具身智能不缺大脑，缺的是手感

具身智能赛道钱还在烧，但投资人的口味已经变了：不再为演示视频尖叫，开始追问'这套系统敢不敢上产线'。近日，枢途科技完成近亿元人民币Pre-A轮融资，由鼎晖百孚与鲲鹏基金（大数据方向国家级基金）联合领投，广州产投、亿合资本联合投资，老股东趋势投资超额追投——这是公司一个月内完成的第三轮融资。一个月三轮，在当前融资环境下并不常见。这家公司凭什么？答案指向一个被大多数叙事忽略的环节：机器人的'手感'。

💰 一个月三轮融资，钱在追什么

先把事实摆清楚。枢途科技本轮融资金额为近亿元人民币，资金用途写得很具体：在持续完善现有视频升维数据产品、提升交付能力的基础上，进一步支持触觉数据表征训练的研发与验证，推动SynaTac触觉产品线的技术与产品迭代，加快拓展面向机器人接触策略训练与端侧部署的业务布局。

注意这里的措辞——没有'通用人工智能''颠覆工业'这类宏大叙事，全是'交付能力''研发验证''端侧部署'这种工程词汇。据多位接近投资方的业内人士透露，这一轮机构决策速度明显快于以往，核心原因在于其数据业务'已经完成交付与应用验证'，不是PPT阶段的公司。

值得玩味的是领投方结构：鲲鹏基金是大数据方向的国家级基金，广州产投是地方产业资本。国家队和地方产投进场，说明具身智能的数据基础设施已经被视为一种'新基建'——它的价值不在于单点技术炫技，而在于能否成为整个行业的底座供给。

产业逻辑很直白：大模型时代，数据是燃料；具身智能时代，真实作业数据比互联网文本稀缺几个数量级。谁能规模化生产、验证、供给这类数据，谁就站在产业链的上游卡位。一个月三轮融资，本质上是资本在给这个判断投票。

🧠 Covariant班底：见过demo变产品的团队

每个具身智能公司都会说自己'懂落地'，但枢途科技的底牌写在履历里。公司CTO慕巍博士曾任硅谷具身先驱企业Covariant AI研发副总裁及中国区软件负责人，核心团队以Covariant AI成建制算法团队为班底。

熟悉这行的都知道Covariant AI的分量——它是少数真正把具身算法从实验室推向仓库分拣产线的公司，2024年被亚马逊收编更是震动业界。也就是说，这不是一支'论文团队'，而是一支实践过具身算法从demo到产品、到场景、到稳定运行全流程的一线队伍。

这层经历带来了一个关键认知，也是枢途全部产品逻辑的起点：机器人从'能演示'走向'可交付'，不仅依靠算法突破，更需要围绕现场问题，推动数据、训练与验证的持续迭代。

翻译成大白话：演示视频里抓得又稳又准，上了产线换个光照、换个物料、换个摆放姿态就翻车——因为模型对物理世界的理解是残缺的，而补齐这种残缺，靠的不是更大的模型，而是现场数据、训练方法和真实验证之间的飞轮。基于从现场问题出发的思路，枢途判断，具身算法落地的核心鸿沟有两个：大脑层对世界理解的不足，以及执行层的接触操作能力欠缺。

这个鸿沟图基本解释了枢途为什么做成双引擎产品——两条鸿沟，各配一把钥匙。

✋ 触觉：具身智能被低估的另一半

现在具身智能的舆论场几乎全被'大脑'占领：VLA模型、多模态理解、任务规划，卷得飞起。但一个反常识的事实是：人类灵巧操作的很大一部分能力，来自皮肤上的触觉反馈。你闭着眼往兜里摸钥匙，靠的不是视觉，是指尖的力学感知。

机器人同理。抓取一个易碎的鸡蛋和抓取一个钢制零件，视觉信息几乎一样，差别全在接触瞬间的力学信号里。而触觉数据，恰恰是目前具身数据供给中最稀缺的一块——视觉数据可以爬、可以仿真渲染，触觉数据只能从真实物理交互中来，采集成本高、表征难、缺乏成熟的训练范式。

枢途科技正在做的，就是把这块硬骨头工程化：本轮融资重点支持的'触觉数据表征训练'，以及SynaTac触觉产品线的迭代，本质上是在为机器人的接触策略训练提供数据和方法论，并延伸到端侧部署。

这张表就是枢途的双引擎矩阵：SynaData负责让机器人'看懂世界'，SynaTac负责让机器人'摸得明白'。行业里做视觉数据的团队不少，同时把触觉做成产品线的，目前还属少数派。有从业者私下评价：'视觉数据是把别人走过的路数字化，触觉数据是把没人走过的路修出来，难度和壁垒都不在一个量级。'

🧩 从卖数据到建基建：闭环的最后一环

枢途真正的野心，藏在融资公告最后那句话里：开展具身数据与技能评测，将训练数据供给、接触策略研发与真实任务验证相衔接，持续完善连接人类经验与机器人真实作业的基础设施能力。

拆开看，这是一个完整闭环：人类经验 → 数据生产 → 模型训练 → 技能评测 → 真实作业 → 反哺数据。市面上绝大多数公司只占据其中一个环节，而枢途把三件事串成了一条链。

特别是'技能评测'这个环节，最容易被忽视，却最接近产业的真痛点。机器人公司老板们普遍面临一个尴尬：自己的机器人到底比竞品强多少？抓取成功率、任务完成率，全行业没有统一的度量衡。谁来当具身智能的'质检局'，谁就握住了行业走向工业化的大门钥匙。

按照这个路径推演，枢途的商业形态会逐渐从'卖数据给某家机器人公司'，升级为'向全行业供给数据、方法论和验证标准'——这也是'具身落地新基建'这个说法的实义。基建生意的好处是复购和护城河，风险是前期投入重、回报周期长，而一个月三轮融资恰好说明，资本愿意陪它走这段路。

结语：手感兑现之前，先别喊通用机器人

具身智能走到今天，'大脑'侧的进展已经足够亮眼，但真正决定一台机器人能否留在客户产线上的，往往是那些不够性感的工程问题：数据从哪来、接触稳不稳、任务能不能复现验收。枢途科技用一个月三轮融资证明，市场开始为这些'不性感但致命'的环节付钱。当触觉数据、技能评测这些基建逐渐补齐，具身智能才真正具备从演示走向交付的条件——那一天到来之前，所有'通用机器人'的口号，都建议先摸摸自己的手感。