📋 目录

• 💊 开场：一个跟机器人无关的第一个客户
• 🦷 牙医的11%：一个把"感觉"变成数据的时刻
• ⛏️ 2015 年的判断：不是有需求就能满足
• ↩️ 2021 年的收缩：为什么从全栈退回到一颗传感器
• 🔁 2026 年的回归：完整版才刚拼回来
• ⚠️ 三处必须纠正的误读
• 🏗️ 领码 SPARK 融合平台：非共识落地的系统条件
• 🎯 给创业者的五条判断标准

---

💊 开场：一个跟机器人无关的第一个客户

2021 年，许晋诚从日本早稻田大学博士毕业，回到深圳，创立帕西尼。

从今天的视角看，这家公司的路径非常清晰：触觉传感器 → 灵巧手 → 人形机器人 → 数据工厂 → 大模型 → 数据云商城。2026 年 3 月完成超 10 亿元人民币 B 轮融资，估值突破 100 亿元；9 月在北京证监局完成 A 股 IPO 辅导备案。累计融资超 40 亿元，股东名单里有比亚迪、京东、三星、TCL、上汽、北汽、新奥、商汤、优利德。

但如果问"帕西尼的第一个客户是谁"，答案跟机器人没关系。

许晋诚在 2026 年 10 月底接受 AI 科技评论访谈时讲了这段：

“但我们从一开始就不是走真机数据这条路。那时候我帮资生堂，就是 SK-II 的母公司做项目。他们有大量柜员，产品一致性很高，但人在培训时候一致性很差，一旦按摩手法不对，效果就参差不齐。所以我们帮他们做了一件事：把’用多大力道、用什么手法’采下来、数字化，再给其他柜员看，并对下一个人采到的轨迹、力度做评分，让所有柜员不断向专家水平靠拢。”

一家做机器人触觉传感器的公司，第一个客户是化妆品公司。

而且服务的内容也不是"机器人"——是人手在操作时用多大力道、什么手法。

这件事看起来跟具身智能八竿子打不着。但它是帕西尼今天一切业务的原型，而且许晋诚自己也这么定位：

“我们并不是从传感器出发的公司。我们 2015 年就在采数据的路径上，2017 年跟资生堂这类公司合作，执行器也很早就在做。自始至终我们真正做的是一件事：从感知系统，到足够多的经验值，再到好的执行能力，让机器人快速落地。”

这句原话是理解这家公司最好的入口。

---

🦷 牙医的11%：一个把"感觉"变成数据的时刻

资生堂之后，另一个项目彻底改变了帕西尼的方向。

牙医的痛点

“后来日本牙医协会一位话事人找到我们，这个需求直接改变了我们的方向。牙医的痛点是：医牙时病患觉得疼，医生说我明明没使力，但病患不信。本质是因为力学和手法没有标准，无法让人信服。他希望把牙医的技术数据化、可视化，一方面让学生看到自己是怎么医的，另一方面让病患看到’我只用了 11% 的力，是你对疼痛的感知比常人更敏锐’。”

这个案例值得停下来多看两眼，因为它把问题的结构讲得非常清楚：

痛点不是"力度不够准"，是"没法证明"。

医生的技术可能是好的，但病患不认。为什么？因为力学和手法没有标准——没有标准，就没法自证。这跟"患者觉得疼，医生说没使劲"这种日常扯皮，本质上是同一个问题：当一个判断无法被第三方验证，双方只能靠信任，而信任在服务场景里不成立。

11% 这个数字的分量

"我只用了 11% 的力"这句话，是整个项目最关键的一句。

它做的是一件很反直觉的事：把主观感受翻译成客观量。

• 病患的主观感受（疼）→ 无法沟通
• 医生的主观判断（没使劲）→ 无法验证
• 传感器采到的力值曲线（11%）→ 可以对照、可以复核、可以拿去给学生看

一旦力值变成数据，"疼"这个感受就有了参照物——不是医生说了算，是数据说了算。"我只用了 11% 的力"这句话之所以有力量，是因为它背后有一套别人能复现的测量。

而这套"手感数字化"的技术，就是今天帕西尼触觉传感器的原型。

机器人是第二步，不是第一步

“实现这个需求之后，我们就开始思考：如果能把医生的技术采下来，**能不能移植到机器人上，让机器人拥有这个技能？**大概 2018 年，我们就在做这件事了，比大家通常认为的开始时间要早很多。”

