足迹中国 | 中国旅游攻略_景点推荐_自由行指南_深度文化体验
文化体验

物理交互数据缺口95%、视觉模型触达80%瓶颈,尧乐科技如何用一块“布”补上AI缺失的触觉

Jul 28, 2026 IDOPRESS

文丨罗曾

当AI大模型从数字世界走向物理世界,物理交互数据正在成为下一个稀缺资产——而尧乐科技,已提前卡位这个入口。

2015年,当吕莉蕴决定创业做智能瑜伽垫时,她面临一个尴尬的现实:找不到合适的传感器。

瑜伽垫需要大面积感知人体压力分布,市面上的薄膜传感器要么太硬、容易卷折断,要么面积做大了成本高到离谱,海外也没有现成的布料传感器可用。

“当时全球找过,都没有合适的,”吕莉蕴在接受中华网采访时回忆,“所以我们从零开始自己做布料传感器。”

这个“被逼无奈”的决定,开启了尧乐科技长达十年的“织布”之路:从最初想做瑜伽垫,到2017年科大讯飞找上门做养老床垫,再到最终将柔性织物压力传感器送进汽车供应链、成为具身智能的物理世界教科书......吕莉蕴的每一步决策,都与行业的节奏变化息息相关。

汽车这块“硬骨头”,为什么先啃?

尧乐科技于2010年注册成立,2015年正式启动运营。

距离尧乐科技启动研发仅过去两年,团队做出了第一个demo。但来自市场的反馈,让吕莉蕴和团队开始重新思考方向:或许聚焦传感器本身,才是最大的出路。

“2017年,科大讯飞找我们做养老床垫,当时是样件,收入几十万——给了我们‘传感器本身可以赚钱’的信号,于是转成传感器公司,目标是把传感器应用到更多场景。”吕莉蕴回忆称。

智能床垫由此成为尧乐科技的第一个目标应用场景。据吕莉蕴透露,公司早年跟喜临门、麒盛、慕思等品牌有过合作。“床垫更新频率不高,想象空间虽然有,但不会那么快。”

而真正让公司找到发力点的,是汽车行业。2018–2019,尧乐科技开始帮主机厂或一级供应商做demo/预研样件。

不过车规测试素以严苛著称,被业内视为“硬骨头”赛道。

为什么偏要选这条路?

吕莉蕴的判断基于两重逻辑:

第一,出身决定方向。吕莉蕴本人是汽车电子背景,曾任国际汽车电子巨头Harman首席架构工程师,主导过多模态传感器融合计算平台,服务过玛莎拉蒂、保时捷等十余家一线车企。团队核心成员也多有汽车电子或中科院硬件的研发背景。做汽车,是他们最擅长的领域。

第二,赛道够大、门槛够高。“汽车赛道量级庞大,成长空间大;同时要求高,技术跨越之后进入其他行业往往形成降维打击。”吕莉蕴说,“过了车规严苛考验,本身也是对传感器很大的背书。”

但选择高门槛意味着付出更长的等待周期。

车规测试包括盐雾、膝跪、颠簸等五六十项,仅封装材料就调整了八九个月。从2015年启动传感器自研,到2025年实现量产,跨度整整十年。“这种耐心大部分创业公司比较缺。”吕莉蕴坦言。

谈及为什么早期鲜有公司关注这个方向?

吕莉蕴认为,市场时机未到。“早期大家注意力都在自动驾驶,新能源卷完其他之后,才落到座舱智能化与舒适性。”

她观察到,疫情之后主机厂开始成立座椅舒适性团队,客户找上门的频率明显变多。“以前偶尔有车企问能不能做触控,疫情后很多人问能不能做到座椅上——面积更大,做实时姿态识别/压力调整等。同时主机厂开始有预研投入,我们早期就和很多预研团队合作,趋势信号很明显。”

前期的技术积累在市场需求启动后开始兑现商业价值。2025年,尧乐科技汽车业务营收占比约50%-60%,客户主要是新能源头部车企。

于汽车赛道而言,采购量级取决于具体车型。据吕莉蕴介绍,单套座椅传感器价格在百元级别。团队预计,随着下半年多个定点项目进入量产,汽车业务将进入稳定的收获周期。

盈利层面,吕莉蕴透露,尧乐科技预期今年在该板块实现盈利。

从汽车到手套,技术平移与产品重构

汽车做通了,但吕莉蕴很快发现了一个更大的机会。

具身智能公司在训练机器人精细操作时,遇到了一个根本瓶颈:视觉只能看到“手在动”,但不知道“手用了多大力、哪里滑了、怎么修正”,而纯仿真数据无法教会机器人“该用多大力”这种物理因果律。

“如果没有触觉这部分的数据,你就是只能靠盲猜,这块是现在没有办法弥补的。”吕莉蕴强调。

触觉数据究竟有多稀缺?

数据显示,全球真实物理交互数据总量仅约50万小时,而通用模型训练需求达千万小时级,缺口超过95%。其中,语言和图像数据早已被大规模采集和标注,但人与物体接触时的压力、摩擦、形变等物理反馈数据,几乎是一片空白。

视觉模型已触达约80%的落地瓶颈,但精细操作需要的摩擦力、纹理等信息,视觉在接触瞬间会失效。

于是,尧乐把传感器从汽车座椅“穿”到了人手上,将在8月推出数据手套——在手套掌心及指节覆盖高密度感知阵列,实现精准的数据采集。

但把汽车技术搬到手套上,并不是简单的“缩小”。

吕莉蕴在采访中透露,光是工艺就经历了两次颠覆性改变:第一次是从床垫切到汽车,因座垫多开孔、要快速验证,所以当时用类似绣花的方式布电路图;第二次是从汽车转到手套,原工艺不适用,“又把工艺甚至材料重做了一遍,目标是一体织造成型,是颠覆性工艺与材料创新。”

