被包装的触觉：大衍科技融资叙事的事实边界

2026年7月，空间智能公司大衍科技披露完成数千万元天使轮融资，由松禾资本领投。公开信息显示，公司成立仅一年，已布局三条产品线，2026年第一季度营收超过千万元[1][2]。这组数据在当下的一级市场环境中并不算亮眼，但“触觉大模型”的定位，让这笔融资迅速进入公众视野——毕竟，触觉感知被普遍认为是具身智能机器人发展的核心瓶颈之一，相关技术的商用进展，直接决定了整个领域的商业化进程。 但所有公开信息中，最核心的逻辑链条始终处于缺失状态：没有任何可验证的证据，能够将上述融资、营收的硬数据，与“触觉大模型”的技术叙事直接绑定。从技术参数到营收构成，从客户结构到技术路径，所有支撑“触觉大模型已实现突破”的核心节点，全部停留在宣传口径层面，没有可复现、可交叉验证的公开信息支撑。

可验证事实的边界：哪些是确定的，哪些是叙事

要拆解这一事件的真实价值，首先需要锚定所有可验证的事实底座，明确区分事实与未经证实的叙事延伸。 目前100%可确认的公开事实只有四项：第一，融资交易已完成，投资方为松禾资本，融资金额为数千万元人民币；第二，公司注册成立时间为2025年中左右，至融资披露时成立时长约12个月；第三，公司对外披露2026年第一季度营收超过千万元；第四，创始团队核心成员有博世工作经历[1][2]。 除此之外，所有超出这四项的表述，都属于未经公开证据支撑的叙事延伸：包括“触觉大模型为核心技术壁垒”“已实现商用”“可大幅降低触觉感知部署成本”等核心宣传点，均未提供可验证的支撑材料。这种叙事的构建逻辑，本质是用“触觉是具身智能核心瓶颈”的行业定性共识，填充了所有具体信息的空白，让受众自动将“有融资、有营收”的硬信号，等同于“技术成立、商业模式成立”的结论。 这种叙事构建方式在硬科技融资领域并不鲜见：当具体技术细节无法公开的理由通常是“保护知识产权”“早期阶段无需披露”，但真正具备技术突破的早期项目，往往会通过披露第三方评测结果、核心性能边界等非核心信息，建立估值说服力，而非完全模糊所有关键指标。

产业痛点的真实性，与叙事逻辑的核心断点

首先需要承认的是，叙事所依托的产业痛点本身是真实存在的：从行业普遍情况来看，传统工业机器人触觉感知方案主要依赖进口硬件加定制化算法，单站部署成本在2-5万元之间，部署周期为2-4周，年维护成本占初始投入的15%-20%，对于汽车智能制造、工业机器人集成商等下游客户而言，存在明确的降本需求[2]。据非公开一级市场行业监测数据[2]，2026年上半年具身智能领域累计融资规模超过百亿元，其中90%的资金流向了整机厂商和通用世界模型研发企业，上游触觉感知作为核心环节，确实存在供给缺口。 但这个真实的产业痛点，不能直接证明大衍的技术叙事成立。从生成式AI的技术逻辑来看，大模型的信息合成能力确实具备整合多模态感知数据、降低定制化开发成本的可能性[3]，但这种可能性要转化为工业场景的实际能力，必须满足一系列硬约束，而这正是目前所有公开信息缺失的部分。 第一个核心断点，是营收与“触觉大模型”能力的完全脱钩。公开信息从未披露过营收构成，无法区分收入来自传统触觉传感器集成、定制化算法项目，还是大模型相关的算法授权或服务收入，甚至连公司核心产品的形态是硬件、软件还是纯算法，都没有明确说明。如果收入完全来自传统触觉相关业务，那么整个事件的性质就只是一家工业自动化领域的普通早期公司获得融资，与“大模型”“具身智能瓶颈突破”等标签毫无关联。 第二个核心断点，是技术路径未通过工业场景的基本硬约束校验。工业场景对触觉感知的实时性要求极高，必须满足两个基本条件：一是在10TOPS以内的嵌入式算力下，实现10ms以内的单帧推理延迟，云端推理存在传输延迟和网络稳定性问题，完全无法适配实时交互需求；二是需要百万级以上的实物交互数据支撑模型的泛化能力，据非公开行业测算数据[2]，触觉数据单样本采集成本为视觉数据的20-50倍，且无公开互联网语料可供训练，成立仅一年的企业要完成足以支撑泛化能力的数据集积累，工程难度极高。目前没有任何公开信息显示，大衍突破了这两个硬约束，甚至连相关的技术突破方向都未披露。 甚至连“降本提效”的商业承诺，也高度绑定未被验证的技术泛化能力：如果所谓的触觉大模型依然需要针对每个场景做大量微调，本质还是定制化算法项目，不仅部署周期无法压缩，单站成本甚至会高于传统方案，毛利率也很难突破工业软件40%的行业平均水平。

