社区

上海纬钛科技最近完成A轮融资，中车资本、永鑫方舟联合领投，鲁信创投、木棉花基金、银杏谷资本、华仓资本跟投。

公司2024年1月成立，源自麻省理工学院计算机科学与人工智能实验室（CSAIL），创始人兼CEO李瑞是MIT博士，也是视触觉传感器GelSight的共同发明人——他在MIT读博期间师从美国两院院士Edward Adelson，共同开创了视触觉这一技术路线。成立两年，这是第五轮融资——天使轮小米战投领投，天使+轮祥峰投资领投，Pre-A轮红鸟启航基金领投。

它做的是视触觉传感器，核心产品是仿生指尖GF515。

视触觉是一条和主流方案不太一样的路。业界的触觉传感器大多靠电阻、电容或磁场的变化来感知力，而视触觉是在指尖里装一颗微型相机，拍下弹性体的形变，再从图像里反推接触力。

这个思路把触觉问题变成了图像问题，带来分辨率上的数量级差异，也带来一系列工程上的新问题。

一、15×27毫米里，每平方厘米上万点

先把这条技术路线说清楚。

触觉传感器有几条主流原理，业界都做了几十年：压阻式，材料受压后电阻变化；电容式，压力改变电容；霍尔式，靠磁场变化。这三条路的共同点是——把触觉转换成一种电信号。

视触觉走的是另一条：在指尖里装一颗微型相机，拍弹性体的形变，再用图像处理反推出接触力。

这个思路最早来自学术界，李瑞参与发明的GelSight是其中的代表。它的好处很直接：分辨率。

传统阵列式触觉传感器，每平方厘米大概几十个感知点。而视触觉因为是"拍图像"，分辨率由相机和算法决定——李瑞给的数字是：每平方厘米上万点，最高可达人手的几百倍，最小能分辨10微米级的纹理细节。

另一个优势是能测切向力。压阻和电容方案大多只能测垂直于表面的法向力，而抓取物体时，物体下滑的趋势是靠切向力感知的。人手能捏住一只鸡蛋不打滑，靠的就是这个。

GF515给出的规格是：标准款尺寸15×27毫米，与人类指尖相当，单体重量不足15克；可同时捕捉法向力、切向力、扭矩与滑移状态，最小感知力0.01牛，最高刷新率120赫兹；经过500万次压力循环测试；IP67防护；工作温区零下10℃到85℃。

把这些参数放在一起看，工程难度就出来了。要在15×27毫米、不到15克的空间里，塞进图像传感器、一套光源、一层弹性体，还要保证它在工厂环境下防水防尘、耐高低温、经得起几百万次按压——这是光学、材料、结构、封装的综合题，不是单一学科的题。

李瑞说了一句话，可以当作这条路线的注解："并不是读几篇论文、有钱有人就能做好。"

这句话不是谦虚。视触觉的论文在学术界已经做了十几年，全球顶尖高校都有相关研究，但把它做成能在产线上跑三年的产品，中间隔着几道具体的坎。

第一道是光学。指尖那么小，相机要有合适的视场角，光源要均匀照到弹性体的每个角落，还要避免反光和阴影——否则算出来的力就是错的。

第二道是材料。弹性体要足够软才能感知微小的力，又要足够耐磨才能扛住几百万次按压。这两个要求是打架的。

第三道是算法。从"一张变形的图像"反推出"接触面上的力分布"，本质是个逆问题。而这个逆问题要在毫秒级完成，才能满足实时控制。

第四道是封装。相机、光源、电路、弹性体，全都塞进十几毫米，还要做到IP67和宽温区。这不只是设计问题，也是制造工艺问题。

二、它已经装进了小米的产线

判断一家触觉公司，最硬的一条标准是：东西到底装进谁的产线了。

纬钛给的答案是：小米。

小米从天使轮起就投资纬钛，而纬钛的视触觉传感器已经用在小米手机产线，做高精度零部件的精细装配。此外，多家头部灵巧手厂商的最新一代产品采用了纬钛的指尖视触觉方案，覆盖的客户包括强脑科技、灵心巧手等。

把这些客户结构看清楚，会发现它的位置比较特殊：它服务的主要是"做手的人"和"用手的产线"。

强脑科技、灵心巧手是做灵巧手的，纬钛给它们供指尖；小米是最终用户，用它做装配。它既卖给卖铲子的人，也直接卖给工厂。

这个位置的好处和坏处都很明显。

好的一面是，灵巧手是这两年最热的赛道之一，多家头部灵巧手厂商用它的方案，意味着只要这个行业起量，纬钛的出货就跟着起量。而且传感器占整只手的成本比例不高，客户对价格没那么敏感——卖得贵一点，只要性能确实好，是能被接受的。

