导语：在人工智能狂飙突进的今天，视觉和语言模型已能生成惊艳的内容，但机器人的“触觉”却始终是短板。柔性触觉感知企业尧乐科技正试图用一块织物打破僵局——其最新完成Pre-A+轮融资，领投方鼎和高达、跟投方常熟汽饰与祖龙娱乐的入局，不仅押注硬件本身，更瞄准了数据采集这一核心环节。当触觉数据从“可选配置”变为“基础感知层”，数据手套正成为连接人类操作与机器人学习的物理接口，而这场效率提升的竞赛，正从实验室走向规模化量产。
数据饥渴：触觉数据成为AI训练效率提升的瓶颈
人形机器人本体、电机、关节控制等硬件工程逐一突破后，行业竞争已悄然切换赛道。当前最深的制约并非机械结构，而是数据供给的结构性短缺。根据《中国具身智能产业发展报告》显示，截至2026年初，全球高质量真实物理交互数据总量仅约50万小时，而训练一个具备基础泛化能力的通用具身模型至少需要千万小时级数据，缺口超过九成。这一数字背后，是触觉模态独有的供给瓶颈：视觉和文本可以通过互联网大规模归集，但触觉信号源于实体间的直接物理接触。仿真环境可以模拟物体的形状和位置，却难以复现压力分布、摩擦力、材质形变等复合力学特征，仿真数据集与真实触觉真值之间存在固有偏差。
这种“数据饥渴”直接倒逼行业从物理端寻找新的数据获取方式。对于科技公司和AI创业公司而言，能否高效获取真实触觉数据，直接决定了模型训练的效率提升空间。大模型训练需要海量高质量数据，而触觉数据的采集成本极高，传统方法依赖人工佩戴传感器手套进行重复操作，采集效率低、精度差。尧乐科技切入的正是这一痛点——通过一体化织物传感技术，将数据手套变成可规模化部署的“数据入口”。
从实验室到规模化：织物传感如何实现效率提升
当前市面上主流的数采手套方案多采用印刷电路或薄膜传感器贴合于织物表面，传感器层与织物层分离，往往需要多层结构叠加。这种方案在实验室环境或短期演示中尚可运行，但一旦进入真实场景，多层结构带来的位移、褶皱、汗渍等问题就会直接影响数据质量。尧乐科技创始人兼CEO吕莉蕴指出，多层结构在手指弯曲时会产生相对位移，空抓时面料褶皱会触发无效信号，这些“脏数据”或“鬼影噪声”会严重干扰模型训练。
尧乐科技的创新在于将传感功能直接融入织物结构，实现材料与器件的一体化。其自主研发的“金属纱线+三明治矩阵”传感器，将纯金属拉丝合金纱线编织成导电网络，嵌入多层织物构成的矩阵中。纱线采用纯金属材质，而非涂层或电镀工艺，导电性和一致性更持久。一体织造成型后，传感电路与布料融为一体，无需多层贴合或外挂传感器阵列。这一结构从根本上消除了层间滑移带来的信号误差，手指弯曲时不会产生相对位移，空抓也不会因面料褶皱触发无效信号，从而大幅提升了数据采集的可靠性。
这种技术路线带来的直接好处是效率提升——采集人员可以长期、高频、无负担地佩戴手套，数据获取的真实性和可持续性得到保障。AI工具导航上的许多开发者已经开始关注这类硬件方案，因为只有高质量的数据输入，才能训练出更精准的AI模型。
拆解数据手套：技术细节与创新设计
尧乐科技即将发布的数据手套在细节上体现了系统化思考。手套掌心及指节均覆盖高密度感知阵列，能够精准捕捉压力分布、摩擦力、材质形变等复合力学特征。更关键的是模块化设计：采集盒集成供电、信号处理和存储模块，手套本体可单独替换、水洗维护。这种设计既保障了长期采集任务的连续性，也降低了故障后的维修门槛。
在抗干扰方面，手套内部设计了空气层和支撑结构，让传感器尽量只在真正接触受压时响应，从物理层面减少无效信号。腕部主控盒还内置了广角摄像头，可以对照接触情况做双重校验——空抓时摄像头一看就知道手里没东西，数据可以交叉验证。这种“视觉+触觉”的多模态校验思路，与AI图片生成领域常用的生成对抗网络异曲同工，都旨在提升数据的真实性和鲁棒性。
从商业模式看，硬件是入口，数据是更长线的商业价值。尧乐科技交付给客户的不仅是手套，还包括数据采集、清洗、标定和时间轴对齐等预处理服务。经过校准的传感器具备良好的一致性，无批次差异或单只手套间的偏差问题，有效降低了客户在模型训练阶段的数据清洗成本。这种“硬件+数据服务”的模式，使得企业数字化转型中的痛点——数据孤岛与质量参差不齐——得到有效缓解。
客户画像：三类需求驱动效率提升路径
