在2026世界人工智能大会（WAIC）的具身智能展区，一个看似简单的场景吸引了众多参观者的目光：两颗外观几乎完全相同的花生摆放在展台上，机器人仅通过轻轻按压便准确判断出左侧为真花生，右侧为模型。这一演示背后，是一目科技正在探索的机器人理解物理世界的新路径——通过触觉感知突破智能交互的边界。
具身智能领域近年呈现双轨发展态势：一类企业专注机器人本体制造，赋予其行动能力；另一类则深耕大模型技术，提升机器人对指令的理解与行动规划。随着技术迭代，这些机器人已能胜任搬砖、演奏、舞蹈等多样化任务，但在精密操作场景中仍面临挑战——如何精准评估薯片的承压极限，或稳妥托住一枚鸡蛋，成为行业亟待解决的难题。
触觉感知的突破性进展正在改写这一局面。WAIC期间，一目科技CEO李智强被频繁问及触觉技术实现路径，这种关注度与去年形成鲜明对比。"去年触觉还停留在理论探讨阶段，今年已成为产业共识。"他透露，公司刚完成超10亿元E轮融资，资金将用于触觉感知材料、芯片及算法的研发，以及规模化量产线的建设。
资本流向往往预示技术趋势。与2025年相比，具身智能领域灵巧手的迭代周期已缩短至半年，触觉与高自由度成为核心关键词。尽管大模型赋予机器人"聪明大脑"，但物理交互经验的缺失仍制约着技术落地。李智强举例："识别杯子材质与掌握抓取力度是两码事，后者需要肌肉记忆般的触觉反馈。"
一目科技选择的解决方案是视触觉技术。该技术通过在柔性材料中嵌入微型光学系统，当机器人接触物体时，材料产生的微米级形变会被实时记录为图像数据，再经AI算法解析出压力分布、剪切力、纹理等物理信息。相较于传统力传感器数十个感知点的局限，视触觉的感知点数可达万级，更接近人类触觉的复杂度。
"数据规模仍是当前最大瓶颈。"李智强坦言，采集100万小时物理交互数据的成本中，实际采集过程占比超80%。目前行业稀缺的并非传感器硬件，而是持续产生的高质量交互数据——每次抓取都是机器人认知世界的"课程"，每次接触都在生成新的物理真值。据估算，要实现基础能力泛化需百万小时级数据，而全面泛化可能需要千万小时量级。
面对数据壁垒，一目科技提出构建开源生态的设想。李智强透露，公司计划打造类似ImageNet的触觉数据社区"TouchNet"，通过开放共享推动技术普惠。"大模型的繁荣得益于开放生态，触觉感知也需要全行业共同浇筑基础。"这一构想若能实现，或将为物理AI发展开辟新的增长极。
