具身赛道又迎来一笔重磅融资。
近日，一目科技宣布完成E轮超10亿元融资，投后估值突破100亿元，跻身具身智能百亿估值俱乐部。多家产业方、一线人民币基金及全球化美元机构联合押注。这笔钱将用于产线订单的规模化量产交付，以及材料、芯片、算法和数据等底层技术的持续迭代。
消息一出，几乎所有人都想问同一个问题：这家公司凭什么值百亿？答案，或许就藏在机器人动手能力的关键堵点上。
一个残酷的现实是：今天的人形机器人能跑能跳、能打拳跳舞，情绪价值拉满，可一旦涉及精细操作便立刻露怯。拿扣扣子来说，这个对人类再简单不过的动作，对机器人却是巨大挑战。扣子的滑动、布料的肌理，仅凭视觉几乎无法判定。而背后缺失的，正是人类最核心的感知能力：触觉。
正是这个痛点的放大，把触觉传感器推向了资本的风口浪尖。从年初到年中，我们可以一窥融资新闻的关键词的变化：上半年还在谈“大模型”，后来变成“人形机器人”，到了下半年，“触觉”和“感知”开始频繁出现。
我们再看一下整体规模：2026年国内人形机器人专用触觉传感器市场规模预计突破3.2亿美元，同比增速超160%，是所有零部件中增速最高的细分赛道；放眼全球，2024年市场规模已超150亿美元，预计2031年将突破350亿美元。
在这样一个急速膨胀的市场，一目科技更像一家稍显“安静”的宝藏公司，扎扎实实做基础科研，像极了淘金热里的卖铲人，用心打造一把最趁手的“铲子”，只不过这把“铲子”，瞄准的是物理AI时代最稀缺的触觉感知力。
把人类的“五感”赋予机器人 90%触觉核心指标达类人水准
一目科技的故事，始于创始人兼CEO李智强的一个技术愿景：把人类的“五感”赋予机器。
创始人李智强拥有卡内基梅隆大学环境工程博士学位，研研究方向涉及微流控生物传感器和光谱芯片。据公开资料，其博士期间曾获得全美化学年会最佳学术报告奖。
进入具身智能赛道后，团队花了数月跑客户，从灵巧手厂商到机器人本体企业，再到夹爪供应商。一圈下来，客户反馈最集中的问题只有一个：体积太大。
传统视触觉方案厚度普遍超过20毫米，很难装进小型机器人手部，就算适配主流灵巧手，也会挤占操作空间、影响动作灵活性，很多场景根本用不了。所以做一款足够薄、能装进去的视触觉传感器，成了一目科技的突破口。
什么是视触觉？简单来说，是在柔性材料背面装一组微型光学系统，当传感器接触物体时，材料表面发生形变，摄像头拍下形变产生的光影变化，再通过AI算法解算出压力、纹理、滑动趋势等信息。形象一点说，就像给机器人指尖装了一台用光来“看”触感的显微镜。相比传统的压阻、电容方案，视触觉能捕捉到的信息密度高得多，接近人类指尖的感知水平，但体积问题一直是它大规模应用的最大障碍。
一目科技从几何光学设计、模型解算到芯片化技术，一路优化下来，把传感器厚度做到了行业同类产品的一半。他们的仿生视触觉传感器采用仿人体指腹形态，尺寸和厚度都很接近人类指尖。关键技术是一目自研的超表面硅光感光芯片，芯片能力决定了体积压缩的极限。据一目科技透露，其传感器厚度已迭代至小于3毫米。公司方面称，这一数据在目前已公开的同类量产产品中处于领先水平。
除了体积，视触觉传感器的难，还卡另外两个地方：材料和算法。
材料上要软，才能感知细微形变；又要耐用，才能在工业场景里扛得住反复按压。这两种特性理论上天然对立。但一目科技自己组建团队研发柔性电子皮肤材料，从高分子聚合物的单体开始研究，探索官能团的自恢复性和骨架结构的刚性。目前已经实现百万次按压、数万次横向剪切力下性能不衰减。
第三是算法。传感器通过内置摄像头捕捉弹性材料接触物体时的形变，拍到的是“触觉照片”序列，再通过AI解算出压力、纹理、滑动趋势等信息。感知性能上，传感器能做到微米级形变解算、0.005N力分辨率、最高120fps输出帧率。针对传统方案容易出现的温漂和感知盲区，一目科技用自研算法做了优化，实现全解算无盲区，防护等级达到IP65。
综合来看，一目科技的90%触觉核心指标达类人水准。以上三个维度整合在一起，也构成了一目科技如今的全栈能力，而且从底层芯片到感知算法，一目科技实现了全部自研。截至目前，一目科技在全球布局了超过700件知识产权，拿了国家高新技术企业认定和省专精特新中小企业认定，通过了ISO三体系认证，四年内拿了12项国际大奖。
百亿赌注，押在了机器人的“手”上
“在大模型领域，中国是一个追赶者的角色。但是在物理AI领域，中美基本上在同一个起跑线上，差距几乎没有。”在刚刚开幕的WAIC 2026的访谈中，一目科技创始人李智强这样判断。
