卖传感器的，盯上机器人数据生意

卖传感器的，开始抢机器人的数据生意了。

10月14日，禾赛科技发布Kosmo空间相机及云平台，把真实门店扫成三维训练场，还顺手签下银河通用和原力灵机。几乎同一时间，在匹兹堡的IROS 2026上，Sharpa一口气发了三款产品，从灵巧手到数据手套，没有一样能再用「传感器」概括。

核心判断只有一句：机器人缺的不是算力，是「经验」，而生产经验的环节，正在被上游硬件公司整体接管。产业链的话事权，要搬家了。

📉 数据荒：机器人上岗前先欠一屁股「经验债」

汽车的数据是路上跑出来的，机器人的数据还欠着账。

智能汽车的逻辑已经跑通了：车交付给用户，用户每天开车，道路、车辆、行人构成相对明确的任务环境，数据边跑边攒，系统边用边好。王兴兴在10月12日的中国工博会上也确认了这个路径的有效性——宇树科技和多家机器人公司都在工厂落地试点，靠真实部署换数据。

但机器人没这个条件。门店里学会拿商品，换一家店，柜台高度变了、光照变了、货架摆法变了，动作直接失效。任务分散、环境各异、没有车队帮忙攒里程——禾赛科技联合创始人、CEO李一帆点破了那个死循环：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。先有鸡还是先有蛋，卡住了整个行业。

好在，卡点本身正在变成生意。今年8月，Lightwheel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；英伟达推出物理AI数据工厂蓝图，把数据生成、扩充、评估组织成流水线。数据生产，正式从研发的附属工作，长成了独立业务。

产业逻辑很直白：当一件事所有玩家都要做、且没有玩家擅长做，它就该外包出去了。数据生产，就是机器人行业的那个新工种。

📷 禾赛的第二曲线：把门店扫成数字练功房

把门店扫进云端，等于把练功房搬回了家。

Kosmo的工作方式不复杂：采集设备先记录空间的几何结构、色彩和纹理，云平台再重建为三维场景，把桌椅、商品等物体单独识别出来。之后开发者可以随意改变物体位置、调整布局，让机器人在一百个「平行门店」里练同一个动作。

这笔账划得来。过去在真实门店测试，要协调场地、人员和营业安排，测一次是一次；门店数字化之后，场景成了可以无限次复用的资产。据多位接近行业的人士透露，整机公司自己搭一套高质量训练环境的成本，一直是研发预算里说不出口的大头。

对禾赛科技来说，这步棋的意味远超一次发布会。它一直是一家靠交付传感器获得收入的公司——激光雷达卖给车企和机器人厂，一手交钱一手交货。现在，业务延伸到了数据生产、空间重建和云端服务，从「卖盒子」变成了「卖盒子加订阅」。

李一帆的算盘是用汽车产业积累的三维感知、芯片设计和精密制造能力，压低训练环境的构建成本。这是典型的能力复用：造激光雷达练出来的光学和量产功底，放到空间采集上依然是护城河。顺便说个题外话，Sharpa的联合创始人也叫李一帆，同名不同人——但两家公司押的方向惊人一致：硬件只是入场券，数据才是门票。

产业逻辑层面，Kosmo代表的是分工专业化：让整机企业把重复的环境搭建外包出去，把研发资源省下来投到具体任务上。专业供应商赚的，就是这笔「别自己干了」的钱。

✋ 触觉玩家的全栈化：199元宣告了纯卖硬件的终点

传感器，也没躲过卷价格的命运。

帕西尼官方商城显示，其PX6AX GEN3多维触觉传感器部分基础型号售价已来到199元。视触觉产品同样在降门槛——2025年底，戴盟机器人已开始下探价格。上游元器件的利润被摊薄，逼着所有人找新的价值池。

于是IROS 2026成了「全栈」大阅兵。Sharpa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，其联合创始人李一帆明确表示，公司从一开始就走全栈路线，让硬件、数据与AI同时开发、相互迭代。帕西尼的展台同样完整，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，物理接触从感知、采集到执行一条龙。

其他玩家的路线各异，方向趋同：他山科技推出触觉采集与训练平台，戴盟机器人发布含触觉的多模态数据集，以六维力传感器为主业的蓝点触控开始探索力控算法与数据服务。

逻辑链条是这样的：触觉数据是操作类具身智能最稀缺的燃料，而手套和灵巧手本身就是采集设备。当「卖传感器」和「采数据」用的是同一套硬件，供应商凭什么只赚硬件那一份钱？触觉从感知元器件进入数据生产和模型训练，原本上下游分工的边界，就被自然溶解了。

💰 客户变股东，产业链话事权正在搬家

比产品发布会更能说明问题的，是股权结构。

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。客户用真金白银锁定上游，说明一件事：数据采集和触觉能力，已经从「可选项」变成了整机厂供应链上的「战略物资」。

这张图里最危险的位置是左下角：只卖元器件、不碰数据的传统传感器厂，技术门槛被价格战削平，商业价值被全栈玩家吸走。而右上角的逻辑最顺——英伟达用平台通吃，禾赛科技用空间感知切入，帕西尼用触觉切入，殊途同归都是奔着「数据+训练闭环」去的。

新的价值最终会留在哪一环？答案藏在闭环里：谁既掌握采集硬件、又掌握数据资产、还能提供训练评估服务，谁就同时掐住了成本和标准。资本的下注，本质上是在提前买这个位置的门票。

⏱️ 临界点赌局：一两年内爆发，谁来供货？

临界点不是等出来的，是被喂出来的。

王兴兴在工博会上给了行业一个明确的时钟：具身智能的技术临界点可能比预期来得更快，快的话一两年内出现。他的依据很具体——GPT-6发布后，从业者把它放到各种机器人上做任务测试，「效果实际上非常不错」，而明年GPT-7出来，「可能直接把具身智能问题打穿」。

他还有句更扎心的自我检讨：「过去十几年我犯的最大的错误，就是对AI相信得还不太够。」

但王兴兴同样坦白了现状：大规模应用，无论泛化性还是效率都还要提高；应用进度上，商业服务场景可能比工业更快，居家最靠后。翻译一下：模型能力的临界点在一两年后，数据供给的瓶颈就在当下——这两年的窗口期，正是数据生意最值钱的时候。

所以回头看这一波传感器厂商的集体转向，时机卡得极准：模型在等数据，整机厂在等场景，他们提供的就是「喂料」和「场地」。等临界点真的到来，谁手里积累的场景库和数据管线多，谁就是这一轮的卖水人。

🎯 小结

禾赛科技的Kosmo、触觉玩家的全栈化、资本的股权绑定，三件事指向同一个判断：具身智能的竞争重心，正从本体硬件转向数据与训练基础设施。传感器公司抢的不是新赛道，是产业链里那个还没定归属的新工种。未来一两年的胜负手很清晰——谁能把「环境重建、数据采集、仿真训练」的闭环跑通并规模复制，谁就能在临界点到来时握住定价权。机器人还没上岗，供应链已经在重新洗牌了。