具身智能赛道热度持续攀升，新一轮资本动作吸引行业关注。今日，这一趋势再次得到印证。

量子位独家获悉，具身智能领域企业戴盟机器人（Daimon Robotics）近期完成了亿元级A轮融资，本轮投资方为汇川产投与中国电信。

这笔融资之所以值得深入关注，不仅在于具身智能领域再获资本青睐。

更关键的是，它揭示了具身智能技术发展方向上的重要抉择。

当视觉感知、多模态融合、视觉-语言-动作（VLA）模型、世界模型等概念在行业中频繁成为讨论焦点时，戴盟选择将核心战略锚定在触觉技术路径上。

与此同时，量子位还了解到该公司的另一项重要动态——前阿里通义实验室多模态研究专家原玮浩正式加入戴盟，出任首席AI科学家一职。

原玮浩博士毕业于香港科技大学，其研究方向主要聚焦于具身人工智能（涵盖VLA、全身运动控制（WAM）、强化学习、触觉智能及人形机器人运动）与三维视觉（包括三维重建、内容生成及世界模型），在将多模态大模型及世界模型迁移至机器人物理操作任务方面，积累了前沿的实践经验。

他在NeurIPS、ICLR、CVPR、ICRA等人工智能顶级会议上发表了超过40篇学术论文，其中包含多篇被选为口头报告（Oral）的高质量研究成果。由其主导提出的NeWCRFs算法，曾登顶国际权威榜单KITTI。

未来发展重心：物理世界模型

戴盟方面给出了明确的回应：本轮融资将主要聚焦于三大核心方向。

• 物理世界模型的研发攻关；
• 构建包含丰富物理交互信息的超大规模数据集；
• 在真实应用场景中实现数据飞轮与商业闭环的落地。

原玮浩则用更为形象的比喻阐述了这三者的关系——它们本质上是同一体系的不同侧面：“数据相当于系统运行的燃料，物理世界模型是核心动力引擎，而数据飞轮则决定了引擎能否保持持续、稳定地运转。”

其中，物理世界模型将成为戴盟后续战略布局中的重中之重，无论是团队扩充、算力资源投入，还是模型能力的打磨，所有规划都将围绕这一核心进行部署。

对于物理世界模型，戴盟有着自己独特的定义。原玮浩解释道，他们的模型并非传统意义上仅用于预测视频帧变化的视频世界模型，“我们所构建的物理世界模型，其核心在于以多模态接触状态作为条件，来预测未来的物理交互过程。”该模型关注的不仅仅是下一帧画面将呈现何种形态，更侧重于预测未来时刻的触觉信号、接触状态，以及判断当前操作是否可能导致失败、分析失败的原因并提供可行的修正方案。

原玮浩总结道：“简而言之，视频世界模型预测的是画面变化，而我们预测的核心是物理层面的交互。”

为实现这一目标，戴盟将物理接触过程解构为两个关键层级。

第一层是认知层，旨在实现触觉信号与视觉、语言、几何等不同模态在统一表征空间中的相互映射与对齐。

以日常场景为例：桌面上同时放置一颗葡萄和一颗大小相当的玻璃珠，人类无需真正抓取便能判断出两者需要不同的操作策略。对葡萄需轻拿轻放，用指腹轻柔包裹；而对玻璃珠则可施加更大力度，用指尖捏取。这一判断过程，实质上是视觉信息直接映射为触觉预判的结果。

第二层是执行层，包含两套协同运作的机制。

其一为百赫兹级别的高频触觉伺服机制，它类似于人体的脊髓反射弧，无需经过上层认知推理——在物体刚产生微小滑移趋势的瞬间，补偿性动作便已发出，而此时新的视觉帧甚至还未生成。原玮浩指出，这种毫秒级的边缘力控能力，是纯视觉模型所无法企及的。

另一套机制是物理世界推理，模型会持续预测未来时刻的接触状态，在操作失误实际发生之前，提前给出相应的修正策略。

这两套机制分别对应于毫秒级即时反应与接触状态的预先判断，并在同一任务中实现协同工作。据戴盟方面介绍，这构成了他们与纯视觉操作模型之间最根本的结构性差异。

具身智能领域的“触觉派”

“触觉”，已成为戴盟最为鲜明的技术标签之一。

但戴盟对该概念的定位更为深刻：不能将触觉仅仅视为机器人身上一个附加的传感器模块。在他们看来，触觉贯穿了机器人操作过程中感知、决策与控制三大环节，是物理智能（Physical AI）理解和认知真实物理世界的关键切入点。

原玮浩对此的解释清晰到位：视觉和语言本质上都是真实物理世界的低维抽象映射。要使机器人真正具备理解物理世界的能力，就必须引入触觉这种原生的物理感知模态。这也正是戴盟将触觉置于核心技术体系核心位置的根本原因。

在物理交互过程中，许多决定成败的关键信息，只有在物体发生接触后才会显现——例如物体的软硬程度、表面粗糙度、抓握时的正压力和切向力分布等，这些信息很难仅通过视觉观察稳定地推导出来。

“只有将触觉模态纳入体系，才能赋予语言和视觉以真实的物理意义，才能使模型真正理解和操控物理世界。”原玮浩强调。

从行业宏观视角来看，这一选择也折射出当前具身智能技术路线的分化趋势——部分企业持续深耕机器人的视觉理解与动作规划能力，部分企业则聚焦于强化本体结构、灵巧手执行器及硬件性能，而另一部分企业开始关注并填补机器人与真实物理世界接触过程中存在的数据空白。戴盟致力于补齐机器人在物理接触环节所缺失的关键信息，显然属于后者。

然而，选择触觉技术路线也意味着需要直面其固有的高成本挑战。

为触觉领域的规模定律（Scaling Law）奠定基础

数据问题是最为棘手的难题之一，当前主要面临两大挑战。

首要挑战是规模化采集。

触觉数据的价值并非单纯取决于数据量的大小，更关键的因素在于数据覆盖的全面性与多样性。让机器人在1000种不同材质、形状和接触方式的物体上各进行10次交互实验，往往比让它在同一个杯子上重复抓取1万次更具价值——因为模型需要学习的是普适性的物理规律，而非针对单一物体的操作记忆。

第二大挑战是多模态数据的精确对齐。

当机器人手指接触物体的瞬间，触觉传感器需要记录压力分布与纹理信息，摄像头需要同步记录视觉画面，而控制系统需要记录关节角度与力矩数据。所有这些数据必须在毫秒级时间尺度上实现严格同步，否则模型学习到的因果关系就可能出现偏差。举例而言，若同步出现问题，模型可能会错误地认为物体形变发生在手腕动作之前，而事实上恰恰相反。

为解决上述问题，戴盟构建了一套外发式数据采集网络，将标准化采集模组部署到产业合作方的实际应用场景中，使得真实操作环境能够直接成为触觉数据的来源。

今年4月，戴盟联合Google DeepMind等全球数十家机构共同发布了名为Daimon-Infinity的数据集，据官方称，这是目前全球规模最大的、包含触觉信息的多模态具身数据集。

此外，原玮浩还指出，尽管目前业界尚未能绘制出清晰的触觉领域规模定律曲线，但戴盟坚信该定律的存在。目前这种现象尚未充分显现，一个重要原因是行业内尚未形成公认统一的评估标准。

为此，戴盟已有所行动。近日，戴盟与银河通用联合发布了RobOmni，这是行业内首个同时支持真实数据训练与仿真训练的、包含触觉信息的多模态物理交互评测基准。

先建立起公认的衡量标尺，探讨规模定律才具有真正的意义。