机器人拿起一枚鸡蛋，需要多大力气才能把它抓牢又不至于捏碎？如果它只能“看见”而无法“触摸”世界，就永远无法领会那个“刚刚好”的临界点。
一位从事机器人研究四十多年的科学家，在2023年因此决定创业。
香港科技大学教授王煜和他的学生段江哗，联合创办戴盟机器人（Daimon Robotics），试图以触觉和灵巧操作智能，让机器人具备真正的实用价值。
1984年，西安交通大学学生王煜赴美留学，成为中国最早的一批公派留学生，次年，他进入美国卡内基梅隆大学机器人研究所（CMU RI），攻读博士学位。
那时候的CMU RI，有两位顶尖大咖，一位名叫Matthew T. Mason，是机器人上肢操作领域的奠基人；与Matthew实验室同一条走廊的另一端，是Marc Raibert的Leg Lab实验室，专注于机器人下肢运动控制——后来Marc创办了赫赫有名的波士顿动力。在机器人的“手”与“腿”之间，王煜选择了前者，成为了Matthew的第一个博士生。
毕业后，王煜先后任教于美国马里兰大学、香港中文大学、新加坡国立大学，2015年和李泽湘一起创办了香港科技大学机器人研究院，并出任创始院长。
李泽湘是中国硬科技创业孵化最有名的科学家之一，孵化了包括大疆、云鲸智能、希迪智驾等 270 多家硬科技企业 。王煜在2023年也终于迈出了这一步，并亲自上阵。
戴盟机器人聚焦触觉感知与灵巧操作的颠覆式创新，一出生便受到资本界和产业界的力撑。戴盟机器人的天使轮融资金额累计达数亿元，刷新了触觉传感领域天使轮融资的最高纪录。他们的高分辨率多模态触觉传感器已经规模化量产，出货量全球第一。
更重要的是，2026年4月15日，他们联合国际国内数十家顶级机构和企业，发布了全球最大的含触觉全模态物理世界具身数据集Daimon-Infinity，以大幅降低具身模型的训练门槛，加速行业的发展。接下来，他们还计划发布一套评测框架，推动触觉数据形成统一标准。而王煜本人，2025年还入选了斯坦福大学世界前2%高被引科学家名单。
戴蒙机器人究竟将如何一步步推进机器人的触觉应用？2026年5月，南方周末研究员与王煜进行了一次访谈。
戴盟机器人联合创始人、首席科学家王煜，受访者供图
在40年前选中机器人操作
南方周末：80年代，机器人对很多人还是个陌生概念，你当时怎么就选择了这个专业？
王煜：说来有趣。我本科就读于西安交通大学，主修机械制造，通过教育部的公派留学生资格考试后，就去向顾崇衔教授请教应当选什么专业——他是我们国家机械制造学科的主要奠基人之一，也是当时国内少有的有留美经历的学者。
机械是一门偏工的学科，顾先生建议我在理科方面做些加强，把基础科学的底子打得更扎实，因此我最开始申请的是宾夕法尼亚大学的力学专业。
出国后我很快就和其他国家的留学生熟络起来，特别是一位菲律宾同学。有次聊天时，他说，“你应该学自己更感兴趣的专业，比如机器人。”我当时很懵懂，问他“什么是机器人”。他立刻开车带我去了卡内基梅隆大学的机器人研究所。在那里，我看到了很多机械臂做抓取操作，初见就非常喜欢。
那时候，智能驱动的机器人正处在第一个高潮期。时任卡内基梅隆大学机器人研究所所长的Matthew T. Mason很需要一个懂机械的人，同意招收我。于是我在原学校读了一学期后，凭借4门课程全A的成绩，申请转学去了CMU。
南方周末：当时这个研究所有两位机器人大咖，除了Matthew，还有Marc Raibert，两人分别带队研究机器人的臂与腿。你选了臂？
王煜：当时，我看到Marc 的实验室里，机器人用两条腿蹦蹦跳跳，很有趣。但从工程角度看，要让机器能干活、变得真正有用，我认为臂更重要。Marc 创立的波士顿动力后来攻克了机器人下肢运动的难题；而操作问题更难、更复杂，直到今天，上肢操作才逐渐跟上来，真正给智能机器人带来价值。
南方周末：那个年代的智能机器人与今天有什么区别？
王煜：今天主流的方向是数据驱动，也就是让机器人在大量数据中总结、涌现出规律。
在八九十年代，也有一小部分人尝试把神经网络用到操作上，但当时神经网络太小了，效果很不理想，这个方向非常边缘。
当时主流的方向是通过物理模型来做，先计算清楚关节柔性、负载惯量、摩擦力等等对运动的影响，相当于用各种公式给机器人写一套“说明书”，才能设计控制策略，实现稳定可靠的执行。每当遇到新的任务、环境，都需要重新建模，再加上硬件也很不完善，这个方向很快也触到了瓶颈。2000年左右，很多相关研究都停下来了。
我入学时，是人工智能和机器人高潮的尾声，我毕业时，这个领域的第一个冬天就来了。
南方周末：2012年深度学习复兴，智能机器人才又开始复苏吗？
王煜：这是因素之一。此外，早期的机器人大多是液压或气压驱动，电动车普及后，机器人也迅速转向电驱动，电气、电子和机电一体化硬件技术融合，提供了高带宽和高扭矩，硬件问题解决后，人工智能自然就转向具身智能。
所以2015年前后，机器人又热起来了，灵巧手等执行硬件也在逐渐完善，深度神经网络、强化学习日益发展。在这个背景下，行业开始思考进一步把智能融入到机器人的操作上，使它能够自主执行非结构化的任务，这也是戴盟瞄准的方向。
用图像形式重新呈现触觉
南方周末：你是什么时候开始意识到，触觉很重要的？
王煜：在CMU学习期间。那时候我们最关注的就是机器人的灵巧手或夹爪与物体之间的接触关系，如果不了解两个接触面之间的各种接触反馈，机器人会无法控制力度或者感知物体状态。但当时还没有精细的触觉传感器，只有力传感器，很多工作没有办法推进。
搭载了戴盟视触觉传感器的夹爪精确夹捏鸡蛋壳，受访者供图
南方周末：戴盟改良了麻省理工学院(MIT)的视触觉方案，可以讲讲双方的合作渊源吗?
