如果说过去两年的具身智能竞赛，核心是让机器“看见”并“理解”世界，那么下一阶段的战争，正悄然转向一个更基础、也更幽微的维度——触觉。2026年的机器人产业走到了一个微妙的转折点：视觉语言模型驱动的机器人能在工厂里精准分拣、能在客厅里自如穿梭，但当它们需要拧开一颗螺丝、采摘一枚草莓、或是为老人穿上一件外套时，仅靠视觉的局限便暴露无遗。玻璃的透明反光、衣物的柔软变形、接触瞬间的力度与滑移，这些关键参数在纯视觉方案里是一片模糊地带。行业早已形成共识，真正的灵巧操作，必须打通“物理感知”这条独立通道。
这也解释了过去两个月里，一级市场最受关注的融资事件为何发生在触觉赛道。2026年8月11日，戴盟机器人（Daimon Robotics）宣布完成数亿元战略融资，由蚂蚁集团领投，老股东超额跟投加注。而仅仅两个月前，这家公司才刚完成亿元A轮融资——密集的资本动作映衬出一个事实：当具身智能从“动起来”走向“干细活”的时候，触觉基础设施的稀缺性正在被快速定价。
戴盟机器人的崛起节奏与行业对触觉价值的认知曲线高度重合。这家孵化于香港科技大学、2021年完成工商注册但到2023年才在深圳正式规模化运营的公司，凭借一支横跨机器人操作、触觉传感与多模态大模型的全栈团队，试图在视觉之外，为机器人构建起一套完整的“物理交互脑”。
| 字段 | 内容 |
|---|---|
| 公司 | 戴盟机器人 |
| 轮次 | 战略融资 |
| 金额 | 数亿元 |
| 投资方 | 蚂蚁集团领投，老股东超额跟投 |
| 总部 | 深圳 |
| 创始人 | 王煜（联合创始人兼首席科学家）、段江哗（CEO）、原玮浩（首席AI科学家）、杜仪湃（触觉负责人） |
| 官网 | https://www.dmrobot.com/ |
| 成立时间 | 2021年（工商注册）/ 2023年（正式运营） |
| 产品 | 视触觉传感器、触觉灵巧手、遥操作数据采集系统、物理交互脑模型Daimon-TWM等 |
| 客户 | 全球200余家客户，包括OpenAI、Figure、Physical Intelligence、Skild AI、Meta、BMW、Google DeepMind等 |
| 业务进展 | 视触觉传感器万片级出货；建成全球最大规模含触觉全模态数据集；Daimon-TWM模型发布；海外客户超50家 |
从Mason到王煜：一支学术脉络里长出的全栈团队
要理解戴盟为何能以触觉为轴心展开全栈布局，必须看它的学术基因。戴盟联合创始人兼首席科学家王煜是全球机器人灵巧操作之父、卡内基梅隆大学机器人研究所前院长Matthew T. Mason的学术脉络传承人。Mason的研究奠定了机器人操作、抓取与接触力学的理论根基，他的学术分支孵化了包括波士顿动力、Google DeepMind、Physical Intelligence、NVIDIA、Amazon Robotics在内的一批产业巨头和顶尖实验室。作为CMU正统学术脉络的传承人，王煜后来把整套灵巧操作学术体系带回中国。
2015年，王煜与李泽湘共同创办香港科技大学机器人研究院并担任创始院长，也是在这一时期，他开始带领团队攻克高分辨率视触觉感知技术。这构成了戴盟的技术底色：它不是一家从互联网或AI视觉领域跨界而来的创业公司，而是直接扎根于机器人灵巧操作最原始的学术命题——如何让机器真正理解并利用物理接触。在此后的长期攻关中，王煜逐步培养出一支覆盖机器人操作、多模态大模型与触觉感知的年轻科学家队伍。
