一个机器人伸手抓取玻璃杯，视觉模组能清晰判定杯子的位置和形状，但它不知道该用多大力度——太轻，杯子滑落；太重，杯子碎裂。这就是当前具身智能面临的真实困境：视觉与语言模型可以靠互联网数据规模化训练，但触觉信号的采集必须依赖物理世界中的真实接触。仿真环境能模拟物体的几何轮廓，却难以复现摩擦力、压力分布和材质形变，仿真数据与真实触觉真值之间存在固有偏差。
缺口到底有多大？截至2026年初，全球可用于训练的高质量真实物理交互数据总量约为50万小时，而训练一个具备基础泛化能力的通用具身模型，至少需要千万小时级数据，缺口超过九成。填补这个缺口，需要一种能在真实场景中大规模部署的触觉采集工具。
近日，尧乐科技（Yotlive）完成Pre-A+轮融资，这家定位为“物理交互数据基础设施”的公司浮出水面。本轮由鼎和高达领投，常熟汽饰、祖龙娱乐跟投，云道资本担任长期独家财务顾问。融资额度未披露。此前，尧乐已获得小米独家天使轮，以及科沃斯参股隐峰基金、硅港资本、初辉资本的Pre-A轮近亿元融资。
| 公司 | 尧乐科技（Yotlive） |
| 轮次 | Pre-A+轮 |
| 金额 | 未披露 |
| 投资方 | 鼎和高达（领投），常熟汽饰、祖龙娱乐（跟投） |
| 总部 | 未披露 |
| 创始人 | 吕莉蕴、周潇、罗正、孟祥琳 |
| 官网 | 未披露 |
从智能瑜伽垫到车规级传感器：一个长达十年的系统试错
尧乐的起点并不性感。2015年，创始人吕莉蕴想做一块智能瑜伽垫，但她发现市面上没有合适的传感器：薄膜印刷不耐折，刚性方案又硬又贵。进一步的思考将她引向一个更深层的问题——采集真实人类行为数据的前提，是设备不能反过来改变人的行为。一旦传感器笨重、僵硬或易损，人的动作就会走样，采集到的数据也随之失真。
这引出了一个决定公司命运的问题：有没有一种介质，人本来就会接触，还能被规模化地变成数据网络？答案指向织物。手套、座椅、床垫——这些柔软、大面积覆盖、可低成本替换的表面，本就是人类接触世界的界面。与数据工厂捕捉标准动作不同，尧乐要捕捉的是人真实作用于世界的瞬间，比如拿杯、翻身、穿鞋，每一次接触都藏着长尾变化、肌肉习惯、软接触策略、失误修正和环境反馈。这些信息，只有在人本就接触的表面上，通过无感、连续地记录，才有可能被完整捕捉。
吕莉蕴的履历为这个判断提供了工程支撑。她曾任国际汽车电子巨头Harman全球创新部首席架构工程师，主导过多模态传感器融合计算平台，服务玛莎拉蒂、保时捷等十余家主机厂。联创团队亦具备完整的技术-量产-商业化闭环能力：周潇来自中科院高等研究院，深耕集成电路与智能传感十余年；罗正毕业于密歇根大学电子工程系，其主导的多模态传感融合算法已在数十万台车辆上实现量产落地；CMO孟祥琳为北大背景的连续创业者，曾操盘头部消费品牌从0到1。
早期验证来自科大讯飞。双方合作养老护理防压疮床垫，订单不大，却证明了真实场景确实需要大面积、无感、可持续的物理交互数据采集。真正的考验出现在2018年，汽车订单将产品要求推向极限——门板触控、座椅压力，车规对可靠性、耐久性、一致性的要求远超消费级。车规导入通常需要三年以上，极端温度、振动、电磁干扰等数十上百项测试筛完一轮，产品才配谈“工业级”。2019年第一代方案通过车规测试，2022年座椅方案再过车规。2025年，尧乐成为某一线豪华车企智能座椅压力方案的核心供应商，完成量产交付，并拿下多家头部车企定点。
