又一笔具身智能 10 亿元融资刷屏了。

8 月初，帕西尼感知科技宣布完成又一轮 10 亿元战略轮融资，累计融资金额达到 35 亿元，再次成为全球触觉感知领域里累计融资金额最大的企业，继续领跑具身感知赛道。

这次的融资不光是纸面成绩好看那么简单。

首先，有两类资方的背景非常值得关注。

第一类是国家和地方级产业基金。

既有「国家队」鲲鹏基金（大数据方向国家级基金）和中银国际投资，也有背靠京津冀与成渝两大国家人工智能产业高地的地方国资，包括成都交子人工智能基金和津融国盛等。

第二类是产业龙头。

此次的资方还包括一家不愿意透露名字的万亿级巨头，在全球消费电子与半导体领域拥有绝对统治力。

两类资本的属性截然不同，前者看重技术的战略地位，后者看重商业化能力。二者纷纷下注同一赛道，说明触觉感知赛道既是行业内的关键卡点，也是商业化落地的重要环节。

其次，帕西尼只是触觉感知赛道热度的一个缩影。

据不完全统计，2026 年过半，触觉感知细分赛道的新增融资超过 70 亿元，亿元级融资成为常态。

也就是说，帕西尼乃至整个触觉感知赛道的融资成绩，代表了一个越来越清晰的行业信号——资本正在涌入机器人进入真实世界的「触觉入口」。

1、资本看好触觉赛道，具体看中了什么？

在融资节奏越来越快、落地声量越来越大的 2026 年，触觉正在变成具身智能发展的必选项。

通常，业内达成某一个技术共识，要么是因为这个技术性价比高，方便快速落地。

要么是因为这个技术是卡点，不突破不行。触觉感知技术明显是后者。

首先，资本投资触觉赛道，是因为触觉感知是提升精细操作的必需品。视觉模态虽然能够让机器人落地部分操作场景，但是已经不够用了。

在 2025 年，为了能够让机器人从能动变成能干活，业内更多卷的是 VLA。

VLA 模型确实提升了机器人适应基础环境的能力，机器人能够干重复性高的活，但是精度远远不够。

面对 VLA 端到端映射、缺少时序推演的缺陷，以视觉为主的世界模型应运而生，可是还是没有办法完全解决问题。这类模型仅能识别物体外观、空间位置，无法表征材质、刚度、摩擦系数等隐性物理属性。

比如，机器人可以靠视觉识别一枚鸡蛋，靠模型预测下一步要做什么，想要拿起鸡蛋但又不捏碎鸡蛋，只能靠触觉对精细力控进行补充。

也就是说，触觉感知作为机器人直接跟现实世界产生物理交互的模态，成为了机器人从数字智能走向物理智能的入口。

其次，提升触觉感知是困难但必要的事。资方和业界需要有钱的出钱，有力的出力，投资变成了突破触觉技术瓶颈的生命线。

达成了触觉是刚需这一共识之后，棘手的问题在于：触觉感知的技术难点多，硬件、数据集、算法上都存在很多问题，在短期内都没有办法在技术路线上找到最优解。

硬件上，触觉传感器缺少成熟的产品，任何一家硬件产品的耐久性、稳定性、灵敏性都没有办法完全满足使用需求。

触觉数据集也存在很多卡点，在数量和质量上都有很长的路要走。

数量上，不同于可以从互联网海量抓取的视觉和文本数据，触觉数据获取成本高、效率低。

现有公开数据集规模还远不能满足模型训练需求。

在质量上，触觉数据的采集方式、标注规范和坐标系各有各的标准，算法的对齐成本很高，甚至可能出现数据越多，训练效果越差的情况。

什么样的触觉数据集是高质量的？目前没有人能够回答这个问题。

算法融合也是大问题。

大家都急着用触觉赋能模型，让机器人能够更好地适应复杂多变的真实场景。World Labs、RoboTouch Lab、英伟达、智在无界等头部机构和企业都尝试了不一样的方法，但是目前还是没有选出最优解。

触觉信号和视觉、动作控制之间的协同问题非常复杂。模型如果不兼容，任务执行的成功率不增反降。

资本押注这一条技术远没有收敛的赛道，需要把钱投在刀刃上，找到既有技术潜力，又具备快速落地能力的企业。

帕西尼恰好满足这两条需求，而且能够证明自身的稀缺性。

技术背景的多样性，让帕西尼有机会拓展全栈能力，也具备实现技术和配件国产化的基础。

团队有学术背景互补、软件硬件两手抓的优势。

CEO 许晋诚毕业于早稻田大学菅野实验室，拥有超过 8 年人形机器人与高精度触觉传感器研发经验。CTO 张恒第来自法国国家科学研究中心，在人体机械力感知机制、传感器数值算法与机器学习方向有深厚积累。

最终，团队以 6D 霍尔磁传感为硬件底座，打通感知、数据、模型，解决软硬件割裂问题。

在落地方面，帕西尼在海内外都兑现了商业能力。

在国内，帕西尼已经和京东深度合作，将落地柔性包裹分拣的产线。

京东于2025 年 9 月成为其股东，用资本进行深度绑定，「是客户也是股东」的路径，不是简单的财务行为，而是在布局触觉感知技术融入自动化产线，本身也是对商业化落地的背书。

在海外，帕西尼具备获得国际市场准入门槛的能力：先是在 2026 年 5 月拿下了上市韩企 Neuromeka 订单，后在 2026 年 6 月和老牌日企的進和达成了战略合作，共同为丰田提供具身智能自动化服务。

