物理AI比拼的分水岭：不是视觉，而是触觉

把手伸进口袋，不用看就能摸出钥匙。刚刚你完成了一件机器人尚无法稳定做到的事。你看不见口袋内部，但手指能够区分钥匙、硬币与线头，感知重量和齿状边缘，握住目标物件。这便是触觉，默默完成视觉无法实现的工作。

AI已经学会“看见”、学会“聆听”。如今，它越来越具备推理、规划、对话能力，并能够为复杂问题生成成熟解决方案。尽管基础大模型与机器人计算机视觉取得惊人进展，但下一代智能机器仍受限于一个看似简单的短板：让机器人拿起纸杯、一颗葡萄或是一张皱巴巴的收据，幻想就会破灭。它会迟疑，要么捏扁纸杯，要么碰掉葡萄。机器“大脑”进化的速度，远远快于机器“双手”。

这一局限并非源于机器人不够智能，而是缺少触觉。数十年来，人工智能研究大多聚焦感知层面——依托图像、语言、声音理解世界。物理AI系统需要在现实环境中直接运行、与人互动，这彻底重塑了技术挑战。智能机器不再只是解读世界，更要与世界交互：抓取、操控、组装、抬举、搬运，并且安全高效地和人类协同作业。

因此，物理AI的关键能力门槛不再是视觉感知，而是触觉感知。视觉赋予机器人观察世界的窗口；触觉，或称多模态传感，终将让机器人真正伸手触碰这个世界。

图1 物理AI不止于感知。多模态传感融合视觉、触觉与边缘AI，使机器人能够实时理解、适应物理世界，并实现安全交互。

从感知走向交互

过去十年，感知技术迎来跨越式发展。如今计算机视觉识别物体的精度十分出色；大语言模型（LLM）能够将复杂任务拆解为一系列具备逻辑的动作指令，机器人越来越清楚自己看见的是什么。然而，看见、理解不等于能够执行动作。仓储机器人可以准确识别货架上数百种商品，却很难拿起柔性包装物而不将其挤压变形；人形机器人能够瞬间识别玻璃杯，却难以稳定、轻柔地握持这件易碎品。

我们可以对比自动驾驶与机器人抓取这两种自主形态，理解这场从感知到交互的转变。自动驾驶汽车绝大多数算力用于规避接触，对于自动驾驶车辆而言，和外物发生接触通常意味着故障。

机械手的使命恰恰相反：它需要主动、持续、智能地产生接触。一次成功抓取，不只需要定位物体，更要感知接触瞬间物体产生的反馈。这类信息无法依靠视觉获取，只能依靠触觉感知。

视觉负责规划，触觉负责执行

研究人员常用一句话概括机器人抓取技术：视觉用于规划，触觉用于执行。视觉擅长全局感知，摄像头确定物体位置、估算姿态、区分材质、规划运动轨迹，为智能动作提供全局策略。

但当机械手指收拢抓住物体的那一刻，视觉就开始失效：接触点被手部遮挡。摄像头无法观测摩擦力，无法判断纸杯是否微微受潮、纸箱重量是否超出预期，或是玻璃杯是否正在指间打滑。

这些都不属于视觉问题，而是触觉问题。人类处理起来毫不费力：玻璃杯打滑时我们会立刻收紧握力防止坠落；拿起鸡蛋时本能施加恰到好处的力度，不轻不重。我们几乎不会留意这类能力，因为神经系统自动完成整套反应。但对机器人来说，这仍是工程领域最难攻克的课题之一。

图2 触觉信号传递迅速，智能响应更快。仅需70毫秒，多模态触觉传感结合边缘AI，即可将原始触觉信号转化为智能握力控制，打造更安全、更灵巧的机器人。

机器人下一个前沿领域：滑移感知科学

试想：闭着眼睛握住一只凝满水珠的水杯。杯子开始滑动时，你无需目视就能做出反应。指尖捕捉到微弱的振动与压力变化，大脑随即下达“适度加力”指令——额外施加的力道刚好稳住水杯，又不会将其捏碎。整套感知与修正的闭环，发生在意识层面之下。

这套闭环机制，正是机器人最难复刻的功能。机器可以计算运动轨迹，却很难感知摩擦力带来的触感。传统方案依靠预设刚性程序：设定固定握力，寄希望于目标物体（钢材或是海绵）适配参数。

如今物理AI研发人员正在探索更精细的方向：捕捉肉眼无法察觉、稳定握持即将失效的瞬间。和直觉不同，物体很少从稳固握持直接滑落，滑移是渐进发生的。

微观视角下，任何物体表面都布满微小凹凸。当接触区域受力增加，接触面外围先发生滑移，中心区域依旧保持夹持。工程师称之为初始滑移，尽早识别初始滑移，可以彻底优化机器人控制逻辑。机器人不再等物体滑落之后再补救，而是在故障发生前主动干预。

想要实现这种预判式调控，需要两套互补传感系统，模拟人类皮肤的分层结构。一套低速通道持续测量指尖压力、剪切力与受力分布；另一套高速通道捕捉高频振动信号，最早感知滑移迹象。两套系统结合，构建出近似人类皮肤的分层传感架构：一路感知压力，一路捕捉摩擦振动。只有两者协同，机器人才能够掌握接触点真实状态。

