一个自动驾驶老兵,决定去做机器人的“触觉”|muShanghai现场笔记

文╱ 陈桐

“2026年具身智能的胜负手在于，谁能先跑通商业闭环。”

在上一篇活动现场笔记中我们提到，「戴盟机器人」本身是一家从港科大机器人研究院孵化的公司，创始人团队全是技术背景。

近日，戴盟机器人完成了亿元级A轮融资，由汇川产投（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。随着汇川技术、中国电信的战略入局，叠加此前中国移动链长基金、联想创投、招商局创投等头部CVC的持续加持，戴盟已形成“顶级产业资本与头部风投资本”协同支撑的多元生态。其团队已从几十人扩张到约150人，其中绝大多数是算法和研发工程师。

muShanghai机器人周的间隙，戴盟机器人合伙人兼首席商业官张栋（CCO）接受了《职场Bonus》的专访。

张栋曾在德国慕尼黑工业大学学习电气工程与自动控制方向，之后进入自动驾驶行业，长期负责全球化业务与产业落地。

现在，他在戴盟负责产品化、商业化与全球市场拓展：把触觉传感器、数据采集工具链、模型验证能力和客户场景需求整合起来，形成可交付、可复制、可规模化的商业方案。

在具身智能行业，戴盟选择了一个极窄的切口：触觉。张栋的判断是，机器人行业现在不缺本体，不缺演示视频，缺的是能让机器人真正“干活”的数据，尤其是含触觉的contact-rich信息。

戴盟的目标，是把触觉做成基础设施。其闭环逻辑是：用传感器做数据入口，用工具链做数据闭环，用开源数据集做生态卡位，最终让客户为“数据+解决方案”付费。

以下为专访全文，经《职场Bonus》编辑整理。

 张栋 ：自动驾驶在中国经历了几个周期。10年前做自动驾驶的公司很多，最终活下来的可能个位数。产业初期没有清晰脉络，只要有新技术、新故事，就能拿到钱。产业早期也会出现部分短周期心态，资本驱动强于业务驱动。

真正活下来、活得好的公司，往往是那些脚踏实地，从一开始有自己的战略，非常清晰，中间遇到波折也还是沿着自己的战略走下来，没有过分去拿更多的资本的钱。拿钱是为了去做业务，本质上无论是融钱，甚至IPO也是做业务的一个手段，它不是一个目的。

具身智能现在有点像当年的自动驾驶，但演变周期的节奏会更快。它一定会经历波动，但调整也会很快。从长远看，市场价值确实很大。

 张栋 ：当前机器人行业最大的瓶颈是缺少数据，尤其是做操作任务时，数据最缺。含触觉的信息，是contact-rich的information，这是真实物理世界的信息，文本和视觉数据替代不了。

戴盟围绕触觉数据来做业务。我们瞄准了机器人缺少触觉数据这个痛点，想要把这个点打透。但打透这个点，关键不是单单提供一个零部件，而是要把触觉做成一个基础设施、一个生态。

今年我们主要在做数据业务。全球的大厂，包括北美和中国的，都在买我们的数据做验证。同样的数据量，给模型的提升效果和性能天花板都会非常高。

现阶段我们的商业化主要围绕三类能力展开：第一是触觉传感器和末端设备，第二是数据采集与数据服务，第三是面向模型验证和场景落地的解决方案能力。短期收入结构会随客户需求变化，但中长期我们更看重数据和解决方案的复利价值。

 张栋 ：我们不希望只是给客户一个单点硬件。很多时候，客户真正缺的不是一个传感器，而是怎么把触觉数据采起来、用起来，并且验证它对模型和任务到底有没有价值。

所以我们说的“触觉基础设施”，不是单一产品，而是一套围绕触觉数据形成的闭环能力。

第一层是数据入口。触觉传感器可以集成到灵巧手、二指夹爪、数据手套、遥操作设备等不同形态里，覆盖工业、商用、家庭等不同场景。它解决的是“真实物理接触信息怎么被采集”的问题。

