對話超維傳感李炎輝：為什麼那麼多具身智能公司，都來搶著做「觸覺」？

當視覺缺席具身智能“最後一釐米”，觸覺就成了最大的需求。 作者丨高景輝 編輯丨林覺民 剛見到超維傳感創始人李炎輝時，他遞給了我一瓶水，本以為只是用來喝的，沒想到這成了他重要的“演示道具”。沒錯，在與雷峰網這次對話過程中，他幾乎用一瓶普通的礦泉水解釋了機器人靈巧操作所需要的觸覺信息——捏住它靠「法向力」，提起它靠「切向力」，倒過來要感知「姿態」，大力把水擠出是展示「一致性差」的後果……這種用大白話講透複雜技術的能力，來自於他在傳感器領域十餘年的深耕，更來自於對觸覺傳感器更深層次的技術洞見。“過去幾年視覺已經把能做的都做了，發現接下來精細操作不能做了，所以觸覺就特別熱門。”輕描淡寫之間，李炎輝道出了這個行業爆火的真相：大量的末端數據難以精確獲取，機器人便難以執行精細的操作。的確，觸覺傳感器看上去並不起眼，連名字都缺乏具身智能那樣的“科技時髦感”，可它卻是從靈巧手到數據的鏈條中不可或缺的一環，這也是為何近兩年資本湧入這個窄而深的賽道。不過，在與雷峰網討論觸覺的能力邊界時，李炎輝又非常剋制：“造一個真正能解決90%事情的傳感器就好了”。和大多數技術出身的創始人一樣，李炎輝交談過程中處處透著一種嚴謹和謙遜，但只有一處除外——“對於這個問題，我想不謙遜一次。”01具身智能熱潮，帶火了一個“冷門”行業▎AI科技評論：觸覺傳感器行業是從什麼時候開始爆發的？李炎輝：爆發應該是從24年。我們做柔性壓力傳感器十多年了，24年之前，23年、22年其實是相對小眾的行業，我們行業內聚會的時候大家都苦哈哈的。其實“觸覺傳感器行業”這個定義比較模糊，因為大家對"觸覺"的理解都不一樣。現在行業的普遍做法是：只要有位置信息和法向力信息，就叫做觸覺傳感器。以前的觸覺傳感器更多被用來做定性測量，比如做0-1交互，或者測量一下高弓足或扁平足，不需要精確測量力度大小。▎AI科技評論：意思是以前精度不重要？李炎輝：對，各個技術線在各自的領域裡都做得比較專，但應用有限。我們相對來說稍微好一點，畢竟是果鏈，但蘋果也是2024年才真正把它做起來並上量的。其他的消費電子比如耳機、筆電之類的，做柔性力的交互更多是"nice to have"，不是"must have"。可以說，在 2024 年之前，觸覺傳感器這個概念還不怎麼火爆，各技術路線都在各自的細分領域裡面探索。但2024年開始，大家逐漸意識到靈巧手對於觸覺的重要需求，2025年就更加明顯了。▎AI科技評論：2024年有什麼標誌性事件嗎？李炎輝：資本市場的熱度吧，24年、25年觸覺領域投融資應該是最多的，當然具身智能的投融資更多。▎AI科技評論：那可不可以說，具身智能這一波熱度帶動了觸覺傳感器的爆發？李炎輝：非常對。傳感器本來就是比較小的賽道，很多傳感器企業是幾十年甚至百年老店，產值沒有那麼大。但現在視覺已經把簡單的能做的都做完了，當機器人接觸物體的那一刻，視覺就失效了——它不知道應該用力抓起來的，還是輕輕拿起來。很多 VLA 架構的機器人在放置物品的時候，都是"丟"下去的，就是因為沒有觸覺信息，尤其是沒有切向力信息。如果有切向力信息會怎樣？比如我放一瓶水，接觸桌面時，切向力從3.5牛迅速變為0或者0.1牛，到了一個閾值，我就可以鬆手了，這樣就能做到輕拿輕放。▎AI科技評論：所以觸覺是補視覺的缺？李炎輝：我們叫觸覺是"最後一釐米"，是因為在最後一釐米階段，視覺完全失效了，已經不知道該怎麼操作、該執行什麼動作了。這時候觸覺信息的重要性就提上來了。過去幾年視覺已經把能做的都做了，發現接下來精細操作不能做了，所以觸覺就特別熱門。▎AI科技評論：消費電子以前不也需要觸覺嗎？李炎輝：消費電子更多是電容，做0和1的判斷——摸了和沒摸，按了和沒按。以前蘋果做3D Touch，測輕重，在人機交互上蘋果走得比較靠前。