从“把传感器造出来”到“让触觉能力被用起来”：华威科的量产冠军进阶之路”

从制造到数据生态,一家柔性触觉领域头部企业想让触觉成为可调用的基础设施。

9 月,具身智能的话题又被“大脑”占满:Figure 的 Helix 2.5 讲零样本泛化,Optimus 的万台订单催着供应链审厂。但决定机器人能不能干活的往往不是那个“大脑”,而是指尖那几平方厘米的“电子皮肤”。

这层“皮肤”,恰恰是具身智能最难绕过去的那道瓶颈。触觉是所有感知模态里最晚被工程化的一块。它没有视觉那样的 ImageNet,也不像语音那样能从互联网批量抓取语料,每个样本都必须来自一次真实的物理接触。

做电子皮肤的玩家并不少,几乎每周都有新面孔进场,但绝大多数还卡在从样品到量产的路上。而在这个赛道上已经拿下 70% 市占率的华威科,这道坎早就在身后了。当同行还在为一致性发愁时,它要回答的已经不是“能不能造”,而是“造出来之后还能做什么”——于是它决定向上突围。

9月初,华威科宣布拥有京东、OPPO技术背景的刘海锋出任 CTO 兼智能研究院院长,主导 TIP 触觉智能平台。这不是一次简单的高管补位。如果说过去十几年它回答的是“如何造”,接下来要回答的则更难:皮肤被造出来之后,如何成为物理世界的通用感知入口。

对一家已经把硬件做到行业领先、完全可以安稳做下去的公司来说,这个转身并不轻松。但恰恰是这种不轻松,让它成了观察中国柔性电子皮肤产业最好的样本。

70% 的含金量:不在数量,在车规级交付

先看这个70%的含金量。2025年,华威科的人形机器人触觉电子皮肤服务覆盖超 85%的业内企业:因时、灵心巧手、智元、小米等头部厂商都在用它。CEO朱晓辉说出货量从去年 1万套增至今年预计 5 万套,“很大原因是触觉从选配变成了标配”。

但真正更值得关注的是华威科是唯一真正具备车规级交付能力并实现量产供应的具身触觉企业。2025 年 6 月,200 万片车规级产能达产,柔性触觉首次规模进入汽车智能座舱,首年出货即破 100 万片、2026 年 5 月,全球首个千万片级机器人电子皮肤量产基地在鄂州葛店开工,年内投产。

当同行还在给主机厂寄样品时,它已在对同一条柔性产线做跨行业产能调度。这不只是“卖得多”,而是通过了最挑剔的生产体系审计。

把“造得出来”变成“遥遥领先”,靠的是一致性

但这并不意味着触觉门槛低,恰恰相反,它最好入门,却最难走完。

实验室到车规级之间是“跨维度的鸿沟”,上千个实验室在做离电式、压电式、弹性体、光电式,几乎每周都有论文宣称突破。华威科自己把赛道分成三级台阶:实验室原理验证、中试小批量、商业化车规量产,绝大多数玩家没能走到第三级——前两级拼创新,最后一级拼一致性。

落差藏在参数之外。传统方案精度普遍 5%FS,10N 量程误差就达 0.5N,抓钢制件尚可,碰易碎品便频繁失手;再往上走,时漂、温漂、过载、寿命每项都是新关口。8 月世界机器人大会,华威科万象系列六款产品给出另一组数:15—200N 量程、1%FS 精度、0.01N 最小触发力、时漂 1%FS/h。

让第 100 万片的性能与第 1 片一致,和在实验室做出一片能用的皮肤,是完全两种不同的难度。所以那句判断才成立:触觉是进入门槛最低、量产门槛最高的一款传感器——前者决定了赛道会不断涌入新玩家,后者决定多数玩家会在交付前消失。

华威科跨过这道门槛的办法,是把装备、材料、器件、工艺、算法五个环节全部握在自己手里,形成了自己的IDM平台。护城河落在四个极难被抄走的细节上:多层套刻对齐与张力控制(单机连续 9 层印刷)、材料配方与异质界面相容、连续制造中的固化平衡、装备+材料+器件的三位一体协同——它不是买设备做产品,而是自己定义设备、定义浆料,再定义器件。

