蚂蚁数亿元领投戴盟机器人：触觉智能成具身赛道新战场

触觉智能：具身智能的下一个必争之地

当绝大多数目光仍聚焦于机器人本体形态与视觉算法时，一场关于“触觉”的资本暗战已经悄然升温。2026年8月11日，戴盟机器人宣布完成数亿元战略轮融资，由蚂蚁集团领投，老股东超额跟投。这并非一次普通的财务投资——从蚂蚁过往在具身智能领域的布局看，其已先后押注宇树科技、星海图、灵心巧手等多家独角兽，覆盖本体、大脑与核心零部件。而此次领投戴盟，意味着蚂蚁的触角首次延伸至触觉感知层，这被业内解读为资本风向转变的明确信号。

事实上，资本从具身本体涌向触觉感知层的趋势在近两个月已愈发明显。戴盟在6月刚完成亿元A轮融资，投资方阵容包括招商局创投、联想创投、汇川产投、中国移动、中国电信等头部产业资本。单轮亿元融资频发、巨头密集入场，具身智能赛道的卡位战正进入按周加码的高频节奏。

莫拉维克悖论：为什么“手”不如“脑”重要

人工智能领域有一个著名的“莫拉维克悖论”：机器擅长数学、代码等复杂逻辑推理，却难以复现人类近乎本能的感知与操作。卡内基梅隆大学（CMU）教授、被誉为“全球机器人灵巧操作之父”的Matthew T. Mason曾在其官方研究主页明确指出：“The dexterity of a hand is mostly about the brain, not the hand”（灵巧操作在于脑，而不在手）。

这一论断揭示了一个关键事实：今天的机器人拥有越来越多的关节和自由度，但一双更复杂的手并不等于更灵巧的操作。比“手”本身更重要的，是一个懂物理、懂交互、能够驱动双手的“脑”。而要让“脑”真正驾驭双手，视觉只能提供物体外观与空间位置，触觉则能直接反馈是否接触、是否抓稳、有没有滑动、受力是否异常。

行业研究已验证，触觉数据能显著提升机器人接触类任务的成功率与数据效率，走出比纯视觉路线更陡峭的Scaling曲线。正如斯坦福大学李飞飞团队近期发表的T-Rex研究所揭示的，触觉是一条独立、高频的物理感知通道；简单将触觉信号拼接到现有VLA架构中并不必然产生增益，错误的融合方式甚至可能损害原有能力。

从CMU到港科大：一支全球稀缺的全栈团队

戴盟的技术脉络可追溯至CMU。1979年，图灵奖得主Raj Reddy在这里建立全球首个机器人研究所。三年后，Matthew T. Mason教授加入并担任机器人研究所院长，其研究奠定了机器人操作、抓取与接触力学领域的理论根基。Mason的学术分支几乎撑起全球机器人产业半壁江山——从波士顿动力、Google DeepMind、Physical Intelligence、NVIDIA到Amazon Robotics，活跃在今日具身智能舞台中心的创业者与研究员大多出自这条脉络。

师承Mason的首位毕业博士王煜，后来将整套灵巧操作学术体系带回中国。2015年，王煜与李泽湘共同创办香港科技大学机器人研究院并担任创始院长，带领团队攻克高分辨率视触觉感知技术，逐步培养出一支覆盖机器人操作、多模态大模型与触觉感知的年轻科学家队伍。

2023年底，戴盟机器人在深圳开启规模化运营。王煜担任联合创始人兼首席科学家，与他培养的三位90后博士构成核心团队：创始人兼CEO段江哗（中科院博士、港科大博士后，入选MIT AI100青年科学家）推动视触觉技术产业化；首席AI科学家原玮浩（前阿里通义实验室多模态研究专家）兼具大模型与机器人物理操作经验；研发兼触觉负责人杜仪湃（王煜触觉传感方向核心弟子）是戴盟单色光视触觉传感器架构总设计师。

从Mason的机器人操作理论，到王煜的触觉技术路线，再到三位青年科学家分别推动产业化、模型与产品工程，这支团队用十年时间将科学命题转化为商业系统。

Daimon-TWM：全球首个“物理交互脑”的三层架构

沿着“先建立数据入口，再走向物理智能”的路径，戴盟近期推出全球首个触觉锚定世界模型Daimon-TWM（Tactile-grounded World Model）。该模型以原生触觉贯穿理解、推理、预测和验证，构建从指尖感知到大脑推理、再返回动作控制端的“触觉神经系统”，推动具身智能从“看见世界”迈向“理解世界”与“交互世界”。

Daimon-TWM采用三层架构协同互作：

• 物理认知模块：基于强化学习的触觉推理底座，负责建立物理常识，理解接触状态、力与形变、材料属性等关键特征。
• 推演决策模块：基于世界模型的动态预测中枢，前瞻性预判接触状态的演化趋势及潜在失败风险，生成动作策略。
• 瞬时操控模块：基于触觉反馈的高频伺服系统，以100Hz高频率实现毫秒级小幅修正。

