作者｜格林 董义振 出品 | 新芒xAI
机器人还没有大规模走进家庭，为机器人提供零部件和基础能力的公司，已经成为资本争相布局的对象。
关节、灵巧手、动作数据之后，“皮肤”正在成为新的投资关键词。
10月26日，机器人触觉方案公司模感科技宣布完成亿元级天使+轮融资。这家成立于今年5月的企业，此前已获得红杉中国、高瓴创投、智元机器人等投资。更早的7月，他山科技也被报道完成数亿元B轮融资，投资方包含均胜电子、奥克斯等产业资本。
这些融资并不能证明触觉市场已经成熟，却共同指向一个变化：围绕机器人的竞争，正在从“能不能动”，延伸到“能不能可靠地接触和操作世界”。
当机器人开始真正干活，资本希望找到的不只是下一个整机品牌，也包括整机厂可能绕不开的供应商。
但机器人需要触觉，不等于电子皮肤一定成为标配；技术重要，也不等于供应商能获得高利润。
这门生意的机会与风险，都藏在这两者之间。
看见一颗螺丝，与把它准确装进去，是两回事。
识别一只纸杯，与拿起它却不把它捏变形，同样是两回事。
视觉帮助机器人判断物体的位置和外观，但接触开始之后，新的问题才会出现：有没有碰到目标？施加的力是否合适？物体是否滑动？动作受阻后，应该继续还是调整？
这些信息关系到机器人能否完成任务，而不仅是做出动作。
触觉并不是突然出现的新技术。早在2024年，Meta就公布了触觉表征模型Sparsh、触觉指尖Digit 360，以及用于整合不同触觉传感器的软硬件平台Digit Plexus，并宣布与GelSight、Wonik Robotics合作推进相关技术的产品化。
这段背景说明，行业争夺的并不只是一层仿生材料，而是一条从感知到行动的技术链。
“电子皮肤”也是一种便于理解的统称，并非所有触觉方案都长得像皮肤，更不是只有人形机器人才能使用。
例如，GelSight的视触觉路线通过观察接触材料的形变，获取表面几何等信息；其商业产品也面向机器人研究、操作和检测等用途。
因此，这轮机会不宜简单理解为“给每台人形机器人穿一件外衣”。
更准确的说法是：当机器人承担更多接触复杂、对象多变的任务，市场开始重新评估触觉信息的价值。
但触觉只能提供反馈，不能单独解决灵巧操作。机器人能否用好这些信息，还取决于机械结构、执行器、控制算法与训练。
多装一组传感器，不会自动多出一项工作能力。
机器人整机市场的竞争，具有很强的不确定性。
哪种形态适合工厂，哪种形态能够进入家庭，哪些企业能找到稳定客户，都还需要时间验证。
相比之下，上游供应商看起来有一种优势：不必押中唯一赢家，只要能进入多家厂商的供应链，就有机会分享行业增长。
触觉因此具备了典型的“卖工具”投资逻辑。
但这门生意内部，至少存在三种不同的位置。
最基础的是卖器件。提供传感器、芯片或模组，收入主要与采购数量相关。竞争围绕性能、价格、一致性和供货能力展开。
再往上是卖系统。除了硬件，还负责标定、数据处理、控制接入和工程适配。客户购买的是一套能够运行的能力，而不只是零件。
更进一步，则是参与模型、开发工具与数据接口。谁能让触觉数据更容易被算法使用，谁就可能在硬件之外获得更深的客户联系。
Meta同时布局传感器、触觉表征与集成平台，正好说明这条产业链存在多个价值入口。但这并不意味着其中任何一层，已经形成了类似成熟软件行业的收费模式。
对投资者而言，关键问题是：一家触觉公司最终靠什么赚钱？
如果主要靠硬件，规模扩大之后能否维持价格？如果主要靠项目交付，收入增长是否也需要同比增加工程人员？如果强调软件与模型，客户是否真的愿意单独付费？
“全栈”可以意味着更高附加值，也可以意味着每个环节都需要投入。
真正值得警惕的，是用平台公司的想象空间估值，却只能兑现零部件或定制项目的经营回报。
触觉有价值，与每台机器人都需要全身电子皮肤，之间存在很大距离。
采购方通常不会先问机器人像不像人，而是问：完成这项任务，最低需要什么配置？
如果任务相对固定，现有夹具、视觉定位或局部力反馈已经能够满足要求，就未必有必要增加大面积触觉覆盖。
相反，当接触位置难以预先确定、操作对象经常变化，或者需要与人密切协作时，更丰富的接触信息才可能体现额外价值。
这意味着，触觉市场可能先从具体任务和局部配置增长，而不是直接进入“全身标配”的阶段。