图3 物理AI是持续反馈闭环，而非一次性决策。当视觉、触觉与边缘智能形成持续循环：感知、判断、动作、自适应调整，真正的物理AI才得以实现。

触觉为何能够改变一切

一套实用的多模态传感系统，必须回答四个核心问题：第一，是否真实发生接触？毫米级定位误差不容忽视。机器人需要精准识别触碰到物体，而非抓空。第二，当前施加多大作用力？抓取金属支架、水果、实验室样本、医疗设备所需握力截然不同。第三，物体是否开始滑移？其中最重要的能力就是识别初始滑移——物体坠落前出现的微观变化。第四，接触触感如何？互联网拥有海量视觉数据，却几乎没有触觉数据。任何图像都无法告诉AI湿滑玻璃杯的触感、织物拉伸的状态，或是物体旋转过程中摩擦力的变化。想要学习这类交互特性，只能依靠实体接触。触觉提供真实基准数据：丰富、可标注的物理接触信息，而这正是物理AI系统的核心所需。

智能算力应当部署在边缘端

触觉同时重塑了智能算力的部署位置。和大语言模型不同，触觉响应无法等待数百毫秒上传云端、交由中心处理器运算。一旦杯子发生滑移，每一毫秒都至关重要。人类调整握力仅需约70毫秒。倘若机器人必须把原始传感数据传回中央处理器再输出指令，早已错失最佳干预时机。

触觉智能必须下沉至边缘。每一处指尖都是独立智能传感节点，就地解析压力、作用力与振动，仅把关键信号上传上层控制系统。这套架构复刻生物逻辑：神经末梢先在本地处理信息，再传递给大脑；大脑接收筛选后的关键事件信息，而非持续监控所有感知单元。

物理AI越来越多地采用这种分布式架构：视觉确定目标任务，本地传感智能管控接触状态，上层AI统筹整体任务。触觉传感大幅提升各项任务的执行成功率。

物理AI架构：可靠性优先于分辨率

当下大量关于机器人触觉、灵巧机器人的讨论，焦点集中在传感器分辨率。分辨率固然重要，但可靠性更为关键。搭建一套能够完成大量触觉交互的实验室演示装置难度相对有限；想要打造一款触觉传感器，能够在工厂、仓库、医院经受数百万次抓取依旧精准可靠，则极具挑战。

各类触觉传感技术都存在短板：柔性材料容易磨损；温度会改变电气特性；电机噪声干扰微弱传感信号；弹性体容易产生迟滞效应，发生形变后无法立刻恢复初始状态。

光学传感器数据极其丰富，但需要体积庞大的摄像模组；磁传感性能优异，却惧怕外部磁场干扰；压电材料擅长捕捉振动，难以测量静态压力。

研发的难点不在于寻找完美的传感方案，而是设计具备容错能力、可以长年稳定落地的可靠系统。想要取得突破，需要机器人、材料科学、信号处理、嵌入式智能、芯片设计制造、固件、系统工程多领域技术融合协作。归根结底，决定物理AI走出实验室、实现规模化落地的核心指标是可靠性，而非单纯的传感灵敏度。

当下为何是关键窗口期

物理AI研发迎来紧迫的发展节点。多家行业分析机构预测，人形机器人正从原型阶段迈向大规模商用。高盛研究保守预估，到2035年，全球制造业、仓储物流领域将投入140万台人形机器人开展作业；摩根士丹利预测规模更高，预计同期将有1300万台服务机器人和人类协同工作，背后依托庞大产能与普及需求。

应用场景远不止于此：假肢依靠触觉反馈重建自然运动能力；传感采集系统需要触觉数据，用于训练新一代抓取模型；大面积机器人皮肤助力人机安全协同。无论形态如何，所有物理AI系统最终都会遭遇同一个瓶颈：机械手，更准确地说，就是接触交互。

无论机器配备五指人形手爪、工业夹持器或是特种末端执行器，都需要调控握力、识别滑移、安全操控物体。因此，触觉是一项基础核心能力，而非锦上添花的选配功能。

从数字智能走向物理智能：触觉支撑物理AI发展

纵观历次计算革命，每一轮突破都依托全新交互界面：图形界面革新个人电脑；触摸屏重塑移动终端。如今，触觉有望引领机器人技术变革。

正如计算机视觉解锁自主感知能力，触觉智能将解锁自主抓取操控能力。能够在这条赛道取得成功的企业，不只是制造更优质的传感器，而是打造完整传感体系，融合先进材料、嵌入式智能、信号处理、边缘AI、成熟制造工艺，以及数十年在复杂物理环境中提取可靠传感数据的经验。不是单一技术突破，而是整套体系融合，将定义下一代物理AI。

人们常说，物理AI是为机器赋予大脑。事实上，过去十年我们已经造出性能强大的“大脑”。机器人仍然缺失的是一套神经系统：感知作用力、捕捉摩擦、在失控前识别失稳趋势，将接触信号转化为理解判断。

智能机器的未来，不只取决于更大规模的模型、更强算力处理器，更取决于机器能否像人类一样从容自如地与物理世界交互。视觉赋予AI理解世界的能力；触觉，将赋予AI改变世界的力量。