随机移动花瓶的位置，随意转动插座的角度，故意拨动正在收纳归位的试管……面对这一连串“意外”，一台机器人在没有停机、没有硬怼的情况下，通过触觉感知到异常、预判风险、即时调整姿态，最终把任务一件件做完。

戴盟机器人这一幕全新 Demo 演示画面，打破了大众对机器人 “仅能运行标准化流程、遇扰动直接失效” 的固有认知。

2026年8月10日，戴盟机器人正式发布全球首个触觉锚定世界模型Daimon-TWM（Tactile-grounded World Model）。仅仅一天之后，8月11日，戴盟宣布完成数亿元战略轮融资，由蚂蚁集团领投，老股东超额追投。

技术与资本的双重重锤，让“触觉”这个赛道再一次被推到聚光灯下。

01.

“一脑三体”：给灵巧手造一个“物理交互脑”

过去两年，具身智能行业陷入了一场关于“自由度”的军备竞赛，灵巧手的自由度从12个飙到22个、甚至更多。但戴盟机器人有一个截然不同的判断：灵巧操作的本质，不仅在于那双“手”，更在于操控这双手的“物理交互脑”。

戴盟创始人兼CEO段江哗，是中国最早一批研究机器人操作学习的学者之一，在中科院和港科大积累了十年操作智能Know-how。他深知，一个拥有20个自由度的机械手，如果不知道捏住一颗葡萄需要多大的力，不知道插入一个USB插头时该用什么角度，那它依然是个笨拙的“铁爪”。

Daimon-TWM的“一脑三体”架构，正是为了解决这个问题。

这套模型首次将物理认知、推演决策与瞬时操控纳入统一框架。三个模块各司其职，又协同互作：

物理认知模块负责建立物理常识。模型通过触觉理解接触状态、力与形变、材料属性，形成对当前物理状态的认知判断。它不是靠“看”来猜，而是靠“摸”来确认。

推演决策模块负责前瞻性预判。通过“触觉思维链”（T-CoT）和由粗到细预测机制，模型在动作执行前就开始推演接触状态的演化趋势、潜在失败风险，并据此生成动作策略——不是等到出了问题再反应，而是在问题发生前就预判。

瞬时操控模块负责即时动态纠偏。以100Hz的高频融合决策指令与实时触觉反馈，实现毫秒级的动作修正。

这三层架构形成了一个完整的操作闭环：慢规划、快纠偏。物理认知是底座，推演决策是中枢，瞬时操控是执行末端——三层互为补充，让机器人真正拥有了“随机应变”的能力。

02.

十倍差距：触觉如何让Scaling曲线变陡？

Daimon-TWM的能力，不是停留在概念层面。

在调整、擦拭、插入和装配四类接触密集型任务的测试中，Daimon-TWM在无扰动条件下的平均成功率达到64.0%，在人为扰动条件下仍达到53.5%。作为对比，行业经典模型π0.5在同一测试口径下，无扰动条件成功率仅为26.0%，有扰动条件更是骤降至5.8%。

常规环境下超过两倍，加入干扰后差距扩大至接近十倍。

这个差距背后，是一个更深层的问题：为什么环境越复杂，触觉的优势越明显？

答案在于Daimon-TWM的“触觉锚定”设计。触觉在Daimon-TWM中不是辅助输入，而是贯穿物理认知、推演决策与瞬时操控全流程的核心锚点。模型引入了可学习的统一触觉词元，从多模态观测中提取接触相关信息，构建统一触觉隐空间。在接触密集操作中，模型会主动提高触觉信息在决策中的权重。

Daimon-TWM依据真实触觉证据完成推理，而非依赖视觉先验进行判断

这意味着什么？触觉为模型提供了全新的Scaling维度。

相关研究表明，在接触丰富任务中，加入触觉后模型达到同等操作效果所需的数据量，最低可降至纯视觉方法的千分之一。戴盟的消融实验也验证了这一点，触觉是接触丰富操作任务成功率的关键。随着数据规模和模型参数持续增长，Daimon-TWM的物理认知能力保持稳定提升，展现出清晰的Scaling潜力。

03.

