WAIC大咖谈｜一目科技李智强：视触觉路线贴近人类感知，致力于打造触觉数据开源社区TouchNet

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：两颗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——左边是真实花生，右边则是模型。这一幕，正是一目科技向外界展示的机器人如何借助独特技术理解真实世界的生动案例。

近年来，具身智能领域呈现出蓬勃发展的态势，两大主流阵营逐渐形成：一方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实体；另一方则深耕大模型技术，让机器人能够精准理解人类指令并合理规划行动路径。如今，这两大阵营均已取得显著进展。在本次WAIC大会上，我们看到了众多功能多样的机器人，它们或搬砖、或奏乐、或跳舞、或对弈，活跃在各个岗位上，仿佛在向世界宣告：智能机器人的时代已经来临。

有人幽默地调侃道：“去年它们还是展品，今年就已经成为同事了。”然而，在欢笑之余，我们也应看到一些新问题逐渐浮现。在那些对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，又如何在不损坏的情况下稳稳托住一颗脆弱的鸡蛋。这些问题，成为了制约机器人进一步发展的关键因素。

带着对这些问题的深入思考，7月18日下午，《每日经济新闻》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

在本次WAIC大会期间，李智强发现，触觉的重要性成为了众人关注的焦点。无论是媒体记者、潜在客户，还是带着胸卡的同行，都纷纷向他抛出同一个问题：“触觉如此重要，你们是如何实现的？”这与去年的情况形成了鲜明对比，当时触觉技术还鲜有人问津，距离大众的视线相对遥远。

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过10亿元的E轮融资，公司估值一举突破100亿元大关。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积极参与。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，以及产线订单的规模化量产和高质量交付，这无疑为一目科技在触觉技术领域的进一步发展注入了强大动力。

热钱的流动方向往往能够反映出行业的发展趋势。一个值得关注的维度是，与2025年相比，具身智能赛道上的灵巧手迭代速度显著加快，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了被频繁提及的关键词，两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得到提升。然而，当机器人走下展台，进入实际应用场景时，我们发现，像拿捏薯片、拧好零件这样的精细操作，似乎仍然停留在视频演示阶段，难以真正落地。

究其原因，其实很简单。可视化数据库虽然能够帮助机器人辨认各种物体，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，恰恰是人类通过长期实践刻在肌肉记忆里的本领。例如，要用多大的力度才能稳稳拿住不同材质的杯子，这并不是仅仅通过看图就能学会的。在这种情况下，聚焦物理交互的触觉数据应运而生，成为了决定机器人能否真正理解真实世界的关键因素。

一目科技认为，智能的本质在于对信息的高度压缩。然而，如果没有现实世界的约束，这种压缩只会产生幻觉，导致机器人做出错误的判断和决策。对于Physical AI而言，真正重要的并非模型的规模继续扩大，而是机器人能否持续获得来自现实世界的Ground Truth（物理真值），即真实、准确的信息反馈。

机器人抓取物体 图片来源：一目科技

数据量：能力泛化的核心瓶颈

在追求物理真值的道路上，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，柔性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形变所产生的图像，然后通过先进的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、准确的交互反馈。

当被问及为何选择视触觉路线时，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《每日经济新闻》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，导致机器人对物体的感知不够全面和准确；而视触觉技术由于内部集成了微型摄像头，感知点数可以高达万级，与传统方案相差数个数量级。“人类不仅仅能够感知正向的触觉，还能感受到摩擦力、温度、湿度，甚至对物体的纹理都有敏锐的感知。而视触觉技术是唯一能够将这些感知因素综合在一起的路线，能够为机器人提供更加接近人类感知的交互体验。”

然而，目前无论是视触觉技术还是其他技术路线，都尚未达到能力泛化的阶段。其核心瓶颈依然在于数据量的不足。据了解，在100万小时数据的采集成本中，采集过程所占的比例可能超过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，为机器人的智能发展提供宝贵的数据支持。

李智强认为，从目前的技术发展水平来看，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能力。“当然，百万小时的数据也无法做到全面泛化，但至少能够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，从而实现相对更广泛的泛化能力。至于涌现的标准，目前大家还处于猜测阶段，需要进一步的研究和探索。”

展望未来，李智强和一目科技有着更为宏大的目标。他们试图构建一套完善的基础设施体系，填补连接物理世界与智能系统之间缺失的关键环节。“我们不会直接贩卖数据，而是希望构建一个类似于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环境，大家通过开源合作，共同把蛋糕做大。我们也希望TouchNet能够成为推动触觉技术发展的重要平台，促进整个行业的交流与合作。”