蘋果做觸控板，上面檢測位置信息是靠電容，下面檢測按了沒按是靠電阻，準確來講也是觸覺，只是以前沒有像具身智能這樣把它凸顯出來。所以確實是整個具身智能的快速發展，把觸覺傳感器提到了一個非常高的高度。▎AI科技評論：很多人說具身智能是泡沫，如果泡沫破了，觸覺傳感器會不會回到之前的水平？李炎輝：任何新事物的發展都有泡沫。移動互聯網有泡沫，新能源車有泡沫，補貼很多、倒閉很多，但泡沫沒有淹沒BAT，沒有淹沒比亞迪和特斯拉。而具身智能是遠超前幾代變革的巨大變革，這裡面一定會有泡沫，但泡沫不會淹沒真正帶來價值的公司和團隊。而且其中有一件事是確定的：現在的機器人就像在戴著一副非常厚的手套幹活，但讓它要做更多事，就必須摘掉手套，用手上精確的觸覺感知來完成日常操作，所以如果具身智能未來一定能成，那它所需要的觸覺信息就是必要前提。總之，即使泡沫要破，破的也一定是那些只想賺快錢、撈一把就走的人。真正在解決需求的，會在大浪淘沙後留下來。02不講資本愛聽的故事，把第一筆錢用在量產上▎AI科技評論：你們是什麼時候進入這個行業的？李炎輝：我們以前是做消費電子的觸覺傳感器，做了10年。10年裡我們做了蘋果、谷歌、微軟，國內的華為、小米和vivo等一系列頭部的消費電子企業，涉及蘋果、筆電、手機耳機、壓力筆等各種產品上面一些力傳感器，還有一些電容之類的融合傳感器產品。▎AI科技評論：你們決定走融合路線，是一開始就決定的嗎？李炎輝：對，我們應該是融合方案做得最早的。其他觸覺傳感器企業都是單一路徑，都篤定自己的東西能最終解決問題。但事實上現在大家慢慢看到了，不管是霍爾方案還是電容方案，都有一定侷限性。比如用霍爾的，強磁環境下怎麼辦？當需要準確測力的時候怎麼辦？用電容方案，可以做接近感知，但電容方案接觸的物體也要是導體，接觸木頭怎麼辦？所以還是第一性原理——我們需要什麼樣的觸覺？用什麼技術線去最好、最便宜地實現它。整個傳感器最底層的物理量大概就6個，聲、光、電、熱、力、磁，看怎麼排列組合。▎AI科技評論：決定走融合路線，是因為市場需求？李炎輝：24年底我們做了個調研，跟幾個頭部大廠交流。我問其中一家全球非常知名的企業，你們為什麼要自己做傳感器？畢竟傳感器是應用領域很狹窄但技術門檻很深的東西，寬1釐米、深1公里，技術門檻很高，單個價值又不大，最終做出來一定很便宜，不適合下游客戶去生產。比如做手機的買陀螺儀，不可能自己去做，買過來就幾塊錢。而他給我的答案是：市面上買的都不能滿足要求。於是我們就發現這是一個市場空白，雖然有幾家觸覺傳感器企業存在，但至少在那時那刻沒有滿足客戶需求。直到現在還這麼熱門，就是因為還是很多觸覺傳感器達不到客戶要求，他們一直在找。▎AI科技評論：所以他們的需求到底是什麼？李炎輝：我們跟客戶交流下來，收斂出來靈巧手真正操作需要的，是位置信息、準確的力的信息、溫度信息。姿態在有些場景下會很有用，比如同樣的重量，換個姿勢拿感知完全不一樣，如果裡面有姿態信息，就能知道物體是朝上還是朝下，可以更好地控制。所以我們把位置信息、法向力、切向力、溫度、姿態這五個維度，定義為靈巧手最需要的觸覺信息。其中力是最重要的信息，因為力是強耦合的東西，它跟靈巧手各個方面都息息相關，軟硬程度不同，力的大小、分佈都不一樣。而其他信息相對好融合。▎AI科技評論：定義好了觸覺信息，接下來最重要的什麼？李炎輝：準確測出來，保證一致性。第一是精度，每次拿起物體，它給的信息一定要是準確的（此時李炎輝拿起一瓶水），比如這瓶水350克，每次拿起它，向下的重量都是3.5牛，不能這次測試3.5牛、下次3.8牛、再下次2.8牛，這樣對訓練模型沒有幫助。數據不準確，很多噪聲進來，整個操作就會失效，模型就會失效。第二是批次一致性。如果不能保證不同批次的一致性，就會出現用這批數據訓練出一個小模型可以跑通，但部署到下一批次的靈巧手上就不行的情況。