視覺失效之后，觸覺如何補上具身智能的「最后一厘米」？| GAIR Live 032

視覺無法做到的，觸覺正在為具身智能通往靈巧操作鋪平“最后一厘米”。

編輯丨岑峰

在剛剛結束的機器人領域頂級學術盛會 ICRA 2026 上，一個清晰的信號浮出水面：具身智能正從“視覺主導”跨入“視觸融合”的新階段。

過去十年，深度學習與計算機視覺賦予了機器人一雙明亮的“眼睛”，讓它們能夠識別萬物、規劃路徑。但當視角拉近，進入與物體直接接觸的微觀距離時，傳統的視覺范式開始顯得捉襟見肘。

在具身智能嘗試系紐扣、裝配零件或拿起一顆熟透的草莓時，開發者們發現，僅僅靠“看”是不夠的。當手部靠近物體，視覺遮擋與光影變換讓這“最后一厘米”成為了通往靈巧操作的深重鴻溝。

這一背景下，具身智能的競爭焦點正在下移。觸覺，這個長期處于邊緣地位的感知維度，在 2026 年迎來了它的“大模型時刻”。

為了拆解這“最后一厘米”背后的技術邏輯與產業真相，GAIR Live 線上圓桌邀請了三位觸覺感知領域的頂尖實踐者。他們分別是：

• 模量科技首席科學家、聯合創始人高立波；

• 超維傳感 CEO 李炎輝；

• 千覺機器人 CTO 趙浩南。

在這場90 分鐘的深度對話中，三位嘉賓圍繞觸覺的本質、技術路線的博弈、數據稀缺的破局以及商業化的爆發點展開了硬核碰撞。

▎亮點金句：觸覺是機器感知物理世界的“靈魂”

高立波指出：“觸覺是具身智能從數字時代跨越到物理現實最關鍵的橋梁。視覺負責‘看’和‘預判’，觸覺負責‘校驗’和‘穩固’。當機器人從觀察世界轉向改變世界時，沒有反饋的動作是不可逆的失誤?！彼麖娬{，觸覺的引入不僅是硬件補齊，更是 AI 理解物理世界邏輯的質變——AI 必須在接觸、摩擦和受力變形的響應中學習“物理常識”。

趙浩南則從執行端給出了精準的論斷：“沒有觸覺的靈巧手，只是一個‘高級夾具’。”他認為視覺在“最后一厘米”面臨三大死穴：遮擋問題、狀態感知缺失和高頻反饋遲滯。在最后的一厘米內，視覺信號可能毫無變化，但手內的受力狀態可能已發生巨變，這決定了任務的成敗。

李炎輝憑借深厚的產業化背景，提出了“觸覺基礎設施”的概念。他認為，目前行業正處于“大腦（語義規劃）+小腦（觸覺閉環）”的分層架構探索期。未來的關鍵在于觸覺信息的“同構化”與“標準化”：“位置、力控、震動、溫度是機器人理解世界的原生邏輯，只有產出穩定、無畸變的特征向量，觸覺大模型才能真正跑通。”

▎核心博弈：在物理極限與商業成本間尋找通途

圓桌還深入探討了觸覺感知目前面臨的三重挑戰：

1. 物理的天花板：電子皮膚如何實現“人皮級”性能？高立波詳細拆解了靈敏度與量程、柔性與穩定性、以及單點與陣列一致性之間的三大矛盾。他認為，行業指標正從單純的分辨率轉向“高保真度”和“低串擾”。

2. 路線的博弈：面對視觸覺（光學）、壓阻、電容、壓電等路徑，產業界尚未達成共識。李炎輝提出的“剛柔結合”范式，試圖在實驗室的高靈敏度與工業級的長壽命之間尋求最優解，將觸覺傳感器從昂貴的設備轉變為低成本的基礎設施。

3. 數據的稀缺：觸覺數據無法像視覺數據那樣通過互聯網大規模爬取，其增長受限于昂貴的物理交互成本。趙浩南分享了千覺在構建“觸覺編碼器”上的嘗試，即通過將不同物理機理的信號映射到統一的高維隱空間，實現與視覺、語言信息的對齊。

三位嘉賓一致認為，觸覺的大規模爆發已處于“萬事俱備，只欠場景”的階段。工業精密裝配、AI 智能穿戴以及情感陪伴機器人，將是第一批“吃螃蟹”的領域。而終極戰場則在于非結構化環境下的家庭服務。