这种工艺壁垒也构成了公司的护城河。“结构能看到的都能复制;不太能复制的是工艺参数调整和材料选择。”吕莉蕴解释,材料涉及化学配方,肉眼无法判断成分,常规材料外采,特殊纱线则由公司自行定制生产。

手套的定价策略也体现了她对“规模化”的理解:市面上同类产品最低要四五千元,尧乐的目标定价将远低于市场价。“价格做得比较低,核心是要大规模生产降低成本。”吕莉蕴说,“性能和价格要平衡:性能顶尖但很贵也推不出去;能满足使用需求且比竞品更好就会被选择。”

在吕莉蕴看来,最终决定市场份额的不是早期先发优势,而是性价比。“技术领先固然是重要优势,但并非决定市场份额的核心要素,真正起关键作用的是性价比。早期凭借先发优势获得的高市占率并不稳固,若市场总体规模有限,或后来者推出更具竞争力的产品,现有份额可能在短时间内被迅速蚕食甚至归零,因此先发优势本身不足以确保持续领先。”

据吕莉蕴透露,目前面向具身智能领域的手套尚未正式发布,但已有数千双意向订单。这其中,手套产品批量采购价在行业中处于低位——这与一体编织工艺带来的成本优势直接相关,而同类产品因工艺路线不同,多步骤生产且稳定性不足,成本难以压降。

“单套产品的售价较高,但公司更倾向于通过大客户规模化来摊薄成本。”吕莉蕴坦言。

关于量产节奏,吕莉蕴的判断是:前期仍属小批量阶段,几个月后有望达到数千套规模。

现如今,具身智能手套产品小批量采购范围在50-100双,年销几万双已算较高水平。吕莉蕴指出,当几家客户合计采购量达到万级、且产品为标准品时,即可视为量产。她预计,具身智能领域的需求从数千套到数十万套的跨越,大约需要两年左右时间,而百万级规模在年度量级上仍较遥远。

“我们追求做成耗材、性价比路线,有助于占据较大市场容量。”手套类产品在吕莉蕴看来具备“耗材化”属性——长期使用后材料变形、精度下降需要更换,这本身意味着持续的复购需求,也打开了潜在的想象空间。

硬件是入口,数据才是后半段

如果说前十年尧乐是在“织布”,那么下一个十年,吕莉蕴想卖的是“布上产生的数据”。

公司将自己定位为“物理交互数据基础设施”。这个听起来抽象的词,吕莉蕴则用了一句话解释:“例如运动训练数据化是大趋势,过去高度依赖教练经验,技术成熟后,大家更希望用中立、科学的数据解读动作因果。”

商业模式分为三层:卖硬件、攒数据、卖服务——硬件是入口,数据是壁垒。这个逻辑可以参考两个对标的海外案例:Oura以硬件销售获取用户健康数据,再通过订阅服务持续变现,2026年估值已达110亿美元;Palantir则是将海量数据清洗、结构化后输出给企业和政府客户,以数据标准化接口为核心收入来源。

而尧乐的模式,可以理解为“Oura的硬件入口+Palantir的数据接口”在物理交互领域的结合体。

业内人士指出,物理交互数据一旦形成标准化的数据接口,其价值不仅在于卖数据本身,更在于定义行业标准。当前物理交互数据的字段定义、标签体系、标定方法、调用接口均无统一规范——谁先跑通这一层,谁就有可能掌握接口话语权。

从市场空间来看,物理交互数据的潜在需求方包括:全球数百家具身智能与机器人公司、数千家工业自动化企业,以及运动训练、医疗康养等垂直行业。而触觉数据是当前具身智能发展的关键瓶颈,“真实物理交互数据总量仅约50万小时,模型训练需求达千万小时级,缺口95%以上。”

这个缺口意味着,数据服务一旦跑通,市场空间远超硬件本身。

但数据采集有一个现实挑战——客户不一定愿意共享数据。“我们并非自己建立数采中心,需要和客户合作共享数据。有客户不愿共享,因为数据可能是其最大卖点;也有客户愿意,因为自己不想做数据处理。”

吕莉蕴的策略是先“跑马圈地”,数据归属灵活处理。

“未来数据服务会成为营收一部分。”不过吕莉蕴也坦言,实现起来,需要一定周期,长的大概要 2–3 年,例如To B端医疗方向合规成本高,给医疗机构共享或卖数据更远。To C端产品(如高尔夫手套、智能袜)则相对快一些,一旦推出来,数据服务将以App订阅形式呈现,“订阅收入在C端的营收占比预计和硬件售价差不多,四五成会有”。

这期间,海外市场被吕莉蕴视为“更大的想象空间”。据她透露,目前国内业务均To B;海外则走的是“To C+To B”双渠道,毛利率较高,主要面向北美和日本,其中日本主攻介护市场,合作⽅向包括轮椅、防褥疮坐垫/床垫等,从被动监测往主动干预⾛。

从瑜伽垫到养老床垫,从汽车座椅到数据手套,再到未来的数据服务和海外消费市场——她的决策路径看起来分散,但有一条线索始终没变:哪里有真实世界物理交互数据的采集需求,哪里就是尧乐需要提前布下的传感器网络。

2026年,尧乐科技的目标营收将翻10倍。如果这一目标达成,意味着公司将在年内实现整体盈利——从2015年启动研发到实现盈利,刚好跨过十年周期。

而创始人真正想构建的,或许远不止于此:当物理交互数据成为AI训练的下一个稀缺资源时,谁掌握了数据入口,谁就有可能成为这个新生态的底层基础设施。

(责任编辑:zx0280)