拿下10万套订单却转向卖数据，机器人触觉赛道走向分化

在机器人“皮肤”这门细分赛道上，玩家们的业务边界正以肉眼可见的速度扩张。

在近期举行的 IROS 大会上，Sharpa 发布了首款外骨骼数据手套 AE01，配备 22 个编码器和指尖振动马达，用于高频记录人类操作与触觉反馈；千觉推出了穿戴式视触觉采集设备 XTac UMI G1；帕西尼则将汽车开关、接口对接等操作数据直接摆上网页商城标价售卖。与此同时，福莱新材与灵心巧手达成了 10 万套触觉传感器采购订单，依然深耕制造。

外骨骼手套、数据商城与 10 万套大单，折射出触觉企业正在争夺的三笔预算：整机 BOM、研发数采工具，以及模型训练。

硬件、工具与数据：三种商业诉求

目前的电子皮肤远未标准化。千觉采用三色光视触觉，戴盟机器人采用单色光视触觉，帕西尼押注霍尔式多维感知，福莱新材则走柔性压阻路线。不同技术路径在量程、分辨率、体积和成本上各有所长，产出的数据结构也完全不同。

不同的路线催生了不同的商业模式：

一是传统的整机 BOM 生意。福莱新材的 10 万套订单即属此类，客户按传感单元采购，供应商靠制造良率、规模交付和工艺迭代盈利。这种模式看重一致性、寿命、成本与交期。

二是研发工具预算。Sharpa 与千觉通过数据手套、穿戴式采集设备切入。这类工具直接面向机器人厂商和高校实验室，用于采集示教数据。其商业价值不体现在量产出货量，而是每小时能产出多少高质量有效数据。

三是数据与模型训练预算。帕西尼将各类任务数据打包上架，千觉则布局触觉仿真与触觉世界模型。这部分业务试图跳出硬件范畴，直接参与具身智能的核心算法生态。

资本市场对后两条路径表现出浓厚兴趣。千觉在两年内完成多轮融资，资金明确投向触觉仿真与具身模型；帕西尼公开披露的累计融资金额也已突破数十亿元。但融资规模只代表资本预期，数据与模型能否产生持续的复购收入，目前仍缺乏验证。

触觉信号难以跨硬件迁移

触觉企业积极拓展数据业务，背后存在一个极其实际的工程痛点：触觉数据很难脱离硬件单独存在。

视觉视频通常可以跨平台输入给不同模型使用，但触觉信号高度依赖传感材料、内部结构、安装位置与标定方法。一旦更换传感器，模型接收到的信号特征便发生剧烈漂移。

9 月末公布的 TacVerse 跨传感器基准测试直观展现了这一难题。研究人员在 7 款视触觉传感器上测试模型跨硬件迁移表现：一个在 GelSightMarker 传感器上分类准确率达 90.3% 的模型，零样本迁移到外形相近的 GelSightNoMarker 后，准确率跌至 24.8%；若迁移到结构差异更大的传感器上，准确率骤降至 5% 左右，几乎沦为随机猜测。而在力回归任务中，迁移后的预测效果甚至不如直接取平均值。

这意味着，如果行业没有统一的标定与输出规范，一家公司积累的触觉数据就无法直接供外部复用。这种物理壁垒解释了企业为何要做“全栈”：由同一家供应商提供传感器、数采设备和算法适配，客户在更换硬件时就能减少重复标定与重新适配的成本。

纯硬件与全栈路线之争

向数据与算法延伸并不意味着商业模式天然更优。福莱新材代表的零部件路线，核心在于把柔性传感器的良率做高、成本做低，通过批量交付形成制造壁垒。

如果未来触觉接口逐步标准化，多模态大模型能够在底层完成不同触觉数据的抽象与对齐，电子皮肤就会回归标准化零部件属性。届时，具备稳定供货能力和极低制造成本的硬件厂商将更具竞争优势。

相反，全栈路线虽然拓宽了叙事空间，但也大幅推高了研发与维护成本。软硬协同必须真正提高机器人的操作成功率，或者显著减少客户的数据适配成本，并且客户愿意为此买单，这套闭环才能成立。

机器人触觉赛道已跨过只有论文与样机的早期阶段。能够如期交付 10 万套传感器，决定了一家企业能否成为合格的供应链供应商；而能否让客户为数采工具与数据模型持续付费，则决定了它能否突破传统零部件的估值天花板。