根据吕莉蕴的观察，当前行业客户对触觉数据的需求可分为三类，每一类都在倒逼不同的效率提升路径。
第一类是具身智能公司和世界模型团队，属于核心客户群体。他们需要操作数据来训练灵巧手或机器人完成具体任务，特别强调数据的“异构性”——不同人手型、发力习惯、操作节奏的差异对模型泛化能力至关重要。这类客户对数据预处理要求极高，时间轴对齐、传感器同步、压力数据与图像数据对应，这些基础工作如果做得不好，后期数据的实用性会大打折扣。
第二类是大型工业企业和物流公司，例如UPS。他们本身就有工人戴着劳保手套在生产线上工作，需求不是训练机器人，而是做劳动健康风险评估和效率优化。通过采集手部动作和受力数据，分析哪些动作容易造成劳损、哪些工序劳动强度偏高，进而优化作业流程。这类需求在海外尤其多，特别在欧洲和日本，企业员工健康合规要求很高。与第一类客户不同，他们需要的是能直接读懂的生物力学指标，如关节受力峰值、重复性动作频次，数据解读维度完全不同。
第三类是医疗康复领域，如手部功能恢复监测、中风患者康复训练评估等。这需要精细化动作追踪和长期变化趋势，要求传感器具备很好的重复性和一致性。如果传感器本身的漂移比康复进展还大，数据就没有临床价值。
三类客户虽然目标差异很大，但共同指向一个核心：只有通过可靠的硬件获取高质量数据，才能实现模型训练、健康评估、康复监测等环节的效率提升。AI创业公司在这一链条中扮演着关键角色，他们既是数据手套的采购方，也是触觉数据应用场景的开拓者。
行业竞争：效率提升的终极考验是量产与成本
今年以来，国内瞄准柔性触觉感知方案的电子皮肤手套厂商数量迅速增长，技术路线覆盖印刷薄膜、视触觉、织物传感等多个方向。行业竞争的关键节点在于，谁能率先在保证数据准确性的前提下，实现规模化量产与成本下探。
尧乐科技的优势在于车规级场景积累的可靠性与供应链管理经验。吕莉蕴表示，数据手套更像是一种“消耗品”，传感器本身不需要用十年不坏，相反，它需要在寿命期内数据准确，做便宜、可替换，比只追求稳定耐用更符合用户的真实需求。这种“消耗品”思维，本质上是对效率提升的极致追求——降低单次数据采集成本，使得规模化部署成为可能。
投资方也表达了类似观点。云道资本创始合伙人曹稷山认为，一级市场正从“本体够不够炫”转向追问“真实物理交互数据从哪里来、能否规模化喂给模型”。触觉公司很多，能量产交付的却不多。尧乐的价值在于把人类真实接触变成可进入训练链条的数据入口，硬件是门票，数据接口与标准化才是估值弹性所在。鼎和高达管理合伙人王莹则强调，过往投资组合中的禾赛、Momenta、六分科技等，都指向同一命题——让机器更好感知、预测并作用于物理世界，尧乐所做的正是这一命题在物理交互数据侧的关键拼图。
随着数据手套业务在2026年预计占到整体营收的一半以上，公司全年营收预计翻10倍，这一增长曲线不仅印证了市场的真实需求，也标志着触觉数据采集正从早期探索进入规模化落地阶段。抠图、背景去除等计算机视觉工具早已实现自动化，而触觉数据的自动化采集才刚刚起步，尧乐科技的尝试或许将为整个行业带来新的效率提升范式。
未来展望：从数据手套到触觉数据基础设施
尧乐科技的技术路线并非孤立存在。织物传感技术的成熟，正在推动触觉从“可选配置”演变为“基础感知层”。未来，数据手套可能成为机器人训练的标准配置，甚至像键盘鼠标一样普及。随着AI Agent技术的快速发展，机器人需要与环境进行更复杂的物理交互，触觉数据的价值将进一步凸显。
与此同时，吕莉蕴透露，公司正在与多家科技公司合作，探索数据手套在智能座舱、自动驾驶等场景中的应用。例如，通过采集驾驶员手部动作和受力数据，可以优化车内交互界面，提升驾驶安全性与舒适性。这些场景对文生图、AI画图等生成式AI工具的依赖程度较低，但对物理世界感知的精确度要求极高，正是柔性触觉传感器的用武之地。
从更宏观的视角看，尧乐科技的故事是一部关于“数据基础设施”的叙事。当人类操作转化为可训练的数据流，当织物传感器成为连接物理世界与数字世界的桥梁，整个AI产业的效率提升将迎来新的增长极。2026年营收翻10倍的目标或许只是一个开始，真正的想象空间在于，当触觉数据像今天的视觉数据一样丰富时，机器人智能将迎来质的飞跃。