展会｜CES 2026直击：不止传感器，帕西尼PaXini要打造具身智能“物理感知基建”
13
01.15深圳，直面对话eMAG官方团队，现场答疑解惑，从0-1助力2026开拓新蓝海>>
“人形机器人如何走出 Demo、进入应用场景？帕西尼选择从“触觉基建”入手。
文｜王莹影
在人工智能和机器人领域，存在一个著名的“莫拉维克悖论（Moravec's Paradox）”：人类高阶的认知能力（如逻辑推理、下棋），AI 能轻松掌握；而让机器人像人一样拿稳一把螺丝刀并递给同伴，却难如登天。
在今年的美国 CES 上，中国的人形机器人依然是最吸睛的存在。它们端着咖啡、做着冰淇淋，挥手致意，吸引人群围观拍照。但热闹之外，行业的焦虑同样明显：当展会结束、灯光熄灭，机器人要怎样走出 Demo，真正进入工厂、仓库乃至家庭，成为一台“有用”的机器？
对此，帕西尼感知科技（PaXini Tech），以全球领先触觉传感技术而备受瞩目的具身智能明星企业，正试图通过一种“全栈基建”的思路，将具身智能从这种焦虑中解救出来。
从高精度触觉传感器到“具身智能基建”
帕西尼全产品矩阵图 来源：企业供图
帕西尼成立于2021年，创始团队源自世界首个人形机器人诞生地——日本早稻田大学菅野实验室。依托全球首创的 6D 霍尔阵列式触觉传感技术，公司自主研发的高精度多维触觉传感器，可测量包括六维力、纹理、回弹等15种丰富的感知维度，赋予机器人媲美人手的触觉感知能力。
帕西尼的创始人许晋诚博士（Dr. Hsu）在采访中强调，机器人落地的关键不只是“看得见”和“会规划”，还在于机器人能否在碰触、抓握、受力与滑移物理交互瞬间，实现精准判断与即时反应。通过实时解析力学、纹理与运动数据，形成对交互本质的理解。换言之，当机器人能够从接触中“学习”并动态调整自身行为，形成闭环的、可自主演进的“接触智能”时，具身智能才能真正从实验室概念，转化为可靠、可部署的生产力。
本届 CES 上，帕西尼把自家的产品矩阵几乎完整搬上了展台：从多维触觉传感器 PX-6AX 系列与触觉通讯模组，六维力/扭矩传感器 PX6D/PXTS，到灵巧手和人形机器人 TORA-ONE 和 TORA-DOUBLE ONE 等整机产品，像是把一条具身智能产业链拆解后铺在观众面前。
现场演示中，搭载1140个 ITPU 多维触觉传感器的视觉触觉双模态灵巧手 DexH13 实现了精细灵活的抓握操作。另一边，全身拥有53个自由度、身高可在146至186厘米之间灵活调节的人形机器人 TORA-ONE 则在现场展示冰淇淋的全流程制作，生动呈现了接杯、打料、取放饼干等比拟人类的灵巧操作。
帕西尼在用最容易理解的方式展示：当机器人可以感知真实物理世界、能稳定控制力度，执行各类精细、复杂任务，才可能从实验室走向真实场景。
但许晋诚博士并未将公司定位为单纯的“触觉传感器厂商”。在他看来，传感器只是入口，真正稀缺的是传感器所生成的、可用于训练与部署的高质量触觉数据。而难点在于，视觉数据可以靠摄像头规模化获取，语言数据可以从互联网获得，但触觉与力学数据必须来自真实接触，获取成本高、采集难度大，也更难形成统一标准。
“我们在具身智能产业链里是夯实具身智能发展的‘地基’。”他将帕西尼定位为具身智能基础设施建设者，希望以“触觉传感器-具身数据-智能模型-机器人本体”的全栈能力，推动行业走向更可落地的阶段。
帕西尼的闭环生态，源于对客户全周期需求的精准把握。无论是从硬件研发切入，延伸至数据需求；还是从算法训练起步，最终回归硬件落地，帕西尼的全栈产品矩阵都能提供连贯支撑，在解决客户阶段性痛点的同时，自然推动其进入下一产品环节，从而实现业务的可持续循环。
