機器人，究竟可以做什么？以及何時才能擺脫人成為真正的智能體？這些疑問，在今年以來機器人在春晚上舞動、馬拉松賽事和運動會表演之后，已成為許多觀眾心中的現實之問。從工業自動化到“具身智能”，公眾的期待早已超越了“可動可對話”的基本層面，轉而關注機器人是否能夠準確理解復雜指令并執行精細操作，例如抓取雞蛋、握穩杯子、擰開瓶蓋，甚至完成微創手術。這些能力，恰恰是機器人實現規模化產業應用必須跨越的“最后一厘米”。
在近日首屆“2025聚合智能產業發展大會”舉辦期間，他山科技創始人馬揚將“最后一厘米”進一步具化到了靈巧手的觸覺感知技術。
僅以湖北為例，作為“小龍蝦第一大省”，其2023年加工量就占據全國總量近七成，這背后不僅代表著巨大的經濟價值，也暗藏著居高不下的成立成本。“我們已經訓練了機器人預處理小龍蝦的雛形方案，等到明年，送上餐桌的小龍蝦可能就是機器人預處理的。”在近日首屆“2025聚合智能產業發展大會”舉辦期間，他山科技創始人馬揚向蓋世汽車強調，“觸覺是機器人與物理世界交互的唯一通道”，更是關乎機器人能否真正走向商業化、家庭化，成為人類生活中可靠、實用的助手。
機器人跨越“最后一厘米”的關鍵密鑰
“如果說視覺讓機器人‘看得見’，那么觸覺才能真正讓它‘摸得著’。”馬揚向蓋世汽車如此強調了觸覺感知在機器人領域的核心意義。
在人形機器人的演進過程中，視覺與語音技術已率先實現突破，使機器人初步具備了“看”和“說”的能力。然而，要實現真正意義上的“操作能力”，觸覺成為不可或缺的關鍵一環。馬揚解釋道：“就像一個人戴上厚厚的隔熱手套，操作靈活性會大幅下降。”機器人同樣如此，缺乏觸覺，就難以實現精細操作。
人類能夠輕松完成抓雞蛋、端水杯、插線束等日常任務，正是依賴于手部密集的觸覺神經網絡。它實時感知物體的質地、重量、溫度乃至微小的滑動，并據此動態調整抓握力度與姿態。而對機器人而言，僅憑視覺遠不足以實現“像人一樣”靈巧作業。
早期的模仿學習主要依賴視覺數據，但要實現真正的高水平操作，必須引入大量觸覺數據視覺可以幫助機器人識別“那里有一個物體”，卻無法判斷其重量、表面摩擦力，或是應當施加多大的抓取力。而除了力度感知外，觸覺感知還需要具備包括材質識別、表面特性（如干性、水性、油性）以及溫度感知等。“這些因素深刻影響我們抓取物體時的初始策略。對待柔性或脆性物體，所需初始施力方式完全不同。”
以抓雞蛋為例，“雞蛋屬于高度非標準化的物體，每一枚的大小、形狀、殼厚均存在差異。從抓取到移動，再到最終遞交，整個過程需依賴觸覺感知在邊緣端進行實時自適應的力控調整。”
這一過程可分解為抓取、移動與遞交三個環節，形成一個基于觸覺感知的閉環自適應執行系統。馬揚特別強調了遞交環節的關鍵性：“缺乏觸覺的機器人在遞交物品時往往直接松手。而在真實應用場景，無論是工業還是服務場景，最后一環的平穩遞交至關重要。”
不僅如此，馬揚還指出，觸覺技術的價值不僅限于家庭服務場景，更在工業自動化中展現出巨大潛力。“目前汽車產線中90%的工位已實現自動化，但仍有一些柔性操作，例如從包裝箱中取出零部件、拆除塑料保護套等仍需依賴人工。”這些任務每次的路徑、力度與角度都存在差異，傳統工業機器人難以可靠完成。而具備觸覺反饋的具身智能機器人，則有望突破這一瓶頸。
觸覺感知技術是萬億級市場的入口
觸覺感知技術的市場前景究竟有多大？面對這一問題，他山科技創始人馬揚坦然回應：“觸覺在機器人領域目前仍屬于一個細分賽道，但它卻是通向萬億級市場的重要入口。”
盡管觸覺目前相較于視覺、語音等感知模態仍顯“冷門”，但其市場潛力不容小覷。根據他山科技的判斷，未來三到五年，觸覺技術將在酒店服務、物流配送、工業柔性操作、清潔服務等多個場景中率先實現商業化落地。
馬揚透露，他山科技已與國內領先的酒店機器人企業云跡科技合作，共同開發具備遞送能力的觸覺機器人；在工業端，也與多家主流汽車制造商展開合作，推動觸覺在汽車制造柔性工位中的應用。
