泉源：巴洛贡染红 美国少打一人作者： 陆容琪：

融了10个亿，
，，又一百亿独角兽降生

具身赛道又迎来一笔重磅融资。。
。。

克日，
，，一目科技宣布完成E轮超10亿元融资，
，，投后估值突破100亿元，
，，跻身具身智能百亿估值俱乐部。。
。。多家工业方、一线人民币基金及全球化美元机构联合押注。。
。。这笔钱将用于产线订单的规模；坎桓，
，，以及质料、芯片、算法和数据等底层手艺的一连迭代。。
。。

新闻一出，
，，险些所有人都想问统一个问题：这家公司凭什么值百亿
？？？谜底，
，，或许就藏在机械人下手能力的要害堵点上。。
。。

一个残酷的现实是：今天的人形机械人能跑能跳、能打拳舞蹈，
，，情绪价值拉满，
，，可一旦涉及细腻操作便连忙露怯。。
。。拿扣扣子来说，
，，这个对人类再简朴不过的行动，
，，对机械人却是重大挑战。。
。
？？？圩拥幕⒉剂系募±，
，，仅凭视觉险些无法判断。。
。。而背后缺失的，
，，正是人类最焦点的感知能力：触觉。。
。。

正是这个痛点的放大，
，，把触觉传感器推向了资源的风口浪尖。。
。。从年头到年中，
，，我们可以一窥融资新闻的要害词的转变：上半年还在谈“大模子”，
，，厥后酿成“人形机械人”，
，，到了下半年，
，，“触觉”和“感知”最先频仍泛起。。
。。

我们再看一下整体规模：2026年海内人形机械人专用触觉传感器市场规模预计突破3.2亿美元，
，，同比增速超160%，
，，是所有零部件中增速最高的细分赛道；；放眼全球，
，，2024年市场规模已超150亿美元，
，，预计2031年将突破350亿美元。。
。。

在这样一个急速膨胀的市场，
，，一目科技更像一家稍显“清静”的宝藏公司，
，，扎扎实实做基础科研，
，，像极了淘金热里的卖铲人，
，，专心打造一把最趁手的“铲子”，
，，只不过这把“铲子”，
，，瞄准的是物理AI时代最稀缺的触觉感知力。。
。。

把人类的“五感”赋予机械人，
，，90%触觉焦点指标达类人水准

一目科技的故事，
，，始于首创人兼CEO李智强的一个手艺愿景：把人类的“五感”赋予机械。。
。。

WAIC展位现场图

首创人李智强拥有卡内基梅隆大学情形工程博士学位，
，，研研究偏向涉及微流控生物传感器和光谱芯片。。
。。据果真资料，
，，其博士时代曾获得全美化学年会最佳学术报告奖。。
。。

进入具身智能赛道后，
，，团队花了数月跑客户，
，，从灵巧手厂商到机械人本体企业，
，，再到夹爪供应商。。
。。一圈下来，
，，客户反馈最集中的问题只有一个：体积太大。。
。。

古板视触觉方案厚度普遍凌驾20毫米，
，，很难装进小型机械人手部，
，，就算适配主流灵巧手，
，，也会挤占操作空间、影响行动无邪性，
，，许多场景基础用不了。。
。。以是做一款足够薄、能装进去的视触觉传感器，
，，成了一目科技的突破口。。
。。

什么是视触觉
？？？简朴来说，
，，是在柔性子料反面装一组微型光学系统，
，，当传感器接触物体时，
，，质料外貌爆发形变，
，，摄像头拍下形变爆发的光影转变，
，，再通过AI算法解算出压力、纹理、滑动趋势等信息。。
。。形象一点说，
，，就像给机械人指尖装了一台用光来“看”触感的显微镜。。
。。相比古板的压阻、电容方案，
，，视触觉能捕获到的信息密度高得多，
，，靠近人类指尖的感知水平，
，，但体积问题一直是它大规模应用的最大障碍。。
。。

一目科技从几何光学设计、模子解算到芯片化手艺，
，，一起优化下来，
，，把传感器厚度做到了行业同类产品的一半。。
。。他们的仿生视触觉传感器接纳仿人体指腹形态，
，，尺寸和厚度都很靠近人类指尖。。
。。要害手艺是一目自研的超外貌硅光感光芯片，
，，芯片能力决议了体积压缩的极限。。
。。据一目科技透露，
，，其传感器厚度已迭代至小于3毫米。。
。。公司方面称，
，，这一数据在现在已果真的同类量产产品中处于领先水平。。
。。

