戴盟發布全球首個觸覺錨定世界模型，螞蟻集團數億元領投：具身智能正式進入“觸覺時代”

隨機移動花瓶的位置，隨意轉動插座的角度，故意撥動正在收納歸位的試管……面對這一連串“意外”，一臺機器人在沒有停機、沒有硬懟的情況下，通過觸覺感知到異常、預判風險、即時調整姿態，最終把任務一件件做完。

戴盟機器人這一幕全新 Demo 演示畫面，打破了大眾對機器人 “僅能運行標準化流程、遇擾動直接失效” 的固有認知。

2026年8月10日，戴盟機器人正式發布全球首個觸覺錨定世界模型Daimon-TWM（Tactile-grounded World Model）。僅僅一天之后，8月11日，戴盟宣布完成數億元戰略輪融資，由螞蟻集團領投，老股東超額追投。

技術與資本的雙重重錘，讓“觸覺”這個賽道再一次被推到聚光燈下。

01.

“一腦三體”：給靈巧手造一個“物理交互腦”

過去兩年，具身智能行業陷入了一場關于“自由度”的軍備競賽，靈巧手的自由度從12個飆到22個、甚至更多。但戴盟機器人有一個截然不同的判斷：靈巧操作的本質，不僅在于那雙“手”，更在于操控這雙手的“物理交互腦”。

戴盟創始人兼CEO段江嘩，是中國最早一批研究機器人操作學習的學者之一，在中科院和港科大積累了十年操作智能Know-how。他深知，一個擁有20個自由度的機械手，如果不知道捏住一顆葡萄需要多大的力，不知道插入一個USB插頭時該用什么角度，那它依然是個笨拙的“鐵爪”。

Daimon-TWM的“一腦三體”架構，正是為了解決這個問題。

這套模型首次將物理認知、推演決策與瞬時操控納入統一框架。三個模塊各司其職，又協同互作：

物理認知模塊負責建立物理常識。模型通過觸覺理解接觸狀態、力與形變、材料屬性，形成對當前物理狀態的認知判斷。它不是靠“看”來猜，而是靠“摸”來確認。

推演決策模塊負責前瞻性預判。通過“觸覺思維鏈”（T-CoT）和由粗到細預測機制，模型在動作執行前就開始推演接觸狀態的演化趨勢、潛在失敗風險，并據此生成動作策略——不是等到出了問題再反應，而是在問題發生前就預判。

瞬時操控模塊負責即時動態糾偏。以100Hz的高頻融合決策指令與實時觸覺反饋，實現毫秒級的動作修正。

這三層架構形成了一個完整的操作閉環：慢規劃、快糾偏。物理認知是底座，推演決策是中樞，瞬時操控是執行末端——三層互為補充，讓機器人真正擁有了“隨機應變”的能力。

02.

十倍差距：觸覺如何讓Scaling曲線變陡？

Daimon-TWM的能力，不是停留在概念層面。

在調整、擦拭、插入和裝配四類接觸密集型任務的測試中，Daimon-TWM在無擾動條件下的平均成功率達到64.0%，在人為擾動條件下仍達到53.5%。作為對比，行業經典模型π0.5在同一測試口徑下，無擾動條件成功率僅為26.0%，有擾動條件更是驟降至5.8%。

常規環境下超過兩倍，加入干擾后差距擴大至接近十倍。

這個差距背后，是一個更深層的問題：為什么環境越復雜，觸覺的優勢越明顯？

答案在于Daimon-TWM的“觸覺錨定”設計。觸覺在Daimon-TWM中不是輔助輸入，而是貫穿物理認知、推演決策與瞬時操控全流程的核心錨點。模型引入了可學習的統一觸覺詞元，從多模態觀測中提取接觸相關信息，構建統一觸覺隱空間。在接觸密集操作中，模型會主動提高觸覺信息在決策中的權重。

Daimon-TWM依據真實觸覺證據完成推理，而非依賴視覺先驗進行判斷

這意味著什么？觸覺為模型提供了全新的Scaling維度。

相關研究表明，在接觸豐富任務中，加入觸覺后模型達到同等操作效果所需的數據量，最低可降至純視覺方法的千分之一。戴盟的消融實驗也驗證了這一點，觸覺是接觸豐富操作任務成功率的關鍵。隨著數據規模和模型參數持續增長，Daimon-TWM的物理認知能力保持穩定提升，展現出清晰的Scaling潛力。

03.