不好的一面是，它永远在别人的手后面。灵巧手厂商掌握整机客户，纬钛掌握不了；一旦某家灵巧手决定自研指尖，这条供应关系就断了。

对比一下会更清楚。近期拿到融资的触觉公司里，不少对外口径是"已在推进与多家头部机器人本体厂商的合作"；而纬钛说的是"已用于小米手机产线"。

"已用于"和"推进中"，是两个阶段。

三、"触觉版英伟达"，这个说法值得拆一下

李瑞给公司的定位是"做触觉版的英伟达"，意思是搭建触觉基础设施，从传感器到数据、模型形成闭环。

这个说法有两层，得分开看。

第一层是生态。英伟达的护城河不是芯片性能，是CUDA——开发者在上面写代码，模型在上面训练，工具链在上面长。纬钛想做同样的事：不只卖指尖，还卖数据、卖模型，让做机器人的人在它这套体系里开发。

这条路在逻辑上成立，但难度也在这里。CUDA有二十年积累，而具身智能的软件栈本身还没定型。

第二层是算力，这一层更微妙。

视触觉的本质，是把触觉问题变成了图像问题。相机拍下弹性体形变，算法从图像反推力。这意味着：它的天花板不只取决于传感器，还取决于算力。

一颗指尖的数据，如果按每平方厘米上万点、每秒刷新120次算，数据量并不小。要在机器人身上实时处理这些数据，需要一颗不小的芯片。

而芯片，是英伟达的地盘。

所以"触觉版英伟达"这个说法，有一处内在的张力：如果视触觉真的变成"图像加算力"的问题，那它最终要依赖的，可能正是它想对标的那家公司。

李瑞对这个赛道的判断是，2026年是视触觉在产业场景批量落地的元年，行业的技术风向正在向视触觉"收敛"，未来两三年会洗牌。

洗牌的压力来自两个方向。一个是整机厂自研——Figure就在自己做指尖触觉。李瑞的回应是自研门槛很高，"有一些整机厂早在几年前就开始尝试，但进展非常不理想"。这个回答没有正面回应一个问题：如果整机厂最后做成了呢？

另一个压力来自同行。触觉这条路今年挤进了太多人：做指尖的、做全身的、做柔性材料的、做数据手套的，都在抢同一个预算。

---

纬钛现在的处境，在同类公司里属于进展靠前的一档：

它有明确的技术路线（视触觉）、有可验证的落地（小米产线）、有完整的融资梯队（小米、祥峰、红鸟启航、中车资本），对外还有清晰的定位。

但它要证明的事也很具体。

一是寿命能否经得起产线。

500万次压力循环是实验室数字。可以换算一下：如果一条产线每天按压一万次，500万次大约是五百天，一年半。如果每天按压三万次，就只剩五个多月。

而工厂的设备折旧周期通常是五到十年。这意味着弹性体必须是个耗材——坏了就换。纬钛说弹性体做了模块化设计，正常情况下一两分钟能换好。这个设计是必要的，但它也意味着客户在算账时，要把"每年换几次弹性体"算进成本。

弹性体能不能便宜，决定了这条路线在工厂里的渗透速度。

二是价格能否降到产线愿意铺开的水平。

视触觉的成本结构里，有微型相机、有光学件、有精密结构件、有可更换的弹性体，比一片压阻薄膜贵得多。压阻方案之所以能在很多场景铺开，靠的就是便宜——一片膜几十块钱，坏了就换。

而工厂采购时先看的往往是价格。李瑞提到客户算ROI的方式：工业客户能接受两到五年回本，有的希望一年。这个容忍度取决于一件事——它替代的是不是人工。如果一条产线原本要六个工人做精密装配，换成机器人加触觉方案，两三年回本是笔划算的账；如果只是给现有设备加个功能，那就不一定了。

三是"触觉版英伟达"这个说法，能不能落在软件上。硬件可以一家一家卖，生态只能一层一层长。而生态这件事，从来不是靠融了几轮融资决定的。

触觉这条赛道喊了两年"是下一个瓶颈"。今年开始，瓶颈变成了订单，真正拉开差距的，是能否把传感器持续装进产线。