被高估的视触觉：容易复制的生意，有多大投资价值？

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 被高估的视触觉：容易复制的生意，有多大投资价值？ 思邈 2026-08-28 13:49:05 来源： 量子位 允中 发自 凹非寺 量子位 | 公众号 QbitAI 具身智能产业正步入价值落地的关键阶段。行业对具身智能的期待，已升维至以物理交互为主的真实产业场景落地与价值创造。 物理交互的核心需求，使 触觉感知 成为继视觉之后的新一代核心感知技术。 这一感知体系以 力学传感器 为核心感知单元，向外扩展为高精度、高集成度末端 触觉传感器 ，进而延展为曲面共形、大面积覆盖的 分布式电子皮肤 ， 共同构成机器人从指尖精细力控到全身物理交互的完整闭环 。 其产业定位，也正从精度（Precision）、准度（Accuracy）等单一性能指标的比拼，转向以长周期全场景作业稳定性（Stability）为核心的产业基础设施叙事。 在当前主流的触觉传感技术路线中，以光电转换原理为核心的视触觉传感器（Vision-Based Tactile Sensor, VBTS）无疑是热度最高的方向之一，赛道熙熙攘攘，学术与行业关注度居高不下。 然而喧嚣之下，这一技术方案，真的足以担当起具身智能大规模落地的产业级基建重任吗？ 我们不妨从技术渊源、底层原理、性能边界、落地可行性等维度，客观剖析其技术现实。 本系列文章为触觉传感技术路线分析的首篇。该系列将围绕具身智能规模化落地需求，系统审视当前主流及新兴触觉感知路线，包括视触觉、压阻式、电容式、磁电式等，从技术原理、工程可靠性、集成形态与产业落地能力等维度展开对比。 旨在厘清具身智能进入真实产业场景的关键阶段，以及不同路线的真实能力边界与适用场景。 学术繁荣与产业可行性的分野 1.“视觉红利”下的低门槛狂欢 自GelSight时代至今，视触觉传感器虽在厚度、耐久性上略有优化，但底层仍依赖小体积CMOS摄像头模组成像，整体能力无本质提升。 由于视觉传感器产业早已高度成熟，十几年来尤其是在视频领域CMOS芯片进展平缓， 视触觉产品多沿用类似视频摄像头的成熟方案，在淘宝或是方案商处都随手可得 ，导致其在空间分辨率、采样频率等核心规格上乏善可陈， 并无本质突破 。 △2009年Gelsight团队的可视化效果 2.学术层面：视觉算法外溢下的研究热潮 2010年后，随着CVPR等顶会在视觉算法上的爆发式突破，ICRA、IROS等机器人会议的研究者得以将大量现成的视觉算法直接复用于视触觉数据处理。 以最常用的三大算法为例： ResNet/CNN ——视觉领域通用的特征提取骨干。视触觉研究多直接将其接入触觉图像进行微调，用于力分类或材质识别，复用路径较为直接。 U-Net ——原为医学图像分割而设计。在视触觉中被广泛用于从弹性体形变图预测三维形状或力图，较少针对触觉物理特性进行定制化的架构改进。 Optical Flow（光流法） ——视觉中计算像素运动的经典技术。被迁移至标记点位移追踪以间接推算受力，是少数与触觉物理有一定关联的思路，但核心算法仍完全来自视觉领域，且依赖标记点存在，适用范围有限。 这三大算法覆盖了视触觉研究中大量的常见选题。整体来看，该领域在算法层面较多依赖视觉体系的成熟工具，针对触觉感知的物理本质，尚未形成独立于视觉体系的原创性算法范式，这种 “拿来主义”虽加速了论文产出，却也意味着视触觉在算法层面几乎没有独立于视觉体系的开创性贡献 。 