帕西尼感知科技获10亿元战略融资：触觉数据成具身智能新燃料

当一台人形机器人试图拧紧一颗螺丝时，它需要的不是更清晰的视觉，而是指尖那一瞬间的力度反馈——这件在人类看来理所当然的事，却是当前具身智能最薄弱的环节。2026年春天，国内多家头部人形机器人公司密集进入汽车工厂试点，但在精密装配工位上屡屡卡壳。一位产业人士描述的场景颇具代表性：机器人能看到螺孔位置，却无法判断螺丝是否真正咬合，只能机械地重复旋转动作，良品率远低于人工。

这解释了为什么一家触觉传感器公司会成为资本竞逐的焦点。帕西尼感知科技近日完成10亿元战略轮融资，刷新全球触觉感知领域最大单轮融资纪录。本轮过后，公司累计融资额达35亿元人民币，为同赛道最高，B轮估值突破100亿元，跻身国内仅有的8家百亿估值具身智能企业之列。

真正让这笔交易区别于普通财务融资的，是领投方中出现的“全球消费电子与半导体万亿级巨头”。据36氪报道，该巨头在具身智能赛道的战略直投极为审慎，至今仅落子两家企业，帕西尼为其中之一，其触觉传感方案已融入对方全球产业链核心环节。这一信息未披露具体公司名称，但指向了全球范围内屈指可数的几家硬件生态霸主。

视觉数据红利见顶，物理交互成为具身智能的新燃料瓶颈

过去两年，具身智能领域的叙事主线围绕“大脑”展开——大语言模型和多模态视觉模型能否赋予机器人理解世界的能力。但当主流玩家纷纷进入实际场景测试后，一个共识逐渐清晰：视觉和语言数据能够教会机器人“看到”和“描述”，却无法教会它“用力”。

这一判断正在重塑产业链的投资逻辑。视觉-语言模型（VLA）依赖的互联网图文与视频数据尽管海量，但缺乏力反馈、扭矩、表面材质等物理交互维度。仿真数据虽然可以大量生成，但在接触力学的精度上与实际物理世界存在系统偏差。换句话说，当前具身智能的 Scaling Law 面临数据燃料的结构性短缺——而触觉数据正是最稀缺的那一种。

这意味着，谁能够规模化地生产高质量的真实触觉数据，谁就可能成为下一代具身模型训练的基础设施供应商。这一逻辑解释了为何触觉传感器赛道在过去一年间吸引了大量资本密集布局，但真正具备从硬件自研到数据采集再到模型训练的完整闭环能力的公司仍极为罕见。帕西尼正是在这一链条缺口上建立了自己的位置。公司披露的定位远不止传感器硬件——它试图成为 Physical AI 时代的“物理交互数据标准制定者与基础设施卡位者”。支撑这一定位的核心资产，是其在天津建成的 Super EID Factory，据称为全球最大数据采集工厂，配套构建起一套百亿级全模态实采数据体系，覆盖多维触觉、自体感知、多目立体视角等模态。

从传感器到数据工厂：一个“硬件造数据”的闭环逻辑

理解帕西尼的商业模式，需要跳出“传感器公司”的框架。其产品矩阵包含三层：底层是自研的高精度触觉传感器与触觉芯片，中层是数据采集工厂产出的结构化感知数据，上层是自研的 OmniVTLA 全模态具身智能大模型和 HyperCosmos 全模态世界模型。三层之间构成公司反复强调的闭环——“硬件造数据、数据哺模型、模型优硬件”。

这套逻辑的独特性在于，传感器在公司体系中扮演双重角色：既是可销售的硬件产品，又是数据采集的入口。自研触觉芯片消耗量据称逼近100万颗，这一数字若属实，意味着现实世界中已有相当数量的物理交互节点在持续回传数据。与之对比，纯采购外部传感器或依赖仿真数据的模型训练路径，在触觉这一模态上天然缺乏真实世界的校准源。

