传感器公司，盯上机器人的数据生意

在匹兹堡的IROS 2026上，Sharpa一口气掏出三款产品，从灵巧操作机器人到触觉数据手套；几乎同一时间，禾赛科技发布Kosmo空间相机及云平台，宣布进军机器人的仿真训练场景。一边是触觉，一边是空间感知，两家传感器公司做了同一个动作：越过元器件，伸手去抓数据和训练。

这不是巧合，而是具身智能产业链的第一次大规模重新分工——当机器人最缺的不再是'看得见'，而是'练不够'，上游的生意逻辑正在被改写。

📉 一只触觉传感器，卖到199元

价格战从来不挑赛道，传感器也不例外。

打开帕西尼官方商城，其PX6AX GEN3多维触觉传感器部分基础型号的售价，已经标到了199元。2025年底，戴盟机器人的视触觉产品也在持续降低门槛。触觉传感器这个曾经带着光环的品类，正在以肉眼可见的速度变成大路货。

这不是哪一家公司的问题。当感知元器件的性能参数逐渐拉齐，采购方的选择标准就会从'能不能用'滑向'谁家便宜'，上游的利润空间被一点点磨平。过去上游卖元器件、下游做集成的分工看似稳固，实际上只维持在一个前提上：元器件本身还稀缺。

前提正在消失。更让供应商难受的是，机器人本体厂商也在自行组织包含触觉信息的数据生产——原本属于'下游做完集成再来采购'的链条，正在被两头挤压。

于是几乎所有的头部触觉厂商都做了同一个选择：往数据、算法和服务走。他山科技推出触觉采集与训练平台，戴盟发布了含触觉的多模态数据集，以六维力和关节扭矩传感器为主业的蓝点触控，开始探索力控算法与数据服务。

产业逻辑其实很直白：元器件是标准品，越卖越便宜；而数据、训练体系和算法服务，是无法用一纸参数表比价的非标品。传感器公司不想只当'手'，它们想成为机器人获取经验的那条管道——这才是未来定价权所在。

🏟️ 自动驾驶有马路，机器人没有

机器人缺数据，缺的究竟是什么？禾赛科技联合创始人、CEO李一帆给过一个直白的对比：自动驾驶可以依托路上行驶的车辆获取数据，但机器人还没有同样的条件。

汽车是个好样本。道路、车辆、行人构成了相对明确的任务环境，车辆交付后，用户每天开车都在替厂商'打工'，真实场景源源不断。机器人面对的则是一盘散沙式的任务——拿取商品、整理货架、操作设备，不同任务涉及不同物体、动作和接触方式。

更麻烦的是一个相互制约的死结：机器人需要更多数据才能上岗，而缺少真实部署，又限制了数据积累。以门店场景为例，一家门店里学会的动作，换到另一家店，可能因为柜台高度、物品摆放或光照变化而失效。要适应这些差异，开发者需要海量操作经验，也需要足够丰富的环境——但不可能为每一代机器人租下一百家门店。

禾赛给出的解法，是把真实环境'复印'下来。10月14日发布的Kosmo空间相机及云平台，工作流是这样的：

在真实门店里测试机器人，需要协调场地、人员和营业安排；门店被数字化之后，随时可以'开门营业'——给机器人练的那种。开发者可以改变物体位置、调整场景布局，让机器人在不同条件下反复练习同一项任务。银河通用、原力灵机已经与禾赛签署战略合作。

这笔账不难算 🧮：Lightwheel今年8月与Hugging Face合作发布第一人称人类活动数据集，计划开放10万小时，首批上线1万小时；英伟达则推出物理AI数据工厂蓝图，把数据生成、扩充和评估组织成统一流程。数据生产正在成为具身智能产业的一项独立业务，而禾赛切入的是其中'训练环境'这一环——把汽车产业积累的三维感知、芯片设计和精密制造能力，用来降低构建训练环境的成本。收入也从卖设备，扩展到数据生产、空间重建和云端服务。