王煜：2015年，我在香港科技大学创办机器人研究院，尝试把机器人操作的物理模型换成神经网络，那就需要很多数据，特别是触觉信息。
我有一位师弟Alberto Rodriguez刚好去了MIT任教，他给我介绍了MIT的教授Edward Adelson，也就是视触觉方案的提出者、GelSight公司的创始人。交流后，我们认为可以深度合作。
这个合作项目由联想和台达电子投资赞助。那时候GelSight的传感器还不是做触觉的，而是做纹理测量，初始方案有很多短板，于是我们从工程化的角度做了很多改良。更重要的是，我们证明了触觉信息对灵巧操作的重要性，现在行业基本都接受了这个观点。
南方周末：相比于传统的阵列式传感器，视触觉方案有什么优势？
王煜：目前我们传感器的感知密度达到4万个单元/cm²，远超传统阵列式传感器。
最关键的是，视触觉方案的原理是通过光学成像捕捉物体对传感器硅胶接触面造成的形变，以图像形式呈现的触觉信息，天然适合集成到当前具身模型的主流框架VLA中。我们也率先提出了 VTLA（Vision-Tactile-Language-Action）架构。我们的传感器，也是全球首个通过500万次按压循环测试的产品。
戴盟视触觉传感器装载了11万个感知单元，受访者供图
南方周末：2023年年底戴盟开始运营 ，为什么选择在这个节点创业？
王煜：当时我们的科研产品已经做到第二代，技术基本稳定下来了，第三代产品计划商业化。台达电子希望将我们的传感器安装到机械臂上，双方配合做了测试，得到了很好的反馈。
我的博士生段江哗提议成立公司来落地。港科大也鼓励学校的师生团队创业，于是我们开始承接机器人开发项目，比如帮美的、比亚迪开发机器人。在这些商业化项目中，我们进一步确认了触觉对机器人操作的重要性；正好我们的视触觉传感器开始能够产品化，公司市场就这样起步了。
南方周末：本体厂商今年开始量产，包括触觉模块在内的上游部件降本会是大势所趋吗？
王煜：综合考虑高分辨率、多模态两个维度，我们的传感器已经是行业里性价比最高的一类。当然，从长期来看，随着规模化生产、供应链优化，我们希望能为产品优化出更大的降本空间。
南方周末：触觉成为行业共识，在传感器的订单量上有体现吗？
王煜：今年第一季度我们的订单已经超过了去年一整年。
南方周末：你们的客户主要是哪些？
王煜：我们的客户大致可以分成三类。
第一类是机器人公司，他们需要更好的触觉传感器、灵巧手、夹爪；第二类是模型公司，他们需要高质量、多模态的物理世界数据，尤其是触觉数据；第三类是产业客户，包括智能制造、仓储物流等，需要用触觉提升机器人的泛化能力和任务成功率。比如我们有位潜在客户尝试在便利店里部署机器人，机器人需要触觉才能在狭小的货架缝隙中取出形形色色的商品。
这三类客户大概各占三分之一。我们不是只服务某一个环节，而是围绕触觉这个模态，服务整个具身智能产业链的上下游。
一桶百万小时的数据燃料
南方周末：戴盟的传感器在分辨率、感知密度上已远高于真实的人手。为何硬件性能已经成熟，但机器人灵巧操作仍然不理想？
王煜：触觉不是唯一的决定因素，灵巧操作依赖的是整个系统的“感知-反馈-协同”能力。这包括可靠的硬件，也包括算法和数据。当前，数据是最大的卡点之一。
南方周末：不久前戴盟发布了Daimon-Infinity数据集，为何选择在这个节点转去做数据？
王煜：单靠视频数据或生成数据没办法解决问题，这已经是共识了，整个行业都极度缺乏包含物理交互信息的数据，这恰恰是我们擅长的点。
依托触觉传感器这个关键零部件，我们能提供包含高质量全模态触觉的数据，将触觉数据转化为图像信息，并与视觉、动作轨迹、语音文本等信息融合，这是机器人训练的燃料；在此基础上，我们进一步拓展数据采集工具（包括二指夹爪和五指手套数采设备）、外发式采集网络和处理数据管线，提升行业数采的效率，降低成本。
南方周末：近年各家都在开源数据集，就您观察，市面上的数据集可用性怎么样？
