“只看不练是假把式。”

上周五，连续举办了42年的机器人学界年度盛会ICRA 2026刚刚在维也纳落幕。

今年，“触觉”成了会场上被提及最多的词之一。具身智能行业正在快速达成共识：机器人要理解物理世界，无法仅靠观察，还需依靠接触。

只靠视觉和仿真数据训练出来的机器人，正在暴露它的“阿喀琉斯之踵”。视觉能告诉机器人物体在哪里、手该往哪里伸，却无法告诉它接触瞬间究竟发生了什么。摩擦力有多大、材质是硬是软、物体是否开始滑移、用多大力才不会把鸡蛋捏碎？这些信息不存在于任何一帧图像里，只存在于接触本身。

戴盟机器人创始人段江哗比行业早十年看到触觉的未来。

段江哗是一名典型的“技术型CEO”，他2016年读博期间，他的主要研究方向是机器人如何从人类示教中学习操作。那时，他会用3D相机捕捉人的骨骼轨迹，也会拖着机器人一遍遍完成动作，让机器从示教数据中学习人类干活。

但很快，他发现一个问题：以往的数据里有视觉，有轨迹，有姿态，却唯独没有触觉，很多操作任务的“精髓”很难学会。

这道空白驱使他往更深处走。2020年，段江哗加入港科大机器人研究院王煜院长课题组与MIT联合推进触觉操作研究项目。当时市面上的视触觉传感器普遍采用MIT的三色光方案。王煜团队迭代出“单色光路线”，在同样实现高精度接触信息重建的前提下，传输带宽更低、算力更省、散热更稳，成本结构彻底不同。

这一突破构成了戴盟核心的技术壁垒：视触觉传感器第一次以普通传感器的价格出货，撬动触觉数据的规模化采集。

2023年底，段江哗创办的戴盟机器人在深圳正式运营，当时人形机器人赛道还没有今天的热度，触觉更是众多技术模块中最不起眼的一个，但过去十年的研究经历让他确信“触觉就是那颗让机器人真正学会操作的Silver Bullet”。

戴盟已成为全球视触觉传感器出货量第一的具身智能企业，今年商业化进展更加迅速，一个季度订单量已经超过去年全年，海外订单量更加速攀升。

但段江哗的野心不止于此，他瞄准的是“具身智能时代的英伟达”。正如大语言模型的爆发绕不开英伟达的算力底座，具身大模型想要真正走进现实，同样绕不开触觉底座。段江哗说，“戴盟要成为连接大模型和真实物理世界的超级API。”

为此，戴盟正以触觉感知设备与外发式数采网络为入口，以含物理交互信息的数据集为燃料，再以触觉Benchmark为标尺，驱动物理世界模型研发与持续迭代，让机器人真正理解世界并实现精细操作。

“只看不练是假把式。”段江哗直言，创业两年，行业的认知在变，从关注机器人能不能走跑跳，到关注能不能干活，在这个过程中，大家逐渐意识到，触觉就是那个关键变量。

1.先把视触觉出货量做到全球第一

2016年攻读博士期间，段江哗便深耕机器人操作（Manipulation），当时的课题叫“Learn from Demonstration（从示教中学习）”。他会用3D相机捕捉人体骨骼的运动轨迹，也会手把手拖着机器人去干活，通过这些方式采集数据，训练机器人干活的能力。

在那个过程中，他愈发清晰地意识到一个瓶颈。当时采集回来的数据，几乎全是视觉、力觉和轨迹姿态信息。触觉是人类感知并与物理世界交互的核心能力。但在当时机器人操作的数据体系里，除了接触力，其他触觉维度的数据几乎一片空白。

“没有触觉，机器人很难实现泛化通用的操作。”段江哗说。尤其在一些接触丰富的精细任务中，比如伸手到电脑机箱背后插插头，或者洗碗的时候拿稳沾了洗洁精的盘子，没有触觉，成功率几乎为零。

2020年，段江哗加入香港科技大学机器人研究院王煜院长的课题组，这个选择至关重要。

港科大是硬科技创业圈的“黄埔军校”。以李泽湘教授的实验室为原点，这里不仅跑出了大疆，还接连走出了固高、云鲸、海柔创新等一众独角兽，几乎串起了中国机器人产业的半壁江山。天上飞的、海里游的、地上跑的，国内排名前列的机器人公司，很多都是港科大孵化的。

“港科大是一所没有围墙的大学。”段江哗回忆，这里信奉技术必须走出实验室，经受真实世界的考验。

段江哗读博期间带队参加世界机器人大赛

真正让段江哗下定决心锚定触觉这个方向的，是他在机器人操作领域的切身经历。

王煜院长的团队当时正与MIT联合开展一项含触觉操作的研究项目，港科大方面分三期推进：第一期聚焦传感器本身的优化设计，第二期结合新的传感器做模态感知和操作任务，第三期则进一步扩展到移动底盘加机械臂再加触觉夹爪的全身移动操作。

