（8月11日），戴盟机器人正式宣布完成数亿元战略轮融资，本轮融资由蚂蚁集团领投，老股东同步超额跟投加注，这是公司短短两个月内落地的第二笔亿元级以上融资，融资节奏持续加快。
回溯戴盟机器人融资历程，产业资本持续加码：2025 年 12 月，戴盟机器人获得中国移动独家亿元级 Pre-A 轮投资，率先获得通信巨头的产业背书；2026 年 6 月 4 日，公司完成亿元 A 轮融资，由全球工控巨头汇川技术旗下产业基金汇川产投，与全球领先综合信息服务运营商中国电信联合投资，进一步拓展工业与通信领域的产业协同空间。
截至目前，戴盟机器人已完成多轮融资，背后集结了多元头部投资力量，往期投资方涵盖昆仲资本、金鼎资本、国中资本、联想创投、招银国际资本、东方嘉富、架桥资本、招商局创投等机构，叠加蚂蚁集团、中国移动、中国电信、汇川技术等产业巨头，形成了财务资本与产业资本协同加持的资本格局。
戴盟机器人成立于 2021 年 12 月，2023 年 8 月正式启动运营，总部设立于深圳，是一家源自高校科研成果转化的前沿机器人企业，技术上采用单色光高分辨率视触觉技术路线。
戴盟机器人孵化自香港科技大学科研团队，由香港科技大学机器人研究院创始院长王煜教授（卡内基梅隆大学博士）与段江哗博士联合创立，具备深厚的学术根基与底层技术原创能力。
突破麻省理工学院技术垄断，中国极少数具有独立自主知识产权视触觉传感器的企业，打造自主触觉数据入口
在全球传感器技术演进脉络中，视触觉传感器技术是实现高分辨率触觉感知的核心技术路线之一。
该技术最早发源于美国麻省理工学院，2009 年 MIT 的 Edward Adelson 教授基于三色光原理提出 GelSight 视触觉感知技术，MIT 凭借该技术长期占据全球机器人触觉感知领域的前沿地位，成为全球顶尖高校与科研机构对标参照的技术标杆。
但长期由 MIT 垄断的三色光视触觉技术存在明显的原生短板：高算力需求带来的发热量大、传感器耐用性不足、通讯频率偏低，同时制造成本长期居高不下，制约了技术的规模化产业落地，行业亟需全新的技术路线破解这些痛点。
这条技术路线的分化，与戴盟机器人创始人王煜的学术经历深度相关。王煜在卡内基 - 梅隆大学（CMU）深造期间，师从时任 CMU 机器人研究所所长、机器人操作领域先驱 Matthew T. Mason，也是 Mason 招收的首位博士生。
Matthew T. Mason 教授被誉为 “全球机器人灵巧操作之父”，是机器人操作领域的泰斗级学者。他的研究成果系统性奠定了整个机器人操作、抓取与接触力学领域的理论根基，为后续数十年机器人灵巧操作技术的发展搭建了核心理论框架。
从学术传承的产业影响力来看，Mason 教授的学术分支几乎撑起了全球机器人产业的半壁江山。从波士顿动力、Google DeepMind、Physical Intelligence、NVIDIA、Amazon Robotics 等全球顶尖科技与机器人巨头，到各大企业的触觉技术实验室、机器人操作实验室，如今活跃在具身智能领域舞台中心的核心创业者与顶尖研究员，大多出自这一学术脉络，其学术影响力贯穿基础研究与产业落地全链条。
▲Mason及其两代门生的学术谱系，来源：投资界
王煜的同门师弟 Alberto Rodriguez 后来入职 MIT 担任教授，深度参与了 MIT 视触觉感知技术的研发项目。
2017 年，香港科技大学机器人研究院与 MIT 启动为期五年的合作项目，分别由王煜与 Alberto Rodriguez 带队研发，这一合作成为视触觉技术路线分化的关键节点。
其中 Alberto Rodriguez 团队延续了 MIT 的三色光技术路径，仅在 GelSight 基础上优化内部结构、减薄传感器厚度，推出可应用于机器人操作任务的 GelSlim 方案；而王煜则带领段江哗等博士生探索全新的优化方向，最终走出了完全不同的技术路径：放弃三色光方案，采用单色光图案追踪原理，通过计算机视觉追踪特征点并结合几何标定，将二维形变场重建为三维稠密形变场。
▲王煜
依托这一底层技术突破，戴盟团队独创了全新的视触觉传感器技术路线：创造性地将摄像头集成于灵巧手指尖，采用单色光图案追踪原理，同时自主研发触觉编码技术，通过算法层面的优化提取物体深度图像信息，同等实现了高精度的触觉感知效果。
区别于 MIT Gelsight 为代表的三色光主流方案，戴盟成功开辟了不依赖三色光的高分辨率视触觉感知技术路径，有效攻克了传统方案算力要求高、发热量大、耐用性差等行业共性难题，在具身智能领域走出了自主可控的差异化技术路线。