这话听起来颇有底气，但底气究竟从何而来？答案很朴素，甚至有些出人意料：大家同时被同一个麻烦绊住了：机器人能跑能跳了，但干不了细活。正是这个被无数人忽略的“细活”卡点，撑起了一目科技的百亿估值。
仔细拆解，这笔10亿融资投的远不止一家传感器公司。它投的是一个关键共识：当具身智能的腿已经迈出去，手却还僵在半空，谁能让机器人真正“上手”，谁就卡住了下一个十年最值钱的生态位。
在李智强看来，行业目前有三种不同的打法。
第一种是纯模型算法类。英伟达的Cosmos 3、Physical Intelligence的π系列模型，这些公司相信要做通用的具身智能大脑，不太关注硬件，主要聚焦数据和算法。
第二种是软硬件一体。特斯拉的Optimus、Figure，还有中国的智元机器人，从本体到算法全部自己做。这类公司需要非常强的研发能力，把硬件研发、制造和软件算法模型统一起来。
第三种，是一目科技的路线。李智强说：“我们认为在这个时间点，具身智能要发展，分工和开放是一个非常重要的方式。”一目科技做的是基础设施层，把硬件和算法连接起来的中间层，打通从感知入口到数据飞轮再到赋能模型的整条链路。
为什么基础设施层至关重要？
李智强把物理AI的瓶颈拆成了三个卡点。第一个是感知层，机器人怎么采集物理世界的数据。第二个是操作执行层，怎么做到类人的精准操作。第三个是大脑层，而大脑的前提是数据。
三个卡点层层递进，缺一不可。但行业目前最大的问题出在最前端：感知能力太弱。没有精准的感知，就没有高质量的数据；没有高质量的数据，就无法训练出理解物理世界的大脑。这正是一目科技选择触觉作为突破口的逻辑。
这一判断与英伟达CEO黄仁勋在2026 NVIDIA GTC Taipei场合的表态有所呼应。在NVIDIA发布首套人形机器人参考设计时，触觉灵巧手首次成为官方参考架构的重要组成部分。
当然，有人会问：触觉还处在四五十分的水平，值这个价吗？李智强给出的理由很诚实，也很有说服力。2026年被称为“触觉元年”，绝非偶然。价值层面，行业已经达成高度共识；技术层面，视触觉路线正在收敛为主流方案；成本层面，视触觉是唯一能沿着摩尔定律持续降成本的触觉模态。这三重确定性叠加在一起，让触觉传感器从一个小众课题，变成了能承载百亿估值的资本锚点。
在工业场景里，这套逻辑正在被验证。拿电池包插拔组装工序来说，工人完成一道工序大约需要30秒，传统工业机器人还难以胜任。一目科技的带反馈方案第一次测试花了100秒，远远不如人工。但到了今年四月，时间缩短到50秒，现在已经降到15秒，比人工效率高了一倍。
“这就像AlphaGo在收敛前难以战胜人类，一旦突破便不可逆转。”李智强说。机器人通过强化学习，以learning-based方式学会这个技能，相当于把老师傅的手艺数字化了。它的优势在于可以24小时不间断训练，人一天最多干8小时。
商业模式上，一目科技的做法是“可拆可合”的三层结构。最底层是触觉硬件，传感器和带传感器的灵巧手，目前对收入贡献最大。中间层是触觉数据集和标准化能力。最上层是模型赋能，仿真能力、语义理解的编码器，帮客户更快达到AGI能力。客户可以自己去选择、去搭配自己的需求。
基础设施的野望，在数据层面体现得最为宏大。李智强指出，物理AI目前最大的短板是数据资产。语言大模型有海量文本，视觉有ImageNet，但物理世界的高保真触觉数据几乎一片空白。于是他正在推动一个名为TouchNet的开源数据集项目，试图为物理AI打造一个类似于ImageNet的标准化数据底座。
“这肯定不是一个人的力量能做到的，但前提条件是我们要先把标准、接口和整个链条规范下来、打通。然后我们就可以去形成这样的数据资产和数据飞轮。”这句话背后，意味着一目科技试图走一步定义行业规则的先手棋。谁掌握了数据集的标准和接口，谁就有可能成为物理AI时代的“数据守门人”，而这个地位一旦确立，百亿估值恐怕只是一个起跳点。
因此，一目科技给自己的最终定位是Physical AI基础设施提供商。这个定位的底层自信在于，无论未来具身大脑走哪条技术路线，要实现超越脚本的灵巧操作，都必须依赖真实的物理交互反馈。当大多数玩家还在争抢一个完整的机器人时，一目提供的，正是那一套标准化的物理交互数据解决方案，为各类“具身大脑”输出标准化、高保真的物理信号输入接口。
那么，谁在领跑下一代基础设施？这个问题现在还远未到有定论的时候。过去20年，数据中心建设解决了信息之间的流动、存储和计算。现在，物理AI世界需要的是对物理世界的感知和理解能力。在这个新赛道上，谁能率先构建起以触觉感知和多模态融合为底座的基础设施，谁就能拔得头筹。