3.产业层面：低壁垒、高同质化与投资风险 视触觉传感器的研发商在底层硬件与核心算法上均未取得实质性突破， 本质上并未掌握全栈自主技术，供应链亦高度依赖外部 ，存在显著的“非自主可控”风险。 其核心元器件CMOS图像传感器由少数国际巨头主导，国内能自主供应CMOS的不到10家， 这一核心元器件的供应链源头并不在这些视触觉创业公司手里，所谓“研发”更多是在别人成品之上的系统集成。视触觉厂商多采用现成的摄像头模组方案，缺乏对关键传感器底层工艺的掌控力 ； 其次，视触觉的物理构成极为简单，一枚微型摄像头、光源、透明弹性体及标记点即可搭建原型。 这种对成熟视觉产业链的“拿来即用”，使得硬件制作门槛极低。国内高校学生短时间内即可自研原型并在电商平台低价销售， 充分暴露了该领域硬件技术的“空心化”本质。 △摄像头成像系统 △视触觉传感器直接采用摄像头模组定制方案，左图为SONY IMX系列CMOS摄像头模组 低算法壁垒与高硬件可复用性直接拉低了创业门槛，催生大量追随者涌入， 国内外视触觉创业公司批量涌现，成为触觉赛道入局者最多的细分路线。 数十家公司基于相同的技术原理以及同源的开源算法进行产品开发，最终交付的传感器在核心性能指标上难以拉开实质差距。 视触觉赛道长期呈现 “厂商林立、同质化内卷”的竞争格局 ，至今未出现具备技术代表性与市场统治力的头部企业。 从投资方视角审视，一个核心技术非自主掌控、护城河模糊、商业化模式极易被复制的赛道，其长期投资回报的可预期性本身就面临挑战。 企业的终极护城河在于核心技术带来的定价权，而非在低附加值环节中依靠规模效应赚取辛苦钱。对于视触觉这类“供应链外采、算法外购”的拼装式创新，资本只会将其视为 高风险的低壁垒资产 ——它缺乏定义行业标准的能力，更无法构建难以逾越的商业壁垒。 因此，聪明的资本只会将筹码押注在那些能 真正突破物理极限、掌握全栈核心技术并敢于啃下硬骨头的破局者。 换言之，视触觉的热度本质上建立在视觉算法外溢与低硬件门槛之上，而非触觉测量能力的根本突破，这种附庸式的技术路线，从起点上就缺乏成为机器人触觉基础设施的独立产业根基。 工业可落地性：硬件结构与长期可靠性 触觉传感方案能否支撑规模化部署，硬件的可靠性与使用寿命是两道不可绕过的硬门槛。 1.最小焦距约束与结构厚度 为保障形变重建的精度与画面均匀性，摄像头与弹性体接触面必须满足最小工作焦距要求，同时需预留匀光所需的照明空间。 当前行业主流方案中，有透镜设计的传感器厚度普遍在10mm以上， 整体系统厚重，模块化程度低 ；即便采用无透镜方案以压缩厚度，也会引入光学畸变问题，且仍无法摆脱对CMOS感光元件、光源与弹性体的依赖。 对于正向高自由度、微型化演进的灵巧手而言，指尖内部本已密布关节电机、减速器、腱绳传动等核心结构，空间余量极其有限。视触觉模组的刚性体积需求进一步挤压机械系统的设计空间，迫使研发在指尖自由度、负载能力与触觉感知精度之间做出取舍。 △图源：Tactile Image Sensors Employing Camera: A Review 2.刚性形态与电子皮肤部署边界 视触觉传感器依赖封闭光学腔体与刚性成像基底维持稳定成像，天然不具备柔性延展与曲面贴合的特性。 这决定了其部署形态存在明确边界：仅能以独立刚性模组部署于机械夹爪、灵巧手指尖等平面或小曲率接触区域，无法像电子皮肤一样柔性适配机器人躯干、关节、曲面外壳等复杂体表结构。 这一局限从原理上锁死了方案的部署规模，使其只能作为末端局部感知方案，无法支撑机器人全