时间线在这里很清楚：

时间	帕西尼在做什么
2013 年起	在早稻田做触觉传感器研发（参与全球首个康养型人形机器人项目）
2015 年	意识到数据的重要性
2017 年	发表数篇数据采集手套论文；与资生堂合作
2018 年	开始做"把人的技术移植到机器人"
2021 年	公司成立
2023 年	发布人形本体、商用触觉灵巧手、模型、带触觉的数据采集系统

从"记录人手"到"教机器人"，中间隔了三年。而这三年才是这家公司真正的差异化所在。

---

⛏️ 2015 年的判断：不是有需求就能满足

许晋诚在访谈里有一段话，是整场对话里认知含量最高的一段：

“其实不是’没被满足’，是即便有数据，没有算力，也无法真正使用。……我们那时候最开心的是 GTX 1080 出来了。当年 AlexNet 做 ImageNet，就是拿 GPU 的核心去做逐像素的大规模计算，CPU 顶天 8 个核心，干到什么时候都干不完；GPU 同时有大量核心，本来就是并行渲染图像的。所以整个历程是：**算力上来之后，你才发现手上的数据不够用了。**数据需求和算力是彼此关联的，不是独立发生的。”

他还用了一个很形象的比喻：

“所以不是’有需求就能满足’，是有资源但没有开采能力。就像中东土豪站在油田上，没有采油的能力，不慌吗？”

这段话包含一个相当非共识的判断：数据需求不是独立发生的，它由算力触发。

它的完整链条是这样的：

阶段	状态	各方的处境
算力不足	有数据需求，但算不动	大家研究"怎么用数据"，而不是堆数据量
算力跃升	GPU 大规模并行成为可能	已有数据被训完 → 突然发现数据不够了
数据不足	大量采集	数据需求成为产业主线

对照许晋诚自己的描述：“那时候大家反而更多在研究’如何用数据’——比如用触觉数据、关节角度数据去帮助神经网络进化，而不是数据的体量。”

这解释了一个长期存在的不对称：数据明明重要，但"重要"这件事只有在算力到位之后才显形。

它的实际推论是：算力是数据战略的前置条件，不是并行项。 没有算力规划的数据规划，是拿钱买一堆用不上的东西。

帕西尼后来撞上了这件事的另一个版本。2026 年世界机器人大会上许晋诚谈到算力瓶颈：

“数据越多，需要消耗的算力就越大。我们现在公司内部都在抢算力，市场上能获取的算力资源也远远跟不上需求。”（尤其在国内，算力的紧缺程度更高。）

这也解释了他们为什么坚持全模态：“在算力有限的情况下，不可能用单一模态数据慢慢提升模型能力。”

---

↩️ 2021 年的收缩：为什么从全栈退回到一颗传感器

这是这家公司故事里最值得琢磨的一段。

起点是全栈

在 2026 年 4 月的钛媒体访谈里，许晋诚透露了创业初期的真实方向：

“其实，创业初期我们就是铆着机器人的终局去做的，也就是构建机器人大脑的底部能力、拓展机器人的泛化能力。帕西尼因此构建起基于触觉的物理交互的高维数据采集全栈方案，我们做了一个带五指控制的遥操作系统去控制具备自研触觉能力的机器人，远程执行任务并采集数据，用 CNN 模型训练后再部署回机器人。当时，陆奇博士一眼就看上了这个全栈项目。”