但这里存在一个需要区分的事实链：多家媒体报道称该数据体系为“全球唯一百亿级深度集成触觉模态的全模态实采数据”，这一表述来自公司口径，目前并无独立第三方机构对此进行横向验证。具身智能全模态数据体系的建设在当前仍是一个黑箱竞争的领域，头部基础模型公司和大型科技公司同样在低调构建自有数据管道，它们的规模与质量并未公开披露。

从产业链视角看，这条“以硬养数、以数强模”的路径可能形成一种正反馈效应：更多的传感器部署意味着更丰富的数据来源，更丰富的数据训练出更强的模型，更强的模型则可能推动更多客户采购传感器。这一假设在逻辑上成立，但其实际运转效率——包括数据采集的可持续性、成本收益比以及模型对数据的边际利用率——仍需要通过商业指标来验证，而非仅通过闭环叙事来自证。

一个容易被忽略的细节：数据定义权的暗战已经开始

在 AI 产业的历次范式转移中，掌握“数据定义权”的一方往往能获得超额的产业链议价能力。ImageNet 定义了计算机视觉的训练标准，Common Crawl 塑造了语言模型的语料格局。具身智能目前仍处于数据标准缺位的阶段——采集哪些模态、以何种精度、覆盖哪些场景、如何标注和结构化，尚无行业共识。

帕西尼押注的方向是“以人为中心”的实采体系。公司对外释放的信息显示，其数据采集以人类操作员执行真实任务为核心，通过可穿戴设备与场景传感器同步捕捉多模态数据。这一路径的逻辑支撑在于：人类精细操作中蕴含的触觉与运动协同模式，是当前机器人最需要习得、也最难通过仿真获得的物理常识。

但“以人为中心”的数据采集也面临规模化瓶颈。Super EID Factory 的具体规模和采集效率未在本次融资披露中更新，对比2025年时的公开信息也未见新的量化指标。在劳动成本、场景覆盖广度、数据隐私合规等方面，这种模式的边际扩展难度高于互联网数据爬取或仿真生成。编辑推断，这可能是本轮10亿元资金重点投向“数采工厂扩建升级”的隐性动因。如果公司能够在这一阶段建立起足够大的采集规模和足够高的数据质量门槛，其“数据定义权”的叙事可能具备实质性的竞争壁垒；反之，如果规模化速度不及预期，其他公司通过资本投入同样可能快速追赶。

全球巨头的战略直投：信号意义大于财务回报

本次融资中最值得拆解的，是未具名的“全球消费电子与半导体万亿级巨头”。来源材料将其描述为“在全球拥有绝对统治力”“战略直投极为审慎，至今仅落子两家企业”。结合这些特征，可以合理推断其范围限定在苹果、三星、华为等同时具备消费电子终端生态和半导体深度布局的少数公司。

该巨头的入局有三层信号。第一，触觉感知已被纳入下一代人机交互的核心技术路线，这对于消费电子产品的设计方向有直接影响——触觉反馈在穿戴设备、智能家居、混合现实界面中的角色可能将从辅助功能升级为交互主线。第二，帕西尼的触觉传感方案据称已融入对方产业链核心环节，这意味着从股权投资到实际采购之间已存在通路，而非单纯的财务押注。第三，全球顶级硬件巨头为帕西尼提供的不只是资金，更是进入其全球供应链体系的“认证效应”，这对其他潜在客户的决策会产生示范影响。

但需要指出的是，该巨头未在公开材料中具名，这使得外部无法判断其参与的具体条款、持股比例以及排他性安排。战略投资者的利益诉求与财务投资者不同，其对被投公司产品路线图和技术方向可能施加的隐性约束，是帕西尼未来保持独立性的一个待观察变量。在消费电子巨头的供应链体系中，被投公司有时会面临产能倾斜、技术路线锁定或客户拓展限制等非显性条件，这些细节在本轮披露中均未涉及。