产品矩阵：Sentra-T系列视触觉传感器可普遍适用于主流夹爪、灵巧手

除了体积，
，，视触觉传感器的难，
，，还卡另外两个地方：质料和算法。。
。。

质料上要软，
，，才华感知细微形变；；又要耐用，
，，才华在工业场景里扛得住重复按压。。
。。这两种特征理论上自然对立。。
。。但一目科技自己组建团队研发柔性电子皮肤质料，
，，从高分子聚合物的单体最先研究，
，，探索官能团的自恢复性和骨架结构的刚性。。
。。现在已经实现百万次按压、数万次横向剪切力下性能不衰减。。
。。

第三是算法。。
。。 传感器通过内置摄像头捕获弹性子料接触物体时的形变，
，，拍到的是“触觉照片”序列，
，，再通过AI解算出压力、纹理、滑动趋势等信息。。
。。感知性能上，
，，传感器能做到微米级形变解算、0.005N力分辨率、最高120fps输出帧率。。
。。针对古板方案容易泛起的温漂和感知盲区，
，，一目科技用自研算法做了优化，
，，实现全解算无盲区，
，，防护品级抵达IP65。。
。。

触觉基座：以触觉赋予机械人一连感知、纪录接触行为的能力

综合来看，
，，一目科技的90%触觉焦点指标达类人水准。。
。。以上三个维度整合在一起，
，，也组成了一目科技现在的全栈能力，
，，并且从底层芯片到感知算法，
，，一目科技实现了所有自研。。
。。阻止现在，
，，一目科技在全球结构了凌驾700件知识产权，
，，拿了国家高新手艺企业认定和省专精特新中小企业认定，
，，通过了ISO三系统认证，
，，四年内拿了12项国际大奖。。
。。

百亿赌注，
，，押在了机械人的“手”上

“在大模子领域，
，，中国是一个追赶者的角色。。
。。可是在物理AI领域，
，，中美基本上在统一个起跑线上，
，，差别险些没有。。
。。”在刚刚开幕的WAIC 2026的访谈中，
，，一目科技首创人李智强这样判断。。
。。

这话听起来颇有底气，
，，但底气事实从何而来
？？？谜底很质朴，
，，甚至有些出人意料：各人同时被统一个贫困绊住了：机械人能跑能跳了，
，，但干不了细活。。
。。正是这个被无数人忽略的“细活”卡点，
，，撑起了一目科技的百亿估值。。
。。

仔细拆解，
，，这笔10亿融资投的远不止一祖传感器公司。。
。。它投的是一个要害共识：当具身智能的腿已经迈出去，
，，手却还僵在半空，
，，谁能让机械人真正“上手”，
，，谁就卡住了下一个十年最值钱的生态位。。
。。

在李智强看来，
，，行业现在有三种差别的打法。。
。。

第一种是纯模子算法类。。
。。英伟达的Cosmos 3、Physical Intelligence的π系列模子，
，，这些公司相信要做通用的具身智能大脑，
，，不太关注硬件，
，，主要聚焦数据和算法。。
。。

第二种是软硬件一体。。
。。特斯拉的Optimus、Figure，
，，尚有中国的智元机械人，
，，从本体到算法所有自己做。。
。。这类公司需要很是强的研发能力，
，，把硬件研发、制造和软件算法模子统一起来。。
。。

第三种，
，，是一目科技的蹊径。。
。。李智强说：“我们以为在这个时间点，
，，具身智能要生长，
，，分工和开放是一个很是主要的方式。。
。。”一目科技做的是基础设施层，
，，把硬件和算法毗连起来的中心层，
，，买通从感知入口到数据飞轮再到赋能模子的整条链路。。
。。

为什么基础设施层至关主要
？？？

李智强把物理AI的瓶颈拆成了三个卡点。。
。。第一个是感知层，
，，机械人怎么屎厕物理天下的数据。。
。。第二个是操作执行层，
，，怎么做到类人的精准操作。。
。。第三个是大脑层，
，，而大脑的条件是数据。。
。。

