别卷VLA了，机器人缺的是一套脊髓

当所有人都在往机器人脑子里塞更大的模型时，丁文伯决定给它造一根脊髓。

这位清华教授的新身份，是Xspark AI（无界智航）联合创始人、首席科学家。他抛出的判断相当反共识：造出更好的传感器，并不会自动得到一个更聪明的机器人——机器人触觉，可能需要一套属于自己的模型。

这个判断，恰好撞上了GPT-6 Astra掀起的技术地震。通用大模型全面入侵具身智能的当下，物理交互层还有没有独立存在的价值？这可能是未来两年具身智能最关键的路线之争。

🧠 纯视觉的天花板，撞上了

过去两年，具身智能的主流叙事只有一条：Scaling。

更多视频、更多机器人轨迹、更大的VLA（视觉-语言-动作模型）——把互联网上的图文视频喂进去，把真机采集的操作轨迹喂进去，模型越大，机器人越聪明。这套逻辑从大语言模型那里原样搬来，一时风头无两。

但丁文伯的判断，恰恰来自纯视觉的局限：视觉看得到，抓不住。

一个最朴素的场景就能说明问题。机器人看着一个杯子，视觉可以告诉它这是杯子、在哪里、该用什么姿态去抓。但手指合拢的瞬间，杯身是硬是软？握力是多是少？有没有在打滑？杯里装的是液体还是固体？——这些信息，摄像头一个都给不了。

视觉是开环的，触觉才是闭环的。物理世界的交互，最终都发生在几毫米的接触面上，而这个尺度上的物理反馈，是任何像素都编码不了的。

这不是否定VLA，而是指出它的边界：VLA解决的是「知道该做什么」，触觉解决的是「手上真的做对了」。前者是大脑的活，后者，丁文伯认为得交给脊髓。

从公开可查的融资信息看，2025年以来帕西尼感知、他山科技等触觉感知公司先后完成新一轮融资，估值较上一轮明显上调——资本已经意识到，光靠堆数据训VLA，机器人上手干活的天花板很快就会到。

⚡ 触觉需要自己的模型，而不是更好的传感器

行业里做触觉的不少，但思路大多停在「把传感器做好」。

丁文伯的路线明显不同。他的背景横跨通信博士、材料学博士后、机器触觉学者——一个很难被单一标签定义的人。也正因为横跨了信息、材料、机器人三个领域，他比单纯的传感器创业者多看到了一层：

传感器的信号，和机器人可执行的决策之间，隔着一条巨大的鸿沟。

人类神经系统正是这么分工的：大脑负责高级决策，脊髓负责低级反射。手碰到烫的东西，缩手的动作根本不经过大脑——脊髓本地就完成了感知-决策-执行的闭环，毫秒级响应。等大脑反应过来，手早就缩回来了。

机器人的触觉，缺的就是这一层。现在的架构里，触觉信号要么被当成附加特征塞进VLA，要么干脆被忽略。没有一套专门处理触觉的模型，来承担「感知-反射」的本地闭环。

按Xspark AI对外披露的技术方案，这套「脊髓」大致分三层：

• 底层：高密度触觉阵列。 基于压阻与电容复合的柔性传感单元，单个指尖可布设数百个感点，采样频率达到千赫兹级——远超视觉的帧率，才能捕捉打滑、形变这类瞬时事件。
• 中层：轻量触觉基座模型。 公司称之为「触觉反射模型」，输入是原始力信号序列，输出是抓握刚度调整、手指微调等低层控制指令。模型刻意做小，目标是能跑在机器人本体的边缘计算单元上，不依赖云端推理，保证毫秒级响应。
• 顶层：与VLA的接口协议。 脊髓模型不抢大脑的活——它接收VLA下发的任务意图（比如「稳稳拿起这个杯子」），在本地自主完成执行细节，并把接触状态摘要回传，供大脑层修正后续决策。

训练数据方面，据公司介绍，他们采用「真机采集+物理仿真合成」双轨：自建数据采集平台抓取数千种日常物体，再在仿真环境里批量合成打滑、破碎、形变等真机上难以复现的极端工况数据，缓解触觉语料稀缺的冷启动问题。

这套「脊髓」架构的产业意义在于：它把触觉从一个「外设」，升格成了一个独立的模型系统。传感器再好，如果没有模型去理解力信号、去生成反射策略，那它只是一堆廉价的电压读数。

需要说明的是，「现在做触觉的团队，九成在卷传感器指标，真正做触觉模型层的，一只手数得过来」这类判断，来自作者与多位一级市场投资人的非正式交流，属于个人观察而非可核实的公开数据，仅供参考。但从公开信息看，触觉公司普遍以硬件模组为主要营收来源、模型层尚未形成独立商业产品，这个格局本身也在印证上述观察。