“四位一体”的资本矩阵：从国家队到三地国资的系统卡位

本轮投资方的构成远不止一个巨头。领投方中同时出现了中银国际投资——代表国家级金融力量，以及鲲鹏基金——一只大数据方向的国家级基金。联合投资方中，成都交子人工智能基金背靠成渝国家人工智能产业高地，津融国盛则连接京津冀人工智能产业布局。加上一线市场化机构鼎晖百孚、合信方册、京铭资本，以及老股东知来资本等持续超额加码，这轮融资实际上构建了一个横跨“国家级金融资本+地方人工智能基金矩阵+头部市场化机构+全球产业巨头”的四层资本结构。

来源材料将这一结构称为“四位一体”的资本生态，认为其形成了四种合力：国家级金融资本提供战略背书与政策合规支撑，三地人工智能基金绑定区域产业落地与场景资源，头部市场化机构赋能资本运作与治理升级，全球产业巨头打通场景入口与商业落地路径。这一组合在具身智能赛道确实罕见，其战略意图可能不止于提供资金——它意味着帕西尼正在被纳入一个从国家战略到地方产业再到全球供应链的完整支撑网络。

但这类多类型投资方的结构也意味着复杂的利益协调需求。不同背景的投资方在退出周期、风险偏好、战略诉求上天然存在差异，公司管理层在未来关键决策中能否保持足够自主性，同样是一个需要持续关注的变量。

商业化验证与成本账：比亚迪、京东的名字能否转化为持续复购

在客户层面，帕西尼公开绑定的名字包括比亚迪、京东，以及未具名的“多家头部具身智能基础模型公司与超大互联网科技巨头”。出海方面，公司称北美、日韩、欧洲本地化运营与交付体系正在构建，核心专利已覆盖全球主要市场。

从产业逻辑看，比亚迪代表的是汽车产线的精密装配与质量检测场景，京东代表的是物流分拣中的力控抓取与包裹处理场景，两者均对触觉感知有刚性需求，且具备规模化的付费能力。但这些名字出现在融资报道中，只能说明双方已建立合作，无法判断合作的深度——是技术验证订单、试点产线部署，还是已进入大规模复购的常态化采购阶段。来源材料将合作描述为“深度战略绑定”，但没有披露合同金额、部署台数或复购率等可量化的商业指标。

一个值得注意的成本结构问题是：高精度触觉传感器在当前阶段仍属于高单价组件。如果每台人形机器人需要数十个触觉感知节点——例如分布在指尖、掌心、关节等关键接触部位——传感器成本占整机 BOM（物料清单）的比例可能显著高于视觉模组。在机器人整机厂商普遍追求降本的背景下，帕西尼的定价能力能否在规模化后维持，取决于其触觉芯片的集成度、良率提升曲线以及是否存在可替代的低成本方案。这一成本矛盾或许是公司选择同时布局数据服务和模型训练业务的深层逻辑：当传感器硬件的利润空间被压缩时，数据服务和模型能力可能成为更高毛利的收入来源，但这一假设同样有待商业化数据的支撑。

10亿元会花在哪里：扩建产能、升级模型与那个绕不开的标准卡位

根据公司披露，本轮资金将用于四大方向：自主感知物理硬件的产能扩充、Super EID Factory 的扩建升级、OmniVTLA 大模型和 HyperCosmos 世界模型的研发迭代，以及商业化落地与规模化推广。

前两项属于“增重”——数据采集工厂的扩建意味着更大规模的真实数据生产能力，这在具身智能赛道正在演化为一种重资产壁垒。与互联网时代的数据优势主要来自用户规模不同，物理世界的数据获取需要建设物理设施、部署采集人员和维护硬件网络，这天然拉长了追赶者的时间窗口。如果帕西尼能够在本轮资金到位后迅速扩大采集规模和场景覆盖面，其数据资产的稀缺性和价值可能随着时间推移而递增。

