0
作者丨高景辉
编辑丨林觉民
刚见到超维传感创始人李炎辉时，他递给了我一瓶水，本以为只是用来喝的，没想到这成了他重要的“演示道具”。
没错，在与雷峰网(公众号：雷峰网)这次对话过程中，他几乎用一瓶普通的矿泉水解释了机器人灵巧操作所需要的触觉信息——捏住它靠「法向力」，提起它靠「切向力」，倒过来要感知「姿态」，大力把水挤出是展示「一致性差」的后果……
这种用大白话讲透复杂技术的能力，来自于他在传感器领域十余年的深耕，更来自于对触觉传感器更深层次的技术洞见。
“过去几年视觉已经把能做的都做了，发现接下来精细操作不能做了，所以触觉就特别热门。”轻描淡写之间，李炎辉道出了这个行业爆火的真相：大量的末端数据难以精确获取，机器人便难以执行精细的操作。
的确，触觉传感器看上去并不起眼，连名字都缺乏具身智能那样的“科技时髦感”，可它却是从灵巧手到数据的链条中不可或缺的一环，这也是为何近两年资本涌入这个窄而深的赛道。
不过，在与雷峰网讨论触觉的能力边界时，李炎辉又非常克制：“造一个真正能解决90%事情的传感器就好了”。和大多数技术出身的创始人一样，李炎辉交谈过程中处处透着一种严谨和谦逊，但只有一处除外——
“对于这个问题，我想不谦逊一次。”
01
▎AI科技评论：触觉传感器行业是从什么时候开始爆发的？
李炎辉：爆发应该是从24年。我们做柔性压力传感器十多年了，24年之前，23年、22年其实是相对小众的行业，我们行业内聚会的时候大家都苦哈哈的。
其实“触觉传感器行业”这个定义比较模糊，因为大家对"触觉"的理解都不一样。现在行业的普遍做法是：只要有位置信息和法向力信息，就叫做触觉传感器。
以前的触觉传感器更多被用来做定性测量，比如做0-1交互，或者测量一下高弓足或扁平足，不需要精确测量力度大小。
▎AI科技评论：意思是以前精度不重要？
李炎辉：对，各个技术线在各自的领域里都做得比较专，但应用有限。我们相对来说稍微好一点，毕竟是果链，但苹果也是2024年才真正把它做起来并上量的。其他的消费电子比如耳机、笔电之类的，做柔性力的交互更多是"nice to have"，不是"must have"。
可以说，在 2024 年之前，触觉传感器这个概念还不怎么火爆，各技术路线都在各自的细分领域里面探索。但2024年开始，大家逐渐意识到灵巧手对于触觉的重要需求，2025年就更加明显了。
▎AI科技评论：2024年有什么标志性事件吗？
李炎辉：资本市场的热度吧，24年、25年触觉领域投融资应该是最多的，当然具身智能的投融资更多。
▎AI科技评论：那可不可以说，具身智能这一波热度带动了触觉传感器的爆发？
李炎辉：非常对。传感器本来就是比较小的赛道，很多传感器企业是几十年甚至百年老店，产值没有那么大。但现在视觉已经把简单的能做的都做完了，当机器人接触物体的那一刻，视觉就失效了——它不知道应该用力抓起来的，还是轻轻拿起来。很多 VLA 架构的机器人在放置物品的时候，都是"丢"下去的，就是因为没有触觉信息，尤其是没有切向力信息。
如果有切向力信息会怎样？比如我放一瓶水，接触桌面时，切向力从3.5牛迅速变为0或者0.1牛，到了一个阈值，我就可以松手了，这样就能做到轻拿轻放。
▎AI科技评论：所以触觉是补视觉的缺？
李炎辉：我们叫触觉是"最后一厘米"，是因为在最后一厘米阶段，视觉完全失效了，已经不知道该怎么操作、该执行什么动作了。这时候触觉信息的重要性就提上来了。
过去几年视觉已经把能做的都做了，发现接下来精细操作不能做了，所以触觉就特别热门。
▎AI科技评论：消费电子以前不也需要触觉吗？
李炎辉：消费电子更多是电容，做0和1的判断——摸了和没摸，按了和没按。以前苹果做3D Touch，测轻重，在人机交互上苹果走得比较靠前。苹果做触控板，上面检测位置信息是靠电容，下面检测按了没按是靠电阻，准确来讲也是触觉，只是以前没有像具身智能这样把它凸显出来。