第二层是数据工具链。有了入口之后，还要解决怎么采集、标注、清洗、映射和复用。比如无本体采集、本体采集、带力反馈的六自由度遥操作设备、五指数采夹爪、含视触觉能力的数据手套，以及把采集到的数据映射到不同末端执行器的工具链，都是为了让触觉数据可以真正进入模型训练和任务验证。

第三层是场景化交付。客户最终不是为了买一套设备，而是希望在具体任务里提升机器人的操作能力。所以我们会把传感器、采集设备、数据工具链和模型验证能力组合起来，变成面向客户场景的解决方案。

这也是我们讲“3D产品矩阵”的原因：Device是入口，Data是核心资产，Deployment是价值落地。短期看，这确实是一门需要投入和耐心的生意；但中长期看，真正稀缺的不是硬件本身，而是高质量、可复用、能提升模型能力的触觉数据。

 张栋 ：不纠结。开源有两方面价值：一是让更多人用起来，大家对我们戴盟的高质量触觉数据有认知，加速具身发展的节奏；二是通过生态方和客户的反馈，快速迭代我们的产品体系。

 张栋 ：特斯拉在汽车领域也从芯片到算法很多都在自研，但这并没有妨碍自动驾驶产业链上出现巨头供应商。比如电池有最大的巨头，自动驾驶芯片也有最大的巨头。产业最终一定要分工。我们做好自己的核心优势就行。

 张栋 ：我们决策时，市场和技术人员会坐在一起聊。通常有两个板块：一是对前沿技术，包括具身行业的算法、大模型，做前沿洞察；二是关注产业和客户的需求。我们找一个交叉点，这个点就是产品路线图的方向。

学术上最新的东西，有些短期能带来价值，有些需要产业验证。客户的需求有些是对齐产业长期战略的，有些只是暂时的。我们要分辨这些。

戴盟公司内部非常推崇对话和辩论。管理层会就不同意见展开很激烈的讨论，各抒己见。很多事情是不辩不明的。但创业公司最重要的是团队之间的信任。我们这个团队好在年龄比较相仿，背景互补，有在北美待过的，有在欧洲待过的，有做技术的，有做商业的。大家对驶向的彼岸目标比较坚信。

 张栋 ：我自己会更容易先想到产业化过程中的各种坑，比如产品化的坑、客户场景的坑、交付的坑、组织管理的坑。因为我经历过自动驾驶从技术热潮到规模化落地的过程，很清楚一个技术从实验室走到客户现场，中间会遇到多少非技术问题。

创始团队和研发团队很多是学术背景，他们对前沿论文、新模型、新方法会更敏感，也更愿意从第一性原理去推演技术方向。我们的讨论经常发生在这两种视角之间：一个新的knowledge是不是真的能转化成产品价值？它解决的是客户的真实问题，还是只是技术上很漂亮？竞争对手是谁？我们的差异化在哪里？即使这件事本身是对的，是不是也一定应该由我们现在来做？

我加入戴盟之前，和创始团队聊了好几个月。这个过程中有很多思维碰撞，也会意识到彼此看问题的方式很不一样。但这种不一样其实很有价值。产业经验可以帮助团队少踩一些商业化和交付的坑，学术和技术视角也会不断提醒我，不要被过去的经验框架限制住。

所以我觉得真正重要的不是谁说服谁，而是能不能在技术前沿、客户需求和公司资源之间找到交叉点。创业公司最宝贵的是方向感和信任感。只要大家相信的是同一个彼岸，激烈讨论反而是好事。

 张栋 ：商业团队方面，我希望销售端有客户思维，同时有很强的战略洞见和产业认知。因为这个行业新的解决方案和产品形态还没有收敛，需要销售站在战略方向帮客户做落地解决方案。产品端的人需要对算法、大模型有很好的技术背景了解，团队要比较AI-Native。

另外，有海外背景的人是我重点找的方向，因为我们在做全球化市场。

对于年轻人，首先这个人对事要有极强的好奇心，有motivation，相信这个时代会来，有使命感。第二，除了对理工科的热爱，对人文社科类也要有感觉，“人感”要好。最终机器人会到一个toC的商业，面对的还是人。第三，情商、软性技能要好，是长期主义者，能踏踏实实做事情。这个行业现在比较浮躁，大部分人可能就想赚点钱，反而最需要稳得住的人。