在收拾碎玻璃任务中，Daimon-TWM的表现尤为惊艳。透明反光和不规则边缘使视觉难以稳定识别，玻璃易滑易碎，夹持力度稍有偏差就可能导致二次破碎。模型通过接触确认玻璃是否抓稳，推演不同抓取角度与提拉方向的后果；当判断直接拿起可能连带桌布时，主动将玻璃调整为竖直姿态再抬起，最终安全放入桌面垃圾箱。

Daimon-TWM参数规模达10B级，可在NVIDIA RTX 5090平台实时推理，具备跨本体、跨机械臂部署潜能。在物理认知评测中取得全面优势，无扰动条件下平均成功率较π0.5提升两倍，有扰动条件下提升达十倍。

数据飞轮：从感知到智能的自我进化

戴盟构建了“感知生数据、数据炼智能、评测验能力、部署促迭代”的完整闭环。其全球最大规模含触觉全模态物理世界数据集Daimon-Infinity，已累计沉淀数十万小时真实操作数据，计划年内扩展至数百万小时。首批1万小时数据开源后在阿里魔搭社区获得近500万下载量，稳居具身数据集第一。

在数采环节，戴盟与中国移动共建“数采进家庭”外发式采集网络，并在湖南郴州落地全球首个“具身数据采集5S店”，首期计划投放1000套设备，满产后预计每年产生100万小时真实操作数据。同时，戴盟构建了行业首个面向物理交互能力的含触觉全模态评测基准RobOmni。

产业生态的协同同样关键：联想提供工业级量产能力，英伟达提供生态支持，汇川连接工业自动化与精密制造，招商局连接港口与物流场景。戴盟已在8项关键指标上实现“全球第一”，包括视触觉感知设备万片级出货、80%灵巧手厂商的视触觉覆盖等。

国内视角：触觉智能的中国力量

戴盟的崛起并非孤例。在国内，触觉感知正成为具身智能赛道的新热点。智元机器人、宇树科技等本体厂商均在加大触觉传感器的研发投入；而像帕西尼感知、他山科技等初创公司也陆续获得资本青睐。与海外Physical Intelligence、Skild AI等公司相比，中国团队在触觉传感器量产与数据采集网络构建上展现出更强的工程化能力。戴盟已累计服务全球200余家客户，海外客户超50家，并向OpenAI、Figure、Physical Intelligence、Meta、BMW等头部企业完成交付。这种从“交付触觉设备”到“生产模型燃料”再到“交付模型能力”的三级跃迁，正成为中国具身智能企业出海的新范式。

常见问题

什么是触觉锚定世界模型？

触觉锚定世界模型（Tactile-grounded World Model）是一种以触觉数据为核心感知通道的具身智能模型。与依赖视觉的VLA模型不同，它通过原生触觉信号贯穿理解、推理、预测和验证全流程，让机器人能实时感知接触状态、受力变化和物体形变，从而在复杂操作任务中实现更精准的控制。

为什么资本从机器人本体涌向触觉感知层？

因为视觉只能提供物体外观与空间位置，而触觉能直接反馈是否接触、是否抓稳、有没有滑动。行业研究已验证触觉数据能显著提升接触类任务的成功率与数据效率，走出比纯视觉路线更陡峭的Scaling曲线。随着具身智能进入深水区，触觉成为决定操作能力上限的关键瓶颈。

戴盟机器人的技术渊源是什么？

戴盟的技术脉络源自卡内基梅隆大学（CMU）。创始人王煜是CMU教授Matthew T. Mason的首位毕业博士，Mason被誉为“全球机器人灵巧操作之父”。王煜将整套灵巧操作学术体系带回中国，2015年与李泽湘共同创办香港科技大学机器人研究院，后于2023年底在深圳创立戴盟机器人。

Daimon-TWM与现有VLA模型有何不同？

现有VLA模型主要依赖视觉-语言-动作的融合，而Daimon-TWM引入可学习的统一触觉词元，构建统一触觉隐空间。李飞飞团队的T-Rex研究表明，简单将触觉信号拼接到VLA架构中并不必然产生增益，戴盟则通过独立的高频触觉通路让触觉贯穿模型全阶段，实现从“事后反馈”到“事前推演”的跨越。

触觉数据采集的难点是什么？

触觉数据只能在真实操作中产生，无法像语言或视频数据那样从互联网获取。戴盟通过与中国移动共建“数采进家庭”外发式采集网络，并在湖南郴州落地全球首个“具身数据采集5S店”，将数据采集转化为突破时空限制的标准化生产网络，首期1000套设备满产后预计每年产生100万小时真实操作数据。

关于 Bingdada

Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。

编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com

© 2026 Bingdada. 保留所有权利。