注意这个技术栈：遥操作系统 + 自研触觉机器人 + 采集数据 + CNN 训练 + 部署回机器人。跟今天的主张（“遥操作采不到真实触觉”）几乎是反面。

这不矛盾。 2021 年他们做的是"用触觉机器人采真机数据"，跟今天批评的"纯遥操作采数据"不是一回事——遥操作的是触觉-equipped 的机器人，采到的是真机的触觉。所以这是一次从"机器人采机器人"到"人采机器人"的路线迭代，而不是推翻。

收缩的理由

“但在两三年前我们逐渐感觉到，当时很多人（除了陆奇博士）还无法理解数据的重要性。于是我们决定：把机器人感知的触觉模态单独剥离出来，公司取名’帕西尼’。”

“说实话，单独拿触觉技术融资非常顺利，因为大家都知道这个模态就很特殊，而且它还被列在工信部卡脖子关键技术清单上。”

这是一次教科书级的**“从终局叙事切回切口叙事”**的操作：

维度	全栈方案（2021）	触觉传感器（2021-2023）	完整版（2024-2026）
讲的故事	我们要做机器人的大脑	触觉是卡脖子技术	我们是具身智能的基础设施
听众	少数能理解长期愿景的资本	大量看得懂"国产替代"的资本	全栈投资者 + 产业方
融资难度	高（要相信 5 年后的事）	低（要相信眼前的稀缺性）	中（但已有战绩可验证）
公司实际做的事	触觉优先	触觉优先	触觉 + 数据 + 模型 + 本体

关键的判断是：他不是放弃了全栈，而是把全栈"折叠"进了一个当下能融资的小切口里。

从融资历程能看出来这个节奏：

时间	轮次	投资方
2021 年	天使轮（数百万人民币）	奇绩创坛
2022 年 12 月	Pre-A（数千万元）	啟赋资本、浩方创投
2023 年 10 月	A 轮（未披露）	新奥资本
2024 年 4 月	A 轮及 A1 轮（数亿元）	新奥领投 A；北汽产投、南山战新投、盈富泰克联合投 A1
2025 年 4 月	战略投资（超亿元）	比亚迪（当年具身智能最大单笔）
2025 年 8 月	A 系列	京东战略领投
2026 年 3 月	B 轮（超 10 亿元）	黄浦江资本、凯泰资本、信安资本领投
2026 年 9 月	B++ 轮（数亿元）	三星战略投资

从数百万到超 10 亿，用了五年。 而这五年里公司的实际主轴（触觉）一次都没换过。

触觉为什么是那个"能讲清楚的切口"

许晋诚给过一个很技术的原因：

“我们实验室规模很大，将近 100 人……我参与的是全球首个康养型人形机器人项目，它的特点在于全身基于力学控制，而我主要负责传感器、灵巧手及相关结构设计。也正是在这个过程中，我清楚地意识到一个问题：成本实在太高了。单是一个力传感器就要近百万日元，电机驱动等核心部件还要和顶尖车企的研究所合作开发，很多环节甚至依赖老师傅手工制作——不仅周期长，成本也难以控制。”

一个传感器近百万日元。这是 2013 年前后的价格。十年后是 199 元。

而且触觉这个切口有一个别的技术方向没有的性质：它天生是"卡脖子"的。

2018 年触觉传感器被列入 35 项急待突破的关键技术；高端触觉传感器 90% 依赖进口，单价高达十万元。这是所有具身智能硬件环节里，最容易讲清楚"为什么必须国产"的那一个。

在实验室阶段，许晋诚和团队"几乎试遍了所有可能的技术路线：霍尔、视触觉、电容、压阻"，最终的判断是：

“如果要同时满足快速响应、成本可控和高一致性，霍尔原理的触觉传感器是最有潜力的。”

理由也很硬：“霍尔式传感器有一个很大的优点，就是由半导体生产并且完全的数字输出……半导体是人类工业体系中一致性控制得最好的领域之一，我们等于站在芯片产业数十年积累的’可靠性巨人’肩膀上做创新。”