中國憑借完善的產業鏈和極快的工程迭代速度，在這一賽道具備獨特優勢。但要真正實現“規?；宪嚒保孕柙趯Ｓ眯酒ˋSIC）、高強度材料以及行業標準化上實現突破。

當視覺與觸覺在大模型范式下實現深度融合，機器人與物理世界的距離，才真正縮短到了那最后的“一厘米”。

以下是此次圓桌討論的精彩分享，AI 科技評論進行了不改原意的編輯整理：

主持人（岑峰）：各位觀眾晚上好。在剛結束的機器人頂會 ICRA 2026 上，一個顯著的信號是：機器人正從“視覺主導”跨入“視觸融合”的新階段。過去十年，視覺賦予了機器人“眼睛”，但在具身智能嘗試系紐扣、裝配零件或拿起草莓等精細動作時，僅靠“看”是不夠的。當手部靠近物體，視覺遮擋與光影變換讓這“最后一厘米”成為了通往靈巧操作的深重鴻溝。

如何賦予機器人細膩且堅韌的皮膚？觸覺數據的大模型時刻何時到來？今天我們邀請了三位觸覺感知的領航者：模量科技首席科學家高立波老師、千覺機器人 CTO 趙浩南老師，以及超維傳感 CEO 李炎輝老師，共同拆解這“最后一厘米”的奧秘。

下面有請三位嘉賓做一個簡單的自我介紹，并結合自己的研究講述，對“最后一厘米”的判斷。

高立波：我是深圳模量科技公司的聯合創始人和首席科學家，另外還有個身份是廈門大學智能制造學院的教授博導。我長期深耕柔性壓力及 MEMS 壓力傳感器領域，重點研發基于離子和電子混合機理的壓力觸覺傳感器。

觸覺感知是具身智能從數字時代跨越到物理現實最關鍵的橋梁。目前市場處于百花齊放的階段，壓阻、電容、視觸覺、霍爾效應等技術路徑并行，尚未實現技術收斂。我認為打破“最后一厘米”鴻溝的關鍵在于：如何實現傳感器的批量化生產、保持長期穩定性，并確保獲取的觸覺數據對機器人決策真正“有用”。

趙浩南：我是千覺機器人的聯合創始人和CTO，千覺機器人致力于讓機器人真正理解并控制“接觸”。我們的工作涵蓋三個層面：一是硬件，研發指尖高分辨率視觸覺傳感器及覆蓋全身的柔性電子皮膚；二是數據，建立包含視覺、動作、機器狀態及觸覺的完整物理交互數據鏈路；三是模型，將觸覺引入精密裝配與靈巧操作的閉環。

“最后一厘米”代表著機器人從“看見并接近物體”到“產生物理交互”的臨界點。這意味著三個轉變：從單純的動作模擬轉向穩定、可靠的任務完成；從僅學習成功案例轉向從失敗的接觸中實現智能涌現。

李炎輝：我是來自超維傳感的李炎輝，超維傳感團隊擁有十余年消費電子柔性壓力傳感器開發經驗，曾為蘋果、華為等巨頭累計交付數億顆柔性壓力傳感器。我們公司去年成立，專門針對機器人靈巧手研發觸覺產品。

我們認為觸覺傳感器提供的“力控信息”對提升 AI 操作的一致性與穩定性至關重要。除了位置信息，未來的傳感器還需整合振動、溫度等多維數據。超維的目標是成為 VTLA（視覺-觸覺-語言-動作）大模型時代的觸覺基礎設施，通過提供高一致性、高可靠性的高質量數據，賦能具身智能的進化。

01

趨勢與本質：為什么觸覺成為了具身智能的命門

岑峰：三位嘉賓的發言勾勒出了清晰的行業輪廓：“最后一厘米”不僅是物理尺度，更是信息傳遞的升維。當視覺在近距離失效時，觸覺將成為核心補充。這種對觸覺價值的重估，正是 ICRA 2026 達成的最深刻行業共識。 觸覺已從具身智能的“選配件”轉變為“必備項”。我們首先探討這一共識背后的邏輯：為什么觸覺會在當下成為具身智能大模型的核心命門？是硬件技術的補齊，還是人工智能理解世界的邏輯發生了轉變？