后两项则属于“增智”——OmniVTLA 是公司对标传统 VLA 模型的核心产品，其差异点在于将触觉模态作为第一公民纳入模型架构，而非作为后处理模块。公司称该模型能够“大幅提升物理交互、精细操控与真实场景泛化的能力上限”，但这一效果目前主要来自自评，尚未见公开的第三方基准测试对照结果。HyperCosmos 全模态世界模型的具体功能也披露有限，仅出现在本轮资金用途的表述中。从技术逻辑推断，世界模型的核心价值在于对物理环境的因果推理和运动预测能力，将触觉模态纳入世界模型可能有助于提升机器人对接触事件的长期规划水平，但这一方向目前在整个行业仍处于早期探索阶段。

此外，来源材料多次提及帕西尼“作为国家与国际标准的制定者”，但未说明具体参与哪个标准组织、提交了哪些标准提案。标准话语权的争夺在传感器和大模型两个层面同时进行，这将是验证公司“数据定义权”叙事能否落地的关键证据。如果公司确实在牵头或深度参与触觉数据格式、采集规范或接口协议的标准制定工作，其竞争壁垒将获得制度性加持；如果这一表述仅停留在能力描述层面，则尚不具备相应的说服力。

待验证假设：断档领先的自证与被折叠的竞争

帕西尼在融资叙事中展现出极强的自信，使用的表述包括“超断档领跑”“断层领先”“未来不可超越”。这种绝对化语言在公关稿中并不罕见，但作为严肃的商业分析，有若干问题需要持续追踪。

第一，触觉传感器本身并非空白市场。全球范围内，多家传感器巨头已在工业力控、医疗触觉反馈等领域深耕多年，它们进入多模态具身感知的意愿和能力不应被低估。只是目前在具身智能这个相对新兴的细分方向上，帕西尼凭借先发优势和融资规模跑在了前面，但现有行业巨头的技术积累和客户基础可能构成潜在的替代威胁。

第二，“百亿级实采全模态数据”的竞争壁垒是否真的“不可逾越”，核心取决于该数据的专有性和不可复制性。如果数据主要采集自标准化场景任务，其他公司同样可以自建或外包采集体系；如果数据优势来自与比亚迪、京东等客户绑定带来的专有场景覆盖，那壁垒更多来自商业关系而非技术本身。在后一种情况下，客户关系的稳固程度和排他性安排将变得至关重要，而这一信息目前未披露。

第三，100万颗触觉芯片的消耗量是一个有含金量的数字，但缺乏时间跨度和应用场景的拆解。是累计出货量还是年度消耗量？部署在工业产线中还是分散在各类试验设备上？这些细节决定了该数字作为商业化证明的力度。如果主要是试验性部署和样品订单，其数据回传的持续性和质量可能参差不齐。

第四，公司本轮估值超100亿元，但未披露最新估值的确切数字和对应的估值倍数。在具身智能赛道整体估值回调整体仍未完成的背景下，这一估值水平需要后续的营收数据来支撑。公司累计融资35亿元，若最新估值刚刚突破百亿，对于后期入场的投资者而言，回报倍数空间有多大，将取决于公司能否在3～5年内将触觉数据基建的叙事转化为持续性收入。从“数据燃料供应商”到实现规模化商业变现，中间可能还需要跨越多个验证节点。

RecodeX 极客视：帕西尼这笔10亿融资的真正看点，不在于金额刷新纪录，而在于它把触觉感知从机器人身上的一个零部件，升级成了具身智能的“数据燃料供应商”叙事。当一个同时手握消费电子巨头直投、国家级基金背书和三地国资矩阵的公司，开始用“百亿级数据体系”定义行业标准时，竞争的核心已经从谁做出更好的传感器，变成了谁能建成对方复制不起的数据工厂。但需要警惕的是，数据工厂本身是一张昂贵的入场券，而非护城河本身——真正的壁垒在于这些数据能训练出什么样的模型能力，以及这种能力能否持续转化为客户愿意买单的商业价值。那些还在仿真环境里训练抓取策略的团队，正在时钟的另一边被拉开距离；但那些手握真实场景和自有工厂的产业巨头，也正在另一条轨道上悄然入场。触觉数据的战局，远未到终局。