王煜：有新的发布，就说明有新的需求，行业对数据的要求越来越高。
早期那些很简单的单一模态数据，只能支撑简单操作，带来的边际效应会越来越弱。今年行业渐渐意识到模态要补全、要表达一致，越来越多相关的科研工作发表了出来。这是一个好的趋势，大家已经发现并且在弥补过去的不足之处。
南方周末：Daimon-Infinity覆盖了多个行业场景和技能，例如开源的一万小时数据就覆盖了 16 个行业、80 个场景中的两千多项人类技能，在场景和技能的选择方面有什么标准？
王煜：现阶段对技能、场景类别的需求仍然是多多益善，人类日常涉及的技能我们会尽可能都囊括进来。等到行业内的数据量达到一定规模后，才能够做筛选，重点采集相对欠缺的技能数据，这需要整个生态的协同、配合。
南方周末：多家机构参与了Daimon-Infinity的开发，各家分别扮演了怎样的角色？
王煜：总共有几十家机构参与了合作共建，大致可以分为两类，一类是科研团队，包括北京大学、清华大学、香港科技大学、Google DeepMind、美国西北大学、新加坡国立大学等；另一类是产业方，比如中国移动、汇川技术、上声电子等。
我们提供数采设备、数据处理管线，由合作方在科研、制造等实际场景下进行采集，收集高度真实的数据。
南方周末：戴盟为什么选择外发式数据采集网络，而不是自建数采工厂？
王煜：数采工厂终究不是真实场景，它封闭且单一。通过把轻量化数采设备外发给合作方，采集员能深入到真实、多元、非结构化的场景中。而且生态里多方一齐参与进来，采集效率也更高，预计今年内Daimon-Infinity的规模就可以达到数百万个小时。
另一方面，数据类别、数采方式还没有收敛，大家都在摸索，范式随时可能转变。在行业尚不明朗的情况下，重资产的数采工厂调整起来不灵活。
南方周末：今年，行业的数采范式从遥操作逐渐转向UMI、EGO，未来还可能会怎样变迁？
王煜：接下来主要有两个方向，一是降低成本，从遥操作到UMI，核心就是让数采设备更简约、高效、低成本；二是提升精度，目前UMI设备末端精度通常为1毫米，未来精度要求肯定会提升到亚毫米级别，手套和外骨骼精度更高，但也更贵。
只有降低成本，才能大批量推广，满足行业对数据量的需求，这是一个循环。
南方周末：戴盟也发布过Sparky 1机器人和DM-Hand1 灵巧手。你们的定位是触觉和数据方案商还是全栈玩家？
王煜：我们认为具身智能行业不会由单一企业整合，而是日益向专业化分工演进。
在这个体系中，戴盟要做的是具身智能的基础设施，以触觉感知为核心，占据“触觉底座”的生态位。我们把自己的商业战略定位为“3D”，形成三类产品和合作方向。
一是Device，也就是硬件入口。包括高分辨率触觉传感器，同时也会跟合作伙伴一起推进灵巧手、夹爪等末端执行器。二是Data，这是我们目前最核心的生态方向，覆盖数采设备、数据处理工具链、数据集。三是Deployment，也就是面向真实场景的落地。
除了数据集，接下来，我们还将发布一套评测框架，推动触觉数据形成统一标准，从而加速机器人操作与泛化能力的系统性进化。
南方周末：关于具身智能行业，你认为2026年相对确定和不那么确定的事情分别是什么？
王煜：具身智能技术在稳步推进，接下来，行业可能会面临抉择：是继续投入，还是缩减战线。这是新技术进入市场后的自然周期。历史上也曾出现过泡沫破裂、赛道被抛弃的情况。但我认为，具身智能不会，其投入规模远超此前，大量资源集中带来了技术爆发，困难只是阶段性的。
目前，机器人在行走、跳跃等动作层面已经很成熟，行业开始把重心转向操作，并且逐渐意识到，单纯依赖图像与视频数据，无法实现操作能力的泛化。也不仅仅是触觉，可能还有很多其他维度需要补齐，业界都在探路，也存在很多分歧。那条正确的道路可能会由我们找到，也可能被别人找到，但无论如何，大家会在分歧中逐步逼近更优解，一步一步往前走。
南方周末研究员 丁莉
责编 黄金萍
