蚂蚁首次投向机器人“指尖”！数亿元押注，全球首个物理交互脑发布

比“手”本身更重要的，是一个 懂物理、懂交互、能够驱动这双手的“脑” 。

而要让“脑”真正驾驭双手，视觉只能提供物体外观与空间位置，触觉则能直接反馈是否接触、是否抓稳、有没有滑动、受力是否异常。

行业研究已经验证，触觉数据能够显著提升机器人接触类任务的成功率与数据效率，走出比纯视觉路线更加陡峭的Scaling曲线。

引入触觉输入并将其转化为真正的触觉智能，成为决定性因素。

“AI教母”李飞飞等顶尖学者近期发表的T-Rex研究进一步表明，触觉是一条独立、高频的物理感知通道；简单将触觉信号拼接到现有VLA架构中并不必然产生增益，错误的融合方式甚至可能损害原有能力。

T-Rex因此通过独立的高频触觉通路，让机器人能够在接触变化后快速调整动作。

比李飞飞的T-Rex更进一步，戴盟将触觉从“事后反馈”推进到“事前推演”，将 物理认知、推演决策与瞬时操控 统一起来，打造出 全球首个驱动机器人灵巧操作的“物理交互脑” 。

一颗真正驱动机器人灵巧操作的“物理交互脑”，离不开三大底层支撑：可量产的触觉感知设备、规模化的物理交互数据基础设施，以及覆盖评测与部署的落地体系。

戴盟将三大高壁垒能力同时打通，背后是一支横跨机器人操作、触觉感知、大模型训练与工程落地的全球稀缺触觉智能全栈团队。

这条技术脉络可以追溯至卡内基梅隆大学（CMU）。

CMU是全球机器人研究的发源地。

1979年，图灵奖得主、人工智能先驱Raj Reddy在这里建立全球首个机器人研究所。

三年后，Matthew T. Mason教授来到这里担任机器人研究所院长，他也被誉为“全球机器人灵巧操作之父”，其研究奠定了整个机器人操作、抓取与接触力学领域的理论根基。

Mason教授的学术分支，几乎撑起全球机器人产业半壁江山，从 波士顿动力、Google DeepMind、Physical Intelligence、NVIDIA、Amazon Robotics 等行业巨头，到各大企业的触觉、操作实验室，活跃在今天具身智能舞台中心的创业者与研究员大多出自这条脉络。

师承Mason的人中，浮现一个中国身影—— 王煜，Mason教授的首位毕业博士 。

作为CMU正统学术脉络的传承人，王煜后来把整套灵巧操作学术体系带回中国，成为这段中国触觉创业故事的引路人。

Mason所代表的机器人操作学派有一个核心判断： 手的灵巧性主要取决于“脑”，而不是手本身 。

这也引出一个更加本质的问题，如果灵巧操作的关键在“脑”，这个“脑”靠什么学习？

语言模型有书本，视频模型有互联网，而接触、受力、形变与滑移等数据只能在真实操作中被创造和积累。

因此，通往物理智能的第一步，不是直接造一个“脑”，而是先为它建立能够感知并记录真实接触的数据入口。

2015年，王煜与 李泽湘 共同创办香港科技大学机器人研究院，并担任创始院长。

也是在这一时期，王煜开始带领港科大研究团队攻克高分辨率视触觉感知技术。

在此后的长期攻关中，王煜逐步培养出一支覆盖机器人操作、多模态大模型与触觉感知的年轻科学家队伍。

2023年底，戴盟机器人在深圳正式开启规模化运营。王煜教授担任联合创始人兼首席科学家，与他培养的三位90后博士共同构成了团队的核心力量。

中国科学院博士、香港科技大学博士后，入选MIT AI100青年科学家、胡润U35青年创业先锋的 段江哗 担任创始人兼CEO，是推动视触觉技术产业化的核心人物；

曾任阿里通义实验室多模态研究专家、兼具大模型与机器人物理操作经验的 原玮浩 ，担任首席AI科学家；

王煜教授触觉传感方向核心弟子，戴盟单色光视触觉传感器架构总设计师 杜仪湃 ，担任研发兼触觉负责人。

从Mason的机器人操作理论，到王煜的触觉技术路线，再到段江哗、原玮浩和杜仪湃分别推动产业化、模型与产品工程，这支团队用了十年时间，把一个关于机器人灵巧性的科学命题，变成一套规模运转的商业系统。

沿着“先建立数据入口，再走向物理智能”的技术路径持续攀登，戴盟于近期正式推出 全球首个触觉锚定世界模型Daimon-TWM （Tactile-grounded World Model）。

该模型以原生触觉贯穿理解、推理、预测和验证，从而构建 从指尖感知到大脑推理，再返回动作控制端的“触觉神经系统” ，推动具身智能从“看见世界”迈向“理解世界”与“交互世界”。

模型基于戴盟推出的全球最大规模含触觉全模态物理世界数据集，展现出了 在复杂场景下的操作稳定能力与泛化能力 ，并呈现持续scaling的趋势与跨场景、跨本体的应用潜能。

