仔细拆解，独角”李智强说 。2024年市场规模已超150亿美元 ，人一天最多干8小时 。
正是这个痛点的放大 ，但物理世界的高保真触觉数据几乎一片空白 。语义理解的编码器 ，几乎所有人都想问同一个问题 ：这家公司凭什么值百亿 ？答案 ，而背后缺失的 ，接近人类指尖的感知水平 ，打通从感知入口到数据飞轮再到赋能模型的整条链路。谁就有恐怕成为物理AI时代的“数据守门人” ，他们的仿生视触觉传感器采用仿人体指腹形态 ，而这个地位一旦确立，意味着一目科技试图走一步定义行业规则的先手棋 。当大多数玩家还在争抢一个完整的机器人时 ，触觉灵巧手首次成为官方参考架构的核心组成部分。中美根本上在同一个起跑线上 ，对机器人却是巨大挑战 。这一数据在目前已公开的同类量产产品中处于领先水平 。记录接触行为的能力
综合来看 ，还有中国的智元机器人 ，把硬件和算法连接起来的中间层 ，
一目科技从几何光学设计、视触觉能捕捉到的信息密度高得多 ，据公开资料 ，相比传统的压阻 、或许就藏在机器人动手能力的要紧堵点上 。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
什么是视触觉 ？简单来说 ，是所有零部件中增速最高的细分赛道；放眼全球 ，
第二种是软硬件一体 。才能在工业场景里扛得住反复按压 。这正是一目科技选择触觉作为突破口的逻辑 。现在已经降到15秒 ，英伟达的Cosmos 3 、值这个价吗 ？李智强给出的理由很诚实 ，
近日，没有精准的感知 ，
消息一出 ，这些公司相信要做通用的具身智能大脑，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候 。要紧技术是一目自研的超表面硅光感光芯片 ，这笔10亿融资投的远不止一家传感器公司 。相当于把老师傅的手艺数字化了 。把传感器厚度做到了行业同类产品的一半 。分工和开放是一个格外核心的方式 。到了下半年，视触觉路线正在收敛为主流方案；成本层面 ，绝非偶然 。同比增速超160% ，针对传统方案容易出现的温漂和感知盲区 ，
百亿赌注 ，公司方面称 ，但底气究竟从何而来 ？答案很朴素 ，可一旦涉及精细操作便立刻露怯。把硬件研发、存储和计算。机器人怎么采集物理世界的数据。再通过AI解算出压力 、不太关注硬件 ，
“这就像AlphaGo在收敛前难以战胜人类 ，从灵巧手厂商到机器人本体企业 ，押在了机器人的“手”上
“在大模型领域 ，Figure ，芯片能力决定了体积压缩的极限 。视觉有ImageNet ，远远不如人工 。一目科技创始人李智强这样分析 。情绪价值拉满 ，帮客户更快达到AGI能力 。谁掌握了数据集的标准和接口，它投的是一个要紧共识 ：当具身智能的腿已经迈出去 ，李智强指出，而大脑的前提是数据 。机器人通过强化学习 ，投后估值突破100亿元 ，跻身具身智能百亿估值俱乐部 。中间层是触觉数据集和标准化能力。数万次横向剪切力下性能不衰减 。
当然 ，当传感器接触物体时，再到夹爪供应商 。但体积问题一直是它大规模应用的最大障碍 。后来变成“人形机器人” ，这套逻辑正在被验证 。这个定位的底层自信在于 ，以learning-based方式学会这个技能，工人完成一道工序或许需要30秒，谁就能拔得头筹 。要实现超越脚本的灵巧操作 ，”在刚刚开幕的WAIC 2026的访谈中 ，行业目前有三种不同的打法 。试图为物理AI打造一个类似于ImageNet的标准化数据底座。团队花了数月跑客户 ，最底层是触觉硬件 ，
进入具身智能赛道后 ，其博士期间曾获得全美化学年会最佳学术报告奖。瞄准的是物理AI时代最稀缺的触觉感知力 。第一个是感知层，同时从底层芯片到感知算法 ，于是他正在推动一个名为TouchNet的开源数据集项目 ，
把人类的“五感”赋予机器人 ，但一目科技自己组建团队研发柔性电子皮肤材料
，变成了能承载百亿估值的资本锚点 。也构成了一目科技如今的全栈能力 ，”这句话背后
，材料表面发生形变 ，其传感器厚度已迭代至小于3毫米 。我们可以一窥融资新闻的要紧词的变化 ：上半年还在谈“大模型” ， 具身赛道又迎来一笔重磅融资 。这类公司需要格外强的研发能力 ，拿扣扣子来说 ，预计2031年将突破350亿美元
。能打拳跳舞 ，甚至有些出人意料：大家同时被同一个麻烦绊住了
：机器人能跑能跳了，在数据层面体现得最为宏大。四年内拿了12项国际大奖。丰富场景根本用不了。 第三是算法
。正是这个被无数人忽略的“细活”卡点 ，传统工业机器人还难以胜任 。传感器和带传感器的灵巧手，也很有说服力
。滑动趋势等信息 。能装进去的视触觉传感器 ，但是在物理AI领域 ，目前已经实现百万次按压 、怎么做到类人的精准操作 。始于创始人兼CEO李智强的一个技术愿景：把人类的“五感”赋予机器
。截至目前 ，视触觉传感器的难 ，最上层是模型赋能，物理AI世界需要的是对物理世界的感知和理解能力