任一项能力补齐都需长期工艺、材料与装备协同迭代,至少 3—5 年。换句话说,这条护城河是时间垒起来的,不是钱堆出来的。想复制它的新进入者,买的不是产线,而是十年试错沉淀的工艺窗口。

这是华威科的第一层底色,也是它敢于谈下一步的底气。但 IDM 回答的是“如何造”,当产业需求从“能不能买到”变成“能不能用好”,就该升维了。

从硬件走向数据升维:每一片皮肤都是数据节点

华威科正转向全场景触觉智能服务与数据生态。

先看一组尴尬的数字:全球高质量真实物理交互数据总量仅约 50 万小时,距通用具身模型所需的千万小时级,缺口超过 95%;现有数据约九成缺触觉与力觉模态。堵点还有三处:触觉没有 ImageNet,每个样本必须由真实物理交互产生;物理引擎擅长模拟视觉,却几乎无法精确建模微观形貌、非线性形变与摩擦动态,Sim-to-Real 落差极大;各家输出格式不统一,A 机器人在 B 场景采的数据换一台本体即作废。

日前,华威科CEO朱晓辉呼吁统一建模、统一接口、统一数据格式。这听起来像行业公益,实则是关键卡位:谁定义这套接口,谁就站在触觉产业链上游。

华威科的 TIP 平台正是为此搭建的。硬件层统一触觉数据接口,往上依次是数据的融合清洗、模型训练与微调,以及把视觉、触觉、语言、动作联合建模的 VTLA 多模态模型,最终以开发者工具的形式对外输出。

这套体系靠的不是单点算法突破,而是完整的数据基础设施能力——采集管线、存储调度、训练设施、跨本体映射与开源生态。

再往前一步,IDM 与 TIP 就不是两块业务,而是一组齿轮:硬件出货提供入口,数据回流训练模型,迭代后的模型反过来定义下一代硬件需要哪些模态。这条路线没有捷径:硬件每往前走一步,都要以真实场景回流的数据为依据——先让接触感知稳定可靠,再逐步提升精度与模态维度,最终目标是让机器从海量触觉信号里理解接触状态与物体属性。

这是这家公司身上最有意思的地方:一家把硬件一致性做到极致的公司,最终拿这份能力去换的并不只是更多订单,而是让整个行业不必再从标定、采集、训练重新走一遍。

多场景落地,筑起数据底座

成色最终看场景。

具身智能是主战场。装机量就是数据产量,每多一只灵巧手工作,就多一条操作轨迹;那些失败样本——捏碎的鸡蛋、滑脱的杯子——和成功操作一样珍贵。万台级出货基础,让这条飞轮有了别人难复制的冷启动动能。

智能汽车是跨域检验。同一条产线出来的“皮肤”,装进座椅读取的是人体姿态与压力分布,装进方向盘可用于驾驶疲劳评估。更难的是它同时满足机器人与汽车两套截然不同的可靠性标准——这正是 IDM 被验证的地方:柔性触觉第一次以车规级零部件、而非实验室样品的身份进入日常生活。

智慧家居则走得更远。今年 7 月,慕思股份对华威科完成超千万元战略投资。床垫、枕头上的柔性阵列单价不高,却能日夜不停地产出压力与体态数据。在这里,触觉不再服务于“机器人抓得准不准”,而是服务于“一个人睡得好不好”。

华威科靠的不是产品线铺得宽,而是同一套制造底座能长出满足不同行规的产品。各个场景采集的不再是互不相干的数据集,而是同一套物理交互规律的不同切面——外界曾质疑跨场景数据能否互相反哺,也只有做成这种迁移的公司,才有资格用真实数据去回答。

结语:不是换赛道,是换计分牌

触觉行业正在换一张计分牌:从“谁能造得出、造得好”,换成“谁能让触觉数据流动起来”。华威科的特别之处在于它同时押着两端:一端是已经跑通的、能把传感器做到百万片一致性的产线;另一端是要把触觉信号变成可训练资产的平台。

这件事的意义超出一家公司的边界。一旦触觉数据规模流动,下游厂商就不必再从零搭建触觉系统,只需调用成熟的传感器、数据集与模型接口,机器人也会从“能感知”加速迈向“会理解”。

华威科在这个时点选择从制造走向数据生态,交出去的是自己最擅长的东西,换回的是定义一个产业层级的可能。它真正想交付的早已不是电子皮肤,而是物理 AI 的感知入口。