在机器人产业过去五年的叙事里，抓取与分拣几乎成了“通用操作”的代名词。夹爪闭合、吸盘吸附、视觉定位、路径规划，这套组合在仓储和物流场景中已经足够成熟。但一旦离开纸箱与周转箱，进入连接器对接、垫圈就位、卡扣装配、齿轮啮合这些动作，机器人的“手”就暴露出一个长期被回避的问题：它没有精细运动技能。人类从幼儿期开始用近二十年时间才完全发育出这套能力，而工业制造中最顽固的自动化瓶颈，恰恰都卡在这一层。
据公开报道，一家从哥伦比亚大学工程学院 Robotic Manipulation and Mobility Lab 分拆出来的纽约公司 Tangent Robotics 完成 450 万美元种子前融资，试图把“精细运动技能层”变成机器人操作栈中一个独立且可工程化的模块。本轮由 Fly Ventures 与 Toyota Ventures 联合领投，Logos Fund 和 Sparked Ventures 参投。公司称，这笔资金将用于推进手部硬件、触觉传感与运动学习交叉领域的技术开发，并部署到要求严苛的制造环境。
这轮融资的金额在机器人硬件赛道并不算大，但它的资本结构透露出的信号比金额本身更值得注意：一家欧洲早期基金与丰田旗下风投共同领投，意味着这个项目同时被“工业自动化需求侧”和“机器人基础能力供给侧”两股力量看好。而 Tangent Robotics 试图回答的问题，也比“能不能融资”要困难得多——在类人机器人热潮之外，精细操作能不能成为一个独立的商业化切口。
| 字段 | 内容 |
|---|---|
| 公司 | Tangent Robotics |
| 轮次 | 种子前轮 |
| 金额 | 450 万美元 |
| 投资方 | Fly Ventures（领投）、Toyota Ventures（领投）、Logos Fund、Sparked Ventures |
| 总部 | 纽约 |
| 创始人 | Pedro Piacenza、Matei Ciocarlie、Ioannis Kymissis |
| 官网 | 本次采集材料中未见 |
把“顺应性”做进传感器栈，而不是机械结构里
Tangent Robotics 的技术路线有一个明确的取舍：不复制人手。据公司披露，联合创始人 Matei Ciocarlie 表示，复制人手是“制造扑翼飞行器”式的错误，机器人灵巧性可以通过非类人部件或关节实现。这个判断并非修辞。Ciocarlie 在加入哥伦比亚大学之前，曾在 Willow Garage 共同领导操作团队，而 Willow Garage 是机器人操作系统 ROS 最早被开发出来的地方。从 ROS 的架构逻辑到 Tangent 的硬件思路，存在一条可追溯的线索：把复杂问题拆成可复用、可组合的模块，而不是追求单一形态的完美。
据公司披露，Tangent 的技术栈包含三个部分：基于光的机器人手指触觉传感器、可追踪人类指尖动作的机器人手系统，以及面向自主灵巧操作的数据采集与机器学习方法。其中最具差异化的表述来自 Toyota Ventures 合伙人 David Sokolic 的声明——他称 Tangent 的做法是“把顺应性主要工程化到传感器栈中，而非仅依赖机械结构”。这句话的技术含义是：传统机器人手在应对接触不确定性时，往往依靠关节柔性或机械阻抗控制；Tangent 则试图让传感器本身承担更多顺应性功能，用光信号捕捉接触的细微变化，从而降低对精密机械结构的依赖。
这一思路的潜在优势在于，光触觉传感器可以在不增加关节复杂度的情况下提供高保真接触信息。但它的代价同样明显：传感器栈的工程化难度会向材料、光学路径、信号处理和标定流程转移。公司称其目标是将在机器人上达到此类技能所需的练习时间缩短至数天、进而数小时。从已披露的技术构成看，这一目标依赖的不仅是传感器性能，还包括数据采集效率和机器学习方法的泛化能力；而后两者在新闻稿中只停留在“正在开发”的描述层面。
从 NASA 机械手到工厂产线，中间隔着什么
创始团队的履历为 Tangent 提供了罕见的技术可信度，但这些成果与工厂产线之间的距离，可能比新闻稿呈现的要远。据公司披露，团队在哥伦比亚大学工程学院期间推出了以光感知触觉的 DISCO 机器人手指，为 NASA 国际空间站 Assistive Free Flyer 机器人设计了手，并打造了首个可在黑暗中完成手内灵巧操作的机器人手，该成果入选《时代》杂志 2023 年最佳发明。