 张栋 ：机器人行业的一个特点是，中国和北美在前沿落地上的差距没有那么大。中国有完整的硬件、供应链和场景优势，北美在算法、大模型和顶尖人才密度上更激进。对于我们这样的上游公司来说，不能只盯着单一区域市场，而是要跟全球最前沿的模型公司、机器人团队和产业客户保持高频交互。

这种交互的价值，不只是拿订单，而是帮助我们判断产业真实的演进方向。客户提出的问题，往往比内部闭门讨论更接近产品路线图。所以我一直说，客户才是我们的产品经理。我们需要从客户的任务、数据需求、模型验证结果和部署反馈里，反向定义我们的产品和工具链。

但全球化不是简单把产品卖到海外。文化、法规、本地化交付、客户决策链条、合作伙伴体系，都会影响一个技术能不能真正落地。自动驾驶给我的一个重要经验是，技术领先只是第一步，真正能规模化的公司，一定同时具备产品化能力、商业策略能力和全球交付能力。

所以在机器人出海这件事上，技术和商业必须一起看。我们既要理解最前沿的模型和算法，也要理解客户场景、区域差异和产业合作方式。只有这样，触觉数据和工具链才不是一个孤立产品，而是能够进入全球机器人产业链的基础能力。

 张栋 ：我们团队平均年龄在30岁左右，算法和研发背景的人比较多，所以大家对AI工具的接受度很高。很多时候不需要管理层去推动，大家会自然地把AI用到研发、产品、市场和销售工作里。

我觉得AI对创业公司的价值，不只是提升某一个环节的效率，而是改变团队的工作方式。过去很多人会陷在执行细节里，现在一些重复性、整理性、分析性的工作可以被AI辅助完成，团队就有机会把更多时间放在更高层次的问题上，比如产品定义、客户需求判断、技术路线选择和跨团队协同。

我们内部现在还没有专门设一个角色去推动AI办公，但管理层已经在思考，未来能不能用更系统的方式，把研发、产品、销售、交付和管理流程串起来。我们不希望只是叠加几个单点SaaS工具，而是希望形成一个横向的工作流底座，让信息、任务、知识和决策过程能够更顺畅地流动。

最近我们也在和一些大模型与AI工具团队交流。对我们来说，核心不是追热点，而是找到真正能提升组织效率和产品化速度的场景。

 张栋 ：对我个人来说，从自动驾驶到机器人，并不是一个完全跳跃的选择，而是在同一条价值线上继续往前走。

自动驾驶让我第一次真正理解，一项复杂技术要进入真实世界，需要经过产品化、工程化、商业化和全球化的长期考验。机器人也是一样，甚至更直接。它离物理世界更近，离客户场景更近，也更能让人感受到新一代AI技术进入产业的速度。

两个行业在技术、组织和人才上也有很多延续性。比如对数据的理解、对安全和可靠性的要求、对客户场景的拆解、对全球化交付的判断，这些经验都可以迁移到机器人行业里。但机器人也会带来新的挑战，它更复杂，也更早期，需要我们重新学习很多东西。

我加入戴盟之前，确实思考了很长时间。创业一定是一件艰难的事，不可能只有高光时刻。真正支撑一个人长期投入的，不能只是短期结果，而是你是否相信这件事本身的价值，是否愿意和一群志同道合的人一起，把一个还不成熟的技术方向，慢慢做成真实可用的产品和产业能力。

对我来说，最重要的是这个过程本身。能和一群相信Physical AI、相信触觉价值、也愿意长期做难事的人一起工作，本身就是一件很有意义的事。无论是阶段性的突破，还是过程中遇到的困难，只要大家还在朝同一个方向走，这件事就值得做。

注：以上信息基于5月26日专访整理。涉及企业自述的融资数据、收入数据、出货量及未来规划，建议读者结合企业后续官方披露综合判断。

点击标题，阅读更多驻场观察笔记：

当中国机器人供应链，决定开始卖“基础设施”

长寿≠养生？有人把“解决衰老”做了工程化拆解

一位中国顶级科学家面向全球极客的分享

关注青年成长