对于供应商，市场规模不能只看机器人出货量，还要同时看三个因素：有多少机器真正配置触觉，每台配置多少，以及客户愿意支付多少。
即使机器人数量增长，采购金额也未必同比增长。客户可能减少覆盖范围，采用成本更低的方案，或者随着采购规模扩大要求降价。
更需要分清的是，研究需求与生产需求并不相同。
研究团队可能愿意为丰富数据、高精度和可扩展性付费；生产客户则必须同时考虑采购价格、运行稳定性、维护难度和停机风险。
一款受到实验室欢迎的产品，不一定能直接进入大规模工业采购。
同样，“人形机器人传感器市场”的预测，也不能直接当作“电子皮肤市场”的规模。视觉、位置、力矩与触觉等不同类别，不能混为一谈。
对这条赛道最有价值的判断，不是未来有多少机器人，而是哪些任务已经需要触觉、愿意为触觉付费，并且很难用更便宜的方法替代。
在产品展示中，灵敏度、空间分辨率和采样速度容易引人关注。
但到了客户现场，问题往往变得更朴素：能连续用多久？脏了怎么办？磨损之后如何更换？换一块传感器，要不要重新标定？故障会不会导致整条工序停下来？
参数决定产品能做什么，长期使用成本决定客户是否继续购买。
对于触觉供应商，量产意味着必须同时控制器件差异、装配误差、标定成本和维护负担。即便单个样品表现优秀，如果批量产品需要逐个精细调整，成本优势也可能被工程投入抵消。
定制化则带来另一个矛盾。
不同客户的机器人结构、控制系统和任务要求各不相同。深度适配有助于进入客户体系，却也可能让供应商陷入“一个客户、一套工程”的交付模式。
这样的业务可以产生收入，但未必能够随着规模扩大而提高利润率。
与此同时，整机厂也并非只能被动采购。
一旦触觉成为重要差异化能力，部分厂商可能选择自研，或者把核心算法留在内部；如果相关器件逐步标准化，又可能引入多家供应商比价。
上游企业需要在两种压力之间找到位置：既不能容易被替代，也不能难以接入。
因此，评估这类公司，除了融资和合作名单，更应该看批量订单、重复采购、售后成本、客户集中度，以及收入增长是否依赖大量新增工程投入。
产业合作可以打开市场，但合作方出现在发布会和投资名单里，与客户持续下单，仍然是不同的事情。
触觉行业值得期待的地方，在于它能够参与解决真实任务，而不是只为机器人增加一个展示功能。
例如，在适合的操作场景中，如果触觉反馈能够减少掉件、损坏、重复尝试和人工接管，客户就有理由增加预算。
但这笔账必须完整计算。
新增收益，不只是“成功率提高了多少”；新增成本，也不只是购买传感器的钱。调试、维护、替换、计算和停机成本，都应进入同一张表。
可以用一个简单的问题检验商业价值：
减少失败和人工干预带来的收益，能否覆盖新增系统的全部成本？
只有答案持续为正，触觉才有机会从实验项目走向常规采购。
数据和模型同样需要接受这种检验。
触觉数据可能有助于改进操作，但供应商交付硬件，并不意味着天然拥有客户数据；不同传感器、机器人和场景产生的数据，也不保证可以直接复用。
把“设备装得多”直接推导为“形成数据壁垒”，中间省略了数据权限、质量、兼容性和实际训练效果等关键问题。
这也决定了行业未来未必由某一家“全栈公司”包揽。
有人可能通过规模制造获得优势，有人擅长特定任务的系统交付，也有人在软件工具和标准化接口上建立位置。最终谁拥有更强议价权，需要由实际采购和使用效果回答。
这一轮融资热，给触觉企业提供了验证这些路径的时间和资金。它是产业前进的条件，却不是产业成功的结论。
对外界而言，接下来最值得等待的，不是下一轮估值，而是更多可以比较的现场证据：同样的任务，加入触觉之后，失败减少了多少，人工节省了多少，总成本下降了多少。
触觉有机会成为物理AI的重要生意，但“重要”与“赚钱”之间，还隔着量产、交付和客户复购。
让机器人感知世界，是技术目标；让客户算得过账，才是商业起点。
资料说明：
本文以截至2026年10月27日可查的融资报道、企业官方资料及技术研究介绍为基础。
2024年的Meta研究发布用于说明行业技术脉络，不作为近期新闻。
企业产品介绍不等同于独立性能验证；文中关于成本、竞争和价值分配的讨论为行业分析，不代表具体企业已实现相关经营结果。
专注「AI前沿科技」和「大公司商业秩序」
兼具内容品质和传播影响力
