机器人传感器，开始算第二笔账

机器人传感器的生意，正在从『卖零件』变成『卖零件+卖数据+卖模型』的三段式。

2026年的IROS现场，一个信号已经足够清晰：Sharpa同时甩出D01机器人、W02灵巧手和AE01外骨骼数据手套；戴盟把DM-Tac触觉传感器、Data-Nexus数采系统和触觉锚定世界模型Daimon-TWM整套摆在台前；帕西尼干脆把包含触觉在内的具身数据搬进了商城。另一边，做激光雷达的北醒上半年交付了25万台机器人用激光雷达，机器人业务收入占公司营收超过一半，创始人李远开始反复讲一个新词——物理AI。

触觉和视觉，两条原本平行的传感器路线，正在讲同一个故事：硬件只是入口，数据才是护城河。但故事归故事，四类预算——零部件、数采工具、数据和模型——哪些能长成独立生意，哪些只是为了把硬件卖得更好？这才是需要算清楚的第二笔账。

🖐️ 第一张账单：皮肤开始走量

金句先行：任何传感器生意，都得先回答一个问题——你到底卖出去多少个。

触觉传感器这个品类，2026年终于跨过了从样品到量产的那道坎。今年2月，福莱新材与灵心巧手签下10万套触觉传感器订单，而在此之前，双方已经完成了1000套的交付。从1000套到100000套，中间隔着整整两个数量级——这不是简单的放量，而是触觉传感器第一次进入规模化制造的交易结构。

再看产品端的进化。Sharpa在IROS 2026上发布的AE01外骨骼数据手套，用22个编码器记录操作者的手部关节运动，五个指尖各配一枚振动马达，把遥操作过程中的接触信息实时反馈给操作者。戴上它，操作者既能遥控机器人，也能顺手采集第一视角示教数据。戴盟则在现场演示了穿珠和帆布袋热转印——两个都是典型的柔性物体操作场景，恰恰是纯视觉方案最难啃的骨头。

产业逻辑很直白：触觉传感器的第一增长曲线，是作为灵巧手和机器人的零部件被集成，跟着整机出货走量。10万套订单证明这条路走得通。据多位接近产业链的人士透露，头部整机厂对触觉传感器的询价已经从『要不要用』变成了『用多少、什么价格』——议价权的转移，本身就是品类成熟的标志。

但零部件生意的天花板也是明摆着的：单价被年降压着，护城河薄，客户随时可以二供三供。所以第一张账单只是入场券，真正的分叉在后面。

这条链路，就是所有触觉厂商正在攀爬的完整阶梯：每一级都是一个新预算科目，每一级都比上一级更靠近『智能』本身。

🧰 第二张账单：先开给实验室

金句：数采工具卖的不是设备，是『每小时产出多少有效数据』的承诺。

设备卖出去之后，触觉厂商想开的第二张账单是数采工具——帮研发团队把人的动作、机器人的画面和触觉信息记录到一起的整套系统。

需求已经真实出现了。9月，上海大学计划以22万元采购一套兼具视觉、触觉采集和模型训练功能的系统；吉林大学则以20万元购入一套由遥操作机械臂、相机和视触觉传感器组成的采集平台。注意关键细节：两所高校买的都不是单个传感器，而是一套用于生产机器人训练数据的完整工具链。

对比一下节奏就很清楚：触觉传感器已经出现10万套级别的订单，而数采工具才刚开始按套卖给高校，单套20万元上下。第二张账单已经出现，但它目前的主要客户是实验室，不是工厂。

产业判断在这里要泼一点冷水：数采工具能否进入企业的常规采购，取决于两个冷冰冰的运营指标——每小时能产出多少有效数据、部署一个新任务需要几天。高校采购可以为了科研课题不计成本，企业采购只会算ROI。如果一套20万的系统一天只能采几百条低质量轨迹，它在产业客户那里就永远是PPT里的产品。AE01这类把遥操作和触觉反馈做进手套的思路，本质上就是在回答这两个指标问题——反馈越真实，操作者越不容易采废数据。