高立波：“觸覺是命門”的說法很有道理，但需要更謹慎的表述。這并非視覺不再重要，而是當機器人從“觀察世界”轉向“改變世界”時，單純依靠視覺已不足以支撐。

過去幾年，視覺語言模型和導航技術讓機器人能更好地理解場景并規劃動作。但進入“最后一厘米”后，問題性質變了。比如抓取柔軟物體、插入精密零件、擰開瓶蓋或捏起細針，任務成功的關鍵不在于“看到了什么”，而在于：是否接觸到了？接觸力是否合適？物體是否在滑動或變形？下一步該施加多少力？

這些信息在很多時候是視覺無法捕捉的，或者說，當視覺觀察到失誤時，結果已不可逆。因此，觸覺的引入不僅是硬件補充，更是具身智能理解物理世界邏輯的質變。過去 AI 在圖像、語言和數學符號空間學習；現在，它必須在接觸、摩擦、受力變形的響應中理解現實。觸覺提供了機器人作用于環境后的實時反饋。視覺負責“看”和“預判”，觸覺負責“校驗”和“穩固”。

目前觸覺被高度重視，得益于三個條件的成熟：

1. 制造技術進步：柔性材料、微納加工工藝的提升，使國產柔性傳感器在性能上已不遜于國外。

2. 數據需求爆發：具身大模型需要真實的物理交互數據，觸覺成了不可或缺的數據源。

3. 應用場景倒逼：靈巧手逐漸進入真實任務，迫使傳感器必須從實驗室指標走向系統級可靠性。觸覺的最終價值是讓機器人更穩定、更安全、更精細地與物理世界交互。

岑峰：謝謝高老師，高老師講了觸覺被高度重視的三個宏觀條件，接下來我們來從微觀角度提問：從執行端看，處理捏針、系扣子等任務時，視覺的盲區在哪里？為什么說沒有觸覺的靈巧手只是一個“高級夾具”？

趙浩南：傳統夾爪適合結構化、標準化的工業抓取，成本低且穩定。但具身智能的目標是走進家庭、醫療等非結構化環境。夾爪無法完成捏、拔、擰、插等復雜動作，其靈活性受限。靈巧手的核心價值在于豐富的動作空間，能適應多樣化的物體。

在“最后一厘米”的精細操作中，視覺存在三大局限：

1. 遮擋問題：靈巧手自由度多，很多接觸發生在手指內部，視覺會被手指或物體遮擋，無法觀測核心接觸區。

2. 狀態感知缺失：接觸力大小、物體滑移傾向、插拔時的微調、柔軟物體的形變，這些關鍵狀態無法通過像素直接“看”出來，必須依賴觸覺。

3. 高頻反饋遲滯：視覺看到的往往是“結果”（如物體已掉落），而觸覺能感知微小的滑動，從而實現更高頻、更精細的控制閉環。

在最后的一厘米，視覺信號的變化微乎其微，但手內的受力狀態可能已發生巨變。沒有觸覺的靈巧手，其控制閉環是不完整的。

岑峰：以前觸覺需求多為避障或測力，現在客戶對傳感器的訴求是否已演進到了材質識別、粗糙度等“觸覺語義”階段？

李炎輝：確實。以前的任務單純，現在追求通用泛化。目前主流的技術共識是“大腦（頂級語義規劃模型）+小腦（觸覺實時感知執行）”的分層架構。大腦負責低頻、長程的理解與規劃；小腦解決微秒或毫秒級的觸覺閉環。

雖然目前很多研究（如李飛飛團隊的 T-REX 模型）傾向于將觸覺信號翻譯成“打滑”、“握緊”等模型易理解的文字標簽（離散詞匯），但我認為這只是中間形態。未來一定會跳過文字標簽，直接輸出位置、壓力、震動等結構化數據來驅動控制，這樣效率更高。

目前最大的困難在于觸覺信息的異構化。由于各家傳感器的技術路線不同（視觸覺、壓阻、電容等），導致模型很難以統一的方式理解接觸狀態。 下一步的關鍵是觸覺信息的同構化與標準化。超維傳感致力于輸出高一致性、高可靠性的物理特征。我們認為位置信息、力控、震動、溫度是機器人理解世界原生的“觸覺邏輯”，是獨立于語言之外的存在。只有產出穩定、無畸變的觸覺特征向量，大模型才能真正用起來，支撐具身智能完成柔順交互的實操任務。