在这个项目里，段江哗开始深入接触一个将深刻影响戴盟未来命运的技术路线——单色光视触觉感知。

要理解单色光的价值，首先要理解视触觉传感器的工作原理。简单来说，视触觉传感器通过内置摄像头拍摄与物体接触时的形变图像，将物理世界的触觉信息转化为视觉信号。

此前，市面上大多数基于视觉的触觉传感器，采用的是MIT提出的三色光方案。在与MIT合作的过程中，王煜教授的研究团队开始着手研发改进方案，迭代出了单色光路线，最终形成了戴盟的核心技术壁垒。

单色光方案成功降低了对信息传输带宽和算力的需求，使得产品在散热、稳定性及综合成本上更具优势，这使得戴盟的视触觉传感器的售价，甚至可以和常规的阵列式触觉传感器打平，以普通触觉传感器的价格实现多维、高分辨率、高频率等极致性能。凭借全面领先的技术壁垒，戴盟目前的视触觉产品出货量及全球头部客户覆盖率均位居全球第一。

2.建外发式数采网络，补上触觉数据的空白

传感器只是入口。段江哗创立戴盟的初衷，是用触觉唤醒世界模型的物理认知，让机器人从看见物理世界，走向理解物理世界、操作物理世界。

确保模型学到正确的物理常识，前提是有大量真实世界中含物理交互信息的数据作为“燃料”。

语言模型有一个天然红利，人类几千年积累的文字与图像，全都可以成为训练数据。但物理世界模型没有这个红利，摩擦力、重力、阻尼、滑落等等信息只存在于真实的物理接触中。物理世界模型必须从零开始，在触碰中一点点建立对世界的理解。

市面上还没有足够高质、高量的真实物理交互数据来支撑戴盟的模型训练，段江哗把目光投向数据，“语言模型有整个人类图书馆，物理世界模型的图书馆还没有人建，那戴盟先开始建。”

戴盟的路径是建立外发式数据采集体系。这套方案不依赖机器人本体，也不局限于封闭式的数采厂，而是让人类在日常劳动中自然沉淀数据。操作员只需戴上设备，就可以在真实场景中几乎零门槛地采集数据。

段江哗描绘了一个最理想的情况——图书馆的工作人员在整理上架时可以佩戴设备完成采集；工厂产线工人在不影响节拍与效率的前提下同步记录操作数据；家庭里的普通用户在做饭、收纳、清洁等家务过程中，也能成为数据采集员。

“他们在家里、在岗位上、在任何日常时刻，都能戴着我们的数采设备。”段江哗说。

目前，戴盟已与包括中国移动在内的全球二十余所高校、企业、科研机构以及深圳当地青少年宫、图书馆、工厂等建立了合作关系，并将数采网络延伸至欧洲、美国等多个地区。

戴盟外发式数据采集网络

外发式采集的规模化潜力，体现在段江哗提到的一个数字上——在中国移动、中国电信等产投方战略投资后，戴盟理论上可借助他们遍布全国的线下网点，触达数千万级潜在采集者。

戴盟数据的优势还体现在与视频模型的兼容性。当下的具身模型仍多依赖于VLA架构，而戴盟的视触觉技术可将触觉信息转化为图像数据，天然与主流的视觉框架契合。这意味着，戴盟采集到的全模态触觉数据本身就是具身模型通用、好用的视觉语言。

具身智能行业有一个“数据金字塔”的概念。

具身智能数据金字塔

塔尖是通过遥操作采集的真机数据。它精度最高、最贴近真实机器人运行状态，但采集效率极低、成本极高，难以规模化，更适合用于校准关键技能、攻克高难度场景。

中层是“以人为中心”的数据，通过手持夹爪等轻量化设备，能够规模化采集带有真实触觉反馈的操作序列，支撑机器人泛化能力的日常训练。

底层的视频数据及仿真合成数据，则为具身智能提供了庞大的数据规模和无限的试错空间，但它们都缺少真实的物理接触信息。

“数据金字塔”的隔层定位清晰，相互补充。多层协同，拼出一套完整的感知与操作数据图谱。

在这个结构中，真实数据正变得越来越重要。只有携带真实触觉信号的数据，才能精准填补机器人精细操作的鸿沟。这种价值体现在两个维度：

最直观的改变是，它能直接拉升模型的操作成功率。触觉信号携带了视觉无法捕捉的接触状态信息，比如材质软硬、摩擦系数、滑移趋势，模型基于这些信号进行学习，能够使机器人在执行精细操作时的可靠性得到显著提升。