背景背书的适用边界，与对照样本的反常信号

创始团队的博世背景，是叙事中另一项重要的背书，但这份背书的适用边界从未被明确：博世的触觉技术积累主要集中于汽车ADAS系统的触觉反馈领域，与工业机器人抓取所需的高精度力感知技术，是否属于同一技术栈，是否存在技术迁移的可行性，均无公开证据支撑。博世背景能够为创始团队带来的更多是产业资源与客户渠道，而非直接的技术积累，这一点在当前的宣传中被刻意模糊了。 与此同时，千万级一季度营收的规模，也无法直接证明商业模式的可复制性。结合早期硬科技项目通用POC转化率10%-20%的行业经验值测算[2]，千万元级营收对应的商用项目可能仅为1-2个，完全无法证明方案的标准化复用能力。更重要的是，公开信息从未披露过客户结构，无法排除收入来自博世生态内的关联试点项目，而非市场化竞争下的常态化采购。如果营收仅来自关联方试点，那么这笔收入只能证明创始团队的资源获取能力，无法证明产品的市场竞争力。 将大衍的融资规模放在同期同领域的融资样本中对比，会出现一个值得关注的反常信号：2026年上半年披露融资的8家具身智能相关企业中，7家拿到数亿至数十亿元量级融资，仅大衍与另一家企业停留在数千万元天使轮阶段，同期同领域的清华系千诀科技已完成数亿元A轮融资，资金主要用于世界模型研发与商业化落地[7]。早期硬科技项目通常会披露第三方评测结果、核心性能边界等非核心信息提升估值说服力，若大衍的触觉大模型确实已实现可验证的技术突破，或可通过披露部分非核心技术指标拿到更高融资额。这种“刻意模糊所有关键技术与运营指标”的操作，反而更符合融资宣传包装的典型特征。

分层的置信度判断，与可证伪的验证标准

基于现有公开信息，可以得出三个分层的判断，每个判断都绑定明确的前提与置信度，所有判断的不确定性都来自未披露的核心信息，而非主观推测： 第一，大衍已完成非大模型类触觉相关业务的早期商用，置信度为65%。支撑这一判断的核心依据，是工业触觉领域真实存在的降本需求，以及创始团队的产业资源背景；判断的不确定性来自未披露的客户结构与营收确认口径，无法排除关联交易的可能性。 第二，大衍已跑通触觉大模型的最小工程闭环，置信度为10%。这一判断仅保留了“公司在非公开场景完成局部技术验证”的极小可能性，没有任何公开的技术参数、第三方评测结果、模型架构说明能够支撑相关结论。 第三，触觉大模型是具身智能领域的核心发展瓶颈，置信度为40%。这一判断仅来自行业的定性共识，缺乏触觉感知故障在具身智能机器人整体故障中的占比、下游客户对触觉感知升级的付费意愿等量化数据支撑。 需要明确的是，低置信度的判断不代表否定技术突破的可能性，只是代表现有公开信息不足以支撑相关结论。所有超出可验证样本的判断，本质都是将融资叙事等同于已验证事实的精确错觉。

后续跟踪的核心指标，与硬科技创业的叙事陷阱

对于大衍科技的后续发展，无需关注宏大的技术叙事，只需跟踪三个可验证、可证伪的具体指标即可，只要任意一项指标未达标，“触觉大模型”的叙事就仍停留在宣传层面： 第一，技术端，是否公开10TOPS端侧算力下的推理延迟、未纳入训练集的物体触觉识别准确率两项核心技术参数。这两个指标是触觉大模型能够适配工业场景的最低要求，不涉及核心技术机密，具备公开的可行性。 第二，运营端，是否披露模型相关服务收入占比超过30%，前五大客户中非关联方收入占比超过70%，主营业务毛利率高于60%。模型相关收入占比能够直接证明营收与大模型技术的绑定关系，非关联方收入占比能够排除创始人资源溢价的干扰，高于60%的毛利率是标准化软件服务的典型特征，能够与传统定制化项目30%-40%的毛利率形成明确区分。 第三，案例端，是否有可溯源的非关联客户，明确验证其方案用到了大模型的泛化能力，而非传统规则算法。 硬科技创业的核心魅力，在于将前沿技术转化为可验证的商业价值，但当前一级市场中，越来越多的项目倾向于用热点概念包装传统业务，用行业共识替代具体的可验证性，用模糊的叙事替代清晰的指标。这种倾向不仅会误导投资者与产业观察者，也会进一步加剧人工智能研究领域的窄化，让资金集中在更容易获得融资的叙事方向，而非真正的技术突破[5]。 对于大衍科技这样的早期企业而言，融资只是发展的起点，真正的考验是能否将包装后的叙事转化为可验证的技术与商业能力，否则只是一级市场的短期泡沫，无法为产业带来真正的价值。在具身智能领域整体处于早期发展阶段的当下，区分可验证的事实与包装后的叙事，才是识别真正有价值的技术方向的核心能力。