所以确实是整个具身智能的快速发展，把触觉传感器提到了一个非常高的高度。
▎AI科技评论：很多人说具身智能是泡沫，如果泡沫破了，触觉传感器会不会回到之前的水平？
李炎辉：任何新事物的发展都有泡沫。移动互联网有泡沫，新能源车有泡沫，补贴很多、倒闭很多，但泡沫没有淹没BAT，没有淹没比亚迪和特斯拉。
而具身智能是远超前几代变革的巨大变革，这里面一定会有泡沫，但泡沫不会淹没真正带来价值的公司和团队。而且其中有一件事是确定的：现在的机器人就像在戴着一副非常厚的手套干活，但让它要做更多事，就必须摘掉手套，用手上精确的触觉感知来完成日常操作，所以如果具身智能未来一定能成，那它所需要的触觉信息就是必要前提。
总之，即使泡沫要破，破的也一定是那些只想赚快钱、捞一把就走的人。真正在解决需求的，会在大浪淘沙后留下来。
02
▎AI科技评论：你们是什么时候进入这个行业的？
李炎辉：我们以前是做消费电子的触觉传感器，做了10年。10年里我们做了苹果、谷歌、微软，国内的华为、小米和vivo等一系列头部的消费电子企业，涉及苹果、笔电、手机耳机、压力笔等各种产品上面一些力传感器，还有一些电容之类的融合传感器产品。
▎AI科技评论：你们决定走融合路线，是一开始就决定的吗？
李炎辉：对，我们应该是融合方案做得最早的。其他触觉传感器企业都是单一路径，都笃定自己的东西能最终解决问题。但事实上现在大家慢慢看到了，不管是霍尔方案还是电容方案，都有一定局限性。比如用霍尔的，强磁环境下怎么办？当需要准确测力的时候怎么办？用电容方案，可以做接近感知，但电容方案接触的物体也要是导体，接触木头怎么办？
所以还是第一性原理——我们需要什么样的触觉？用什么技术线去最好、最便宜地实现它。整个传感器最底层的物理量大概就6个，声、光、电、热、力、磁，看怎么排列组合。
▎AI科技评论：决定走融合路线，是因为市场需求？
李炎辉：24年底我们做了个调研，跟几个头部大厂交流。我问其中一家全球非常知名的企业，你们为什么要自己做传感器？毕竟传感器是应用领域很狭窄但技术门槛很深的东西，宽1厘米、深1公里，技术门槛很高，单个价值又不大，最终做出来一定很便宜，不适合下游客户去生产。比如做手机的买陀螺仪，不可能自己去做，买过来就几块钱。
而他给我的答案是：市面上买的都不能满足要求。于是我们就发现这是一个市场空白，虽然有几家触觉传感器企业存在，但至少在那时那刻没有满足客户需求。直到现在还这么热门，就是因为还是很多触觉传感器达不到客户要求，他们一直在找。
▎AI科技评论：所以他们的需求到底是什么？
李炎辉：我们跟客户交流下来，收敛出来灵巧手真正操作需要的，是位置信息、准确的力的信息、温度信息。姿态在有些场景下会很有用，比如同样的重量，换个姿势拿感知完全不一样，如果里面有姿态信息，就能知道物体是朝上还是朝下，可以更好地控制。
所以我们把位置信息、法向力、切向力、温度、姿态这五个维度，定义为灵巧手最需要的触觉信息。其中力是最重要的信息，因为力是强耦合的东西，它跟灵巧手各个方面都息息相关，软硬程度不同，力的大小、分布都不一样。而其他信息相对好融合。
▎AI科技评论：定义好了触觉信息，接下来最重要的什么？
李炎辉：准确测出来，保证一致性。第一是精度，每次拿起物体，它给的信息一定要是准确的（此时李炎辉拿起一瓶水），比如这瓶水350克，每次拿起它，向下的重量都是3.5牛，不能这次测试3.5牛、下次3.8牛、再下次2.8牛，这样对训练模型没有帮助。数据不准确，很多噪声进来，整个操作就会失效，模型就会失效。
第二是批次一致性。如果不能保证不同批次的一致性，就会出现用这批数据训练出一个小模型可以跑通，但部署到下一批次的灵巧手上就不行的情况。因为传感器之间误差不能很大，比如20%就是不能接受的，1%是可以的。
第三是高可靠性。要经久耐用。
▎AI科技评论：20%的误差是什么概念？
