机器人的热闹，这两年是集中在"脑子"上的——具身大模型、世界模型，一个比一个能"想"，资本也爱听这套故事。但最近风向有点变了，钱开始往机器人的"皮肤"上砸。
所谓的"皮肤"，行业里叫触觉传感器。以前它是冷门货，机器人能看见、能走道，大家就觉得差不多行了，谁还管它摸起来啥感觉？今年不一样。
今年6月，李飞飞等研究者参与的T-Rex研究，把一个很直观的道理摆上台面：机器人干精细活，光靠"看"不够，还得靠"摸"。触觉反馈对精细操作的价值被认可之后，触觉企业一个接一个拿到钱，光下半年，就有好几家触觉传感器公司宣布融资。
国庆假期刚过，这股热度还在。
视塔核心团队，左三为视塔创始人、CEO张伟 （图源/网络）
华为哈勃，为什么押注这家公司
10月13日，触觉传感器企业视塔机器人宣布完成天使轮融资，出手的是华为旗下的哈勃投资，同场的还有深高新投旗下基金、高轩投资，多维资本当独家财务顾问。钱拿来干嘛？产品研发迭代和商业化，往具身智能、消费电子、工业几个市场里打。
熟悉华为的朋友都知道，哈勃不随便投钱，专挑硬科技、卡脖子的环节下手。此前它已经投了千寻智能、极佳视界、生数科技、模思智能——从具身大模型、世界模型到多模态交互，一路在往机器人"脑子"里铺。这回不一样，它把切入点放到了"触觉"上。
做触觉的公司不稀奇，但视塔的底子有点特别。
多数触觉传感器企业是从机器人技术出发的，视塔的起点是一种叫"柔性光子晶体"的光学材料，学名胆甾相液晶弹性体（CLCE）。这玩意儿说人话就是：普通材料的颜色靠颜料，光子晶体的颜色靠内部微观结构对特定波长的光做"选择性反射"。你按它一下，结构被压变形，反射出来的颜色就跟着变——等于把"力"直接变成看得见的变化。
这一下就把传统的"视触觉"方案比出了差距。传统视触觉啥意思？传感器里装个摄像头，拍弹性体被压变形，再用图像算法去估接触状态和受力。好处是信息丰富，坏处是要留出成像空间，传感器做不薄，还费端侧算力。视塔直接用柔性感光阵列去读材料受力的光学变化，用更薄的感光结构替代了摄像头。
结果就是：它家的光子晶体电子皮肤，厚度能做到小于1毫米，感知密度超过10000点/cm²，还能卷、能弯、能贴曲面。对空间金贵的机器人灵巧手来说，这意味着触觉传感器有望从指尖一路铺到手指侧面、手掌——不加大厚度，多拿信息。
不过材料有优势，不代表传感器就能直接落地。触觉传感器在长期反复使用里稳不稳定、不同批次的测量结果一不一致、量产后怎么高效标定，都直接影响下游客户体验。针对这些，视塔搭了自动化标定设备，靠相对简单的力学—光学映射关系提高标定效率；同时在深圳弄了约800平方米的研发生产场地，材料实验、硬件加工、试制、测试验证全塞在一个屋檐下，就为了把产品迭代周期缩短。
张伟也看得很清醒：这行的竞争，不会只围着感知密度、厚度这些技术指标转。"现在真做生意，别人最在乎的就是成本、货期。"具身智能行业还在早期，很多下游客户连自己要啥触觉指标都说不清，与其追实验室里的高分，不如做到快速适配不同产品、稳定交付——这往往更直接地影响采购决策。技术优势，最后还得在真实客户需求里接受检验。
图源/视塔
一个做光学材料的博士，怎么掉进了触觉
再说说这位创始人。张伟，南方科技大学本科，南科大和香港城市大学联合培养的博士，长期泡在液晶、光学材料里。有意思的是，触觉根本不是他最初选的方向。
团队最早想做的是人工肌肉，靠柔性驱动去摘水果。结果研发中发现，机器人摘果真正卡脖子的不是"动"，而是"摸"——果子在哪儿、多软、使多大劲，光靠视觉搞不定。于是他把光学材料的底子挪到触觉传感上，慢慢拉起一支覆盖材料、硬件、算法的队伍。
但进了这行才发现，问题比做一款好传感器复杂得多。
一边，具身智能对精细操作的需求在涨，触觉越来越受关注；另一边，技术路线还没收敛，下游客户对触觉需求连个统一标准都没有。最扎心的是——就算装上触觉传感器，机器人的实际操作能力也未必能提升。