02

技術路徑

岑峰：三位老師剛才從宏觀與微觀維度達成了重要共識：觸覺不再是機器人的“補丁”，而是必爭之地。接下來的核心問題是：我們應以何種方式實現觸覺感知？這背后涉及復雜的工程權衡。

首先請教高立波老師。電子皮膚追求像人皮一樣兼具柔性、高靈敏度與超大陣列。在微納加工與材料學層面，實現幾千個通道的觸覺陣列，目前面臨的“物理天花板”是什么？對于數據的理解，各家側重點有何異同？

高立波：從學術與前沿研發的角度看，電子皮膚要實現“人皮級”性能，最大的挑戰不在于單純增加像素點，而在于：如何讓數千個感知單元在復雜的機械形變下，依然維持性能的獨立性與穩定性。

目前的柔性壓力傳感器在提升量程與靈敏度時，普遍面臨三大矛盾：

1. 靈敏度與量程的矛盾：許多結構在低壓區極其靈敏，但面對機器人操作中可能出現的極端壓力時，極易陷入飽和，失去響應能力。

2. 柔性與穩定性的矛盾：電子皮膚需要薄、軟、可吸附，但材料越軟，其蠕變、遲滯、機械疲勞以及對溫濕度的敏感性就越明顯。相比成熟的硅基傳感器，如何讓柔性器件在長期服役中保持基線穩定，是行業的頭號難題。

3. 單點與陣列一致性的矛盾：實驗室里做一個點很容易，但集成幾千個單元時，封裝應力、加工誤差和基線漂移會被無限放大。

此外，“串擾（Crosstalk）”是必須跨越的障礙。它包括電學串擾（如寄生電容、行列掃描干擾）和力學串擾（柔軟材料受壓時的應力傳遞）。單純依靠后端算法校正是不夠的。模量科技目前的思路是從材料、電路到算法全方位發力：通過引入特殊的“間隔層”封裝，確保單元間的信號獨立。目前我們已能實現每平方厘米近 400 個集成單元，并向 1000 個單元的極限沖刺。

我想強調的是，我們不應只關注“做了多少個點”，而應關注這些點能否形成一個真實、連續、可重復的時空壓力場。電子皮膚的指標正從單純的分辨率，轉向高保真度、低串擾以及大規模批量生產的一致性。

岑峰：趙總，在靈巧手的系統集成中，如何解決“感知”與“結構”的矛盾？傳感器越多，走線和功耗越復雜，是否會犧牲手的靈活性？

趙浩南：硬件架構的設計必須遵循“好鋼用在刀刃上”的原則。靈巧手內部空間極度壓縮，布滿了電機、編碼器和傳動結構，觸覺系統的介入絕不能干擾其原有的靈活度。

我們認為，理想的觸覺架構應是非均勻分布的：

• 指尖區域：承擔捏取、插拔、滑移控制等精密任務，需要極高的陣列密度和豐富的接觸信息（如法向力、切向力）。這里適合集成高信息密度的觸覺模塊。

• 手掌與指節：主要負責包絡抓取、碰撞檢測和大面積感知。這部分對精度要求略低，更適合低成本、大面積覆蓋的柔性皮膚。

在工程實操中，我們主張“早期介入”。不能等手設計完了再貼皮膚，而是在結構設計階段就同步考慮走線、功耗和信號傳輸。同時，觸覺是高磨損部件，指尖傳感器必須具備模塊化、快速更換和自動標定的功能。

目前的共識正從“堆數量”轉向“抓質量”。在具身智能的現階段，觸覺數據的一致性與高質量，其權重遠高于傳感器的絕對數量。

岑峰：有觀眾問到目前觸覺傳感器的“主流技術路線”。李總，目前光學、壓阻、壓電、MEMS 等路徑并存，您在路線選擇上有何考量？如何權衡長壽命、易更換等工業指標？

李炎輝：坦率說，觸覺感知領域目前沒有絕對的主流。大家都在基于自身對物理世界的理解“添磚加瓦”，這反映出行業正處于爆發前夜。

底層物理量的感知不外乎“聲光電熱力磁”六大類，每種路徑都有其物理局限性，很難出現單項技術的“六邊形戰士”：

• 光學方案（如視觸覺）：像素密度極高（可達萬級），但力控信息相對薄弱，且體積受限。

• 電容方案：擅長接近感知，但切向力感知不穩定，且標定困難。

• 壓電方案（PVDF）：對瞬態震動極其靈敏，但難以感知持續的靜壓力和位置信息。

• 霍爾方案：近期熱度高，但在復雜力控下的準確度仍需大量補償算法。

超維傳感之所以選擇“融合感知（Multi-modal Fusion）”路線，是因為觸覺本質上是位置、法向力、切向力、姿態、溫度與震動的多維集合。沒有任何一種單一技術能把這些全部特征做到極致。我們采用壓阻加應變的方案，正是為了在保證指尖位置精度的同時，提供高一致性的力控數據。