李炎辉：比如这瓶水（李炎辉打开瓶盖），我抓住瓶子时如果用力多20%，瓶里的水就会被挤出来，但如果只多了1%，就没有那么大影响，水不会溢出来。所以我们提出来：一致性误差要做到1%，精度误差要做到0.2%，这样模型就可以训练，训练完就可以部署，部署完还可以泛化。
▎AI科技评论：除了精度和一致性，衡量一个传感器好坏还有哪些指标？
李炎辉：触觉传感器的核心指标，我们一般说"三高"：高一致性、高精度，高可靠性。此外还有很多指标——低迟滞、低温漂、低噪声等等。只有这些指标都能经过高温高湿、冷热冲击、盐雾试验等可靠性检验，才能真正在工业上量产，走向商业化。
▎AI科技评论：别的触觉传感器公司也可以走融合路线，为什么你认为能做成这件事的是你们？
李炎辉：我们是比较谦逊的一家公司，但对于这个问题我想不谦虚一次。基于第一性原理来倒推，我们是以终为始，根据需求来定义产品的，目前也只有我们的传感器最能够满足需求，能够提供让灵巧手进行通用泛化操作的高质量触觉数据。
第二，我们是一个非常成熟的团队，不仅能定义出来还能做出来，而且是大批量地做出来。我们从去年7月份成立，去年年底完成天使轮融资，拿到第一笔钱干的第一件事情是找厂房、买设备、搭产线。我们会比很多友商更重视量产，现在已经做好了量产的准备。
▎AI科技评论：你们的团队有哪些人？
李炎辉：我们是一个高度互补和契合的团队。我们一位合伙人是 FSR 技术路线的鼻祖 interlink 公司的前 CTO；另一位合伙人之前在霍尼韦尔、威卡等世界顶尖的力传感器公司担任要职，精通应变式力传感器的技术；还有对微纳制造非常精通的人才。我本人最开始做技术，后面做战略市场，做集成供应链，基本上对触觉传感器本身的技术路线和市场需求，以及各技术路线所对应的能力边界非常熟悉。所以我们一开始起步就对标行业第一，我们要做得比他们还要更好。
▎AI科技评论：既然要对标，为什么不对标更大的企业，把故事讲得更大？
李炎辉：讲故事是为了融资，但融资是手段不是目的。我们从来不会因为某家投资机构喜欢听什么，我们就是去讲什么故事，我一直在讲我们底层逻辑是什么，我们最终要解决什么样的问题，围绕我们公司能够产生什么样的价值，团队怎么样去快速高效地创造这样的价值。
我们希望能找到气味相投的合作伙伴，包括客户和投资方，一起为达成一个目标努力。我所理解的具身智能，是十年、二十年的事，不是这一波风口过了就过了的事情。这是一个长坡厚雪的赛道，我们做的也是长坡厚雪的事业。我们更希望能沉淀下来，让我们所带来的价值真正经得住时间的考验。
03
▎AI科技评论：触觉和数采经常被放在一起讲，你如何看待触觉数据采集？有做数采设备吗？
李炎辉：整个飞轮是这样：先有高质量的触觉信息采集，才有高质量的触觉数据，才有比较通用泛化的模型，才能应用到搭载了高质量触觉传感器的手上，飞轮就转起来了。现在在第一步。
所以我们必须配合做数据采集的公司，让采集设备能抓到高质量触觉数据，才能喂给模型。我们自己也在做手套，会很快配合采集企业，把高质量触觉数据采集设备做出来。
▎AI科技评论：有些厂商认为灵巧手最好是22个自由度，跟人一样，才能跟人的数据对齐，触觉呢？
李炎辉：运动关节的对齐，相对还比较容易标准化，因为自由度是物理名词，绕一个轴位移或者转动就是一个自由度，定义非常清晰。
但触觉现在不标准。每家对触觉信息的理解都不一样——用视触觉的，一定说一平方厘米上要有足够多的点阵；用电容的，一定说能做接近感知；用霍尔的，一定说多点力信息。总之是基于自己的技术能力去定义触觉，而不是基于实际需求。
▎AI科技评论：灵巧手会不会像人一样有"皮肤"？触觉终端是在“骨骼”上，还是外面的软层？
李炎辉：还是围绕需求做的。比如人有血液，但你做机器人不需要有血液，人有心脏，它是马达，不一样。