從“事后糾偏”到“事前預判”

今年夏天，機器人圈被一個近乎“黑色幽默”的實驗結果炸開了鍋。

一支由斯坦福教授李飛飛、英偉達具身智能負責人Jim Fan、佐治亞理工學院助理教授徐丹飛領銜的“全明星團隊”，在一項消融實驗中遇到了一個反常現象。他們給行業經典模型π0.5加入了觸覺信號——按常理，多一種感知應該多一分精準；但結果卻是相反的，任務成功率從17%驟降至6%。

加觸覺，機器人反而“不會干活”了？

T-Rex論文給出了診斷：頻率錯配。視覺是慢感知（約5Hz），觸覺是快感知（需20Hz以上）。把兩種時間尺度完全不同的信號強行塞進同一個低頻Transformer里，結果不是“1+1=2”，而是“1+1<1”。

T-Rex最終證明了觸覺能幫助機器人在接觸變化后“糾偏”——在12項真實世界任務上，T-Rex平均成功率達到65%，比純視覺基線的35%高出30個百分點。

T-Rex給了行業一個啟示：都知道觸覺有用，但關鍵問題在于觸覺怎么用。

Daimon-TWM不僅將復雜多維的觸覺，轉換為模型可以理解、可以使用的第一模態，讓觸覺真正助推模型操作能力；更將焦點前置——T-Rex通過觸覺解決了“碰了之后怎么改”，Daimon-TWM則用觸覺做到了“在碰之前就改”。

通過觸覺思維鏈和粗細結合推演機制，Daimon-TWM在動作執行前，就開始推演接觸狀態的演化趨勢。它不是等出了問題再反應，而是在問題發生前就預判風險、調整策略。從“事后反應”到“事前預判”——這正是Daimon-TWM將觸覺智能的研究邊界向前推進了一大步的地方。

04.

百萬小時數據“石油”與Physical AI Infra“煉油廠”

模型的強大，離不開數據的喂養。

2026年4月，戴盟聯合Google DeepMind、中國移動等數十家全球頂尖學術機構與產業伙伴，發布全球最大規模含觸覺全模態物理世界數據集Daimon-Infinity。數據集規模預計年內達到數百萬小時、近十億條數據，其中10000小時已面向全行業開源。上線阿里魔搭社區后，下載量已超450萬次，持續穩居具身數據集榜首。

但數據只是“石油”，真正有價值的是戴盟打造的Physical AI Infra。

在感知端，戴盟自研多維高頻率高分辨率視觸覺傳感器，可采集正壓力、切向力、滑動、軟硬、摩擦等12項觸覺模態。在數據入口側，戴盟構建了覆蓋“仿真數據-無本體數據-遙操作數據”的完整數據金字塔，并通過外發式采集實現低成本、規模化的數據供給。今年6月，戴盟聯合銀河通用發布含觸覺全模態評測基準RobOmni，為模型物理交互能力提供衡量標尺。

“傳感器采集數據—數據訓練模型—模型驗證迭代”，這套完整的Physical AI Infra，讓戴盟具備了將觸覺持續轉化為模型能力和規模化應用的全棧壁壘。

更重要的是，Daimon-TWM已經嘗試進行部署落地。據戴盟披露，公司已與聯想、匯川技術、上聲電子等生態伙伴達成戰略合作，圍繞3C電子、精密制造等真實場景推進部署應用。在3C產線上，戴盟正在承擔USB插拔、標簽張貼等依賴熟練工“手感”的工序。面對毫米級接口和微小偏差，模型通過觸覺判斷是否對正、卡滯，實時調整姿態與力度。

05.

螞蟻“獨角獸俱樂部”迎來首位觸覺新星

8月11日的戰略輪融資，讓戴盟的資方陣容再添一員猛將。

此前的A輪融資由全球工控巨頭匯川技術旗下產業基金與中國電信聯合投資。加上中國移動鏈長基金、聯想創投、招商局創投等產業資本，戴盟的股東陣容已匯聚覆蓋互聯網、運營商、工業自動化及全球制造等關鍵環節的頂級CVC。

而螞蟻集團的入局，意義尤為特殊。

過去一年半，螞蟻參與了12家機器人相關企業的融資，從機器人本體如宇樹，具身大腦如蘇度、星海圖，再到靈巧手和核心零部件如靈心巧手、舞肌，完成了從“大腦”到“本體”再到“零部件”的全產業鏈布局。多家被投企業已躋身百億估值俱樂部。

但螞蟻的版圖中，始終缺少一塊關鍵拼圖：觸覺。

此次注資戴盟，也是螞蟻對觸覺價值的押注。沒有觸覺，機器人永遠只能“看見”世界，無法真正“交互”世界——這一判斷，不僅已經成為行業共識，更已經得到資本真金白銀的青睞。

而螞蟻將“觸覺賽道首次出手”給予戴盟，看中的不是單個傳感器，而是戴盟打通了 “觸覺傳感器-數據-模型-部署”的全鏈路能力。單點能力難以實現觸覺的爆發，只有貫通全棧，才能支撐觸覺的真正賦能。

06.

結語：

戴盟的故事，呈現了具身智能正從“視覺主導、看見世界”的1.0階段，邁向“觸覺錨定、交互世界”的2.0階段。

2024年，戴盟率先提出VTLA架構，將觸覺作為與視覺同等重要的核心模態。兩年后的今天，Daimon-TWM將物理認知、推演決策與瞬時操控納入統一框架，構建了從指尖感知到大腦推理、再返回動作控制端的完整“觸覺神經系統”。

螞蟻的入場、產業資本的集結、模型的持續迭代，當觸覺成為具身智能的新基建，戴盟和它的Daimon-TWM，已經搶跑了。