在工業指標方面，壽命與柔性往往是相悖的。越柔性，越容易蠕變和損壞。我們的解法是“剛柔結合”：核心傳感層采用相對剛性、成熟的工業路徑保障長壽命，外層硅膠層設計為可消耗、易更換的結構，且更換后不影響標定精度。

具身智能要走向千家萬戶，觸覺傳感器必須從“昂貴的實驗室設備”變為“高性能、低成本、工業級可靠”的基礎設施。融合感知是目前通往這一目標的、最具落地潛力的范式。

03

算法與數據

岑峰：感謝三位老師。剛才我們拆解了硬件層面的路線選擇，但百花齊放的硬件也給后端處理帶來了巨大挑戰。觸覺信號不像圖像那樣標準，它高度多樣化且數據稀缺。在視覺大模型已經非常強大的背景下，觸覺如何作為有效補充，將瑣碎的壓力、震動信號高效“喂”給大腦，實現真正的視觸融合？

接下來的環節，我們探討靈巧手的硬件數據與通感智能。首先請教高立波老師：觸覺信號極其龐雜，未來的觸覺傳感器是否需要走向“存算一體”或“類腦計算”的路徑，在“皮膚”表面完成初步特征提取，而非將原始波形全部丟給中央處理器？

高立波：這是一個關乎傳感器角色定義的關鍵問題。我個人認為，觸覺傳感器的未來必然走向一定程度的邊緣計算與事件驅動感知。

但這并不意味著要把所有復雜的計算都壓在皮膚表面。最合理的架構應該是：皮膚層完成“快速反射”，中央系統（大腦）完成“高層理解”。

觸覺數據與視覺數據有顯著區別。觸覺中包含大量高頻瞬態信號，比如接觸瞬間的微小滑移、局部的機械沖擊或震動。這些信號持續時間極短，但對抓取的穩定性和安全控制至關重要。如果我們采用大規模柔性陣列，讓幾千個感知單元持續輸出高頻原始波形并全部傳給 CPU，將帶來不可承受的數據帶寬、通信延遲、功耗及計算負擔。

因此，在傳感器端或局部采集端進行初步特征提取極具價值。我們可以通過輕量化算法（如模擬前端、閾值觸發、局部差分等），判斷是否接觸、定位接觸中心、捕捉異常壓力梯度等。這樣，中央控制系統接收到的不再是枯燥的電壓或電阻原始值，而是更接近任務語義的“觸覺事件”。這種分層設計將觸覺信號從“測量層”提升到了“語義層”。

模量科技正在研發的觸覺采集系統正是遵循這一思路。我們同步采集柔性視觸覺、織物壓力、手部動作等信息，先在局部完成壓力與位置特征的提取，再將這些特征與視覺、關節運動及本體信息共同送入上層模型。

當然，我也要強調，邊緣計算并非觸覺系統的唯一方向。電子皮膚的空間和散熱能力極度受限，集成過多復雜芯片會影響柔性器件的貼附性和壽命。更現實的方案是功能分層：

• 指尖及高頻操作區：配置較強的局部計算能力，應對精密控制。

• 大面積身體部位：側重低功耗、低精度的力檢測與安全響應。

• 大腦中樞：負責物體識別、策略生成及跨模態理解。 只有當觸覺傳感器不再輸出單純的波形，而是輸出機器人可直接調用的狀態量和事件信息時，它才真正成為了具身智能的一部分。

岑峰：趙總，視覺領域有海量互聯網數據，而觸覺數據極端稀缺且格式異構。在您的實踐中，如何構建觸覺訓練的閉環？行業對觸覺大模型有哪些核心要求？

趙浩南：千覺在觸覺訓練上的探索分為三個階段。首先是聚焦單個傳感器，驗證VTLA（視觸語言動作）模型的技術路線。其次是解決異構問題。由于傳感器的物理機理各異，我們致力于開發通用的觸覺編碼器，將不同路線的觸覺信號映射到一個統一的高維隱空間（Latent Space）中，從而實現與視覺、語言信息的對齊。最后是探討如何將觸覺深度接入 VLA（視覺-語言-動作）模型。

