給手機充電時，首次嘗試時常難以精準對準，指尖觸碰到接口邊緣的細微阻力會引導手腕自然微調后推入；打完羽毛球將球收回球筒時，手部伸入筒口的瞬間視野被完全遮擋，后續推進動作需要依賴手指對筒壁與球體相對位置的感知。

這些看似簡單的日常操作，是人類視覺與觸覺無縫協同的精細操作。視覺負責全局定位與目標識別，觸覺承擔精細力控與動態微調，兩者在無意識中自然協同。

過去兩年，具身智能行業的絕大多數資源與研發投入都集中于視覺方向。從VLA視覺語言動作模型到世界模型，主流技術路線都默認同一個核心前提：只要看得足夠清晰，就能實現足夠精準的操作。

但對于機器人而言，視覺系統所能提供的僅有圖像信息，一旦進入物理接觸階段，決定操作成敗的關鍵物理信號，如力反饋、滑移趨勢、材料形變等，都無法通過單純的圖像傳遞。

這一感知缺口，絕非簡單加裝一個傳感器就能填補。盡管壓阻式、電容式等傳統觸覺傳感器雖早已實現量產，但長期停留在孤立的硬件信號輸出層面，其采集的力反饋數據并未系統性地融入具身模型的訓練主鏈路。真正補齊這一短板，需要構建一條打通“傳感器硬件-數據平臺-模型訓練”的完整技術閉環。

上海新智具身智能科技有限公司（NeoteAI，以下簡稱 “新智具身”）正是沿著視觸覺這一差異化技術路徑深耕，其核心使命是為機器人賦予類人觸覺感知能力，從根本上解決精細化操作的行業痛點。

01.

近億元加持，復旦系團隊領銜攻關

5月27日，新智具身宣布完成近億元天使輪融資。本輪由上海國投旗下上海科創集團，以及復旦科創聯合領投，上海科創集團旗下策源基金等共同投資，多維資本擔任獨家財務顧問。

新智具身背靠產學研深度融合與地方政策雙重加持。作為復旦大學與靜安區戰略合作的重要落地成果，公司在初創期便獲得靜安區科經委與市北高新集團的大力培育，先后獲得靜安區戰略性資金及上海市經信委促進產業高質量發展專項資金的支持，上海市科委也針對其核心視觸覺傳感器的研發給予了專項經費支持，全面加速公司的技術攻關進程。

新智具身的核心團隊源自復旦大學可信具身智能研究院，具備深厚的產學研融合基因。CEO 趙世豪本碩畢業于復旦大學，博士就讀于香港大學，曾作為核心研究員在微軟全球研究院、阿里通義實驗室深耕前沿模型研發，研究覆蓋視頻世界模型、生成式模型；首席科學家吳祖煊為復旦大學可信具身智能研究院副院長，曾任職 Meta，長期深耕視頻模型、多模態模型等核心領域；COO董道國則是兼具學術與產業經驗的跨界人才，具有近20年的產業界經歷，曾任華為榮耀Magic一代首席架構師，現任復旦大學可信具身智能研究院研究員，主要為公司的技術商業化保駕護航。

趙世豪、吳祖煊、董道國

02.

視觸覺打破傳統觸覺方案瓶頸

新智具身選擇視觸覺技術作為觸覺模態的核心感知方案，這一路線與傳統觸覺方案相比，兩者的信息維度差距顯著。

傳統壓阻式、電容式觸覺傳感器僅能輸出一維或三維離散力信號，提供的是低維點狀觸覺信息，就如同僅用單個指尖感知世界，只能判斷是否發生接觸，卻無法還原物體的輪廓、紋理與滑移方向等關鍵信息。

視觸覺技術采用全新的觸覺范式。傳感器內部集成微型光學相機，實時捕捉柔性硅膠表層與物體接觸時產生的亞毫米級形變圖像，再通過端側深度學習模型將高密度視覺信號解耦為結構化力覺信息。

其能夠輸出六維力矢量、物體表面輪廓、紋理特征、滑移軌跡與形變邊界等像素級全域力場分布，信息密度較傳統觸覺方案高出數個量級，且輸出數據格式與視覺數據同源，可無縫融入現有Transformer架構，實現與視覺數據的自然融合。

新智具身·視觸覺傳感器

另外，傳統觸覺方案的性能上限由硬件設計決定，出廠即固化，難以通過后續優化實現質的提升；而視觸覺方案通過模型實現力覺解耦，其觸覺感知能力可隨著數據規模的擴大與模型的持續迭代不斷進化。

新智具身的視觸覺傳感器主要由復旦可信具身智能研究院研究員陳文明及其博士生羅虎主導研發，這也是公司與復旦大學產學研融合的首個標志性成果。該傳感器現已進入頭部具身智能客戶體系，并在精細操作、數據采集和模型訓練等場景中開展驗證。

03.