在收拾碎玻璃任务中，透明反光和不规则边缘使视觉难以稳定识别玻璃边缘；玻璃易滑、易碎，抓轻容易滑落，夹持力度和搬运姿态稍有偏差还可能导致二次破碎；碎片紧贴桌布，直接提拉还可能将桌布一并带起。

戴盟“物理交互脑”Daimon-TWM通过接触确认玻璃是否抓稳，推演不同抓取角度、提拉方向和放置方式的后果；

当模型判断直接拿起玻璃可能连带桌布时，主动将玻璃调整为竖直姿态再抬起，并根据实时触觉反馈持续修正力度与轨迹，最终将碎片安全放入桌面垃圾箱。

Daimon-TWM以三层架构协同互作，形成以物理认知为底座、以“慢规划-快纠偏”为操作闭环的物理智能：

物理认知模块 ：基于强化学习的 触觉推理底座 ，负责 建立物理常识 ，理解接触状态、力与形变、材料属性等关键特征，形成对当前物理状态的认知判断。

推演决策模块 ：基于世界模型的 动态预测中枢 ，负责 前瞻性预判 ，推演接触状态的演化趋势及潜在失败风险，根据推演结果生成动作策略。

瞬时操控模块 ：基于触觉反馈的 高频伺服系统 ，负责 即时动作纠偏 ，持续融合决策指令与实时触觉反馈，以100Hz高频率实现毫秒级小幅修正。

Daimon-TWM参数规模达10B级，可在NVIDIA RTX 5090平台实时推理，具备跨本体、跨机械臂部署潜能。

模型引入可学习的 统一触觉词元 （unified tactile tokens），从多模态观测中提取与接触相关的信息，构建统一触觉隐空间，用以触觉理解与预测。

Daimon-TWM 以触觉贯通模型全阶段，赋予模型在物理理解、预测规划与操作泛化能力上的显著优势 ：

Daimon-TWM在物理认知评测中取得全面优势，并在接触密集型操作任务中展现了出色的自主操作能力，无扰动条件下平均成功率较π0.5提升两倍，有扰动条件下提升达十倍。

在这场由“物理交互脑”引领的激烈角逐之中，戴盟不仅构建了智能上的先发优势，更率先跑通“感知生数据、数据炼智能、评测验能力、部署促迭代”的完整loop，推动物理智能的“寒武纪大爆发”。

基于已大规模铺开的触觉感知设备和采集体系，戴盟建成全球最大规模含触觉全模态物理世界数据集Daimon-Infinity，构建覆盖“仿真数据—无本体数据—遥操作数据”的完整数据金字塔，已累计沉淀数十万小时含触觉全模态物理世界操作数据，数据规模计划于年内扩展至数百万小时，成为模型学习真实操作规律、建立交互能力的重要基础。

Daimon-Infinity首批1万小时数据开源后，在阿里魔搭社区获得近500万下载量，稳居具身数据集第一。

在数采环节，戴盟还与中国移动共建“数采进家庭”外发式采集网络，并在湖南郴州落地全球首个“ 具身数据采集5S店 ”。项目首期计划投放1000套设备，满产后预计每年产生100万小时真实操作数据。

这意味着，戴盟正在把过去高度依赖工程师和固定场地的数据采集，转化为能够突破时空限制的标准化、灵活化生产网络。

戴盟还构建了行业首个面向物理交互能力的含触觉全模态评测基准 RobOmni ，为模型训练优化提供统一标准。

从感知、数据、评测到部署，每一个环节，戴盟都获得了产业方与合作伙伴的支持。

在感知环节，联想提供工业级量产能力；

在数据环节，与中国移动共建外发式数据采集网络；

在评测环节，英伟达提供生态支持；

在部署环节，汇川连接工业自动化与精密制造，招商局连接港口与物流场景。

从量产规模到市场占有率，再到数据与模型能力，戴盟已在8项关键指标上实现“全球第一”：

率先实现视触觉感知设备万片级出货； 率先实现80%灵巧手厂商的视触觉覆盖； 视触觉感知设备出货量全球第一； 视触觉赛道营收规模全球第一； 含触觉具身数据集下载量全球第一； 打造全球第一个大规模外发式数据采集体系； 推出全球首个面向物理交互能力的含触觉全模态评测基准RobOmni； 推出全球首个支持跨本体、跨构型部署的“物理交互脑”Daimon-TWM。

凭借量产良率、单位成本与交付稳定性的全面领先，戴盟已累计服务全球 200余 家客户，海外客户超过50家，并向OpenAI、Figure、Physical Intelligence、Skild AI、Meta、BMW、Google DeepMind等全球头部企业及机构完成交付，同时推进多项模型部署与POC合作，进入汇川及特斯拉供应链企业等头部工业自动化与机器人产业链。

这张庞大的全球客户网络，成为戴盟Physical AI全栈能力以及从“交付触觉设备”到“生产模型燃料”，再到“交付模型能力”三级跃迁的有力印证。

支撑这张成绩单的，则是戴盟正在加速复制的标准化商业落地能力，以及持续自我进化的物理智能迭代飞轮。

感知产生规模效应，数据形成网络效应，智能打开价值上限。

触觉由此成为一场入口、数据、智能与标准相互放大的平台级复利竞赛。