2026 年，机器人 " 皮肤 " 的生意开始分叉。

在刚刚结束的 IROS 2026 上，主打机器人触觉与灵巧操作的 Sharpa 同时发布 D01 机器人、W02 灵巧手和 AE01 外骨骼数据手套。

其中，AE01 用 22 个编码器记录操作者的手部关节运动，五个指尖各配一枚振动马达，把遥操作中的接触信息反馈给操作者。戴上它，操作者既能遥控机器人，也能采集第一视角示教数据。

戴盟也把触觉生意的链条摆到了台前：DM-Tac 触觉传感器、Data-Nexus 数据采集系统，以及触觉锚定世界模型 Daimon-TWM。在 IROS 现场， 戴盟 演示了穿珠和帆布袋热转印。

Sharpa 把触觉产品从机器人端伸向数采工具，戴盟则把传感器、数采系统和模型摆到了一起。帕西尼还把包括触觉的具身数据摆进商城。机器人触觉厂商正在围绕 " 皮肤 " 争取进入四类预算：零部件、数采工具、数据和模型。

但在这四类预算中，哪些能变成独立生意，哪些只是为了把硬件卖得更好？

1.

第二张账单，先开给了实验室

机器人 " 皮肤 " 本身已经开始走量。

今年 2 月，福莱新材与灵心巧手签下 10 万套触觉传感器订单。此前，双方已经完成 1000 套交付。从千套交付到 10 万套订单，触觉传感器开始从样品走向规模化制造。

数采工具收的是另一笔钱。它要帮助研发团队把人的动作、机器人的画面和触觉信息记录到一起。

9 月，上海大学计划以 22 万元采购一套兼具视觉、触觉采集和模型训练功能的系统；吉林大学则以 20 万元购入一套由遥操作机械臂、相机和视触觉传感器组成的采集平台。

两所高校买的不是单个传感器，而是一套用于生产机器人训练数据的工具。

相比已经出现 10 万套订单的触觉传感器，数采工具才刚开始按套卖给高校。第二张账单已经出现，但它能否进入企业的常规采购，还要看每小时能产出多少有效数据、部署一个新任务需要几天。

2.

数据生意，要过 " 第二位客户 " 这一关

设备卖出去以后，触觉厂商还想再开一张账单：采出来的数据，能不能脱离硬件继续卖？

戴盟上线 Daimon-Infinity，首批公开 1000 小时数据。除了视觉、动作和语言，数据里还包括指尖触觉的形变、剪切和深度信息。截至 10 月 6 日，魔搭页面的累计下载计数已经超过 918 万。

今年 5 月，卓世科技与戴盟签署战略合作框架协议。按照协议，卓世科技将使用戴盟的含触觉全模态数据训练模型，戴盟将提供 1 亿条模型训练数据。

戴盟机器人合伙人兼首席商业官张栋表示，北美和中国的大厂都在购买戴盟的数据做验证。

帕西尼走得更直接。它把包括触觉信息的全模态具身数据分成八类，摆进商城标价，页面可见任务的 " 单价 " 多为 5 元、7 元和 9 元。

但价格对应一条轨迹、一段视频还是一个数据包，页面没有解释；戴盟也没有披露客户金额和复购情况。

有人需要数据，只是第一道门槛。数据能不能卖给第二位客户，才决定它更接近可复用的资产，还是一次项目交付。

触觉数据偏偏很难过这一关。问题在于，第二位客户未必使用同一种传感器。

视觉数据虽然也受镜头和光线影响，但至少共享像素这一表达形式。触觉信号却与传感器的材料、结构和标定方式绑在一起。硬件一换，模型接收到的可能已经不是同一种 " 触感 " 。

在论文《TacVerse》中，研究人员用 7 种视触觉传感器采集 10.68 万张图像，测试同一个模型能不能跨传感器工作。一个用 GelSightMarker 数据训练的 30 类栅格分类模型，在原传感器上的准确率为 90.3%。

换到结构相近的 GelSightNoMarker，准确率降至 24.8%；换到差异更大的 MagicGripper，只剩 5.4%，已经接近 3.3% 的随机水平。

论文还在另一项力回归任务中测试了少量目标传感器数据适配。模型表现虽有回升，仍未追平在同款传感器上训练和测试的结果。

这就是触觉数据的 " 换肤成本 "。

数据能标价，不等于能够复用。如果第二位客户使用的是另一款 " 皮肤 "，重新标定、转换和补采的成本就可能再次出现。这时，它仍然更像定制项目，而不是可以反复销售的商品。

3.

模型是新收入，还是数据的 " 消化器 "

触觉数据一旦跨传感器就难以直接复用，触觉厂商向模型延伸也就有了另一层意义：在行业标准尚未统一时，先让数据在自家的软硬件体系里发挥作用。

戴盟发布的 Daimon-TWM，被称为 " 触觉锚定世界模型 "。它把触觉用于机器人的状态判断、动作推演和实时控制。

以插接任务为例。摄像头看起来已经对准，指尖受力却可能显示插头正在顶歪。机器人需要停下来，抬起，再换一个角度，而不是沿着原来的轨迹继续向前推。

在戴盟公布的测试中，Daimon-TWM 在调整、擦拭、插入和装配四类任务上的平均成功率为 64.0%，同一测试中的 π 0.5 为 26.0%。加入人为触碰和平台位置变化等扰动后，两者分别为 53.5% 和 5.8%。

这不是第三方测试，也不能把全部提升都算在触觉模型头上。但至少在戴盟设置的任务中，Daimon-TWM 受到干扰后的成功率下降更少，表现出比 π 0.5 更强的调整能力。

商业上的问题随之改变。模型未必需要单独卖，也可以成为整套系统的一部分，帮助整套软硬件方案成交。对公司来说，两种方式都能创造价值；对投资人来说，它们却是两种完全不同的生意。

前一种是可以独立定价、持续授权的软件收入。后一种只是全栈方案中的能力，最终仍要靠硬件和项目回款。

Daimon-TWM 已经展示出完成具体任务的能力。但从 " 能干活 " 走到 " 能收费 "，还需要更多商业化证据。

现阶段，机器人 " 皮肤 " 的产品链虽然变长，但越往数据和模型走，能够公开核对的交易证据越少。

传感器和数采工具已经有订单或采购记录；数据端虽然出现了定价和购买验证，但交易金额与复购仍未披露；模型端则主要是产品发布和公司测试。

因此，2026 年更像是机器人 " 皮肤 " 从技术样品走向产品化的一年；数据和模型的价值已经显现，但尚未形成可以独立验证的收入模式。

真正决定触觉厂商价值的，不是产品名单有多长，而是每向前走一层，能不能多拿到一笔独立预算。