WAIC深度洞察 | 一目科技李智强：视触觉引领机器人感知革命，TouchNet开源社区未来可期

在2026世界人工智能大会（WAIC 2026）的具身智能展区，一个引人入胜的场景吸引了众多目光：两粒外观几乎毫无二致的花生，被机器人用手指轻轻按压后，迅速做出了精准判断——左边是真花生，右边则是模型。这一场景，正是一目科技向世界展示机器人如何通过独特方式理解真实世界的生动开篇。

近年来，具身智能领域呈现出蓬勃发展的态势，两大类公司如雨后春笋般涌现。一类专注于机器人本体的研发，致力于打造出能够灵活行动的机器人；另一类则深耕大模型领域，赋予机器人理解指令并规划行动的能力。如今，这两类公司都已初具规模，在本届WAIC上，那些能看见、能听见的机器人们活跃在各个岗位，搬砖、奏乐、跳舞、对弈，仿佛科幻电影中的场景照进了现实。

有人调侃着“去年是展品，今年成同事”，然而，在这热闹背后，一些新问题也逐渐浮现。在精密度要求极高的场景中，机器人面临着诸多挑战，比如如何准确评估一片薯片所能承受的压力，又该如何稳稳地托住一个真实的脆弱生命体，像一颗鸡蛋，这些都是亟待解决的难题。

带着对这些问题的深入思考，7月18日下午，《徽声在线》记者与一目科技CEO李智强展开了一场深度对话。

触觉：今年具身智能领域的共识焦点

在本届WAIC期间，李智强被问得最多的问题便是“触觉如此重要，你们是如何实现的？”这一问题不仅来自媒体，客户也十分关注，甚至还有带着胸卡的同行前来交流探讨。“去年的时候，触觉还鲜有人提及，离大家的视线相当遥远。”李智强感慨道。

然而，今年这种认知上的差距被瞬间拉近。7月18日晚间，一目科技宣布完成超10亿元的E轮融资，估值一举突破100亿元。此次融资吸引了多家一线人民币基金、头部美元基金以及知名产业方的联合参与。所融资金将主要用于具身智能触觉感知材料、芯片、算法和模型的研发，同时推动产线订单的规模化量产和高质量交付。

资金的流向往往预示着行业的发展趋势。一个值得关注的维度是，与2025年相比，具身智能赛道上灵巧手的迭代速度明显加快，周期已缩短至半年。与此同时，新的行业共识也在逐渐形成，触觉和高自由度成为被频繁提及的关键词，二者的重要性不言而喻。

过去两年，大模型的飞速发展让机器人拥有了越来越聪明的“大脑”，其理解任务和规划动作的能力不断刷新。然而，当机器人走下展台，进入实际应用场景时，人们发现，像拿捏薯片、拧好零件这些看似简单的操作，似乎还仅仅停留在视频Demo阶段。

这背后的原因其实很简单。可视化数据库虽然能够帮助机器人辨认大千世界，但却无法传授给机器人与物体交互的经验和逻辑，而这些经验和逻辑是人类刻在肌肉记忆里的本能。例如，用多大的力才能稳稳拿住不同材质的杯子，这并非仅仅通过看图就能学会的。此时，聚焦物理交互的触觉数据便显得尤为重要，它决定了机器人能否真正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，真正重要的并非模型继续变大，而是机器人能否持续获得来自现实世界的Ground Truth（物理真值）。

机器人精准抓取物体 图片来源：一目科技

数据量：能力泛化的关键瓶颈

在获取物理真值的道路上，一目科技选择了视触觉（Vision - based Tactile）技术这一独特路线。

与传统力传感器不同，视触觉技术在柔性材料内部构建了光学观测系统。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，内置的光学系统会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，为机器人提供全面而精准的交互数据。

当被问及为何选用视触觉路线时，李智强表示，在他看来，视触觉是最接近人类感知方式的数字传感器。

李智强向《徽声在线》记者提供了一组对比数据：其他传统方案只能实现大概几十个点的感知，点与点之间存在大量的感知盲区；而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。“人类不仅仅能感知正向的触觉，还能感知摩擦力、温度、湿度，甚至对于物体的纹理都有敏锐的感知，视触觉是唯一能够将这些感知因素都结合在一起的路线。”李智强解释道。

不过，目前无论是视触觉还是其他技术路线，都尚未达到能力泛化的阶段，核心的卡点依旧在于数据量。在100万小时数据的采集成本中，采集过程所占比例可能超过80%。一目科技也坦言，当下真正稀缺的并非一颗传感器，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，每一次与物体的接触，都是机器人认识世界的一次学习机会；每一次抓取动作，都会产生新的Ground Truth，为机器人的智能提升提供宝贵的数据支持。

李智强认为，从目前的情况来看，至少需要百万小时量级的真实数据，机器人才能实现一定程度的泛化。“当然，百万小时的数据也无法做到全面泛化，但至少能达到一个可用的程度。在此基础上，行业普遍预测明年可能需要达到1000万小时的数据量，从而实现一个相对更泛化的阶段。至于涌现的标准，目前大家还处于猜测和探索的状态。”

展望未来，李智强和一目科技有着更为宏大的目标，他们试图构建一套基础设施体系，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，而是想打造一个类似ImageNet的开源社区，或许可以称之为TouchNet。大模型能够发展到今天，离不开相对开放的生态，大家通过开源的方式共同把蛋糕做大，推动整个行业的发展。”李智强充满信心地说道。