这些成果的共同点是：它们诞生在研究环境中，验证的是技术可行性，而不是制造成本、良率、维护周期或产线节拍。NASA 的 Assistive Free Flyer 是一个微重力、低接触力、任务相对结构化的场景；《时代》杂志评选的“黑暗中手内操作”验证的是传感与控制的闭环能力，而不是在真实工厂里连续运行数千小时的可靠性。从实验室原型到制造环境部署，Tangent 需要跨越的鸿沟包括传感器量产一致性、手部硬件的耐用性、与现有工业机器人手臂的集成接口，以及客户工艺参数的工程化适配。
联合创始人 Pedro Piacenza 列出的目标任务——装配、穿线、连接器对接、垫圈就位、卡扣装配、齿轮啮合——每一项在工业场景中都有明确的工艺标准和节拍要求。以连接器对接为例，汽车线束和电子制造中的连接器插入不仅要求位置精度，还要求插入力控制、角度容差和防呆机制。这些约束在实验室中可以被简化，但在产线上必须被严格满足。
450 万美元能买到什么，买不到什么
种子前轮 450 万美元在机器人硬件领域是一个相当克制的数字。人形机器人整机公司通常需要覆盖整机集成、关节模组、电池系统和运动控制等更高成本项，融资规模往往更大。Tangent 的融资规模反映出两个可能的事实：其一，公司目前的研发重心在“手”而非整机，硬件复杂度相对可控；其二，投资方对这笔资金的预期是验证核心技术路径，而非快速商业化。
从资金用途看，公司称将推进技术开发并部署到制造环境。这里的“部署”一词需要谨慎理解。在种子前阶段，部署更可能指向试点项目或与制造商的早期合作验证，而非规模化交付。本次采集材料中未见客户或试点合作方信息，因此无法判断“部署”的具体含义。从投资方构成看，Toyota Ventures 的参与可能带来汽车制造场景的潜在入口，但丰田风投的投资并不等同于丰田汽车的业务承诺，二者之间没有必然的转化关系。
另一个值得注意的细节是，在已披露的投资方中未见传统工业自动化巨头或机器人本体厂商。对于一家做机器人手和触觉传感的公司来说，与机械臂厂商的集成能力是商业化的关键前提。如果 Tangent 的手部系统需要依赖第三方机械臂作为载体，那么它与现有工业机器人平台的兼容性、通信协议和安装方式都将成为客户采纳的隐性成本。在已披露的投资方中没有任何一家机械臂制造商，这意味着 Tangent 在集成生态上仍需自行解决或通过后续融资引入战略合作。
精细操作不是空白市场，而是被绕过的市场
Tangent 将精细运动技能称为“机器人领域缺失的一层”，这个判断在技术层面有合理性，但在商业层面需要更精确的限定。精细操作并非没有人在做。工业机器人领域的力控装配、柔顺控制、触觉传感已经发展了几十年，学术界的触觉传感器研究也相当丰富，从电容式、压阻式到光学式，多种技术路线并存。
Tangent 的差异化不在于“发明了精细操作”，而在于试图把触觉传感、手部硬件和运动学习打包成一个可复用的“技能层”。这个定位更接近软件领域的中间件逻辑：不替代整机厂商，而是为现有机器人提供一层缺失的能力。Fly Ventures 合伙人 Matt Wichrowski 的声明也印证了这一判断——他称夹爪与吸盘在取放、分拣等较不精细的应用中有效，但与大量经济活动不兼容。这个表述的潜台词是：Tangent 的目标不是与夹爪竞争，而是进入夹爪无法覆盖的工序。
但“中间件”定位在硬件领域的挑战在于，客户需要的往往不是一层能力，而是一个完整可用的工位。一个连接器装配工位需要视觉定位、力控插入、质量检测、物料供应的协同，机器人手只是其中一环。Tangent 若只提供手部硬件和触觉传感，客户仍需自行集成其余环节；若提供完整工位，则业务模式会向系统集成商靠拢，资金需求和交付复杂度都会大幅上升。
投资逻辑：押注“物理 AI 的触觉缺口”
以下为编辑分析。本轮两家领投方的逻辑各有侧重，但都指向同一个判断：物理 AI 的下一步需要高保真触觉。Fly Ventures 的 Wichrowski 将精细运动控制描述为“极其困难的技术挑战”，并强调 Tangent 团队“整个职业生涯都专注于此”。Toyota Ventures 的 Sokolic 则使用了“physical AI”一词，称 Tangent 的目标是提供“物理 AI 所需的高保真触觉”。
这两个表述的共同前提是：视觉-语言-动作模型在抽象语义智能上取得了进展，但在接触层面的物理交互中仍然力不从心。VLA 模型可以理解“把连接器插入端口”的指令，却难以处理插入过程中的微米级位置修正、接触力反馈和材料变形。Tangent Robotics 的手被设计用于接管“精细、高价值的最后一英里”——这个表述来自公司新闻稿。它确实指出了一个真实的技术缺口：现有 AI 模型在非接触或低接触任务中表现良好，在高精度接触任务中缺乏足够的感知输入。