我們目前采用一種分層架構：頂層的大腦模型負責場景和語義理解；底層的小腦模型負責高頻運動控制。這種架構下，觸覺信息不需要在所有階段無差別輸入，而是有針對性地用于調整壓力、滑移和接觸狀態。

關于“觸覺統一基座模型”，我認為它很難獨立存在。原因有二：

1. 數據增長瓶頸：觸覺數據不僅現階段規模小，且其增長速度受限于物理交互成本，無法像視覺數據那樣通過簡單的異構方案快速爆發。

2. 高度局部性：觸覺信號極其依賴接觸上下文。如果不知道正在接觸什么物體、執行什么任務，一段孤立的壓力波形是無法產生合理語義的。觸覺模型很難在不結合視覺的情況下，獨立實現完整的任務決策。

因此，我認為觸覺基座模型的最終形態一定是視覺驅動的補充模式。它的基本功是必須具備“海納百川”的能力，能夠消化不同類型傳感器的異構數據，并將其轉化為大語言模型可處理的表征。

岑峰：李總，觸覺傳感器的標定（Calibration）一直是個痛點。隨著使用磨損，精度難免漂移。在算法端，我們能否通過視觸融合等技術彌補硬件的不穩定性？目前的跨模態對齊進展如何？

李炎輝：這個問題直擊行業痛點。商業化落地的生命線就是高一致性與高可靠性。超維傳感的應對策略分為硬、軟兩手：

• 硬件層面：采用更高端的材料、更嚴謹的制程工藝和苛刻的可靠性測試，從源頭確保傳感器的長期穩定性。

• 算法層面：在傳感器端內置算法，解決基線長期漂移的問題，向游輸出標準、穩定的信號。

至于利用視觸融合或自監督學習來彌補硬件不確定性，我認為這是行業公認的正確路線。目前我們正與客戶深度協作，探索如何利用視覺信息與觸覺反饋進行互認證。在解決了最底層的硬件一致性后，多模態信息的互相印證將成為解決硬件不穩定的最后一道屏障。跨模態對齊雖然仍在演進中，但其方向是非常明確的：即用冗余的信息流構建確定性的交互感知。

04

產業與落地

岑峰：剛才的討論讓我們看到，觸覺感知的曙光已現，但挑戰依然嚴峻。長期以來，觸覺傳感器給行業的印象是“昂貴、嬌貴、難量產”，這正是阻礙其規?；吧宪嚒钡淖詈笠焕迕住＝酉聛淼暮诵淖h題是產業落地的實戰推演。

首先請教高立波老師，展望未來 3 到 5 年，全球觸覺感知的競爭格局將如何演變？中國在供應鏈與應用場景上的優勢明顯，但還有哪些核心環節亟待補齊？

高立波：未來 3 到 5 年，觸覺感知將從“技術驗證階段”轉向“場景篩選與規?；炞C階段”。行業的關注點將不再單純比拼靈敏度或分辨率，而是聚焦于誰能在機器人任務中保持長期穩定工作，并提供可接受的維護與更換成本。

在全球競爭格局中，我認為不會出現某種路徑“大一統”的局面，而是根據應用場景形成技術組合：指尖操作需要高精細度，大面積皮膚側重安全性，工業裝配則強調耐用。光、壓、電、離子電子及 MEMS 方案將長期共存。

中國的優勢在于完善的產業鏈（材料、模具、柔性電路、整機）和豐富的落地場景（3C、物流、新能源、服務機器人），且工程迭代速度極快。但補齊核心環節依然緊迫：

1. 專用芯片（ASIC）：目前大多采用分立電路板采集，未來需要開發低噪聲、多通道的專用集成芯片，實現傳感器與電路的一體化融合。

2. 高端材料與工藝：研發更高穩定性的敏感材料、耐磨耐污染的封裝材料，以及面向復雜曲面的可靠互聯工藝。

3. 標準化與自動標定：目前行業缺乏統一國標，各家自說自話。我們需要建立自動化的標定體系與壽命預測模型，形成觸覺硬件、數據、模型訓練到接口的完整閉環。

岑峰：趙總，觸覺傳感器大規模爆發似乎正處于“萬事俱備，只欠殺手級場景”的階段。精密裝配、醫療康復、人形機器人，誰會成為第一個吃螃蟹的領域？

趙浩南：判斷一個場景是否屬于“殺手級”，需考量三個條件：觸覺是否不可替代、價值能否量化、能否規模化復制。

• 工業精密裝配：這是目前的“第一現場”。在連接器插拔、柔性線纜整理等任務中，加入觸覺能顯著提升成功率。這種效率提升（如提高百分之幾）極易量化，有助于決策者判斷投入產出比。