因為傳感器之間誤差不能很大，比如20%就是不能接受的，1%是可以的。第三是高可靠性。要經久耐用。▎AI科技評論：20%的誤差是什麼概念？李炎輝：比如這瓶水（李炎輝打開瓶蓋），我抓住瓶子時如果用力多20%，瓶裡的水就會被擠出來，但如果只多了1%，就沒有那麼大影響，水不會溢出來。所以我們提出來：一致性誤差要做到1%，精度誤差要做到0.2%，這樣模型就可以訓練，訓練完就可以部署，部署完還可以泛化。▎AI科技評論：除了精度和一致性，衡量一個傳感器好壞還有哪些指標？李炎輝：觸覺傳感器的核心指標，我們一般說"三高"：高一致性、高精度，高可靠性。此外還有很多指標——低遲滯、低溫漂、低噪聲等等。只有這些指標都能經過高溫高溼、冷熱衝擊、鹽霧試驗等可靠性檢驗，才能真正在工業上量產，走向商業化。▎AI科技評論：別的觸覺傳感器公司也可以走融合路線，為什麼你認為能做成這件事的是你們？李炎輝：我們是比較謙遜的一家公司，但對於這個問題我想不謙虛一次。基於第一性原理來倒推，我們是以終為始，根據需求來定義產品的，目前也只有我們的傳感器最能夠滿足需求，能夠提供讓靈巧手進行通用泛化操作的高質量觸覺數據。第二，我們是一個非常成熟的團隊，不僅能定義出來還能做出來，而且是大批量地做出來。我們從去年7月份成立，去年年底完成天使輪融資，拿到第一筆錢乾的第一件事情是找廠房、買設備、搭產線。我們會比很多友商更重視量產，現在已經做好了量產的準備。▎AI科技評論：你們的團隊有哪些人？李炎輝：我們是一個高度互補和契合的團隊。我們一位合夥人是 FSR 技術路線的鼻祖 interlink 公司的前 CTO；另一位合夥人之前在霍尼韋爾、威卡等世界頂尖的力傳感器公司擔任要職，精通應變式力傳感器的技術；還有對微納製造非常精通的人才。我本人最開始做技術，後面做戰略市場，做集成供應鏈，基本上對觸覺傳感器本身的技術路線和市場需求，以及各技術路線所對應的能力邊界非常熟悉。所以我們一開始起步就對標行業第一，我們要做得比他們還要更好。▎AI科技評論：既然要對標，為什麼不對標更大的企業，把故事講得更大？李炎輝：講故事是為了融資，但融資是手段不是目的。我們從來不會因為某家投資機構喜歡聽什麼，我們就是去講什麼故事，我一直在講我們底層邏輯是什麼，我們最終要解決什麼樣的問題，圍繞我們公司能夠產生什麼樣的價值，團隊怎麼樣去快速高效地創造這樣的價值。我們希望能找到氣味相投的合作伙伴，包括客戶和投資方，一起為達成一個目標努力。我所理解的具身智能，是十年、二十年的事，不是這一波風口過了就過了的事情。這是一個長坡厚雪的賽道，我們做的也是長坡厚雪的事業。我們更希望能沉澱下來，讓我們所帶來的價值真正經得住時間的考驗。03觸覺傳感器不是越多越好，解決90%的事情就夠了▎AI科技評論：觸覺和數採經常被放在一起講，你如何看待觸覺數據採集？有做數採設備嗎？李炎輝：整個飛輪是這樣：先有高質量的觸覺信息採集，才有高質量的觸覺數據，才有比較通用泛化的模型，才能應用到搭載了高質量觸覺傳感器的手上，飛輪就轉起來了。現在在第一步。所以我們必須配合做數據採集的公司，讓採集設備能抓到高質量觸覺數據，才能餵給模型。我們自己也在做手套，會很快配合採集企業，把高質量觸覺數據採集設備做出來。▎AI科技評論：有些廠商認為靈巧手最好是22個自由度，跟人一樣，才能跟人的數據對齊，觸覺呢？李炎輝：運動關節的對齊，相對還比較容易標準化，因為自由度是物理名詞，繞一個軸位移或者轉動就是一個自由度，定義非常清晰。但觸覺現在不標準。每家對觸覺信息的理解都不一樣——用視觸覺的，一定說一平方釐米上要有足夠多的點陣；用電容的，一定說能做接近感知；用霍爾的，一定說多點力信息。總之是基於自己的技術能力去定義觸覺，而不是基於實際需求。▎AI科技評論：靈巧手會不會像人一樣有"皮膚"？觸覺終端是在“骨骼”上，還是外面的軟層？