“切入汽车，本质是以最高标准锤炼技术，再向下兼容其他场景。”吕莉蕴这样描述这一战略选择。当具身智能浪潮涌来，车规场景中锤炼的能力被平移至机器人抓握反馈、人体姿态与压力采集等场景——有限空间内的高密度布点、反复机械疲劳耐受、毫秒级响应与高一致性，底层共享同一套物理交互逻辑。这意味着，车规验证不仅是一张背书，更是一个可迁移的技术底座，使团队在进入机器人等高增长场景时，不需要从零开始证明可靠性。
把传感器织进布里，而不是贴在上面
当前主流的数采手套方案，多采用印刷电路或薄膜传感器贴合于织物表面。这种多层结构在实验室环境尚可运行，但进入真实高频采集场景后，层间位移、褶皱、汗渍会直接导致信号漂移和误差。更隐蔽的问题是版型：如果手套没有专门针对手部立体结构设计，手指弯曲时材料就会褶皱，空抓时传感器可能已经误触发，从而产生“鬼影噪声”。印刷薄膜方案还面临材质本身的局限——薄膜和TPU并非天然适合做手套的材料，不透气、佩戴不适，长时间采集会导致汗渍加速传感器衰减。
尧乐的路线是自研“金属纱线+三明治矩阵”传感器。金属拉丝合金纱线被编织成导电网络，嵌入多层织物矩阵中，传感电路与布料在一体织造成型后即为一个整体，无需多层贴合或外挂传感器阵列。纱线采用纯金属材质而非涂层或电镀工艺，导电性和一致性理论上更持久。这一结构消除了层间滑移带来的信号误差，手指弯曲时不产生相对位移，空抓也不会因面料褶皱触发无效信号。手套在掌心及指节均覆盖高密度感知阵列，并且在内部设计了空气层和支撑结构，让传感器尽量只在真正接触受压时响应，从物理层面减少无效信号。
模块化设计进一步解决了规模化部署中的维护问题。采集盒集成供电、信号处理和存储模块，手套本体可单独替换、水洗维护，采集盒可复用。这对长期、高频的采集任务尤为重要——一旦手套本体在反复使用中出现磨损或污染，可以快速替换而不影响整体采集系统的连续性。吕莉蕴对产品的定义十分明确：“数据手套更像是一种‘消耗品’，传感器本身不需要用十年不坏，相反，它更需要在寿命期内数据准确，做便宜、可替换，比只追求稳定耐用更符合用户的真实需求。”
这套技术方案还有一个容易被忽略的细节：手套腕部主控盒内置广角摄像头，可对照接触情况做双重校验——空抓时摄像头即可判定手中无物，与传感器信号交叉验证，从系统层面过滤无效数据。这一设计意味着数据采集的前处理已经在硬件端完成一部分，而不是把所有原始噪声直接抛给客户的算法团队去清洗。
硬件是门票，数据接口才是估值弹性
尧乐的商业模式并非单纯卖传感器。它交付给客户的是一整套数据采集方案：硬件手套负责原始信号采集，后端配以数据清洗、标定、时间轴对齐等预处理服务。经过标定的传感器具备良好的一致性，无批次差异或单只手套间的偏差问题，这直接降低了客户在模型训练阶段的数据清洗成本。
不同客户的数据需求维度截然不同。具身智能公司和世界模型团队是当前最主要客户群体，他们要的是操作数据训练灵巧手，强调数据的“异构性”——不同人手型、发力习惯、操作节奏的差异，对模型泛化能力至关重要。这类客户对数据预处理要求也极高，时间轴对齐、传感器同步、压力数据与图像数据的对应关系，都是模型成功训练的前提。大型工业企业和物流公司如UPS则需要的是劳动健康风险评估——通过采集手部动作和受力数据，分析哪些动作容易造成劳损，输出可直接读懂的生物力学指标，比如关节受力峰值、重复性动作频次。这类客户不要求多模态融合，但对数据解读维度的专业性和可操作性有明确需求。医疗康复领域要求精细化的动作追踪和长期变化趋势，对传感器的重复性和一致性有极高标准——如果传感器本身的漂移比康复进展还大，数据就没有临床价值。
