事件背景
他山科技完成數億人民幣 B 輪融資，投資方包括均胜電子、太平創新、奧克斯等產業龍頭。這家 2017 年成立的公司專注於人工智能觸覺感知技術，首席科學家是 ARM 架構共同發明人 Steve Furber。公司上半年訂單量超去年同期四倍，已成為英偉達全球首家觸覺仿真合作夥伴。
表面上看這是一筆「機器人感知」的融資新聞。但更深層的信號是：整個 AI 產業正在意識到一個被忽視已久的瓶頸——沒有觸覺的機器人，本質上無法在非結構化實體環境中真正工作。
為什麼觸覺被遺忘了 10 年
從 2012 年深度學習重啟 AI 熱潮到 2022 年大語言模型爆炸，整個產業的感知戰略是「階梯式的」：
1. 視覺優先（2012-2020）：圖像識別，自動駕駛，工業檢測。因為視覺數據最豐富、GPU 最能加速。 2. 語言優先（2020-2025）：大語言模型，多模態（視覺 + 文本）。因為文本訓練數據海量、商業變現直接。 3. 觸覺被推遲（至今）：為什麼？ - 觸覺傳感器成本高、數據稀缺 - 缺乏統一的觸覺表示標準（視覺有 ImageNet，觸覺沒有 "TouchNet"） - 觸覺應用場景碎片化（手術、裝配、物流各有各的需求） - 大模型廠商（OpenAI、Google）主要面向軟件側，對硬件層無感
為什麼 2025-2026 是轉折點
三個結構性信號同時出現：
### 信號 1：實體機器人經濟進入規模化階段
特斯拉 Optimus、波士頓動力、Figure AI 等通用機器人融資火爆。但所有通用機器人開發者都碰到同一個天花板：他們的機器人能在實驗室（結構化環境）完成任務，但放到真實廠房（非結構化環境）就開始出錯。
例子： - 機械臂撿取零件時，無法感知零件是鋁還是鋼，應該用 5N 還是 50N 的力 - 手術機器人無法判斷組織硬度，容易切深了 - 物流機器人搬運易碎品時，無法動態調整握力
視覺告訴機器人「有一個物體」，但觸覺才能告訴它「這個物體需要多少力」。
### 信號 2：英偉達的觸覺仿真平台成熟
英偉達 2023 年發佈 Isaac Sim 的觸覺仿真模組，2025 年開始與生態夥伴深度合作。這意味著： - 觸覺感知不再依賴物理原型（昂貴、費時），而是可以在虛擬環境大規模訓練 - 仿真成本從 100 萬美元級降到 100 美元級（同樣的摩爾定律邏輯） - 觸覺數據積累速度從「每月幾千小時」加速到「每天百萬小時」
他山科技因此獲得了「全球首家英偉達觸覺仿真合作夥伴」的地位——這不是客套話，而是市場結構確定性信號。
### 信號 3：產業資本而非風投資本介入
他山科技的 B 輪投資方全是產業龍頭： - 均胜電子（汽車零部件，涉及執行層） - 奧克斯（家電製造，涉及消費端機器人） - 鹏翎股份（汽車零部件供應商，涉及先進製造）
這不像 2015-2020 年風投盲目押寶「黑科技」。產業資本進來，意味著他們已經看到了下遊應用的確定性需求。他們在融資他山科技的觸覺感知技術，同時也是在融資自己的「機器人化」轉型。
感知層級遞進的商業邏輯
### 為什麼這是永恆原則
從神經生物學角度，進化給所有複雜生物都配備了多模態感知系統： - 感覺器官（眼、耳、皮膚） - 中樞神經（大腦） - 執行器（肌肉、腺體）
任何一環缺失，生物都會在複雜環境中失效。AI 系統複製的也是這個架構：
``` 視覺 → 認知 → 執行 語言 → （理解 / 推理） → （規劃） 觸覺 → （精密控制） → （物理交互） ```
前兩層（視覺 + 語言）的 AI 能做「認知任務」：識別、翻譯、規劃。但第三層（觸覺）的缺失意味著 AI 無法做「操作任務」。
這不是一個 2026 年的趨勢，而是一個 2026-2050 年的必然。
### 觸覺感知的護城河在哪