🧩 全栈不是新故事，但这次动作是真的

当供应商开始聊数据和AI，产业链就该重新画图了。

IROS 2026上，Sharpa一口气发布三款产品：一体式触觉感知灵巧操作机器人D01、全手触觉灵巧手W02、支持触觉反馈的外骨骼数据手套AE01。Sharpa联合创始人李一帆（与禾赛CEO同名，纯属巧合）此前表态：公司从一开始就计划走全栈路线，让硬件、数据与AI同时开发、相互迭代。

无独有偶。同一届展会上，帕西尼拿出了一套几乎完整的组合：从指尖触觉、足底感知、六维力和关节扭矩传感器，到数据采集手套、灵巧手和机器人本体，覆盖了物理接触从感知、采集到执行的主要环节。据多位参加了这届展会的人士观察，展台上聊传感器参数的声音明显少了，'数据从哪来、谁来生产'成了高频话题。

把几家公司的动作放到一张表里，趋势更清楚：

几家公司技术路线不同，扩张方向也不完全一致，但共同点是：业务范围已经很难再用'传感器供应商'概括。它们的活动范围大致可以归到四层：

过去，上游负责提供感知元器件，下游机器人公司完成集成，双方围绕性能、成本和可靠性建立供货关系。现在，一部分供应商进入数据采集、算法和训练系统，产业链的每一段都开始出现交叉。全栈不赚钱的时候是包袱，数据成为核心资产的时候，就是护城河——所有人都在赌后者。

💰 客户变股东，关系越绑越深

产业资本的入股名单，就是产业链重画的草图。

资本正在把原本的买卖关系焊死。智元、银河通用从蓝点触控的客户变成了股东；比亚迪、京东等制造和场景企业投资帕西尼，并把合作延伸到机器人应用和数据采集。

对上游供应商来说，这显然是笔好生意：锁定头部客户的需求，拿到真实场景的入口，数据采集不再是隔着一层合同的事。对本体厂商而言，绑住核心传感器供应、提前参与数据资产的形成，也符合具身智能这个阶段'先攒经验再谈规模'的节奏。

但硬币有另一面。当供应商的股东名单里坐着某几家本体厂，其余客户下单时难免多想一层：我的数据会不会流向竞争对手？我的需求优先级排在第几？传感器行业历史上的'中立供应商'定位，正在被股权关系稀释。

更值得琢磨的是格局本身。用一张定位图看当前的玩家分布：

右上角的领跑者，靠的是'元器件+数据+本体'的闭环；左下角的跟随者，还在为传感器订单本身打拼。而禾赛的位置特殊——它不做触觉、不碰本体，选择在'空间与场景数据'这个尚无人占位的维度上卡位。所有人都意识到：产业链变长之后，新增的价值会沉淀在哪一环，现在下注还来得及。

⚠️ 价值会留在哪一环

产业链变长之后，真正的问题只剩一个：钱最终留在哪。

把机器人训练这件事拆开看，痛点和解法大致对应四组：

从已公开的事实出发，可以推演出三种卡位路径：其一，继续做元器件，接受价格战，赚辛苦钱；其二，做数据与场景服务，像禾赛这样把训练环境做成可复购的云服务，赚'经验生产'的钱；其三，做全栈闭环，像Sharpa和帕西尼，把硬件、数据、AI攥在手里，赚整合的钱。

第三种路径风险最大——全栈意味着和自己的客户竞争本体生意；第二种路径则更接近汽车产业的先例：当年自动驾驶催生了标注、仿真、数据闭环服务商，今天机器人也在催生同样的角色。专业供应商的进入，有机会减少整机企业各自承担的重复开发，让研发资源更多投入具体任务。

当然，变数依然存在：本体厂商可以自行组织数据生产，云平台巨头也不会缺席。但对传感器公司来说，等下去的代价更高——元器件的毛利每天都在往下走，而数据服务的定价权窗口，可能就开在今明两年。

小结

传感器公司的集体越界，本质是具身智能从'堆硬件'转向'攒经验'的信号。当机器人行业最大的瓶颈从感知能力变成经验积累，价值自然流向能批量生产经验的环节——无论是禾赛的场景重建，还是触觉厂商的数据闭环。下一阶段的竞争，不再是谁的传感器更准，而是谁能更便宜、更快地给机器人'上课'。这门新生意刚刚开张，座位还没坐满。