机器人，究竟可以做什么？以及何时才能摆脱人成为真正的智能体？这些疑问，在今年以来机器人在春晚上舞动、马拉松赛事和运动会表演之后，已成为许多观众心中的现实之问。从工业自动化到“具身智能”，公众的期待早已超越了“可动可对话”的基本层面，转而关注机器人是否能够准确理解复杂指令并执行精细操作，例如抓取鸡蛋、握稳杯子、拧开瓶盖，甚至完成微创手术。这些能力，恰恰是机器人实现规模化产业应用必须跨越的“最后一厘米”。
在近日首届“2025聚合智能产业发展大会”举办期间，他山科技创始人马扬将“最后一厘米”进一步具化到了灵巧手的触觉感知技术。
仅以湖北为例，作为“小龙虾第一大省”，其2023年加工量就占据全国总量近七成，这背后不仅代表着巨大的经济价值，也暗藏着居高不下的成立成本。“我们已经训练了机器人预处理小龙虾的雏形方案，等到明年，送上餐桌的小龙虾可能就是机器人预处理的。”在近日首届“2025聚合智能产业发展大会”举办期间，他山科技创始人马扬向盖世汽车强调，“触觉是机器人与物理世界交互的唯一通道”，更是关乎机器人能否真正走向商业化、家庭化，成为人类生活中可靠、实用的助手。
机器人跨越“最后一厘米”的关键密钥
“如果说视觉让机器人‘看得见’，那么触觉才能真正让它‘摸得着’。”马扬向盖世汽车如此强调了触觉感知在机器人领域的核心意义。
在人形机器人的演进过程中，视觉与语音技术已率先实现突破，使机器人初步具备了“看”和“说”的能力。然而，要实现真正意义上的“操作能力”，触觉成为不可或缺的关键一环。马扬解释道：“就像一个人戴上厚厚的隔热手套，操作灵活性会大幅下降。”机器人同样如此，缺乏触觉，就难以实现精细操作。
人类能够轻松完成抓鸡蛋、端水杯、插线束等日常任务，正是依赖于手部密集的触觉神经网络。它实时感知物体的质地、重量、温度乃至微小的滑动，并据此动态调整抓握力度与姿态。而对机器人而言，仅凭视觉远不足以实现“像人一样”灵巧作业。
早期的模仿学习主要依赖视觉数据，但要实现真正的高水平操作，必须引入大量触觉数据视觉可以帮助机器人识别“那里有一个物体”，却无法判断其重量、表面摩擦力，或是应当施加多大的抓取力。而除了力度感知外，触觉感知还需要具备包括材质识别、表面特性（如干性、水性、油性）以及温度感知等。“这些因素深刻影响我们抓取物体时的初始策略。对待柔性或脆性物体，所需初始施力方式完全不同。”
以抓鸡蛋为例，“鸡蛋属于高度非标准化的物体，每一枚的大小、形状、壳厚均存在差异。从抓取到移动，再到最终递交，整个过程需依赖触觉感知在边缘端进行实时自适应的力控调整。”
这一过程可分解为抓取、移动与递交三个环节，形成一个基于触觉感知的闭环自适应执行系统。马扬特别强调了递交环节的关键性：“缺乏触觉的机器人在递交物品时往往直接松手。而在真实应用场景，无论是工业还是服务场景，最后一环的平稳递交至关重要。”
不仅如此，马扬还指出，触觉技术的价值不仅限于家庭服务场景，更在工业自动化中展现出巨大潜力。“目前汽车产线中90%的工位已实现自动化，但仍有一些柔性操作，例如从包装箱中取出零部件、拆除塑料保护套等仍需依赖人工。”这些任务每次的路径、力度与角度都存在差异，传统工业机器人难以可靠完成。而具备触觉反馈的具身智能机器人，则有望突破这一瓶颈。
触觉感知技术是万亿级市场的入口
触觉感知技术的市场前景究竟有多大？面对这一问题，他山科技创始人马扬坦然回应：“触觉在机器人领域目前仍属于一个细分赛道，但它却是通向万亿级市场的重要入口。”
尽管触觉目前相较于视觉、语音等感知模态仍显“冷门”，但其市场潜力不容小觑。根据他山科技的判断，未来三到五年，触觉技术将在酒店服务、物流配送、工业柔性操作、清洁服务等多个场景中率先实现商业化落地。
马扬透露，他山科技已与国内领先的酒店机器人企业云迹科技合作，共同开发具备递送能力的触觉机器人；在工业端，也与多家主流汽车制造商展开合作，推动触觉在汽车制造柔性工位中的应用。