具身数据工厂，才是长期资产
目前，帕西尼已在天津建立全球规模最大的具身智能数据采集与模型训练基地——帕西尼 Super EID Factory。工厂将以约12000平方米的物理基建、15+N 核心场景与150个标准化采集单元，构建年产近2亿条全模态具身智能数据集 OmniSharing DB，并以全球首个具身智能数据云商城的姿态，向全球产业生态开放。据悉，该数据云商城将于近期公开亮相。
在许晋诚博士看来，帕西尼构建的长期壁垒并非源于数据规模，而在于其数据资产的三重关键属性：高可复用性所支撑的泛化能力、可迭代性所保障的持续优化闭环，以及全模态覆盖所实现的多维信息对齐。
当前行业常见的采集方式，是以机器人为中心的遥操作：人通过控制器操纵机器人执行动作，从机器人本体上记录轨迹与状态。但问题在于，机器人一旦迭代（关节布局、自由度、末端结构变化），旧数据往往需要做映射才能继续使用，而这会带来精度损失与成功率下降，数据资产贬值很快。更现实的是，许多用于采集的机器人本体并没有完整配备力学与触觉传感器，导致实时交互信息缺失，数据“看起来很多，但密度不够”。
帕西尼则选择“以人体为中心”：让真人穿戴采集设备，以人的自然动作生成高可用性数据。因为人体构型长期稳定（不会因为一年迭代就“多一个关节”），因此这类数据更容易形成长期资产，能够在不同本体之间复用。随着人形机器人构型趋近人体，人体数据与机器人控制空间的对应关系反而更自然，数据可用性会随时间提升而不是贬值。
据其介绍，这一采集方式的速度更接近人类日常动作速度，因此采集效率更高；成本也显著低于依赖昂贵机器人本体的采集路径。
此外，帕西尼提出了“上半身数据优先”的观点。许晋诚博士直言，许多工作场景里90%以上工种是坐姿或固定工位作业，双足带来的成本、耗电和稳定性问题，未必值得，因此他们更关注上半身操作、手部精细触觉与力控能力，把资源投入到“真正决定任务成功率”的部位。
CES 现场，帕西尼也设置了“数据采集演示区”：工作人员穿戴帕西尼自研数据采集设备 PMEC 执行任务，任务数据被实时映射为可用于训练的机器人数据，让观众直观看到数据如何被生产出来。
2026年推进“机器人本体”业务
作为全球触觉传感器领域的量产领先者，帕西尼早期对外形象以传感器优势为核心。团队对人形机器人本体的探索与积累，起步之早，与传感器业务的发展几乎同步。
许晋诚博士称，公司将本体作为“基础设施闭环”中的关键一环纳入体系，目标是让数据更高效地驱动系统，让模型更稳定地落地执行。在这一闭环中，传感器与机器人本体深度协同，形成从感知、决策到执行的完整技术链条。目前，相关人形机器人本体已在大型物流仓储、汽车制造工厂等场景开展实地验证。
全球化：先硬件，再数据与模型
在 CES 这一全球舞台集中展示能力，也反映出帕西尼的全球化决心。“中国在具身智能基建上的能力全球最强，我们的策略是深入海外市场的‘骨髓’。”许晋诚博士直言。
帕西尼的重点市场锁定美国、欧洲、日本、韩国。这并非单纯基于市场规模，而是源于产业结构与速度差异：中国具备强供应链与快速迭代优势；美国在硬件与制造基础设施上相对薄弱；日韩制造业强但面临老龄化与高成本，且大企业创新推进节奏偏慢，对成熟方案的依赖可能更强。帕西尼的路径是“先硬件、再数据与模型”：先将传感器与关键部件嵌入海外客户系统，再推动数据服务与模型能力输出，真正帮助当地客户完成自动化升级。
值得一提的是，对于具身智能的未来，许晋诚博士要比很多行业人士更乐观：“两到三年内会有大量机器人进入真实生产环节。”
当机器人不再只是展台上的表演者，而是从演示品转变为车间与仓库中可靠的生产力，帕西尼所押注的“物理接触模态基建”，将会真正显露它重塑物理世界的价值。