“我们不是卖一个标准化手套就结束了，而是要根据应用场景做不同配置和不同维度的数据分析。”吕莉蕴表示。硬件铺进去只是第一步，数据怎么用、怎么帮客户产生价值，才是更长线的生意。这种深度合作的模式意味着，客户关系可能从一次性硬件采购转向持续的数据服务绑定，客户的切换成本将随着数据接口的深度整合而逐步升高。
云道资本创始合伙人曹稷山的判断直接点出了投资逻辑的核心：“硬件是门票，数据接口与标准化，才是估值弹性所在。”2026年，尧乐数据手套业务预计将占整体营收一半以上，公司全年营收预计翻10倍，增量近一半来自具身智能。在嘉兴，尧乐自建了约7500平方米工厂，打通从纱线到传感网络的全流程制造能力。自建产线的价值不仅在于规模，更在于将每一道工艺环节的控制权握在自己手里——传感器的一致性、标定精度和出货质量，高度依赖制造端的工艺稳定性。
投资逻辑：车规量产记录成为筛选器的硬指标
本轮融资的三家投资方，各自携带着明确的产业资源拼图。领投方鼎和高达的投资组合中包括禾赛科技、Momenta、六分科技等明星项目。管理合伙人王莹将这些项目指向同一命题：“让机器更好感知、预测并作用于物理世界。尧乐所做的，正是这一命题在物理交互数据侧的关键拼图。”鼎和高达的LP背景涉及具身智能与汽车产业链上市公司，将为尧乐补齐海外资源和欧洲客户对接能力。
跟投方常熟汽饰的入局逻辑更为直接。常务副总经理兼董事会秘书罗喜芳表示，海外主机厂对OCS（乘客分类系统）逐步形成刚需，常熟汽饰希望将中国车规级量产方案推向海外，将利用自身海外客户资源支持尧乐出海。这既是财务投资，也是产业协同——常熟汽饰在汽车内饰供应链中的既有渠道和客户关系，可能为尧乐的座椅压力传感方案在海外主机厂中打开复制通道。另一跟投方祖龙娱乐，其首席财务官李轶则从更宏观的视角下注：“押注中国企业在新一轮AI科技创新中，正凭借极致的工程化能力与丰富的场景密度，从底层基础设施发力，在全球Physical AI竞争中跑出独有的‘中国加速度’。”
回顾三轮融资，投资人结构呈现出清晰的层次：小米看中车规稀缺性——彼时公司刚通过车规测试、量产订单尚未兑现，小米的进入更像一次前瞻性战略占位。科沃斯参股基金侧重机器人场景中触觉感知的不可替代性——背靠扫地机器人龙头，隐峰揽秀基金看中的是车规能力向机器人场景的迁移，以及物理交互数据在机器人应用上的前景。吕莉蕴谈及此轮融资时表示：“他们投我们首先因为车规级的能力落地到机器人上会更扎实。其次看好机器人应用前景。”鼎和高达领投则补上出海对接与产业协同资源。
更重要的一条暗线是：车规量产记录已成为投资人筛选触觉赛道的核心依据。曹稷山对此直言不讳：“现在触觉赛道公司很多，但大多数还停留在‘手搓式’交付，远没跑到稳定量产。我们看项目，最关心的不再是纸面参数或demo多炫，而是有没有在汽车这样验证体系完整、供应链门槛成熟的行业里，真正跑通定点甚至批量量产交付。”这一判断背后的逻辑可能是：汽车行业对供应商的筛选流程极为严苛，能够通过车规定点并实现量产交付，本身就证明了团队在质量管控、供应链管理和工程化能力上的成熟度。而这些能力，正是触觉数据赛道从实验室走向规模化的核心瓶颈。
资金将流向产能、数据接口与海外市场
