7月18日，2026世界人工智能大会（WAIC）期间，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。本轮由多家一线人民币基金、头部美元基金及产业方联合参与。
这是一家成立近9年的公司——2016年由卡内基梅隆大学环境工程博士李智强创立，此前主营方向为微光谱AI芯片和水环境监测。真正切入具身智能赛道，是近两年的转向。
过去两年，大模型让机器人拥有了越来越聪明的"大脑"。VLA、世界模型等技术路线不断刷新机器人理解任务和规划动作的能力。但当这些机器人真正走下展台、进入工厂和家庭，一个结构性短板暴露无遗：它们会推理，却不会动手。
问题的根源在于数据。大语言模型的突破建立在互联网数十年积累的万亿级文本数据之上；而机器人在物理世界中的交互数据，至今仍是稀缺资源。
更深层的问题在于，视觉数据所能提供的物理信息存在天然天花板。对于物理AI而言，没有来自真实交互的Ground Truth（物理真值），模型的"理解"本质上仍是一种压缩后的幻觉。
人类通过触觉认识世界。婴儿的第一课不是语言，而是触摸、抓握和摔打。在物理世界中，视觉只能提供物体的形态信息，而触觉才能揭示物体的"脾气"——硬度、摩擦力、弹性、纹理。正如WAIC现场一目科技的演示：两颗外观几乎完全相同的花生，视觉无法分辨，但机器人通过指尖轻触即可判断真假。
视触觉路线：看见形变，理解力
传统力传感器只能测量单一方向的力值，无法感知接触面的形变分布。这意味着机器人虽然"知道"自己用了多大力，却"不知道"力施加在了哪里、接触面发生了什么变化。
一目科技选择的技术路径是视触觉（Vision-based Tactile）。其核心逻辑是：在柔性材料内部建立光学观测系统，当机器人与物体接触时，材料产生微米级形变，内置光学系统实时记录这些变化的图像，再通过AI算法还原出压力分布、剪切力、纹理、滑移趋势等多维物理信息。
这一技术路线的工程难度不低。传统视触觉传感器厚度普遍超过20毫米，难以适配小型化灵巧手。一目科技从几何光学设计到芯片化技术进行全链路优化，依托自研的超表面硅光感光芯片，将传感器厚度压缩至3毫米以内，达到行业同类产品的一半。核心指标方面：分辨率万点以上、力精度达毫克级、力分辨率0.005N、工业寿命超百万次按压。综合评估，90%触觉核心指标达类人水准。
估值破百亿背后，一目科技试图构建的不只是一颗传感器，而是一套让机器人持续理解物理世界的基础设施。
其架构分为三层：
第一层是触觉数据采集方案。通过与UMI、DexUMI、Ego等主流数采技术整合，在真实操作场景中记录机器人与不同物体交互时的力度、成功或失败的触觉反馈信号。这相当于为机器人建立一套高质量的"触觉教材库"。
第二层是自研的Tactile Transformer Encoder算法模块。它的作用是将不同硬件采集到的原始触觉信号，提取出物体表面形态、材质软硬、光滑或粗糙等关键信息，并统一转化为通用编码。这意味着无论底层使用何种触觉传感器，后续的机器人策略模型都能直接调用。
第三层是多模态具身智能大模型训练。将编码后的触觉数据与视觉、语言等模态融合，补上以往任务操作中长期缺失的触觉感知环节，训练出能感知、会决策、可行动的完整模型。
行业拐点与竞争格局
触觉传感器市场的膨胀速度，一定程度上印证了赛道的确定性。
据行业数据，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%，成为所有零部件中增速最高的细分赛道；全球市场预计在2031年将突破350亿美元。
资本层面的热度同样在升温。除了一目科技的10亿E轮，本届WAIC上，千觉机器人展出了VTLA具身触觉模型和视触觉多模态数据集；傲意科技带来了OpenArm具身双臂机器人作为灵巧手的标准化搭载与数据采集平台。触觉感知从去年的边缘议题，迅速进入主流视野。
李智强将当前具身智能行业分为三种打法：第一类是以英伟达Cosmos、Physical Intelligence的π系列为代表的纯模型算法路线，聚焦数据和算法、不碰硬件；第二类是以特斯拉Optimus、Figure、智元机器人为代表的软硬件一体路线，从本体到算法全部自研；第三类是一目科技选择的"基础设施层"路线，打通从感知入口到数据飞轮再到赋能模型的整条链路，以开放分工替代封闭自研。
"在大模型领域，中国是一个追赶者的角色。但在物理AI领域，中美基本上在同一个起跑线上，差距几乎没有。"李智强在WAIC期间表示。
