两颗看起来一模一样的花生，机器人伸出手，轻轻按压了一下，随即做出判断：左边这颗是真的，右边的是模型。2026世界人工智能大会（WAIC 2026）具身智能展区现场，一目科技想要讲的一个关于机器人可以通过什么来理解真实世界的故事，就从这里开始。

过去几年，具身智能领域相继涌现出两大类公司：一批聚焦机器人本体，负责把机器人造出来且能行动；另一批则专注大模型，让机器人理解指令并规划行动。如今，两者已初具规模。本届WAIC上，看得见、听得懂的机器人们已活跃在多类岗位之上：搬砖、奏乐、跳舞、对弈⋯⋯

有人说着“去年是展品，今年成同事”的段子，也有人看到一些新问题：在精密度更高的场景里，机器人该如何评估一片薯片能承载的压力，又该如何稳稳托住一个真实的脆弱生命体——比如一颗鸡蛋。

带着这些问题，7月18日下午，《每日经济新闻》记者与一目科技CEO李智强聊了聊。

今年，触觉的重要性已成为共识

这届WAIC期间，李智强听到最多的问题就是“触觉这么重要，你们怎么做的？”媒体问、客户问，也有带着胸卡的同行来看。“去年完全没有这种情况，当时触觉离大家的视线还比较遥远。”

这种认知层面的遥远在今年被瞬间拉近。7月18日晚间，一目科技官宣完成超10亿元E轮融资，估值突破100亿元。融资由多家一线人民币基金、头部美元基金和知名产业方联合参与，所融资金将用于具身智能触觉感知材料、芯片、算法和模型的研发以及产线订单的规模化量产和高质量交付。

热钱的流动方向往往昭示着一些趋势。一个可供参考的维度是，与2025年相比，具身智能赛道灵巧手的迭代开始显著加速，周期已缩短至半年。新的共识也在形成，触觉和高自由度成为被频繁提起的关键词，两者都很重要。

过去两年，大模型让机器人拥有了越来越聪明的“大脑”，技术不断刷新机器人理解任务和规划动作的能力。但走下展台，人们会发现，拿捏薯片、拧好零件似乎仍停留在视频Demo阶段。

原因很简单。可视化数据库可以帮助机器人辨认大千世界，但无法教给机器人与之交互的经验和逻辑，后者是人类刻在肌肉记忆里的本领。比如，用多大的力，才能稳稳拿住不同材质的杯子，并不是看图就能学会的。聚焦物理交互的触觉数据适时站上台前，这决定机器人能否涌现出理解真实世界的智能。

一目科技认为，智能的本质是对信息的高度压缩，但如果没有现实世界的约束，这种压缩只会产生幻觉。对于Physical AI而言，真正重要的不是模型继续变大，而是机器人能否持续获得来自现实世界的Ground Truth（物理真值）。

机器人抓取物体 图片来源：一目科技

能力泛化的卡点还是在于数据量

在获取物理真值的道路上，一目科技选择的路线是视触觉（Vision-based Tactile）技术。

与传统力传感器不同，视触觉在柔性材料内部建立光学观测系统。简单来说，当机器人与物体发生接触时，材料会产生微米级的形变，内置的光学系统实时记录这些变化的图像，再通过AI算法还原出压力分布、剪切力、纹理、滑移趋势等丰富的物理信息。

对于为何选用视触觉路线，李智强则表示，他认为视触觉是最类人的数字传感器。

李智强给了每经记者一组数字：其他传统方案只能做到大概几十个点，点与点之间有大量的感知盲区；视触觉由于内部集成了微型摄像头，感知点数可以高达万级，与前者相差数个数量级。“人不仅仅是有正向的触觉，摩擦力、温度、湿度，甚至对于纹理都有感知，那视触觉是真正唯一能够去把它都结合在一起的路线。”

不过，目前无论是视触觉抑或是其他技术路线都未到能力泛化的阶段，核心卡点依旧在于数据量，100万小时数据的采集成本中，采集过程占比或超80%。一目科技也直言，当下真正稀缺的，并不是一颗传感器，而是由传感器持续产出的高质量物理交互数据。因为对于Physical AI而言，每一次接触，都是机器人认识世界的一次学习；每一次抓取，都会产生新的Ground Truth。

李智强认为，从目前来看，至少要有百万小时量级的真实数据才能做到一定程度的泛化。“当然，百万小时的数据也不能做到全面泛化，但至少能达到一个可用的程度。在这个基础上，行业普遍认为明年可能要到1000万小时，从而达到一个相对更泛化的阶段。至于涌现的标准，大家还处在猜测的状态中。”

至于未来，李智强和一目科技试图做的，则是用一套基础设施体系填补连接物理世界与智能系统之间缺失的那一层。“我们不会直接贩卖数据，我们想构建一个像ImageNet的开源社区，可能叫作TouchNet。大模型真正能发展到今天，其实也是相对开放的生态，大家一起开源把蛋糕做大的。”

每日经济新闻