机器人缺的不是手，是手感

8月19日，宇树科技登陆科创板，开盘飙到1100元，市值一度突破4400亿，创始人王兴兴身家过千亿，成了"90后新首富"。

一天后，剧情反转。王兴兴在世界机器人大会上说：机器人在工厂效率还不够高，暂时没法大规模推广，具身智能的ChatGPT时刻"快则两三年，慢则五到十年"。话音落地，宇树股价盘中跌超16%。

首富的第一场公开讲话，给狂热的市场泼了盆冷水。但冷水里藏着一个真问题：机器人能跑能跳之后，下一步缺的到底是什么？答案是——手感。而2026年的世界机器人大会（WRC）上，一批触觉玩家正在悄悄改写这场游戏的规则。

🧠 小脑很强，大脑欠费

先看宇树这份成绩单。

从四足机器人起家，2023年推出首款人形机器人H1，2025年人形机器人出货量超5500台、全球第一。运动控制、关节执行这些"小脑"能力，宇树确实是国内天花板级别——WRC现场两台宇树机器人还能上台格斗演示。

但业内私下给宇树的评价很一致："小脑强于大脑"。在具身大模型、任务理解、世界理解这些"大脑"层面，宇树的研发投入长期有限，直到去年9月才推出开源世界模型UnifoLM-WMA-0，试图补课。

王兴兴自己说得很坦白。他承认，制约机器人走进生活的最大瓶颈是泛化能力不够，机器人在任务执行中"最后一厘米"的偏差，会导致任务成功率暴跌，"这是非常严重的一件事"。

翻译一下：机器人抓住杯子的时候，差一厘米，可能就是抓住和捏碎的区别。而判断这差的一厘米会带来什么，恰恰需要对物理世界的真实感知——这正是大脑层面的事。

一位接近头部具身公司的人士的说法更直接："灵巧手谁都能堆出来，问题是抓起来之后发生什么，机器人自己不知道。"

🌍 世界模型，机器人的物理直觉

那机器人要什么样的"大脑"？目前最热的一个答案是：世界模型。

举个素材里的经典例子。你端着咖啡杯问AI："我松开会怎样？"普通大语言模型会回答"会摔碎"——因为它在训练数据里见过这句话。而世界模型会观察杯子离地的高度，结合当地重力加速度，算出"0.5秒后落地"，再根据材质模拟碎裂程度。它不用读过这句话，它自己会算。

图灵奖得主、前Meta首席AI科学家杨立昆把世界模型定义为"能预测行动后果的内部模拟器"，是机器人对世界的认知引擎。斯坦福教授、World Labs创始人李飞飞押注的空间智能，走的也是同一条路：让智能体通过学习环境的物理规则，构建虚拟场景，无需实际行动就能预判决策后果。

这套逻辑对机器人产业的意义在于：过去十几年的工业机器人，本质是"程序化执行"——示教一遍，重复一万遍。而具身智能要的是"理解后执行"——换一个杯子、换一张桌子，还能干活。中间隔着的就是对物理规律的内在建模能力。

但世界模型有个先天短板：纯视觉。看得见杯子，摸不透杯子的重量、摩擦、软硬。模型可以"想象"杯子会掉，但想象得准不准，取决于它对物理交互的理解有多细。这里，就是触觉登场的地方。

✋ 触觉补课：从卖传感器到卖数据

今年WRC上最明显的变化，不是某家触觉公司的传感器参数又涨了多少，而是玩家们讲的故事变了：不再只晒硬件，而是摆出数据集、模型、评测基准。

竞争正在从"一块传感器"，扩展成"数据采集—模型训练—能力评估"的整条链条。

最典型的是千觉机器人。7月，他们一口气发布了三样东西：数采夹爪、千小时视触觉数据集TacVerse 1k、触觉模型X-TouchMind V1。三者构成一条完整的技术链：

采集设备记录操作中的画面、触觉信号和动作，数据集汇总这些记录，模型再从中学会怎么完成任务。这个套路眼熟吗？像极了语言模型时代"算力—数据—模型"的飞轮，只不过燃料从文本换成了触觉。