觸覺不僅是機器人“干活”的關鍵，更是連接物理世界與數字世界的橋梁。隨著智能制造、智慧家庭、智慧醫療等場景的拓展，觸覺技術的應用邊界將持續擴大，市場容量也將呈指數級增長。
此外，觸覺技術的核心價值還在于其“不可替代性”。與視覺、語音等感知模態不同，觸覺目前尚無成熟的通用解決方案，技術門檻高、研發周期長，形成了天然的“護城河”。他山科技自2017年起投入觸覺芯片研發，歷時近六年技術積累與迭代，于2023年成功推出全球首款人工智能觸感專用芯片，成為國內少數實現從底層芯片、軟硬件模組到前端算法全鏈路覆蓋的企業，在行業內的市占率超過80%。
馬揚進一步解釋道：“觸覺是分布式的系統，一個手上可能就要布多個觸覺傳感器，它的底層幾千路的信號要有十幾個到幾十個的芯片去做協同的處理。”觸覺市場的競爭格局尚未固化，先發企業具備顯著的技術與產業優勢。他山科技目前在在行業內的市占率超過80%，并與英偉達、MuJoCo等平臺合作，構建仿真訓練生態，進一步鞏固其技術領先地位。
“未來整體最后的市場是非常大的，它會整個把人造生產力的東西整體去顛覆一遍。”馬揚的判斷并非虛言。觸覺技術的成熟，將推動機器人從“工具”向“伙伴”轉變，從“替代勞動力”向“創造新服務”躍遷。
破解數據與泛化瓶頸決定商業化速度
雖然觸覺感知技術已經取得了顯著進展，但從“能用”到“好用”仍面臨多個技術瓶頸。“在機器人運動會上，你會看到機器人能完成操作，但不見得每次都好，也不見得比人好。”馬揚毫不避諱行業現狀，在他看來，機器人當前的“不熟練”，根源在于“學習過程太漫長”，就像一個剛出生就是成年人的孩子，有智商卻沒經驗，需要從最基礎的“常識”學起。
而學習的最大難點，在于數據采集的“卡脖子”問題。
“汽車智能感知的數據，能隨著車輛出售后持續采集，但機器人不一樣。” 馬揚對比道，目前機器人尚未形成規模化應用，無論是工業產線還是商用場景，能用于訓練的數據都極為有限，進而影響技能掌握速度。這也是為什么行業內普遍認為，“誰能獲得足夠多的數據，誰就能先讓機器人在某一領域替代人”。
為應對這一挑戰，他山科技已建立數據采集與訓練基地，累計采集超過500萬組觸覺數據，實現材質識別準確率達98.6%。同時，公司積極探索仿真訓練路徑，降低數據采集成本，包括他山科技在MuJoCo平臺搭建全球首個基于真實產品的觸覺仿真訓練框架，并與英偉達達成合作，成為Isaac Sim平臺首個觸覺感知合作伙伴。
第二大瓶頸在于技能訓練的效率。當前，機器人完成一個復雜任務往往需要數月甚至更長時間的訓練，難以滿足商業化落地的節奏需求。馬揚提出“在仿真端做訓練-在真實端做抓取、移動到遞交的原子任務訓練-所有任務連在一起做技能包”訓練思路，“我們挑戰在6個月或者更短的時間里面能訓練出來，通過原子的任務形成技能包訓練出來，讓它可以快速在現實中有一些應用。”
第三大挑戰在于模型的泛化能力。機器人在面對不同物體、不同環境時，往往需重新訓練，難以實現“舉一反三”。馬揚坦言：“機器人不像人，你抓完礦泉水瓶后，看到相似形狀的話筒可以用同樣的姿勢去抓，機器人可能要再去做學習，每一個東西它去學習的過程會長一點，但是一旦學會之后是很好復制的。”
“我們在機器端，都說商用端的需求基本上成功率要做到99.7%，大概是一年失敗一次。而在工業端，成功率要達到99.97%。”馬揚用數據道出了觸覺機器人對可靠性的極高要求。觸覺技術的成熟，不僅是算法的優化，更是芯片、傳感器、系統架構、訓練平臺等多維度的協同進化。
從“能用”到“好用”，觸覺技術仍需跨越仿真與現實的鴻溝、數據與模型的壁壘、訓練與部署的周期。但正如馬揚所言：“我們這代人，等到養老一定是機器人來服務的。”這個未來并不遙遠，而觸覺，正是通往那個未來的關鍵鑰匙。