从编辑推断看，Toyota Ventures 的参与具有超出财务回报的战略含义。丰田的制造体系以精益生产和高度自动化的总装线著称，但总装环节中仍有大量精细操作依赖人工，例如线束插接、密封件安装、内饰卡扣装配。若 Tangent 的技术能够在这些场景中验证，丰田制造部门可能成为潜在需求方，但无公开证据支持这一转化。
风险不在技术难度，而在验证路径的清晰度
Tangent Robotics 面临的最大风险，不是精细操作技术本身有多难——投资方和创始团队都承认这一点——而是公司在商业化验证路径上的信息密度过低。本次采集材料中未见公司官网、成立年份、商业模式、客户名单、融资后估值、员工规模、产品量产或交付时间表等信息。对于一个种子前公司来说，部分信息的缺失可以理解，但官网的缺失在融资环境中并不常见，它意味着潜在客户和合作伙伴无法通过公开渠道了解公司的技术规格和合作方式。
更关键的风险在于验证假设的模糊性。公司称其目标是将在机器人上达到此类技能所需的练习时间缩短至数天、进而数小时。这个目标隐含了一个可验证的假设：存在一套可迁移的技能学习方法，能够在不同任务之间复用。如果这个假设成立，Tangent 的经济价值将远超其手部硬件本身；如果这个假设不成立，Tangent 就只是一家做机器人手和触觉传感器的硬件公司，其市场空间将被限制在特定工序的定制化交付中。
另一个待验证的假设是“顺应性工程化到传感器栈”的可靠性边界。光触觉传感器在实验室中表现优异，但在工厂环境中的灰尘、油污、振动和温度变化下能否保持标定精度和信号稳定性，是一个未经验证的问题。Toyota Ventures 的声明中使用了“aim to deliver”和“attempt to unlock”这样的措辞，说明投资方自身也将这一技术路径视为高不确定性、高潜力的押注，而非确定性的商业承诺。
这笔融资的真正意义：给“手”一个独立赛道
如果把 Tangent Robotics 放在机器人产业的整体图景中，这轮 450 万美元融资的真正意义不在于金额，而在于它试图把“机器人手”从“人形机器人”的附属话题中剥离出来，变成一个独立的技术赛道和投资标的。Tangent 的路径与整机路线相反：不做整机，不做人形，只做手和触觉，把精细操作能力作为可集成模块提供给现有工业机器人。
这个路径的取舍在于，它绕开了人形机器人最昂贵的部分——双腿和全身运动控制——同时切入了人形机器人最核心的价值主张：灵巧操作。如果 Tangent 的手部系统能够被集成到传统工业机械臂上，它就不需要等待人形机器人整机成本的下降，也不需要解决双足行走的稳定性问题。但这条路径的代价是，它必须在一个相对分散的工业自动化市场中找到足够多的可复制场景，而不是依赖单一大客户的定制订单。
从本轮已披露的投资方和资金用途看，Fly Ventures 的参与表明欧洲早期资本对“机器人基础能力层”的兴趣在上升，而 Toyota Ventures 的参与则暗示汽车制造可能是最早的验证场景之一。Logos Fund 和 Sparked Ventures 的参投金额未披露，但它们的加入扩大了本轮的资金来源多样性。对于一家尚未披露官网和客户的公司来说，这笔融资的核心功能是购买验证时间——让团队有足够的跑道去证明精细运动技能层不是一个学术概念，而是一个可以在工厂里工作的产品。
验证边界与可复核指标
本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。
- 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
- 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
- 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。
RecodeX 极客视：Tangent Robotics 用 450 万美元买下了一个被机器人产业长期绕过的命题——精细操作能不能脱离人形整机，成为独立的可集成能力层。它的技术履历足够硬，但它的验证路径还停留在新闻稿的形容词里。真正的分水岭不在实验室，而在第一个愿意为“连接器对接”付费的工厂车间。
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。