三个卡点层层递进，
，，缺一不可。。
。。但行业现在最大的问题出在最前端：感知能力太弱。。
。。没有精准的感知，
，，就没有高质量的数据；；没有高质量的数据，
，，就无法训练出明确物理天下的大脑。。
。。这正是一目科技选择触觉作为突破口的逻辑。。
。。

这一判断与英伟达CEO黄仁勋在2026 NVIDIA GTC Taipei场合的亮相有所呼应。。
。。在NVIDIA宣布首套人形机械人参考设计时，
，，触觉灵巧手首次成为官方参考架构的主要组成部分。。
。。

虽然，
，，有人会问：触觉还处在四五十分的水平，
，，值这个价吗
？？？李智强给出的理由很忠实，
，，也很有说服力。。
。。2026年被称为“触觉元年”，
，，绝非无意。。
。。价值层面，
，，行业已经告竣高度共识；；手艺层面，
，，视触觉蹊径正在收敛为主流方案；；本钱层面，
，，视触觉是唯一能沿着摩尔定律一连降本钱的触觉模态。。
。。这三重确定性叠加在一起，
，，让触觉传感器从一个小众课题，
，，酿成了能承载百亿估值的资源锚点。。
。。

在工业场景里，
，，这套逻辑正在被验证。。
。。拿电池包插拔组装工序来说，
，，工人完成一道工序约莫需要30秒，
，，古板工业机械人还难以胜任。。
。。一目科技的带反馈方案第一次测试花了100秒，
，，远远不如人工。。
。。但到了今年四月，
，，时间缩短到50秒，
，，现在已经降到15秒，
，，比人工效率高了一倍。。
。。

“这就像AlphaGo在收敛前难以战胜人类，
，，一旦突破便不可逆转。。
。。”李智强说。。
。。；等送ü炕，
，，以learning-based方式学会这个手艺，
，，相当于把先生傅的手艺数字化了。。
。。它的优势在于可以24小时不中止训练，
，，人一天最多干8小时。。
。。

商业模式上，
，，一目科技的做法是“可拆可合”的三层结构。。
。。最底层是触觉硬件，
，，传感器和带传感器的灵巧手，
，，现在对收入孝顺最大。。
。。中心层是触觉数据集和标准化能力。。
。。最上层是模子赋能，
，，仿真能力、语义明确的编码器，
，，帮客户更快抵达AGI能力。。
。
？？？突Э梢宰约喝パ≡瘛⑷ゴ钆渥约旱男枨。。
。。

基础设施的野望，
，，在数据层面体现得最为弘大。。
。。李智强指出，
，，物理AI现在最大的短板是数据资产。。
。。语言大模子有海量文本，
，，视觉有ImageNet，
，，但物理天下的高保真触觉数据险些一片空缺。。
。。于是他正在推动一个名为TouchNet的开源数据集项目，
，，试图为物理AI打造一个类似于ImageNet的标准化数据底座。。
。。

“这肯定不是一个人的实力能做到的，
，，但条件条件是我们要先把标准、接口和整个链条规范下来、买通。。
。。然后我们就可以去形成这样的数据资产和数据飞轮。。
。。”这句话背后，
，，意味着一目科技试图走一步界说行业规则的先手棋。。
。。谁掌握了数据集的标准和接口，
，，谁就有可能成为物理AI时代的“数据守门人”，
，，而这个职位一旦确立，
，，百亿估值生怕只是一个起跳点。。
。。

因此，
，，一目科技给自己的最终定位是Physical AI基础设施提供商。。
。。这个定位的底层自信在于，
，，无论未来具身大脑走哪条手艺蹊径，
，，要实现逾越剧本的灵巧操作，
，，都必需依赖真实的物理交互反馈。。
。。当大大都玩家还在争抢一个完整的机械人时，
，，一目提供的，
，，正是那一套标准化的物理交互数据解决方案，
，，为种种“具身大脑”输出标准化、高保真的物理信号输入接口。。
。。

那么，
，，谁在领跑下一代基础设施
？？？这个问题现在还远未到有定论的时间。。
。。已往20年，
，，数据中心建设解决了信息之间的流动、存储和盘算。。
。。现在，
，，物理AI天下需要的是对物理天下的感知和明确能力。。
。。在这个新赛道上，
，，谁能率先构建起以触觉感知和多模态融合为底座的基础设施，
，，谁就能拔得头筹。。
。。