• AI 智能硬件：隨著多模態大模型的普及，AI 眼鏡、耳機及可穿戴設備正在涌現。觸覺模型與壓感反饋結合，將產生全新的物理交互邏輯。

• 情感陪伴：對人類而言，撫摸與擁抱是情感感知的核心。觸覺在陪伴類賽道中具備獨特的情緒價值。

• 上限最高的家庭服務：這是非結構化環境的終局。處理玻璃杯等易碎品、應對物體的軟硬摩擦，需要的是物理接觸式的感知而非視覺，觸覺在這里能顯著提升安全邊際。

• 醫療康復：手術機器人與康復設備單價高、壁壘深，雖然認證周期長，但商業價值極大。

岑峰：成本是落地的“緊箍咒”。李總，全觸覺感知的靈巧手要降到什么價格，才能實現規?；娲课覀冸x消費級價格還有多遠？

李炎輝：雖然目前具身行業首優是“跑通任務”，但成本門檻遲早要跨過去。我認為未來全觸覺靈巧手的售價應降至 1 萬元以內。具體到觸覺傳感器這一器件，整體成本應控制在數百元。

從消費電子行業的視角看，目前觸覺傳感器的單價貴得不可思議。其根源在于量太小：目前行業年需求量若達到 1 萬只手，已是頭部水平，這導致前期高昂的研發成本極難攤薄。

距離“消費級價格、工業級性能”有多遠？我認為很快。隨著模型端取得長足進步，靈巧手的應用場景會迅速打開，規模效應將帶動成本急劇下探。在特定領域，這一過程可能只需 3 到 5 年；但若要真正走向千家萬戶，至少還需 10 年以上的深耕。

05

Q&A

岑峰：有觀眾提問：如何看最近頭部觸覺企業發布自研芯片？

李炎輝：商業邏輯上，做芯片是順理成章的最終歸宿。但從行業階段來看，現在還為時過早。開芯片的前提是行業指標（spec）和神經網絡的需求已經完全收斂、標準化。目前技術路線尚在快速迭代，貿然開片可能并不經濟。等到某家模型用了特定的傳感器數據產生了質變，那才是芯片發揮價值的時刻。

高立波：我贊同李總。未來的觸覺芯片肯定是方向，但在各家傳感路線尚未收斂、迭代極快的現階段，通用芯片和可編程方案更具靈活性。只有當應用場景和量級穩定后，專用芯片在功耗、尺寸和實時性上的優勢才會凸顯。

趙浩南：自研芯片是趨勢，但現階段市場更關心的其實是標定算法、數據表征和量產的一致性。如果芯片能解決抗干擾、低時延等即時痛點，是有意義的；但目前我們還是根據市場需求走，保持觀望。

岑峰：這場持續一個半小時的對話，讓我們對觸覺感知的“最后一厘米”有了全新認知。這不僅是物理維度的觸碰，更是具身智能從“邏輯模擬”走向“物理常識”的關鍵躍遷。

觸覺是機器人感知物理質感的靈魂。當視覺與觸覺在大模型范式下實現深度融合，我們離“機器人像人一樣在復雜環境中自由勞動”的愿景，就真的只剩下最后一厘米的距離。這不僅是技術的探討，更是對未來生活的一場預演。感謝三位嘉賓的硬核分享，也感謝直播間的朋友。

Youtube鏈接：https://www.youtube.com/watch?v=eC2PKs8AuxM

上車，帶你看遍全球 AI 頂會精華

可獨家暢覽：

專家演講PPT

大會報告全文

熱門論文解讀

學術新星訪談

未經「AI科技評論」授權，嚴禁以任何方式在網頁、論壇、社區進行轉載！

公眾號轉載請先在「AI科技評論」后臺留言取得授權，轉載時需標注來源并插入本公眾號名片。