触觉不仅是机器人“干活”的关键，更是连接物理世界与数字世界的桥梁。随着智能制造、智慧家庭、智慧医疗等场景的拓展，触觉技术的应用边界将持续扩大，市场容量也将呈指数级增长。
此外，触觉技术的核心价值还在于其“不可替代性”。与视觉、语音等感知模态不同，触觉目前尚无成熟的通用解决方案，技术门槛高、研发周期长，形成了天然的“护城河”。他山科技自2017年起投入触觉芯片研发，历时近六年技术积累与迭代，于2023年成功推出全球首款人工智能触感专用芯片，成为国内少数实现从底层芯片、软硬件模组到前端算法全链路覆盖的企业，在行业内的市占率超过80%。
马扬进一步解释道：“触觉是分布式的系统，一个手上可能就要布多个触觉传感器，它的底层几千路的信号要有十几个到几十个的芯片去做协同的处理。”触觉市场的竞争格局尚未固化，先发企业具备显著的技术与产业优势。他山科技目前在在行业内的市占率超过80%，并与英伟达、MuJoCo等平台合作，构建仿真训练生态，进一步巩固其技术领先地位。
“未来整体最后的市场是非常大的，它会整个把人造生产力的东西整体去颠覆一遍。”马扬的判断并非虚言。触觉技术的成熟，将推动机器人从“工具”向“伙伴”转变，从“替代劳动力”向“创造新服务”跃迁。
破解数据与泛化瓶颈决定商业化速度
虽然触觉感知技术已经取得了显著进展，但从“能用”到“好用”仍面临多个技术瓶颈。“在机器人运动会上，你会看到机器人能完成操作，但不见得每次都好，也不见得比人好。”马扬毫不避讳行业现状，在他看来，机器人当前的“不熟练”，根源在于“学习过程太漫长”，就像一个刚出生就是成年人的孩子，有智商却没经验，需要从最基础的“常识”学起。
而学习的最大难点，在于数据采集的“卡脖子”问题。
“汽车智能感知的数据，能随着车辆出售后持续采集，但机器人不一样。” 马扬对比道，目前机器人尚未形成规模化应用，无论是工业产线还是商用场景，能用于训练的数据都极为有限，进而影响技能掌握速度。这也是为什么行业内普遍认为，“谁能获得足够多的数据，谁就能先让机器人在某一领域替代人”。
为应对这一挑战，他山科技已建立数据采集与训练基地，累计采集超过500万组触觉数据，实现材质识别准确率达98.6%。同时，公司积极探索仿真训练路径，降低数据采集成本，包括他山科技在MuJoCo平台搭建全球首个基于真实产品的触觉仿真训练框架，并与英伟达达成合作，成为Isaac Sim平台首个触觉感知合作伙伴。
第二大瓶颈在于技能训练的效率。当前，机器人完成一个复杂任务往往需要数月甚至更长时间的训练，难以满足商业化落地的节奏需求。马扬提出“在仿真端做训练-在真实端做抓取、移动到递交的原子任务训练-所有任务连在一起做技能包”训练思路，“我们挑战在6个月或者更短的时间里面能训练出来，通过原子的任务形成技能包训练出来，让它可以快速在现实中有一些应用。”
第三大挑战在于模型的泛化能力。机器人在面对不同物体、不同环境时，往往需重新训练，难以实现“举一反三”。马扬坦言：“机器人不像人，你抓完矿泉水瓶后，看到相似形状的话筒可以用同样的姿势去抓，机器人可能要再去做学习，每一个东西它去学习的过程会长一点，但是一旦学会之后是很好复制的。”
“我们在机器端，都说商用端的需求基本上成功率要做到99.7%，大概是一年失败一次。而在工业端，成功率要达到99.97%。”马扬用数据道出了触觉机器人对可靠性的极高要求。触觉技术的成熟，不仅是算法的优化，更是芯片、传感器、系统架构、训练平台等多维度的协同进化。
从“能用”到“好用”，触觉技术仍需跨越仿真与现实的鸿沟、数据与模型的壁垒、训练与部署的周期。但正如马扬所言：“我们这代人，等到养老一定是机器人来服务的。”这个未来并不遥远，而触觉，正是通往那个未来的关键钥匙。