而更深层的价值在于，高质量的触觉数据具有极高的信息密度，可以大幅压缩达到同等模型能力所需的训练数据量。纯视觉数据对物理接触的描述是间接的、低维的，模型需要消耗大量样本才能从中归纳出操作规律；而含触觉的真实数据直接呈现了接触时刻的物理状态，每一条样本的有效信息量远高于视觉数据。这意味着，引入高质量触觉数据后，训练出同等能力模型所需的数据量，可能仅为纯视觉方案的几十分之一。

今年4月，戴盟开源1万小时含触觉数据集Daimon-Infinity，在阿里魔搭社区上线开源首月即获得超百万次下载并登顶物理世界具身数据集榜首，初步印证了触觉数据已成为行业刚需。戴盟计划今年将数据集规模进一步扩大至数百万小时，并加速推进与产业方合作共建外发式数据采集体系。

戴盟早期遥操作和Ego-centric数据采集

在戴盟深圳办公室的门口，每天都有操作员进行数采操作。

“我们从Day 1就坚定相信真实触觉数据对模型训练的价值。”段江哗回忆，在公司2024年年初发布的第一个公众号视频里就出现了遥操作和Ego-centric数据采集设备，只不过当时行业的目光还聚焦在本体上，少有人注意到这一小段画面所预示的方向。

3.唤醒世界模型的物理认知

上周，戴盟完成亿元A轮融资，由汇川产投和中国电信联合投资。此次融资正是用来继续扩大触觉数据规模，加速物理世界模型迭代。

在段江哗看来，物理世界模型必须引入触觉模态去推理物理因果，确保每一次迭代都能有效积累物理常识。

戴盟的模型结构分为认知层和执行层两层。

认知层做的事，是让触觉、视觉、语言、几何这几种模态在同一个表征空间里互相映射，类似人类的通感。桌上同时放着一颗葡萄和一颗同样大小的玻璃珠，不用碰你就知道，抓葡萄要轻、要用指腹包裹住，抓玻璃珠可以用力、用指尖捏。视觉在这里直接映射成了触觉预判，并自动生成了两种不同的抓握策略。

戴盟机器人进厂打工

执行层有两套机制同时运行。一套是百赫兹级的高频触觉伺服，类似脊髓反射，不经过上层推理。物体刚开始产生滑移趋势的那一刻，补偿动作就已经发出，新的视觉帧还没产生。这就像你单手捏着一只装满热水的纸杯，杯子刚有一丝滑脱迹象，手指就本能地瞬间收紧，且恰到好处地紧，既不让杯子掉、也不会捏爆。这种毫秒级的边缘力控，纯视觉模型根本来不及反应。

另一套是物理世界推理，模型持续预测未来的接触状态，在失误真正发生之前提前修正。陶艺师拉坯时，湿润的陶土在旋转中受离心力持续向外扩张，双手感受到压力分布的微妙变化，大脑据此持续预测陶土形态的演化趋势，提前施加收合的力。等到肉眼看见陶土塌了再去纠正，已经来不及。

这两套机制分别对应毫秒级反应和接触状态前瞻，在同一个任务里协同工作。这是戴盟相比纯视觉操作模型最关键的差异。

模型迭代的另一个底层条件，是评估标准。段江哗认为，触觉数据的Scaling Law和语言、视觉模型不太一样：触觉数据的杠杆不是采得多，是采得全，“让机器人在1000种不同材质、形状、接触方式的物体上各碰10次，远比在同一个杯子上反复抓1万次有用。”

触觉的Scaling Law究竟长什么样？目前全行业还没人说得清。主要原因在于没有公认的评估标准：没人知道用什么指标来衡量触觉感知做没做好，数据再多也只是各说各话。

为此，上周戴盟和银河通用联合发布了RobOmni，给机器人的物理交互能力立一个坐标系。这是行业里第一个同时支持仿真训练和真实数据训练的含触觉全模态物理交互评测基准。戴盟期待更多行业伙伴加入，一起把触觉数据的Scaling Law曲线画出来。

RobOmni触觉仿真底座

2026年初，一个信号让段江哗确信，坚持总是有回报的。

“今年是商业化的元年，第一季度已经超过去年全年的订单量。”他说。

海外市场的进展同样迅速。戴盟已成功打开北美、欧洲及日韩等市场。近期，公司还成功跻身多家全球顶尖AI巨头与工业巨头的核心产品与技术生态，并切入全球顶级新能源车企智造链条，预计今年全年海外客户量持续攀升。

十年前，他还是一个在实验室里用3D相机捕捉人体骨骼、拖着机器人采集数据的博士生。十年后，已经有越来越多的人认可触觉的重要性。那道曾经绕不过去的技术高墙，他硬是迈了过去。

“但这只是个开头。”他语气平静。

机器人要在碰撞中获得对世界的理解，在触碰中形成真正的操作能力。这是Physical AI的必经之路，也是戴盟押注的方向。

（封面图来源：戴盟）