从“事后纠偏”到“事前预判”

今年夏天，机器人圈被一个近乎“黑色幽默”的实验结果炸开了锅。

一支由斯坦福教授李飞飞、英伟达具身智能负责人Jim Fan、佐治亚理工学院助理教授徐丹飞领衔的“全明星团队”，在一项消融实验中遇到了一个反常现象。他们给行业经典模型π0.5加入了触觉信号——按常理，多一种感知应该多一分精准；但结果却是相反的，任务成功率从17%骤降至6%。

加触觉，机器人反而“不会干活”了？

T-Rex论文给出了诊断：频率错配。视觉是慢感知（约5Hz），触觉是快感知（需20Hz以上）。把两种时间尺度完全不同的信号强行塞进同一个低频Transformer里，结果不是“1+1=2”，而是“1+1<1”。

T-Rex最终证明了触觉能帮助机器人在接触变化后“纠偏”——在12项真实世界任务上，T-Rex平均成功率达到65%，比纯视觉基线的35%高出30个百分点。

T-Rex给了行业一个启示：都知道触觉有用，但关键问题在于触觉怎么用。

Daimon-TWM不仅将复杂多维的触觉，转换为模型可以理解、可以使用的第一模态，让触觉真正助推模型操作能力；更将焦点前置——T-Rex通过触觉解决了“碰了之后怎么改”，Daimon-TWM则用触觉做到了“在碰之前就改”。

通过触觉思维链和粗细结合推演机制，Daimon-TWM在动作执行前，就开始推演接触状态的演化趋势。它不是等出了问题再反应，而是在问题发生前就预判风险、调整策略。从“事后反应”到“事前预判”——这正是Daimon-TWM将触觉智能的研究边界向前推进了一大步的地方。

04.

百万小时数据“石油”与Physical AI Infra“炼油厂”

模型的强大，离不开数据的喂养。

2026年4月，戴盟联合Google DeepMind、中国移动等数十家全球顶尖学术机构与产业伙伴，发布全球最大规模含触觉全模态物理世界数据集Daimon-Infinity。数据集规模预计年内达到数百万小时、近十亿条数据，其中10000小时已面向全行业开源。上线阿里魔搭社区后，下载量已超450万次，持续稳居具身数据集榜首。

但数据只是“石油”，真正有价值的是戴盟打造的Physical AI Infra。

在感知端，戴盟自研多维高频率高分辨率视触觉传感器，可采集正压力、切向力、滑动、软硬、摩擦等12项触觉模态。在数据入口侧，戴盟构建了覆盖“仿真数据-无本体数据-遥操作数据”的完整数据金字塔，并通过外发式采集实现低成本、规模化的数据供给。今年6月，戴盟联合银河通用发布含触觉全模态评测基准RobOmni，为模型物理交互能力提供衡量标尺。

“传感器采集数据—数据训练模型—模型验证迭代”，这套完整的Physical AI Infra，让戴盟具备了将触觉持续转化为模型能力和规模化应用的全栈壁垒。

更重要的是，Daimon-TWM已经尝试进行部署落地。据戴盟披露，公司已与联想、汇川技术、上声电子等生态伙伴达成战略合作，围绕3C电子、精密制造等真实场景推进部署应用。在3C产线上，戴盟正在承担USB插拔、标签张贴等依赖熟练工“手感”的工序。面对毫米级接口和微小偏差，模型通过触觉判断是否对正、卡滞，实时调整姿态与力度。

05.

蚂蚁“独角兽俱乐部”迎来首位触觉新星

8月11日的战略轮融资，让戴盟的资方阵容再添一员猛将。

此前的A轮融资由全球工控巨头汇川技术旗下产业基金与中国电信联合投资。加上中国移动链长基金、联想创投、招商局创投等产业资本，戴盟的股东阵容已汇聚覆盖互联网、运营商、工业自动化及全球制造等关键环节的顶级CVC。

而蚂蚁集团的入局，意义尤为特殊。

过去一年半，蚂蚁参与了12家机器人相关企业的融资，从机器人本体如宇树，具身大脑如苏度、星海图，再到灵巧手和核心零部件如灵心巧手、舞肌，完成了从“大脑”到“本体”再到“零部件”的全产业链布局。多家被投企业已跻身百亿估值俱乐部。

但蚂蚁的版图中，始终缺少一块关键拼图：触觉。

此次注资戴盟，也是蚂蚁对触觉价值的押注。没有触觉，机器人永远只能“看见”世界，无法真正“交互”世界——这一判断，不仅已经成为行业共识，更已经得到资本真金白银的青睐。

而蚂蚁将“触觉赛道首次出手”给予戴盟，看中的不是单个传感器，而是戴盟打通了 “触觉传感器-数据-模型-部署”的全链路能力。单点能力难以实现触觉的爆发，只有贯通全栈，才能支撑触觉的真正赋能。

06.

结语：

戴盟的故事，呈现了具身智能正从“视觉主导、看见世界”的1.0阶段，迈向“触觉锚定、交互世界”的2.0阶段。

2024年，戴盟率先提出VTLA架构，将触觉作为与视觉同等重要的核心模态。两年后的今天，Daimon-TWM将物理认知、推演决策与瞬时操控纳入统一框架，构建了从指尖感知到大脑推理、再返回动作控制端的完整“触觉神经系统”。

蚂蚁的入场、产业资本的集结、模型的持续迭代，当触觉成为具身智能的新基建，戴盟和它的Daimon-TWM，已经抢跑了。