在触觉感知赛道，同时拥有技术优势和具备海内外落地能力的企业具有稀缺性，帕西尼因此在融资上成为了目前的赢家。

2、帕西尼凭什么成为触觉融资「课代表」

帕西尼能支撑起高估值，第一个关键点在于能够最大化硬件优势，把触觉传感器从「奢侈品」变成了具有话语权的工业产品。

过往高端触觉传感器长期被海外厂商垄断，单套产品价格高达 10 万元，属于机器人领域的「奢侈品」，也在关键的卡脖子清单上。

2025 年底，帕西尼宣布实现了核心芯片、传感算法、硬件工艺 100% 国产化。同时，将基础款触觉传感器价格下探了 99.8%，价位从超十万元级下降到百元级，把高端触觉感知从实验室展品变成可批量落地的工业标准件。

更关键的是，帕西尼还开始尝试争取行业话语权。以主要起草单位的身份参与国家标准的制定，还参与了全球首项具身智能领域国际标准《人形机器人数据集》的制定。

能把价格打下来、把标准定起来，意味着帕西尼具备高强度成本控制和代表行业定义技术的能力，前者是产业巨头所看重的能力，后者是国家队青睐的技术壁垒，资方选择帕西尼，认可的正是这种能力。

当然，仅凭借成本控制和技术话语权争夺硬件优势，无法让帕西尼拿到断层领先的融资额。

帕西尼「吸金」的第二个关键点在于，把触觉数据资源变成可以商业化的智能资产。

当下，触觉硬件的技术路线哪条更有优势，还是一个开放的问题。各家之间硬件参数的差距，可以通过供应链升级和材料迭代快速追平。

但是，高质量触觉数据集是模型迭代的关键，这一点是没有什么争议的。

利用触觉硬件迭代触觉数据，甚至更进一步、实现数据的商业化，也就变得尤为重要。

从2025年6月开始，帕西尼先后在天津、武汉等地布局了五大具身智能数据采集工厂，生产百亿级的触觉数据。

凭借百亿级的触觉数据资源，帕西尼一方面可以自产自销，对内训练自研的OmniVTLA 2.0 视触融合大模型和HyperCosmos 触觉世界模型，形成「硬件量产→数据采集→模型优化→定位硬件缺陷→硬件迭代」的正向循环。

另一方面、也是更加重要的一面是：可以利用触觉数据资源扩大商业版图。帕西尼建立数据工厂的最终目标是对外开放数据集交易、面向全行业提供数据服务。

为了将数据集顺利商品化，帕西尼提前为数据集进行了行业背书，完成国内首批具身交互数据集的知识产权登记，还将数据集上架北京国际大数据交易所获得质量认证。

卖硬件和数据资源像是卖铲子，企业得证明自己的铲子足够好用，才能吸引到足够的融资和客户。

帕西尼证明自己能够用好铲子的过程，挖掘了被资本看好的第三个关键点：把供应链扩展成全栈触觉生态，成为触觉基础设施供应商。

有趣的是，帕西尼打通全栈产品、落地灵巧手和人形机器人等终端，不是为了争夺下游市场，而是为了把灵巧手和人形机器人作为「样板间」，推广触觉基础设施。

这么做的好处，一来可以通过触觉感知技术打通全栈产品，向产业客户秀肌肉，直观证明这套触觉感知体系不是实验室概念，完全可以支撑真实商业场景。

二来能够知己知彼，从客户的角度了解业内刚需的触觉产品是什么样的，倒推产品升级。

整体来说，打造硬件话语权、推动数据商品化、构建全栈生态，三重优势，构成了帕西尼斩获巨额融资的底牌。

3、触觉，机器人落地真实世界的临界点

35 亿元融资，不是对单家公司的犒赏，更是对一个关键方向的确认：

当人工智能从数字世界走向现实世界，触觉正在成为机器人迈向物理智能的关键基础设施。

机器人需要拥有怎样的能力，才能从「数字智能」走向「物理智能」？

要回答这个问题，需要满足两个条件。

机器人落地物理世界的第一个条件是，要会看、会判断。

在物理 AI 的感知体系里，视觉解决「看见环境」的问题，语言解决「理解指令」的问题。

但看见不等于能碰，理解不等于会做。

现实世界并不会像互联网数据一样整齐、明确。一个杯子可能因为材质、重量、水量不同，需要不同的抓取力度。

因此，机器人落地物理世界的第二个必要条件是能够准确完成抓取、按压、旋拧等接触性操作。

无论是工业场景还是生活场景，都需要机器人通过灵巧手或者其他部位精准感知事物的材质、纹理、硬度、滑度、温度。

也就是说，人工智能落地现实世界，需要提升的不止是「大脑」，还需要提升能够直接读取物理规则的「感觉」。

触觉是唯一可以实时反馈力学状态的交互模态，也因此成为了从虚拟世界走向物理世界的临界点。

对于机器人而言，建立触觉感知并不是优化传感器参数那么简单，而是要建立一套能够读取真实世界规则的基础设施。

依靠触觉突破临界点，一套真正能够支撑机器人走向现实世界的触觉基础设施，需要具备什么能力？

对于硬件端来说，最终的要求是能够采集可稳定复现真实接触的力学信号。

对于数据集来说，需要完成清洗和时序对齐，保证同类数据的一致性，让不同设备、不同场景产生的数据能够被模型理解和复用。

对于模型端来说，底层要求是机器人学会摸到之后能够智能决策，让机器人具备基于物理反馈进行学习和调整的能力。

因此，未来触觉基础设施的竞争，并不是某一个参数或者维度的竞争，而是硬件、数据、模型三层能力的综合竞争，三者缺一不可。

在这场竞争中，真正占据优势的，不会是某一个环节做到极致的企业，而是能够建立全栈触觉生态、不存在明显短板的玩家。

帕西尼，恰好踩中了这一趋势，有机会在这条关键赛道上成为突破临界点的第一梯队。