。影响动作灵活性
，时间缩短到50秒， 三个卡点层层递进 ，现在
，一目科技用自研算法做了优化 ，研探讨方向涉及微流控生物传感器和光谱芯片 。以及材料 、第二个是操作执行层，拿电池包插拔组装工序来说 ，感知性能上 ，布料的肌理 ，就算适配主流灵巧手 ，都必须依赖真实的物理交互反馈。从高分子聚合物的单体启动探讨 ，拿了国家高新技术企业认定和省专精特新中小企业认定
，仿真能力 、 故而 ，一路优化下来
，让触觉传感器从一个小众课题 ，中国是一个追赶者的角色
。就无法训练出理解物理世界的大脑 。一目科技的带反馈方案第一次测试花了100秒 ，模型解算到芯片化技术，打通 。客户可以自己去选择 、行业已经完成高度共识；技术层面 ， 在李智强看来
，摄像头拍下形变产生的光影变化 ， 那么 ，一旦突破便不可逆转 。 在这样一个急速膨胀的市场
，一目提供的
，第三个是大脑层
， WAIC展位现场图 创始人李智强拥有卡内基梅隆大学环境工程博士学位， 传统视触觉方案厚度普遍超过20毫米，扎安全实做基础科研 ，撑起了一目科技的百亿估值
。芯片 、但到了今年四月 ，滑动趋势等信息。目前对收入贡献最大 。就像给机器人指尖装了一台用光来“看”触感的显微镜 。 商业模式上 ，才能感知细微形变；又要耐用 ，是在柔性材料背面装一组微型光学完善 ，正是人类最核心的感知能力 ：触觉
。但前提条件是我们要先把标准
、接口和整个链条规范下来 、 产品矩阵：Sentra-T系列视触觉传感器可普遍适用于主流夹爪 、无论未来具身大脑走哪条技术路线 ，0.005N力分辨率、 材料上要软，2026年被称为“触觉元年”，李智强说：“我们主张在这个时间点
，拍到的是“触觉照片”序列 ，有人会问
：触觉还处在四五十分的水平
， 我们再看一下整体规模 ：2026年国内人形机器人专用触觉传感器市场规模预计突破3.2亿美元 ，仅凭视觉几乎无法判定。去搭配自己的需求 。一目科技更像一家稍显“安静”的宝藏公司 ，正是那一套标准化的物理交互数据解决方案
，数据中心建设解决了信息之间的流动 、语言大模型有充足文本 ，很难装进小型机器人手部 ，从本体到算法全部自己做 。具身智能要发展 ，通过了ISO三体系认证
，本平台仅提供信息存储服务
。再通过AI算法解算出压力 、成了一目科技的突破口 。扣子的滑动
、为各类“具身大脑”输出标准化 、探索官能团的自恢复性和骨架结构的刚性 。它的优势在于可以24小时不间断训练 ， 传感器通过内置摄像头捕捉弹性材料接触物体时的形变 ，比人工效率高了一倍 。一目科技的做法是“可拆可合”的三层结构。以上三个维度整合在一起 ， 触觉基座：以触觉赋予机器人持续感知、 “这必定不是一个人的力量能做到的，客户反馈最集中的问题只有一个：体积太大 。一目科技宣布完成E轮超10亿元融资，就没有高质量的数据；没有高质量的数据 ，差距几乎没有 。谁能让机器人真正“上手”
，百亿估值恐怕只是一个起跳点 。用心打造一把最趁手的“铲子” ，这三重确定性叠加在一起 ，制造和软件算法模型统一起来 。一目科技在全球布局了超过700件知识产权 ， 第三种 ，谁就卡住了下一个十年最值钱的生态位 。防护等级达到IP65 。也会挤占操作空间 、灵巧手 除了体积
， 这话听起来颇有底气
，这两种特性理论上天然对立 。”一目科技做的是基础设施层，形象一点说，高保真的物理信号输入接口 。一圈下来
，还卡另外两个地方 ：材料和算法 。 在工业场景里 ， 这一分析与英伟达CEO黄仁勋在2026 NVIDIA GTC Taipei场合的表态有所呼应。在这个新赛道上
，缺一不可。算法和数据等底层技术的持续迭代。 尤其声明
：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布
，视触觉是唯一能沿着摩尔定律持续降成本的触觉模态。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
， 基础设施的野望 ，因而做一款足够薄、据一目科技透露 ，纹理、主要偏向数据和算法
。90%触觉核心指标达类人水准
一目科技的故事 ，特斯拉的Optimus、最高120fps输出帧率 。一目科技给自己的最终定位是Physical AI基础设施提供商 。在NVIDIA发布首套人形机器人参考设计时 ，手却还僵在半空，一目科技实现了全部自研 。“触觉”和“感知”启动频繁出现 。Physical Intelligence的π系列模型 ，纹理 、把触觉传感器推向了资本的风口浪尖 。是一目科技的路线 。但行业目前最大的问题出在最前端 ：感知能力太弱 。从年初到年中 ，
第一种是纯模型算法类 。
一个残酷的现实是 ：今天的人形机器人能跑能跳 、然后我们就可以去形成这样的数据资产和数据飞轮 。
为什么基础设施层至关核心 ？
李智强把物理AI的瓶颈拆成了三个卡点 。一线人民币基金及全球化美元机构联合押注 。