在王煜周围，三名90后博士构成了公司的核心执行层：中国科学院博士、香港科技大学博士后、入选MIT AI100青年科学家的段江哗担任创始人兼CEO，是推动视触觉技术产业化的核心人物；曾任阿里通义实验室多模态研究专家、兼具大模型与机器人物理操作经验的原玮浩担任首席AI科学家；王煜教授触觉传感方向核心弟子、戴盟单色光视触觉传感器架构总设计师杜仪湃担任研发兼触觉负责人。这种覆盖操作、传感与模型的团队结构，正是戴盟敢于自称“全栈”的底气所在。从Mason的机器人操作理论，到王煜的触觉技术路线，再到三位年轻科学家分别推动产业化、模型与产品工程，这支团队用了十年时间，把一个关于机器人灵巧性的科学命题，变成一套正试图规模运转的商业系统。
把触觉从“事后反馈”变成“事前推演”：一个物理交互脑的诞生
戴盟的核心产品形态并非某个单一的机器人，而是一套被命名为“物理交互脑”的层次化系统。它的底层是硬件——高分辨率多模态视触觉传感器和触觉灵巧手；中间层是数据和模型基础设施——全球最大规模的含触觉全模态数据集Daimon-Infinity，以及基于这一数据集训练的Daimon-TWM模型；最上层则是评测与部署平台RobOmni。
这套架构的出发点源于一个关键判断：触觉不是视觉的附庸，而是一条独立的、高频的物理感知通道。简单地把触觉信号作为额外输入拼接到现有视觉语言模型中，不仅无法提升性能，甚至可能导致任务成功率下降。李飞飞团队在T-Rex论文中对此已有系统论证，该论文提出触觉是一条独立、高频的物理感知通道，简单拼接反而可能使任务成功率大幅下降。如果说T-Rex系统性解决了“如何正确使用触觉”的问题，戴盟的策略则更进一步——它提出了视觉—触觉—语言—动作（VTLA）模型架构，让触觉从感知、决策到动作生成全环节原生嵌入模型。
Daimon-TWM是这套架构的具象化产品。据戴盟机器人提供的数据，这个10B参数规模的模型构建了一个三层协同架构：物理认知层负责理解接触状态、力与形变、材料属性等关键特征，形成对当前物理状态的认知判断；推演规划层负责预测接触状态的演化趋势和潜在失败风险，并据此生成动作策略；瞬时执行层则持续融合决策指令与实时触觉反馈，以100Hz频率进行毫秒级修正。这种“慢规划-快纠偏”的闭环设计，使得模型在认知、规划与执行三个环节形成互锁。模型还引入了可学习的统一触觉令牌（unified tactile tokens），从多模态观测中提取与接触相关的信息，构建统一触觉隐空间，用以触觉理解与预测。据戴盟机器人介绍，Daimon-TWM在接触密集型操作任务上的无扰动平均成功率较π0.5模型提升两倍，有扰动条件下提升达十倍。模型可在NVIDIA RTX 5090平台实现实时推理，并具备跨本体、跨机械臂部署的潜能。
一个具体的应用场景是收拾碎玻璃。透明反光的不规则边缘使得视觉难以稳定识别，玻璃的易滑易碎特性对力度控制要求极高，而碎片与桌布的紧贴又使得直接提拉可能带起桌布。戴盟的物理交互脑通过接触确认抓取状态，推演不同角度下提拉与放置的后果，并在判断风险后主动将玻璃调整为竖直姿态再抬起，根据实时触觉反馈持续修正力度与轨迹，最终将碎片安全放入桌面垃圾箱。这种从“感知”到“推演”再到“快速纠偏”的闭环能力，是纯视觉方案难以实现的。
卖掉传感器只是第一步，三级跃迁的商业化逻辑
戴盟的商业化路径并非停留在卖触觉传感器这么简单。从其商业叙事来看，公司正在走一条三级跃迁的路线：从“交付触觉设备”到“生产模型燃料”，再到“交付模型能力”。
第一阶段——触觉感知设备的规模化——是戴盟目前最具确定性的收入来源。公司已实现视触觉传感器万片级出货，累计服务全球200余家客户。这份客户名单涵盖OpenAI、Figure、Physical Intelligence、Skild AI、Meta、BMW、Google DeepMind等一批全球头部企业和研究机构，覆盖人形机器人、灵巧操作研究、自动驾驶触觉交互等多个前沿方向。对于一家正式运营仅三年的公司而言，能在这些顶尖客户中实现产品交付——而不仅仅是送样测试——至少表明其硬件在性能、可靠性和量产良率上已跨过基本门槛。
