杭州一家叫格物通智的公司，今年8月成立，10月拿到近亿元天使轮。投资方里有匹克投资、鸿富资产、杭州资本、杭州人才集团，还有一家省级具身产投和多家上市公司。
它做的事，是让机器人有"手感"。
这个方向不新鲜。真正值得看的是它的路径选择：现阶段，它拿得出手的是一套"从视频里反推触觉"的方法，传感器和本体都还没有。但它这轮融资的用途里，明确写着"硬件与本体构建"——它知道自己缺什么，正在用这笔钱补。
而这条赛道，现在挤得厉害。
一、触觉：具身智能的最…一厘米
过去两年，具身智能进步最快的是"看"。机器人能识别物体、能规划路径、能复现复杂的动作。但视觉有个天花板：它只能看到表面。
真进了工厂，问题就来了。布料会滑移，零件会卡滞，插装会有阻力。这些事光靠看是看不出来的——你看不出这块布的摩擦系数是多少，看不出零件卡住是因为尺寸偏了还是角度歪了，看不出插进去的时候该使多大劲。
人手做这些事，靠的不只是眼睛。手指能感觉到"滑了""卡了""到底了"。这些力的大小、方向和接触状态，是视觉给不了的。
而没有触觉，机器人就永远停在"看起来会干活"。
这也是为什么，触觉被叫作具身智能的"最后一厘米"。它曾被忽视了几十年——1980年代的数据手套点燃过第一次想象，2010年前后海外陆续出现触觉公司，但大多困在实验室里。直到人形机器人起势，这一厘米才成了必争之地。
但"刚需"这个判断，本身要先回答一个问题：如果视觉加力控已经够用，触觉是不是就只是加分项，不是必需品？这个质疑不能轻视，…为整条赛道的估值，都建立在这个前提上。
有意思的是，把触觉从"加分项"推成"必需品"的，可能不是技术，是价格。2015年之前，高端触觉传感器单指尖卖到10万元以上，机器人行业根本用不起；今年国内厂商把这个成本拉低了九成以上，有的产品做到199元起。价格一降，"要不要装"就变成了"装了也不亏"——需求的闸门，是这样被推开的。
争到什么程度？数字很直接：2025年国内触觉传感器赛道完成融资约20起，披露总额接近18亿元；2026年前七个月，人形机器人传感器领域完成15起融资，合计31亿元。如果再加上灵巧手、传感器等触觉相关的上下游，这半年涌进的钱，行业里估算已到百亿量级——单是帕西尼一家，成立至今累计融资就超过40亿元。
而全球触觉传感器市场，2026年的规模大约60亿元，预计2030年到290亿元。
一个60亿元规模的市场，装下了一批百亿估值的公司。
二、这条赛道上，已经站满了人
把主要玩家排一遍，就能看出格物通智的位置。
最有分量的是两类。
一类是做传感器的。帕西尼走霍尔阵列路线，把传感器价格压到199元起，在天津建了1.2万平方米的具身数据工厂，用自家传感器低成本采数据反哺模型；今年完成四轮融资，成立至今累计超40亿元，比亚迪是最大外部股东，9月已在北京证监局完成辅导备案，抢跑"具身触觉第一股"。
他山科技走电容和AI触感芯片路线，按公司自己的说法，触觉传感器出货量占国内人形机器人市场八成以上；2024年营收破亿，2026年机器人业务预计占到营收约三分之二；建了两大触觉数据采集中心，被英伟达列为Isaac Sim全球首个触觉仿真合作伙伴，还和图灵奖得主萨顿共建了"机器人幼儿园"。
千觉机器人走电容路线，号称测量密度每平方厘米5万个点，提供触觉仿真工具Xense_Sim，已和智元、自变量、银河通用、众擎达成合作。
戴盟走视触觉路线——用摄像头捕捉弹性体受压形变来反推接触力，这是GelSight同源的技术，每平方厘米集成4万个感知单元；它不只做传感器，还做了视觉-触觉-语言的操作模型和触觉评测基准，形成"传感器-数据-模型"的闭环。
还有纬钛（视触觉指尖传感器，已进入小米手机产线）、一目科技（3毫米最薄视触觉，E轮超10亿、估值破百亿）、曦诺未来（指尖触觉，四个月三轮累计约15亿元）、墨现科技（柔性薄膜压阻）。