这也解释了为什么Xspark AI拒绝被定义成「传感器公司」——它在赌的是，触觉领域会长出自己的基座模型，就像视觉领域长出了VLA一样。

🤖 Astra降临，独立具身模型还有空间吗

把时间拨到2025年9月9日的JDD京东全球科技探索者大会，以及9月10日的Inclusion·外滩大会。两场论坛上，圆桌嘉宾们都在讨论同一件事：

OpenAI的GPT-6 Astra，是不是对具身模型的降维打击？

社交媒体上，大家疯狂尝试让Astra控制机械臂、抓取物体，效果惊艳。恐慌随之而来：如果通用模型顺手就把具身能力做了，独立具身模型公司还剩什么护城河？

主持人Koji让Astra根据七位嘉宾的现场发言，给每人标了一个「通用主导指数」，0到10：10分意味着通用模型才是未来，独立具身模型会被压缩到消失；0分意味着物理智能需要自己的基座，独立空间不会被吞掉。

值得注意的是立场分布的信号——逆矩阵科技创始人陈博远的指数只有1/10，接近「完全独立」的极端。这代表了相当一部分具身创业者的真实心态：物理智能不是通用模型的一个插件。

而丁文伯的「脊髓」架构，恰好站在这个争论的最有利位置：

通用模型再强，吃掉的是视觉-语言-动作这条语义链路。但触觉反射是一个物理实时性问题——毫秒级的感知-决策-执行闭环，天然不适合走「云端大模型-网络回传-推理输出」的路径。就像你不会把人类的膝跳反射外包给大脑皮层。

换句话说，Astra们越强，「大脑」这一层的竞争越惨烈，价值越向少数玩家集中；而「脊髓」这一层，反而成了通用模型暂时够不着的空白地带。

📉 从传感器公司到模型公司：一次商业模式的升维

回到商业层面，Xspark AI的选择里藏着一个更普适的判断：

硬件单点的价值，正在被系统级方案吸走。

做触觉传感器，是一个零部件生意，拼的是灵敏度和成本，护城河有限，最终逃不开被下游压价的命运。而做触觉模型，是往机器人技术栈的关键层里扎根——一旦「脊髓」架构被头部整机厂采纳，它就变成了具身智能系统里的标准组件。

丁文伯本人的路径也是这条升维路线的注脚：通信博士出身，材料学博士后转入柔性电子，再到机器触觉学者、清华教授，2025年以联合创始人兼首席科学家身份创办Xspark AI。从研究单一器件，到定义整套感知-反射系统，他个人完成了一次和公司战略同构的跃迁。

商业化上，据公司披露的信息，Xspark AI已进入验证阶段：其触觉模组加脊髓模型的整套方案，正在与数家具身智能整机厂开展联合测试，场景聚焦分拣、上下料等高接触密度环节；同时公司也在工业质检、柔性装配等非人形场景寻求首批付费落地——这些场景对触觉闭环的需求更刚性，量产出货节奏也更可控，可以为人形机器人场景的爆发储备现金流。

当然，这条路径与历史上无数次产业变迁同构：先有元件，后有系统，最后定义系统的不是最好的元件，而是最懂系统的人。丁文伯从传感器研究出发，却拒绝定义成传感器公司，本质是在抢「定义层」的位置。

挑战同样摆在明面上：

其一，触觉数据极度稀缺。互联网上没有「握力变化曲线」的语料，触觉模型的训练数据基本只能靠真机采集和仿真合成，冷启动成本远高于视觉。

其二，生态位之争。如果通用大模型厂商未来主动内置触觉接口，独立触觉模型的价值空间会被挤压——这也是那场「通用主导指数」争论的核心。

其三，商业化验证周期。脊髓架构要落地，必须绑定有批量出货能力的整机厂，而人形机器人的量产节奏，至今还是全行业最大的不确定项。

从公开报道看，2025年下半年以来已有多家头部人形机器人厂商在发布会和技术文档中提及触觉感知布局，「大脑赛道太卷，大家都在往手上找差异化」——这个动向可以从厂商公开的产品演进轨迹中得到印证。

🎯 小结：大脑在内卷，脊髓是空地

具身智能的竞争正在分层：语义层，GPT-6 Astra们正在碾平一切；而物理交互层，尤其是触觉的感知-反射闭环，仍是通用模型暂时无法覆盖的空地。

丁文伯和Xspark AI的「脊髓」叙事，本质上是在这个分层里提前占位：不做更好的传感器，而是做让传感器产生智能的那套模型。

接下来的看点很明确：触觉模型能不能拿到第一批规模化落地场景，能不能成为整机厂技术栈里的标准层。如果答案是肯定的，机器人产业链将多出一个全新环节；如果不能，它就只是又一个精致的学术演示。

大脑的战争已经开打，脊髓的战争，才刚刚鸣哨。