李炎輝：還是圍繞需求做的。比如人有血液，但你做機器人不需要有血液，人有心臟，它是馬達，不一樣。假設你希望跟機器人有更多交互，拍一拍、摸一摸，電容加壓阻就能滿足——它知道你摸它了，知道你是拍還是撫摸，信號不一樣，可以被區分出來。▎AI科技評論：不需要做到像人皮膚那樣？李炎輝：我們希望造一個真正能解決90%事情的傳感器就好了，不去解決那些corner case。針對大部分應用場景，一平方釐米上有100個點的陣列就夠了。一平方釐米上有4萬個點？人類皮膚也沒有那麼多。你要解決的問題其實是有限的。▎AI科技評論：所以不應該從仿生出發？李炎輝：針對觸覺傳感器，仿生我可以看到20年之內做不到——你不可能真做一個皮膚放在這裡，跟人的皮膚一樣可再生的、能感知疼痛涼熱的。產業界可預期的未來，不可能做到跟人手一模一樣的感知系統。只能比較務實地看待這個事情，從應用場景上倒推需要什麼樣的觸覺，把它比較好地實現。這是目前靈巧手可以最快落地的唯一路徑，而不是單純去卷仿生。目前稍微主流點的，沒有按仿生來弄的。▎AI科技評論：人的觸覺可以識別材質，機器人也需要嗎？李炎輝：我一直不覺得材質識別是個很大的需求。我們做的是有兩隻眼睛的人形機器人，不是瞎子。人的視覺訓練得很好，一眼看出來這是塑料、這是木頭、這是不鏽鋼。你覺得材質是手摸出來的？大部分是眼睛看出來的。你閉上眼睛能摸出來亞克力和玻璃的區別嗎？恐怕很難，但你一眼就能看出來。▎AI科技評論：那為什麼還有人做材質識別？李炎輝：因為他的擅長就在這裡。比如視觸覺的方案，他能做這個事情，就會去做、去宣傳。這是corner case，有些特殊場景裡面確實有價值，但不是主流需求。所以我一直說，最終各技術路線不會是誰把別人全部吃掉，每家在細分場景裡都有自己的長項，但我們要做的是滿足通用需求。▎AI科技評論：現在有企業在做觸覺行業的評測框架，這個有必要嗎？李炎輝：一定需要有人做，但做的方式很關鍵。現在看到的一些標準，本質上是基於自身能力建立的，不是基於最終真正的需求去建立的。所以需要有頭部企業或政府牽頭做這個事，要把整個行業的人拉進來共建，引領整個行業真正走向健康發展。▎AI科技評論：有些公司從傳感器做到數據再到手，有些從手開始做，發現要做觸覺、觸覺又能採集數據。你怎麼看這兩條路？李炎輝：因為具身智能是之前從來沒有過的行業，剛開始兩個路線都是可能存在的，也是比較合理的。你想做手，市面上沒找到合適傳感器，不得不自己做；反過來，做傳感器的發現應用場景還不夠多，逼著自己去做手。但我們的理解是，未來3到5年一定會行業更加分工明細。不管是做手的去做傳感器，還是做傳感器去做手，最終一定會把最擅長的一面變成安身立命之本，其他東西捨棄掉。就像汽車產業鏈，做整車的人一般不會去做輪胎，一般也不會去做電池。當然有例外，比如比亞迪，但一般不會。做手的未來一般也不會去做傳感器，因為價格會做到足夠便宜，直接買就行了。▎AI科技評論：那為什麼現在很多靈巧手公司都在自己做傳感器？李炎輝：因為目前市面上的產品還滿足不了需求，他們已經等不及了，但最終業務一定會分開的。觸覺傳感器現在還沒有收斂，到底什麼是觸覺信息，大家都沒有準確定義，所以才會湧現各種技術線。做手的人就非常痛苦，找不到一個真正滿足需求的傳感器。所以現在大家都在往融合感知上走，希望博採眾家之長。▎AI科技評論：未來多久會收斂？李炎輝：快了三年，慢了五年，一定會收斂到幾個技術線佔80%。 剩下的corner case，某一個技術線在細分場景下有他的長處——或是便宜，或是某一個特殊長板。總之針對大部分應用場景，一定會收斂。▎AI科技評論： 在這個過程中什麼樣的公司能活下來？李炎輝： 真正創造價值的公司。上車，帶你看遍全球 AI 頂會精華可獨家暢覽：專家演講PPT大會報告全文熱門論文解讀學術新星訪談掃描上方二維碼或點擊「閱讀原文」關注專區。