另一类是往模型走的。灵心巧手自研触觉阵列，同时做灵巧手，一年七轮融资、B+轮后估值约30亿美元，占全球高自由度灵巧手市场八成份额。橡木果走"本能驱动"路线，主张零数据冷启动，四个月拿到两轮大额融资。
这张名单说明一件事：这条赛道上几乎所有玩家都是"软硬一体"——自己做传感器，自己建数据工厂或采集中心，自己做模型。只是它们的数据，几乎都来自真实传感器，采集成本高、扩张慢。
格物通智是这份名单里唯一一家、公开信息中还拿不出传感器和本体的公司。这不是说它不打算做——融资用途里就写着"硬件与本体构建"——而是说，它的硬件还没做出来，而别人的已经出货了。
三、它选的那条路，已经有人在跑，而且跑出了误差数字
格物通智的解法叫Real to Sim：从互联网视频里"反推"触觉信号。
思路是：视频里有海量的"手在拧、在插、在按"，动作看得见，力看不见；那就从看得见的画面里，反推出看不见的接触、受力、形变，给动作数据补上物理标签，用于预训练。
这个思路在数学上有个名字，叫病态反问题——同一个结果可能对应无数个原因。画面里手按下去、布料凹了一块，但用了多少牛、接触面积多大、材料刚度多少、摩擦系数多少，全是未知。未知参数多于观测方程，解就不唯一。画面里没有直接的力信号，能补的只有物理先验——而先验准不准，最后还得靠真实的力觉、触觉数据去校准。多喂十倍视频，补不回画面里本来就没有的东西。
而更值得说的是：这条路，格物通智不是第一个走的。
破晓智能——创始人杨朔，1998年生，哈工大（深圳）长聘教授——就在做同一个方向的事。它的TouchAnything模型，就是训练模型从普通第一人称视频中恢复双手的压力分布。而且它给出了精度：在真实物体上的接触力图估计误差约0.56牛，而此前最好的方法是2.1牛，提升了接近四倍。需要说明的是，这是公开的研究结果，不是已经量产的产品指标，但它至少证明了这条路在精度上是可行的。
同一方向上，智在无界（创始人卢宗青，北大长聘副教授）的做法不同：用50万小时人类视频预训练"隐式触觉世界动作模型"，用TactoHand模块依据手与物体的三维几何关系推断接触是否发生。
而行业里另有一句针锋相对的话。千觉机器人的马道林说：触觉是当前唯一无法从互联网"白嫖"数据的模态。
这句话几乎是冲着"从视频反推触觉"去的。如果触觉真的无法从互联网视频里"白嫖"，那Real to Sim就是在做一件行业顶尖研究者认为不成立的事。
所以它面对的不是一条没人走过的路，恰恰相反，这条路上已经有人跑出了成绩，胜负还没分。格物通智站了其中一边，但不是这一边的第一名。
四、躲不掉的硬件课，和它真正的机会
再看它自己的能力结构，问题更清楚。
触觉数据要落地，最终得落在传感器上。而格物通智现在还没有自己的传感器。触觉传感器有几条互不兼容的路线——压阻、电容、压电、霍尔、光学，每一条的数据格式、量程、精度、噪声特性都不一样。换一种传感器，模型可能就要重新校准。
这意味着它的"通用性"受制于上游硬件的碎片化。而这个变量，它控制不了。
更微妙的是，上游已经在往下游走了。他山建了两大触觉数据采集中心，帕西尼建了1.2万平米数据工厂，戴盟做了VTLA模型和评测基准——传感器厂商自己也在做数据和模型，而且他们有硬件、有产线、有客户、有钱。
下游也在自己做。智元机器人既投资了做统一触觉动作模型的潜界科技，也采用了千觉的触觉方案——本体厂不把鸡蛋放在一个篮子里。
于是格物通智的位置就很尴尬：上面是已经有产线和客户的传感器厂商，下面是既投资模型派、又自选传感器方案的本体厂。它想做的那一层，正好夹在中间。
还有一笔账。给创始人蔡佳作背书的有一条："千万小时级数据治理与近万卡集群训练的系统性方法论"。这句话说的是他在华为的经历，不是这家公司的资源。万卡集群光算力硬件就是十几亿到几十亿的量级，而它这轮拿的是近亿元——连一千张卡都买不起。而"物理反演世界模型的大规模预训练"，恰恰是要烧算力的。