第二阶段——数据基础设施——则考验着戴盟能否建立起真正的网络效应。公司已建成全球最大规模的含触觉全模态数据集Daimon-Infinity，构建覆盖“仿真数据—无本体数据—遥操作数据”的完整数据金字塔，累计沉淀数十万小时含触觉全模态物理世界操作数据，并计划年内扩展至数百万小时。首批1万小时数据在阿里魔搭社区开源后，下载量近500万。在数据采集端，戴盟与中国移动在湖南郴州落地了全球首个人形机器人数据采集中试基地，项目首期计划投放1000套设备，满产后预计每年产生100万小时真实操作数据。这种“外发式采集网络”的想象力在于，它试图把过去严重依赖实验室工程师的稀缺数据生产，变成一种标准化、可众包的基础设施服务，从而突破时空限制。如果能跑通，这意味着触觉数据生产的边际成本可能大幅下降，但必须指出，这种模式的经济性和数据质量控制仍需要大规模验证。
第三阶段——模型能力输出——是最具想象空间但也最待验证的一环。在这个阶段，戴盟试图不再是单纯卖硬件或数据，而是将Daimon-TWM打包成可部署的物理交互能力，直接嵌入到客户的机器人系统中。公司正向多家头部客户推进模型部署与POC合作。但必须清醒地看到，从模型评测指标到真实产线或家庭场景中的稳定表现，中间仍隔着一个巨大的工程化鸿沟。模型在不同非标环境中的泛化能力、与不同本体的适配成本、以及实时性要求，都可能成为规模部署的障碍。
蚂蚁入局的信号：触觉是支付场景的入口吗
本轮领投方蚂蚁集团的入局，让这场融资多了一层战略深意。此前戴盟的投资方阵容已颇具产业纵深：招商局创投连接港口与物流场景，联想创投提供工业级量产能力，汇川产投打通工业自动化与精密制造链路，中国移动和中国电信构建数据通信与云算力基建，加上NVIDIA在模型训练与评测环节的生态支持。这是一个典型的“产业资本拼图”——各自带场景、带供应链、带渠道入局，共同为戴盟的感知、数据、评测、部署各环节提供支撑。
蚂蚁的产业逻辑则不在制造业。支付、金融科技、数字生活服务是蚂蚁的核心版图。一个合理的推测是，触觉交互可能成为下一代人机交互的关键入口——未来的服务机器人要完成递送、护理、零售等任务，必须依赖精细的物理操作能力，而触觉感知则是这些操作的基础。如果金融服务深度嵌入这些机器人代理的交易场景，触觉数据与物理交互脑就可能成为连接物理世界与数字金融的桥梁。当然，这仍是远期想象，戴盟与蚂蚁尚未披露具体合作方向，这一假设能否成立，仍需观察后续落地的具体业务耦合。
估值狂飙背后的未解方程
戴盟在多轮密集融资后的估值并未公开。但以两个月内连续完成亿元A轮与数亿元战略轮的节奏推算，资本对此赛道定价的热情不低。在公司给出的八项“全球第一”指标中——包括首个触觉锚定世界模型、首个含触觉全模态评测基准、万片级传感器出货量等——多数属于细分领域的定义性成就，其技术领先性和先发优势是明确的。
但风险同样清晰。首先是商业化路径的可靠性问题。万片级出货量相较于传统传感器市场不算大基数，而200余家客户中研究机构与科技巨头占比不低，这种客户结构能否支撑持续正向的现金流，而非沦为“实验室标配”，仍需观察。研究机构与巨头的采购往往具有项目制、非连续性的特点，可能会影响收入的可预测性。其次，触觉传感器本身面临来自传统工业传感器厂商和新兴创业公司的双重竞争压力，一旦量产工艺被突破，价格战并非不可想象。再者，数据飞轮能否真正转动起来，高度依赖其采集网络的覆盖密度和模型能力的持续迭代——这是一个重投入、长周期的任务，战略性亏损几乎是必然的。这意味着公司需要持续的外部融资来维系运营，直到规模效应显现。
最关键的一个待验证假设是：触觉在物理AI中的核心地位虽然被广泛认可，但多模态模型路线之争远未结束。用触觉作为独立通道原生嵌入模型的做法，与谷歌等公司尝试的将多模态信息统一为token进行大模型训练的路径，哪种方案最终会收敛成行业标配，目前无人能断言。如果后者被证明在规模化扩展中更具优势，戴盟的全栈路线可能会面临根本性挑战。
资金将流向何处：五张拼图的补齐游戏