“人形机器人如何走出 Demo、进入应用场景？帕西尼选择从“触觉基建”入手。
文｜王莹影
在人工智能和机器人领域，存在一个著名的“莫拉维克悖论（Moravec's Paradox）”：人类高阶的认知能力（如逻辑推理、下棋），AI 能轻松掌握；而让机器人像人一样拿稳一把螺丝刀并递给同伴，却难如登天。
在今年的美国 CES 上，中国的人形机器人依然是最吸睛的存在。它们端着咖啡、做着冰淇淋，挥手致意，吸引人群围观拍照。但热闹之外，行业的焦虑同样明显：当展会结束、灯光熄灭，机器人要怎样走出 Demo，真正进入工厂、仓库乃至家庭，成为一台“有用”的机器？
对此，帕西尼感知科技（PaXini Tech），以全球领先触觉传感技术而备受瞩目的具身智能明星企业，正试图通过一种“全栈基建”的思路，将具身智能从这种焦虑中解救出来。
从高精度触觉传感器到“具身智能基建”
帕西尼全产品矩阵图 来源：企业供图
帕西尼成立于2021年，创始团队源自世界首个人形机器人诞生地——日本早稻田大学菅野实验室。依托全球首创的 6D 霍尔阵列式触觉传感技术，公司自主研发的高精度多维触觉传感器，可测量包括六维力、纹理、回弹等15种丰富的感知维度，赋予机器人媲美人手的触觉感知能力。
帕西尼的创始人许晋诚博士（Dr. Hsu）在采访中强调，机器人落地的关键不只是“看得见”和“会规划”，还在于机器人能否在碰触、抓握、受力与滑移物理交互瞬间，实现精准判断与即时反应。通过实时解析力学、纹理与运动数据，形成对交互本质的理解。换言之，当机器人能够从接触中“学习”并动态调整自身行为，形成闭环的、可自主演进的“接触智能”时，具身智能才能真正从实验室概念，转化为可靠、可部署的生产力。
本届 CES 上，帕西尼把自家的产品矩阵几乎完整搬上了展台：从多维触觉传感器 PX-6AX 系列与触觉通讯模组，六维力/扭矩传感器 PX6D/PXTS，到灵巧手和人形机器人 TORA-ONE 和 TORA-DOUBLE ONE 等整机产品，像是把一条具身智能产业链拆解后铺在观众面前。
现场演示中，搭载1140个 ITPU 多维触觉传感器的视觉触觉双模态灵巧手 DexH13 实现了精细灵活的抓握操作。另一边，全身拥有53个自由度、身高可在146至186厘米之间灵活调节的人形机器人 TORA-ONE 则在现场展示冰淇淋的全流程制作，生动呈现了接杯、打料、取放饼干等比拟人类的灵巧操作。
帕西尼在用最容易理解的方式展示：当机器人可以感知真实物理世界、能稳定控制力度，执行各类精细、复杂任务，才可能从实验室走向真实场景。
但许晋诚博士并未将公司定位为单纯的“触觉传感器厂商”。在他看来，传感器只是入口，真正稀缺的是传感器所生成的、可用于训练与部署的高质量触觉数据。而难点在于，视觉数据可以靠摄像头规模化获取，语言数据可以从互联网获得，但触觉与力学数据必须来自真实接触，获取成本高、采集难度大，也更难形成统一标准。
“我们在具身智能产业链里是夯实具身智能发展的‘地基’。”他将帕西尼定位为具身智能基础设施建设者，希望以“触觉传感器-具身数据-智能模型-机器人本体”的全栈能力，推动行业走向更可落地的阶段。
帕西尼的闭环生态，源于对客户全周期需求的精准把握。无论是从硬件研发切入，延伸至数据需求；还是从算法训练起步，最终回归硬件落地，帕西尼的全栈产品矩阵都能提供连贯支撑，在解决客户阶段性痛点的同时，自然推动其进入下一产品环节，从而实现业务的可持续循环。
具身数据工厂，才是长期资产