这话不是外人说的，是张伟自己说的。团队早期试过直接把触觉模态加进具身模型，实验结果不理想。在一些专门设计的操作任务里，比如视觉被遮挡、物体高度变了，触觉确实能改善表现；但在更多常规任务里，加了触觉，操作成功率反而降了。
听着反常，但这恰恰是前两年触觉行业"曲高和寡"的真实原因：直觉上有用，放到模型里就是没用。
张伟的解释很直白：触觉讲究"一瞬间"。而现在的VLA模型，一步推理要推几十步、跑几十步，等你算完，那个瞬间早就过去了。传感器信息给得再足，现有模型架构也未必接得住。
不过，换个用法，结果可能完全两样。
"触觉小脑"：一个外挂的反射
视塔做过一个实验，借鉴大语言模型生成控制策略的思路，让机器人在插孔任务里加了一个"触觉搜索"的过程——一边插，一边根据接触反馈实时调整动作。就这一下，任务成功率从约10%，干到了近100%。
当然，这个数字取决于实验设置和控制策略，不代表所有模型加了触觉都能这样。张伟的判断是：触觉一定是必须的，但能不能改善操作，关键看模型和控制系统怎么用这些信息。
基于这个判断，视塔在捣鼓一套独立于上层任务规划的底层触觉控制方案，起了个名字叫"触觉小脑"。
说人话：上层具身大模型负责"想清楚要干嘛、往哪走"——比如抓杯子，它决定抓哪个、怎么规划路径。但真正碰到杯子的那一瞬间，抓没抓牢、有没有滑动、力气用得对不对，这些得靠一个能实时响应的系统来处理。张伟管这叫"外挂的反射"：上层给个粗略动作指令，触觉控制再根据实际接触微调，变成精细的操作指令。
这里张伟特意把话说清楚：视塔现阶段还是一家以触觉传感器为核心的公司，不打算进具身基础模型那片红海。做"触觉小脑"，一半是帮客户把传感器用起来，一半是借此搞明白——到底哪些触觉信息对操作真有用，好用就倒回去指导传感器怎么设计。围绕这套体系，它还开发了触觉手套、视触觉数采夹爪、Ego数据采集系统，给具身智能企业提供触觉数据采集工具，补上机器人学习操作时缺的接触信息。
从传感器、数据采集到触觉控制，视塔想搭的是一套围绕"触觉+操作"的技术体系。但体系能不能变现，最终得看它能在多大程度上改善模型的实际操作表现。尤其在具身模型还在迭代、触觉路线还没收敛的阶段，传感器企业既要证明自己能拿到高质量的触觉信息，还要证明——这些信息，值得机器人用。这正是视塔从光子晶体电子皮肤一路做到触觉小脑，想回答的那个核心问题。
图源/视塔
模型越聪明，它反而越值钱
说到这儿，得提一嘴行业里最近弥漫的尴尬。
GPT-6Astra在机器人控制任务上的出色表现，已经开始让一些人追问：机器人，真的需要专门练一套具身大模型吗？这话对不少具身大模型公司来说，差不多是"绝杀"——它们还没在真实场景里证明自己的商业价值，赛道存在的意义就先被质疑了。
但张伟的判断反着来："我们是一个材料驱动的公司，模型进步得越快，我们优势越强。"
道理其实不复杂：不管将来由哪套模型负责规划、生成动作，机器人最后总要跟物理世界发生接触。插头能不能准确进接口、零件装没装到位、抓东西时会不会滑，这些涉及接触状态的感知和实时控制，光靠模型的规划能力解决不了。GPT-6Astra在具身控制早期研究里暴露的局限，恰恰也在精细操作、动态控制这些环节。
对机器人产业来说，通用基模的进步，可能重新划定具身智能模型企业的竞争边界，但不会让机器人和物理世界交互的难题自动消失。
所以触觉这行的价值，不会因为模型变聪明就缩水。但能不能变成真金白银，还得回真实场景里证明：分辨率再高、传感器再薄，都要转化成更高的操作成功率、更可靠的运行表现、客户能接受的成本。
模型越来越会"想"，可机器人碰世界的那一关，谁也绕不开。谁能帮它稳稳地"摸"住这个世界，谁就有生意做。
（本文数据来源于公开统计数据及公开媒体报道，不构成消费建议。）
文/王延康
出品/中创财经
