你以为是按压传感器，其实是微缩相机。视触觉传感器在柔性硅胶里嵌入摄像头和LED，当物体按压表面时，硅胶产生微米级形变，摄像头实时拍下形变图像，再通过AI算法还原出压力分布、纹理、滑移趋势等物理信息。其空间分辨率可达10微米，超越人类指尖，且输出的是标准图像格式，天然适配Transformer大模型。一目科技最新产品厚度已压到3毫米以下，力分辨率达0.005N，工业寿命超百万次按压。

视触觉技术的源头可追溯到2004年东京大学的GelForce方案，但真正奠基者是MIT的Edward Adelson团队——2009年提出GelSight，用三色光照射凝胶捕捉形变光影。2014年MIT推出首款机器人指尖版GelSight，但体积大、速度慢，仅用于表面缺陷检测。转折点在2022年：GelSight公司推出商业化产品DIGIT，将传感器缩小到指尖尺寸，随后中国创企一目科技、戴盟、纬钛等纷纷跟进，2026年清华00后团队汇光创新又推出了灰度重建方案，将厚度压到3-4毫米。

视触觉并非唯一选项。压阻式成本最低、易阵列化，但存在温漂和蠕变；电容式灵敏度极高（可感知1克以下压力），但受湿度影响明显；压电式响应快至微秒级，但只能测动态力；3D磁触觉精度达0.1N，但体积大难以高密度集成。视触觉的核心优势是分辨率高（仅受限于相机像素）、多维力同步感知、抗电磁干扰、寿命超百万次。但它的短板也明显：厚度和成本仍然是工程化难题——汇光创新的灰度方案试图从结构上砍掉彩色标记点，将厚度压到3-4mm，但能否在工业严苛环境下保持稳定，尚无大规模验证数据。

一目科技CEO李智强在WAIC透露，过去半年触觉数据需求出现爆发式增长。业内共识是训练一个成熟具身智能模型至少需要50万小时数据，部分企业已向100万小时推进，甚至有观点认为2027年可能突破1000万小时。关键变量是：在现有数据采集体系中增加触觉模态的成本极低（不到1%），这意味着一目科技、纬钛等企业比拼的不再是传感器硬件本身，而是能不能建成「采集-编码-训练」的数据飞轮——谁先跑通50万小时有效触觉数据闭环，谁就可能定义Physical AI的基础设施标准。

一目科技认为50万小时是基线，但行业内正在争论一个更深的问题：机器人需要什么级别的触觉数据才能产生真正的「理解」？「感知更多」不等于「做得更好」——它石智航联合新加坡国立大学等机构的研究发现，简单将视觉与触觉特征拼接输入策略网络，反而可能导致表现下降，因为触觉信号高度局部且由接触事件驱动，缺乏全局语义。真正的挑战不是数据量，而是如何让模型学会「接触如何随时间演化」——擦拭、削皮、拧紧都是动态过程，帧级快照无力捕捉。