本轮融资资金用途覆盖五个方向：柔性织物传感技术研发、产品性能迭代升级、数据手套产能拓展与批量交付、完善数据采集标定与接口能力、加速海外市场拓展。这五个方向实际上对应着尧乐当前战略的三个层级：技术纵深、产能扩张和市场破圈。
产能端，数据手套预计2026年8月正式发布，目前7500平方米的嘉兴工厂需支撑从纱线到传感网络的全流程制造。自建产线的逻辑在于：传感器的一致性、标定精度和出货质量高度依赖制造端的工艺稳定性，外包代工可能难以满足车规级和工业级产品对良率和一致性的要求。将纱线拉丝、织造、传感网络成型、标定校准等环节垂直整合在一个工厂内，意味着团队能对每一道工序的质量参数进行闭环控制。
数据接口端，投资方的共识是：尧乐的终局不是硬件公司，而是一个触觉数据平台。手套、坐垫、鞋垫、座椅、床垫等织物传感网络持续采集人与物理世界交互的数据，硬件收入解决现金流和场景验证；当采集量足够大，数据的价值将远超硬件本身。但要将连续、非结构化的触觉信号转化为可标注、可调用、可训练的数据资产，需要标定、清洗、切分、标签体系和API接口的系统建设。这套数据基础设施一旦建成，可能形成类似自动驾驶领域高精地图的锁定效应——客户一旦深度接入某套数据接口和标签体系，迁移成本将显著上升。
出海端，常熟汽饰的产业资源将为尧乐对接欧洲主机厂的OCS刚需，而鼎和高达的海外LP网络则提供更具广度的市场拓展通道。值得注意的是，欧洲和日本市场对劳动健康合规的要求日趋严格，大型工业企业对手部动作和受力数据的采集需求可能比国内更为刚性，这为尧乐的工业和物流场景数据手套提供了潜在的海外落地窗口。
一个技术路线未收敛的赛道，与尧乐的待验证假设
触觉赛道正处于技术路线混战期。印刷薄膜类方案成本低但信号漂移问题明显，多层结构在长期使用中容易出现层间滑移和汗渍导致的衰减；视触觉方案可以在一定程度上补充视觉信息但无法测量接触力度，其物理原理决定了它在力反馈精度上存在天花板；柔性电子皮肤尚在实验室阶段，从材料研发到量产工艺仍有较长距离；织物传感路线需要自建从纱线到成品的垂直制造能力，前期固定资产投入和工艺know-how积累的门槛较高。没有一种方案已经证明自己是终局答案。
尧乐面临的具体挑战包括：量产一致性的维持——实验室能做出完美样品，但规模化生产后能否保持每只手套的信号一致性，是硬门槛。触觉传感器的一致性要求可能比消费电子更高，因为两只不同手套采集的数据如果存在系统性偏差，模型训练中会引入难以追溯的噪声。数据标准化的推进——行业尚无统一的触觉数据格式和标注规范，谁先建立事实标准，谁就掌握主动权；但标准制定的前提是出货量足够大，形成生态惯性。如果行业整体出货量尚不足以支撑某一套格式成为事实标准，标准化进程可能会被拉长。触觉数据需求的爆发节奏——具身智能行业本身尚处在技术验证和早期商用阶段，对物理交互数据的需求虽确定但规模放量的时间节点并不确定。如果灵巧手的商业化进程低于预期，或者模型训练团队找到某些替代性数据方案，触觉数据的需求增速可能会受到影响。
更值得追问的是商业模式的两层验证。第一层，数据手套能否像公司设想的那样成为“消耗品”——如果单价不够低、替换频率不够高，铺量逻辑就成立不了。消耗品定位的前提是：损伤和磨损频繁发生，且替换成本足够低，使客户愿意将其纳入经常性采购而非资本支出。如果手套的实际使用寿命远超预期，或者单价下探不及预期，“耗材化”的飞轮可能转动缓慢。第二层，数据服务能否跑出独立于硬件的收入曲线——客户愿意为预处理数据付费的意愿，在行业尚处早期的当下，尚未被充分验证。目前客户可能更倾向于采购硬件后自行处理数据，只有当数据预处理的复杂度和专业性超出客户内部团队的承受范围，付费数据服务才会成为刚性需求。