更贵的一笔账是时间。他山2017年12月成立，帕西尼2021年6月创业，戴盟2016年就开始研发视触觉——这条赛道上的头部公司，硬件已经磨了五到十年。而格物通智现在才启动"硬件与本体构建"。
这意味着它要在一个别人已经建好产线、跑完良率、拿下客户的领域里，从头补课。补课本身不是不可能：硬件可以买、可以找代工、可以挖…。但"五年到十年"这个差距，不是近亿元能一次性填平的。
所以它真正的赌注，是在硬件补上之前，先把数据这一层做成别人绕不开的东西——硬件重不重要，那是另一回事。这是一场和时间的赛跑：要么数据这条护城河先挖成，要么硬件这堂课先把它拖垮。
但先做数据、后补硬件，也不等于没有牌。
如果Real to Sim成立，这家公司最值钱的资产不是"具身大脑"，而是那条"视频到带触觉标签数据"的生产线。因为做大脑的赛道已经挤满了人，而"把互联网视频批量转成触觉数据"如果做成，是可以卖给所有做灵巧操作公司的数据基础设施——生意模式更轻，规模效应更强。
但它现在讲的故事是：做具身大脑，进工业场景，一个个项目交付。
这是项目制生意：每个客户要定制、要驻场、要调测、要验收，收入线性、人力密集。两条路的估值逻辑完全不同，前者按平台给，后者按订单给。
跟匹克的合作最典型——匹克投资是这轮的资方，同时和它签了战略合作，围绕鞋履制造的"双柔一高精"（柔性制造、柔性材料、亚毫米级精度）在公司初期"拿下规模化订单"。这个结构跟车企既当客户又当股东是一个道理：订单是市场对技术的认可，还是股东对早期项目的照顾，在早期很难分清。
蔡佳说，公司最看重的指标不是精度成功率，而是客户复购率。这个判断很清醒。但一家8月成立、首个PoC要到年底才交付的公司，还没跑通第一单，谈复购是在谈一个还不存在的数字。
至于为什么是杭州——首轮就有润苗基金、颠覆性成果转化基金、人才基金进来，同时它还是国家具身智能应用中试基地的生态伙伴、杭创具身智能营成员。杭州在具身智能上已经有宇树、云深处，这两家做的是"腿"；而格物通智做的是"手"。腿有了，缺手，所以它被招引进来补这一环。
这也解释了"成立两个月拿到近亿元"的速度：这笔钱里有一部分是产业招商的钱，不全是纯财务判断的钱。对杭州来说，格物通智能不能成为一家伟大的公司是次要的，重要的是"手"这一环得有人补上。
结语
回到这家公司。
它踩的方向是对的——触觉正在从"加分项"变成"必需品"，这是具身智能的最后一厘米。但这条赛道上，已经有估值百亿的传感器公司在冲IPO，有出货八成份额的芯片公司在建采集中心，有做灵巧手的公司在拿30亿美元估值，也有年轻的教授团队在视频反推触觉这件事上跑出了0.56牛的误差。
而格物通智，成立两个月，拿近亿元，传感器、本体、数据工厂都还没有，创始人有一份很硬的履历，和一条还没被验证的方法。它打算用这笔钱把硬件补上，但硬件这课，别人已经上了很多年。
但反过来看，先做数据、把硬件往后放，也可能是提前站到了终局。
如果触觉传感器最终会像摄像头、麦克风一样标准化——量产后变成低毛利的标准件——那今天所有做传感器的公司，都可能慢慢变成"摄像头厂"：出货量很大，利润很薄。真正沉淀价值的，会迁移到数据和模型这一层。
从这个角度，它先把力气放在数据上、硬件往后放，未必是错，可能是提前把赌注押在了价值最终会流向的地方。而且它在数据这一段确实轻：传感器厂商建一个数据工厂要几亿，它只要几百张卡就能开始试，试错成本低，掉头也快。
这个论证成立的前提只有一条：从视频反推触觉这条路，真的能走通。
所以它真正要回答的，不是"触觉重不重要"，也不是"我要不要做传感器"，而是一个更难的问题：在数据这一层，到底会不会成为终局的价值所在。
赌对了，它今天的"先做数据"就是提前卡位——等传感器标准化、本体厂把量做起来，数据和模型会变成最赚钱的一段。
赌错了，它就只是夹在上下游之间，看两边把各自的事做完，自己的硬件课还没补上。
这个答案，现在没有人知道，包括它自己。