目前，帕西尼已在天津建立全球规模最大的具身智能数据采集与模型训练基地——帕西尼 Super EID Factory。工厂将以约12000平方米的物理基建、15+N 核心场景与150个标准化采集单元，构建年产近2亿条全模态具身智能数据集 OmniSharing DB，并以全球首个具身智能数据云商城的姿态，向全球产业生态开放。据悉，该数据云商城将于近期公开亮相。
在许晋诚博士看来，帕西尼构建的长期壁垒并非源于数据规模，而在于其数据资产的三重关键属性：高可复用性所支撑的泛化能力、可迭代性所保障的持续优化闭环，以及全模态覆盖所实现的多维信息对齐。
当前行业常见的采集方式，是以机器人为中心的遥操作：人通过控制器操纵机器人执行动作，从机器人本体上记录轨迹与状态。但问题在于，机器人一旦迭代（关节布局、自由度、末端结构变化），旧数据往往需要做映射才能继续使用，而这会带来精度损失与成功率下降，数据资产贬值很快。更现实的是，许多用于采集的机器人本体并没有完整配备力学与触觉传感器，导致实时交互信息缺失，数据“看起来很多，但密度不够”。
帕西尼则选择“以人体为中心”：让真人穿戴采集设备，以人的自然动作生成高可用性数据。因为人体构型长期稳定（不会因为一年迭代就“多一个关节”），因此这类数据更容易形成长期资产，能够在不同本体之间复用。随着人形机器人构型趋近人体，人体数据与机器人控制空间的对应关系反而更自然，数据可用性会随时间提升而不是贬值。
据其介绍，这一采集方式的速度更接近人类日常动作速度，因此采集效率更高；成本也显著低于依赖昂贵机器人本体的采集路径。
此外，帕西尼提出了“上半身数据优先”的观点。许晋诚博士直言，许多工作场景里90%以上工种是坐姿或固定工位作业，双足带来的成本、耗电和稳定性问题，未必值得，因此他们更关注上半身操作、手部精细触觉与力控能力，把资源投入到“真正决定任务成功率”的部位。
CES 现场，帕西尼也设置了“数据采集演示区”：工作人员穿戴帕西尼自研数据采集设备 PMEC 执行任务，任务数据被实时映射为可用于训练的机器人数据，让观众直观看到数据如何被生产出来。
2026年推进“机器人本体”业务
作为全球触觉传感器领域的量产领先者，帕西尼早期对外形象以传感器优势为核心。团队对人形机器人本体的探索与积累，起步之早，与传感器业务的发展几乎同步。
许晋诚博士称，公司将本体作为“基础设施闭环”中的关键一环纳入体系，目标是让数据更高效地驱动系统，让模型更稳定地落地执行。在这一闭环中，传感器与机器人本体深度协同，形成从感知、决策到执行的完整技术链条。目前，相关人形机器人本体已在大型物流仓储、汽车制造工厂等场景开展实地验证。
全球化：先硬件，再数据与模型
在 CES 这一全球舞台集中展示能力，也反映出帕西尼的全球化决心。“中国在具身智能基建上的能力全球最强，我们的策略是深入海外市场的‘骨髓’。”许晋诚博士直言。
帕西尼的重点市场锁定美国、欧洲、日本、韩国。这并非单纯基于市场规模，而是源于产业结构与速度差异：中国具备强供应链与快速迭代优势；美国在硬件与制造基础设施上相对薄弱；日韩制造业强但面临老龄化与高成本，且大企业创新推进节奏偏慢，对成熟方案的依赖可能更强。帕西尼的路径是“先硬件、再数据与模型”：先将传感器与关键部件嵌入海外客户系统，再推动数据服务与模型能力输出，真正帮助当地客户完成自动化升级。
值得一提的是，对于具身智能的未来，许晋诚博士要比很多行业人士更乐观：“两到三年内会有大量机器人进入真实生产环节。”
当机器人不再只是展台上的表演者，而是从演示品转变为车间与仓库中可靠的生产力，帕西尼所押注的“物理接触模态基建”，将会真正显露它重塑物理世界的价值。
热门活动 
广东
01-16 周五
热门报告 