假设你希望跟机器人有更多交互，拍一拍、摸一摸，电容加压阻就能满足——它知道你摸它了，知道你是拍还是抚摸，信号不一样，可以被区分出来。
▎AI科技评论：不需要做到像人皮肤那样？
李炎辉：我们希望造一个真正能解决90%事情的传感器就好了，不去解决那些corner case。针对大部分应用场景，一平方厘米上有100个点的阵列就够了。一平方厘米上有4万个点？人类皮肤也没有那么多。你要解决的问题其实是有限的。
▎AI科技评论：所以不应该从仿生出发？
李炎辉：针对触觉传感器，仿生我可以看到20年之内做不到——你不可能真做一个皮肤放在这里，跟人的皮肤一样可再生的、能感知疼痛凉热的。产业界可预期的未来，不可能做到跟人手一模一样的感知系统。
只能比较务实地看待这个事情，从应用场景上倒推需要什么样的触觉，把它比较好地实现。这是目前灵巧手可以最快落地的唯一路径，而不是单纯去卷仿生。目前稍微主流点的，没有按仿生来弄的。
▎AI科技评论：人的触觉可以识别材质，机器人也需要吗？
李炎辉：我一直不觉得材质识别是个很大的需求。我们做的是有两只眼睛的人形机器人，不是瞎子。人的视觉训练得很好，一眼看出来这是塑料、这是木头、这是不锈钢。你觉得材质是手摸出来的？大部分是眼睛看出来的。你闭上眼睛能摸出来亚克力和玻璃的区别吗？恐怕很难，但你一眼就能看出来。
▎AI科技评论：那为什么还有人做材质识别？
李炎辉：因为他的擅长就在这里。比如视触觉的方案，他能做这个事情，就会去做、去宣传。这是corner case，有些特殊场景里面确实有价值，但不是主流需求。所以我一直说，最终各技术路线不会是谁把别人全部吃掉，每家在细分场景里都有自己的长项，但我们要做的是满足通用需求。
▎AI科技评论：现在有企业在做触觉行业的评测框架，这个有必要吗？
李炎辉：一定需要有人做，但做的方式很关键。现在看到的一些标准，本质上是基于自身能力建立的，不是基于最终真正的需求去建立的。
所以需要有头部企业或政府牵头做这个事，要把整个行业的人拉进来共建，引领整个行业真正走向健康发展。
▎AI科技评论：有些公司从传感器做到数据再到手，有些从手开始做，发现要做触觉、触觉又能采集数据。你怎么看这两条路？
李炎辉：因为具身智能是之前从来没有过的行业，刚开始两个路线都是可能存在的，也是比较合理的。你想做手，市面上没找到合适传感器，不得不自己做；反过来，做传感器的发现应用场景还不够多，逼着自己去做手。
但我们的理解是，未来3到5年一定会行业更加分工明细。不管是做手的去做传感器，还是做传感器去做手，最终一定会把最擅长的一面变成安身立命之本，其他东西舍弃掉。
就像汽车产业链，做整车的人一般不会去做轮胎，一般也不会去做电池。当然有例外，比如比亚迪，但一般不会。做手的未来一般也不会去做传感器，因为价格会做到足够便宜，直接买就行了。
▎AI科技评论：那为什么现在很多灵巧手公司都在自己做传感器？
李炎辉：因为目前市面上的产品还满足不了需求，他们已经等不及了，但最终业务一定会分开的。
触觉传感器现在还没有收敛，到底什么是触觉信息，大家都没有准确定义，所以才会涌现各种技术线。做手的人就非常痛苦，找不到一个真正满足需求的传感器。所以现在大家都在往融合感知上走，希望博采众家之长。
▎AI科技评论：未来多久会收敛？
李炎辉：快了三年，慢了五年，一定会收敛到几个技术线占80%。 剩下的corner case，某一个技术线在细分场景下有他的长处——或是便宜，或是某一个特殊长板。总之针对大部分应用场景，一定会收敛。
▎AI科技评论： 在这个过程中什么样的公司能活下来？
李炎辉： 真正创造价值的公司。
上车，带你看遍全球 AI 顶会精华
可独家畅览：
专家演讲PPT
大会报告全文
热门论文解读
学术新星访谈
扫描上方二维码
或点击「阅读原文」关注专区。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