📊 第三张账单：数据要过『第二位客户』这一关

金句：数据生意的残酷之处在于，它的第一个客户往往就是买你硬件的那家。

设备卖出去以后，触觉厂商还想再开一张账单：采出来的数据，能不能脱离硬件继续卖？

戴盟已经给出了动作：上线Daimon-Inf相关的数据服务，并把触觉锚定世界模型Daimon-TWM作为产品级发布——传感器、数采系统、世界模型三层一起摆。帕西尼更激进，直接把包括触觉在内的具身数据摆进商城，让数据成为可交易的SKU。

但这里有一道几乎所有厂商都要面对的关卡，业内私下称之为『第二位客户』问题：一家整机厂买了你的传感器和数采工具，采出来的数据往往被视为自己的核心资产，凭什么再花钱买你的数据？只有当数据买家和硬件买家不是同一拨人——比如算法公司、科研机构、缺少数采能力的中小整机厂——数据才能成为真正独立的生意。

有意思的是，视觉路线的北醒也在讲几乎同构的故事。创始人李远的一句话值得全文引用：『眼睛不只是大脑的工具，也是知识的来源。』在他看来，激光雷达测得的距离、位置等信息，除了帮助机器人避障，还应当成为模型学习的材料——怎样让这些测量改善模型对物理世界的理解，是他正在研究的方向。翻译成商业模式语言：激光雷达的原始点云数据，也有机会脱离硬件本身，成为训练物理AI的原材料。

🔭 同款剧本：北醒的11年和25万台

金句：硬件厂商讲数据故事之前，得先证明自己能把硬件卖爆。

北醒的故事为这套剧本提供了另一个样本。李远师从中国发光学奠基人徐叙瑢院士，本硕博一路读上去，原本的规划是做一名学者。2015年他选择回国创业，创办北醒（Benewake），做激光雷达——给机器造一双『眼睛』。一个最想当学者的人，做了11年CEO。

数字层面，北醒的硬件基本盘已经足够扎实：今年上半年交付了25万台机器人用激光雷达，机器人业务收入占公司营收超过一半，2025年这项收入比2024年翻了一倍。这些『眼睛』上天、下水、上路，装进了无人机、列车、汽车和各类机器人。

李远有个个人习惯值得玩味：他每年都会刻意给自己挑一件不喜欢的事来做。他的解释是，很多所谓『不喜欢』，根源是恐惧或者不够了解——一件事隔得太远，就只能看见又黑又长的影子，一旦真正扎进去，事情往往就变得有趣了。他管这叫拆除认知上的『墙』。从学者到CEO，从卖雷达到琢磨物理AI，这个人的每次转身都像是主动自讨苦吃。

产业逻辑层面，北醒押注物理AI的时机点很微妙：当所有人开始讨论物理AI，感知硬件厂商手握两样别人没有的东西——规模化的部署量（数据入口）和多年的真实物理世界测量积累（数据资产）。这是他们向模型层要第二增长曲线的底气。但同样是那道坎：激光雷达厂商的数据，客户凭什么付费？

⚠️ 四象限：哪些是生意，哪些是故事

金句：判断第二曲线成色，就看它落在象限图的哪个格子。

把四类预算放到技术门槛和商业价值两个维度上看，格局会清晰很多：

零部件（触觉+激光雷达）目前占据右上区间，是已经验证的现金流业务；数采工具落在中间偏左，商业价值有待企业级客户验证；数据集和世界模型技术门槛最高，但商业模式尚未闭环，处在『潜力股』象限——故事最大，账最难算。

对触觉和视觉厂商来说，正确的路径不是跳过硬件直奔模型，而是用零部件的走量换取部署基数，用数采工具培育数据生产习惯，再等数据与模型的付费方自然浮现。戴盟的传感器+数采+世界模型三层布局、帕西尼的数据商城、北醒的物理AI叙事，本质上都是在同一张阶梯图上占位，谁先找到硬件买家之外的第二位数据客户，谁就先拿到下一张船票。

机器人传感器的第二笔账，账本翻开才一年：零部件已经走量，数采工具刚进高校采购单，数据和模型还在找付费方。2027年值得盯的信号只有一个——有没有整机厂之外的客户，为触觉数据或物理世界的测量数据单独付费。那笔订单出现之日，才是第二增长曲线成立之时。