上竞争，那是一个由成本和产能驱动的规模游戏；也不试图在数据规模上竞争，那是一个由采集能力和资本投入驱动的体量游戏。

它赌的是：当具身智能模型开始真正理解重力、摩擦、形变这些物理规律时，更高质量、可被模型有效学习、能还原交互力场的触觉数据，其重要性将远超想象。

在具身智能从“看得见”走向“摸得懂”的进程中，行业真正需要的是更多的传感器，还是更好的触觉数据，其实问题的答案早已不言而喻。