类似动作不止一家。看这张时间线：

戴盟机器人4月发布含触觉的全模态数据集Daimon-Infinity，首批1万小时数据已在阿里魔搭社区开源；6月又与银河通用联合发布触觉操作评测基准RobOmni。值得注意的是，其亿元A轮融资明确投向物理交互数据和物理世界模型——钱投在哪，故事就在哪。

他山科技的路径也类似：触觉传感器月交付量达数万枚的同时，开始建设触觉训练平台，并提出研发"触觉原生模型"。

把几家玩家放在一张表里看：

产业界的方向也在汇流。RSS 2026大会的触觉专题研讨会上，头部企业和学界的研究者有一个共识：过去机器人论文习惯把触觉丢进"未来工作"一笔带过，如今它正被重新拉回机器人基础模型的核心设计环节。

一句话总结：触觉正在从零部件生意，变成数据与模型的生意。

⚠️ 悖论：更懂物理，也更难通用

不过，触觉这碗饭，碗里埋着一根刺。

它的价值在于：补上纯视觉模型"看得见、摸不透"的短板，让世界模型对物理世界的想象更靠谱。它的麻烦在于：同一次接触，换一个传感器、换一只手，反馈信号可能完全不同。

这两句话是同一句话。触觉让模型更懂物理，也让模型更容易被焊死在某一套硬件上。

这和视觉模型的历史形成鲜明对比。摄像头是高度标准化的，RGB信号全世界通用，所以视觉数据可以跨设备汇聚、跨机器人迁移。而触觉传感器的原理五花八门——压阻、电容、视触觉，输出信号的结构和物理含义各不相同。用A家传感器采的数据训出的模型，搬到B家的手上，大概率水土不服。

所以戴盟们选择开源数据集、共建评测基准RobOmni，就不只是营销动作了——评测基准本质上是在定义"什么叫好的触觉能力"，谁能定义标准，谁就占据生态位。这跟大模型时代各家抢着发Benchmark，是同一个逻辑。

据多位接近人士的说法，触觉数据的采集成本也远高于视觉：视觉数据爬网络就有，触觉数据必须真机真手真操作，一小时一小时磨出来。这决定了触觉数据集在相当长时间内都是稀缺资源，也解释了为什么投融资开始明确流向数据端而非硬件端。

如果只看出货，触觉还是一门硬件生意；但看2026年以来的投融资和产品动作，它正在变成一门向数据和模型靠拢的生意。硬件是入口，数据是资产，模型才是终局。

📊 宇树们的考题，触觉是答案的一部分

回到王兴兴那盆冷水。

"最后一厘米"的成功率暴跌，拆开看其实是两个问题：一是大脑的泛化能力，见过多少场景、理解多少物理规律；二是感知的分辨率，机器人对接触瞬间的力、滑、形变有没有实时、细腻的反馈。前者靠世界模型，后者靠触觉——而触觉数据，恰恰是训练世界模型理解物理交互最直接的营养。

这也是为什么宇树要推UnifoLM-WMA-0，为什么戴盟的钱投给物理世界模型，为什么学界把触觉拉回基础模型的核心设计。三条线正在拧成一股：具身智能的ChatGPT时刻，需要一个既懂物理规律、又有真实手感反馈的大脑。

当然，路还长。王兴兴给的预期是2—3年理想情况，5—10年也不意外。触觉的硬件绑定难题没有解，数据采集的高成本没有解，评测标准的分裂也刚刚开始。

但方向已经清晰：机器人产业的竞争，正在从"谁的手更灵"转向"谁的数据更多、谁的模型更懂物理"。宇树证明了硬件可以做到全球出货第一，却也在上市第二天承认——没有好脑子，好身体进不了工厂。

下一场仗，打的是手感。谁先把触觉数据飞轮转起来，谁就握住了具身智能时代的石油管道。

本文素材来自公开报道与WRC现场信息，产业判断为作者观点。