从竞争角度看，尧乐短期内拥有车规量产记录和先发优势，但技术门槛并非牢不可破。吕莉蕴本人也承认：“靠直接拆产品，门槛很高；没有一年多，很难到稳定状态。”这里隐含的判断是：系统能力的耦合——材料、工艺、量产、标定、算法——形成的壁垒比单一技术点更强。金属纱线的编织工艺、一体织造的版型设计、采集盒与手套本体的模块化架构、标定校准的全套设备与流程，这些要素组合起来可能构成一套难以通过逆向工程快速复制的系统。但这条护城河能否在技术迭代速度极快、资本密集涌入的赛道上维持，仍需要时间检验。尤其是在印刷薄膜和视触觉方案同样在快速迭代的背景下，不同路线之间的技术差距随时可能因某个突破性进展而被拉近。
从座椅到手套：数据飞轮的构建逻辑
尧乐的战略路径可以概括为“以高打低、以硬带软”。车规座椅的可靠性验证为技术能力提供了背书，然后将同一套传感网络技术迁移至数据手套这一更大的场景。手套铺开后，数据回流形成飞轮——硬件覆盖越广，采集的数据越多，模型训练效果越好，客户就越离不开这套数据供给。
这与自动驾驶领域的高精地图逻辑有相似之处：前期靠硬件铺量，后期靠数据服务锁定客户。但触觉数据飞轮的启动条件更为苛刻——需要传感器足够便宜才能铺开量，需要数据足够标准化才能被调用，需要行业对触觉数据价值的共识足够强烈才能形成付费闭环。这三者之间存在先后依赖关系，任何一个环节的迟滞都可能拖慢整体飞轮的转速。
一个容易被忽略的细节是：尧乐强调织物路线的成本结构性优势——“车规锤炼赋予工业级可靠性，成本结构却更接近可耗材化的纺织品”。如果这一成本结构在数据手套上得到验证，意味着数据产能有机会随终端出货同步扩张，而不被高成本硬件锁死。这与印刷薄膜路线的博弈，本质是“可靠且贵”与“便宜但飘”之间的取舍。织物路线试图寻找第三条路：用纺织工业的成熟设备和规模效应来压低成本，同时用车规级的工艺管控来保证可靠性。能否在这两个维度上同时达标，将是数据手套量产后最关键的观察指标。
客户的焦虑已经在发生变化。吕莉蕴观察到，需求端正在从“有没有触觉硬件”转向“有没有训练就绪的数据”。这个转变对尧乐有利，因为它把竞争维度从硬件参数拉到了数据服务层面——后者正是尧乐试图构建差异化壁垒的领域。但对整个赛道而言，也意味着拿来主义式的硬件采购正让位于深度绑定式的数据合作，客户切换供应商的成本将逐步升高。当客户的模型训练管道已经适配了某一家的数据格式、标定参数和接口规范，再切换供应商可能意味着重新清洗历史数据、重新校准模型输入层，这种隐性成本往往会超过硬件层面的价差。如果尧乐能在这个窗口期将数据接口做大做实，它可能享有先发者锁定效应；但前提是出货量足够大、数据服务足够深，使客户的切换成本真正变得难以承受。
RecodeX 极客视：触觉数据赛道正在复现自动驾驶早期的一幕——技术路线混战，投资人用“量产记录”作为筛选器。尧乐从车规座椅反向切入数据手套，走了一条与传统电子皮肤公司截然不同的路径。其核心赌注是：织物传感的成本结构能让数据手套成为消耗品，从而铺开一张足够密的物理交互数据网络。值得观察的是，2026年8月数据手套发布后的实际出货量与客户留存情况——毕竟，铺量的前提是足够便宜，而“足够便宜”需要通过规模制造来实现。这种鸡生蛋、蛋生鸡的逻辑闭环，将是尧乐未来12个月要跨越的第一道沟。