“我们自主研发的视触觉传感器具有高分辨率、高频率、散热效率高等特点，同时把厚度做到了毫米级，可以轻易安装于机器人灵巧手。”段江哗说，人手通过末梢神经感知物体，相当于每平方厘米有2500个感知单元，现有技术可以做到相同面积内在灵巧手上集成4万个感知单元，使机器人获得超越人手的感知能力。
这不仅能让机器人实时感知接触压力的空间分布与细微变化，还能在复杂环境中实现类人级柔顺操控和精准操作，从而显著提升机器人的执行速度、精度与安全性。高分辨率的触觉感知技术跃迁已逐渐成为全球具身智能竞争的战略高地。
构建VTLA模型，打造 “物理交互脑”，服务于OpenAI、Google DeepMind等全球200余家客户
除拥有完全独立自主知识产权的视触觉传感器外，戴盟机器人还在业内率先提出视觉 — 触觉 — 语言 — 动作（VTLA）模型架构，突破性地让触觉原生融入机器人感知、决策与动作生成的全流程，补齐了传统机器人感知体系中触觉维度的核心短板。
为什么需要VTLA模型技术？
触觉的高价值不仅体现在执行动作上，更在机器人端到端模型学习和逻辑推理中起到了重要作用。为了让机器人“学会”灵巧的操作技能，戴盟机器人将触觉与视觉、动作等数据融合，建立了视觉-触觉-动作-语言模型（VTLA模型），让机器人能够根据触觉和视觉反馈实时调整操作，更高效地完成精细任务。
人形机器人大批量应用的另一个难点，是需要采集大量真实世界的训练数据，而以往建立在视觉、语言、身体姿态等常规模态基础上的训练方式如遥操作、硬件传感器，对数据需求量极为庞大。
据介绍，戴盟机器人整合了触觉感知之后，操作模型所需数据量最低可达到常规方法的千分之一，能增加机器人完成任务的类型，提高成功率并降低数据需求。
同时，戴盟机器人打造出全球首个驱动机器人灵巧操作的 “物理交互脑”——触觉锚定世界模型 Daimon-TWM（Tactile-grounded World Model），首次将物理认知、推演决策与瞬时操控纳入统一模型框架，为机器人在复杂场景下实现高精度、高适应性的灵巧操作提供了核心技术底座。
据投资界采访戴盟机器人相关负责人介绍，Daimon-TWM 采用三层架构协同运作，构建起以物理认知为底层底座、以 “慢规划 - 快纠偏” 为核心操作闭环的物理智能体系，是支撑机器人灵巧操作的核心技术载体：
物理认知模块：作为基于强化学习的触觉推理底座，核心职能是构建机器人的物理常识体系，可识别并理解接触状态、力与形变关系、物体材料属性等核心物理特征，输出对当前交互物理状态的精准认知判断，为上层决策提供底层依据。
推演决策模块：作为基于世界模型的动态预测中枢，承担前瞻性预判职能，可推演接触状态的演化趋势、识别潜在操作失败风险，并基于推演结果生成全局动作策略，对应闭环中 “慢规划” 的决策环节。
瞬时操控模块：作为基于触觉反馈的高频伺服系统，负责即时动作纠偏，持续融合上层决策指令与实时触觉反馈数据，以 100Hz 的高频响应实现毫秒级的小幅动作修正，对应闭环中 “快纠偏” 的执行环节。
▲Daimon-TWM三层架构，来源：投资界
模型规格与技术特性方面，Daimon-TWM 参数规模达到 10B 级，可在 NVIDIA RTX 5090 消费级显卡平台实现实时推理，具备跨机器人本体、跨机械臂的泛化部署潜力。技术层面，模型引入了可学习的统一触觉词元，能够从多模态观测数据中提取接触相关的核心信息，构建统一的触觉隐空间，为后续的触觉理解与状态预测提供标准化的特征基础。
Daimon-TWM 以触觉贯穿模型认知、决策、操控全阶段，显著强化了物理理解、预测规划与操作泛化能力。实测数据显示，该模型在物理认知评测中实现全面领先，在接触密集型操作任务中展现出优异的自主操作能力：无扰动环境下平均任务成功率较 π0.5 提升两倍，存在扰动的复杂环境下成功率提升达十倍，抗干扰与精细操作能力优势突出。
值得关注的是，相关报道显示，在商业化方面，戴盟机器人已取得一定成绩，凭借量产良率、单位成本与交付稳定性的全面领先，戴盟机器人已累计服务全球 200 余家客户，其中海外客户超过 50 家，既已向 OpenAI、Figure、Physical Intelligence、Skild AI、Meta、BMW、Google DeepMind 等全球头部企业及机构完成交付、同步推进多项模型部署与 POC 合作，也成功进入汇川及特斯拉供应链企业等头部工业自动化与机器人产业链体系：
率先实现视触觉感知设备万片级出货；
率先实现80%灵巧手厂商的视触觉覆盖；
视触觉感知设备出货量全球第一；
视触觉赛道营收规模全球第一；
含触觉具身数据集下载量全球第一；
打造全球第一个大规模外发式数据采集体系；
推出全球首个面向物理交互能力的含触觉全模态评测基准RobOmni；
推出全球首个支持跨本体、跨构型部署的“物理交互脑”Daimon-TWM。