從傳感器到模型層，觸覺具身數據飛輪怎么轉？

盡管理論上具備顯著優勢，但視觸覺技術要實現規模化工業落地，行業普遍關注三大核心工程化難題：成本能否與傳統方案持平、傳感器能否滿足工業級耐用性要求、以及觸覺數據如何系統性融入具身模型訓練鏈路。

新智具身的打法，不是單點突破，而是系統化布局。傳感器、數據、模型三層，彼此咬合。

• 傳感器是飛輪的起點

在新智具身的技術架構中，視觸覺傳感器并非簡單的硬件外設，而是打通物理世界與數字世界的核心接口，其核心價值在于能夠穩定采集真實操作過程中的接觸信息，為后續的數據處理與模型訓練提供高質量原始數據。

• 數據層是飛輪的燃料

新智具身自建觸覺具身數據采集工廠，采集方案采用真機與UMI手持設備雙軌并行，真機保證操作精度，UMI解決起量和泛化問題。每一個采集設備都裝配了自研視觸覺傳感器和配套力反饋系統。

新智具身·大規模觸覺+視覺的具身數據采集

數據采集重點圍繞精細化操作場景展開，如USB插拔、螺絲擰入、芯片抓取、線束裝配、紙杯抓取、硅膠件處理、布料折疊等任務。這類場景均是當前精細化操作中工業自動化的核心瓶頸，其中線束裝配更是汽車與3C制造產業中極少數尚未實現大規模自動化的勞動密集型環節。

關于數據量，新智具身的參照系不是具身行業內部，而是大語言模型和AIGC。當前整個具身領域的數據量不過千萬級別，而語言模型動輒十億甚至百億級別，差距是量級層面的。基于這一判斷，公司確立了“數據規模優先，成本逐步優化”的核心策略，認為觸覺數據的積累沒有上限，只有先構建足夠規模的數據資產，才能支撐模型能力的持續提升。

• 模型層是最終價值出口

新智具身的目標是將觸覺接入預訓練具身大模型(VTLA與Tactile世界模型)，并結合融入觸覺模態的強化學習技術路線，系統性構建觸覺賦能的具身智能能力。

新智具身研發的VTLA模型可實時獲取接觸后的最真實的反饋：是否夾住、是否滑移、是否插入到位、物體是否因受力發生形變，進而指導操作的完成；團隊的觸覺世界模型，補齊了物理上的信息短板，提升對物體屬性和動作后果的預測能力，在精細化場景中實現了精準預測；觸覺強化學習利用觸覺反饋實時修正操作策略，對插拔、精密裝配、軟物體抓取、柔性整理這些高難度的精細任務，進一步提高節拍并將失誤率降至趨近于零。

新智具身·觸覺具身大模型的精細操作

技術閉環搭建完成后，接下來的問題是：這條路如何實現商業化？

04.

商業化驗證與數據資產化

新智具身的商業化進程正沿著傳感器硬件銷售、模型解決方案落地與數據資產運營三大方向同步推進。

據了解，公司的視觸覺傳感器已獲得首批外部商業訂單，而內部數據采集中心正是其第一個大規模應用客戶。傳感器在數采中心的7x24小時高強度運行中持續暴露工程問題并實現快速迭代，迭代后的產品能夠采集更高質量的觸覺數據，進而訓練出性能更優的模型，形成“產品應用-技術迭代-數據升級- 模型增強”的正向閉環。

工業場景是目前商業化落地的最前線，任務結構化程度高，泛化性要求低于家用。目前，新智具身已在多個工業細分場景落地POC驗證訂單。團隊認為，觸覺技術能夠顯著提升精細化操作的成功率與穩定性，進入一個可商業化的區間。“這是從不可用到可用的質變。”

商業化路徑正在驗證這條路如何走。但另一個問題是：巨頭環伺，一家初創公司憑什么走通走遠？

05.

后發者的路徑選擇

面對巨頭入局，新智具身的思路也很清晰：不做跟隨者，做差異化的定義者。

團隊表示，巨頭有先發優勢，在通用路線上投入巨大。但通用路線過度依賴視覺數據，視覺數據的天花板正在顯現。后發優勢在于能夠看清先行者踩過的坑，在別人已經證明走不通或者走得艱難的地方，找到新的突破口。觸覺就是那個突破口。

上海的產業生態也提供了天然支撐。汽車、3C、家紡等產業密集，大量產線涉及非剛性和柔性物體的操作，長期依賴人工。新智具身錨定的場景，與上海打造“具身智能最快量產城市”的政策方向高度協同。

06.

未來與結語

具身智能正在從“看懂任務”走向“完成任務”。看懂只需要眼睛，完成需要手。當機器人的手能夠感知力、判斷材料、適應形變、穩定操作，整個產業才算真正跨過從Demo到落地的鴻溝。

這不是未來時，是進行時。新智具身本輪近億元天使輪融資釋放出清晰的行業信號：當一個行業在單一技術路線上競爭趨于白熱化時，真正的突破口往往出現在被集體忽視的關鍵維度。

觸覺或許不是解決機器人精細操作問題的唯一路徑，但新智具身的判斷值得行業深思：“凡與物理世界的交互，必然伴隨接觸；凡有接觸，必然產生觸覺信息。觸覺未必是解決所有問題的萬能鑰匙，但一定是構建具身智能不可或缺的核心感知能力。”