戴盟没有披露本轮数亿元战略融资的具体用途。不过从此前数轮融资的投向逻辑和公司公开动作来看，资金大概率将投入到以下五个方向：一是视触觉传感器和灵巧手的持续研发及产线扩产，以巩固其万片级出货的量产领先优势，并试图进一步降低单位成本；二是Daimon-Infinity数据集的扩张和数据采集网络的铺设，尤其是在中国移动合作框架下推动家庭场景数据中试基地的规模化运营，将数据生产节点从实验室延伸至真实生活场景；三是Daimon-TWM模型的持续迭代与针对不同客户本体的部署适配，这可能需要较大的人力投入以应对碎片化的客户需求；四是对评测工具和部署基础设施的投入，保持跨本体兼容性上的先发能力；五是全球化扩张，其在海外已有超过50家客户，维持和扩大这一客户网络需要持续的销售与技术支持投入。
从节奏看，戴盟正处于从“技术验证”到“规模复制”的临界点上，这一轮募资的目的更多是为跨过鸿沟储备弹药，而非存活。能否将这些资金高效转化为可量化的商业里程碑，将是衡量这轮融资成功率的关键。
捕猎触觉标准：一场定义权的早鸟博弈
在具身智能的产业图谱里，标准制定权往往比单项技术领先更值钱。行业尚未形成统一的触觉数据格式、评测标准与模型框架。戴盟推出RobOmni评测基准、开源Daimon-Infinity数据集，与其说是公益行为，不如说是对“触觉智能如何度量”这一问题的定义权争夺。谁率先把自家的数据格式、评测指标和模型架构推向社区，谁就更有可能在生态位上占据制高点，增加后来者的替换成本。
戴盟的200余家客户、开源社区近500万次的下载量，以及跨本体部署的Daimon-TWM模型，正在合力构建一个以戴盟技术栈为中心的小生态。但这同样是一场没有绝对壁垒的竞赛。Google DeepMind和OpenAI等巨头有自己的触觉研究团队和充足资金，它们未必会采纳第三方的触觉标准。Physical Intelligence和Skild AI等明星创业公司也有自己的触觉数据积累和模型范式。戴盟的先发优势能否转化为持久的生态优势，取决于它在未来12到18个月里跑出的数据规模和模型泛化能力，是否能达到让下游客户切换成本高到足以形成粘性的阈值。一旦开源社区中出现性能相当或更好的替代方案，现有客户的转换意愿可能会迅速上升。
一根触觉神经能撑起多大的商业骨架
戴盟提供了一个观察具身智能产业演进的绝佳样本：它没有选择造整机、拼人形，而是锚定在触觉感知这个最基础也最难的垂直环节上，试图通过打通“感知生数据、数据炼智能、评测验能力、部署促迭代”的全闭环，来占据物理AI时代的基础设施地位。这种做“卖铲人”而非“掘金者”的策略，在产业早期既有独特的安全边际——只要触觉需求增长，它就能捕获价值——也在账面上留下了足以讲出性感故事的数据增长曲线。
但当蚂蚁集团这样的巨头以战略投资者身份入场时，市场期待的不再仅仅是“全球最大数据集”或“8项全球第一”的第三方背书，而是可验证的营收规模、正向现金流路径，以及在真实制造或服务场景中跑通的商业闭环。戴盟正站在从“稀缺团队”到“规模公司”的跃迁门槛上。它已经证明了触觉是一条正确的赛道，接下来的考验是，它能否证明自己是一台持续运转的商业机器，而不仅仅是一个依靠融资输血的实验室项目。
RecodeX 极客视：具身智能正从“看得见”迈向“摸得准”，戴盟机器人凭借从Mason到王煜的学术传承，以及覆盖操作、传感与模型的全栈布局，抢占了触觉赛道先机。其三级跃迁的商业化路径逻辑清晰，但每一级都暗藏跳跃断点：硬件出货的客户结构还偏向学术巨头，数据飞轮的重投入可能导致长期亏损，而模型部署的工程化鸿沟尚未跨越。蚂蚁集团的战略入局，为物理AI的金融级应用打开想象空间，但这条“触觉神经”能否真正驱动一台庞大的商业机器，仍有待真实场景的持续验证。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。