对比其他路线的死穴：压阻、电容依赖功能材料，“其材料特性在批量制备中难以保持高一致性，导致传感器灵敏度、稳定性在量产时面临波动”。

这是一个用工程原理做决策的完整链条：实验室试遍路线 → 找到物理上最可量产的那条 → 靠半导体工艺的一致性红利摊薄成本 → 落到 199 元。

---

🔁 2026 年的回归：完整版才刚拼回来

许晋诚的原话：

“现在这个帕西尼，才是我们原本设计的完全体。”

拼回来的顺序是这样的：

值得注意的是这条回归路径里的顺序：

传感器先出来（因为它最硬、最稀缺、最容易讲），然后灵巧手和本体（放大传感器能力），然后数据工厂（把传感器变成数据管道），最后才是大模型和数据云商城（把数据变成生意）。

注意大模型和数据交易是最后才做的。 这跟行业里"先讲故事再做产品"的路径正好相反。

许晋诚讲过一个细节，说明这个"折叠"是有意识的：

“我们推出了国内第一款商用触觉灵巧手后，很多客户才因此明确了具体需求，合作伙伴也随之而来。从这个意义上说，全栈布局恰恰回应了行业对’完整闭环’的真实期待。”

翻译过来：做出可见的产品，才让市场知道自己要什么。 这跟"先定义市场再找产品"是相反的顺序。

还有一个更少人知道的判断：主动退出榜单

许晋诚在钛媒体访谈里说过一件挺少被报道的事：

“之前我们也参与过公开榜单的评测，最高排到过第 13 名，但后来我们主动停了。因为我们发现，刷榜所用的数据集和任务往往是固定的，通过针对性的调参和数据优化，虽然能在榜单上获得不错的排名，但这种’好成绩’往往难以验证模型在真实场景中的泛化能力和鲁棒性。”

这个细节比任何战略叙事都更能说明这家公司对"什么才是真本事"的理解。 有一个能给外部验证的分数，主动放弃，理由是那个分数证明不了真实能力。

---

⚠️ 三处必须纠正的误读

误读一：“帕西尼是机器人公司”——它先是传感器公司

这是最普遍的误解。帕西尼的产品线看起来横跨传感器、灵巧手、人形机器人、数据集、大模型、数据云商城，很容易被归类成"机器人公司"。

但许晋诚自己给出的顺序不是这样的：

“我们是先做传感器，灵巧手跟人形机器人是在同个时间段进行的。”

而且他对做整机给出的理由非常直白：

“假设一个触觉传感器公司没有集成这个功能到机器人制造里面，而是直接开发触觉传感器市场，其实是做不出来的。因为人形机器人是一个载体，我们先把传感器更好地用起来，让大家都看得到，客户在购货时的心理压力是最小的。”

以及他对"只卖传感器"的否定：“如果我们什么都没有，只给你一个传感器，让你自己去想象，是很不负责任的。”

所以准确的说法是：帕西尼是一家以触觉传感器为核心、向数据与执行两端延伸的公司；做整机是展示与验证手段，不是终局。

顺带一个被忽视的技术判断，许晋诚在 2024 年的访谈里说过：

“我们会做出一个大概的框架给到客户，我们有一个视觉跟触觉的融合框架。……不需要的，我们人如果没有摸过什么东西，也会知道一个东西是什么。”

以及触觉的不可替代性：

“视觉让我只知道物体的位置，但是我不知道夹取它之后的状态，搞不好这个东西有 1000 斤，我拿不起来它，搞不好这个东西它非常脆弱，单看体积，机器人没办法单独靠视觉来判断，所以就需要靠触觉来做冗余检测并执行。”

误读二：“做机器人是为了追求 AGI”——许晋诚明确否认

在 AGI 这个问题上，许晋诚的回答非常克制，而且被引用得比应该的少：

“**AGI 与机器人关系不是很大。**我对 AGI 的定义并不一定是活蹦乱跳的机器人，比如我给你打电话，我们在对话……而 AGI 作为载体，其实就是处理和利用这些信息来实现与人类的交互和理解。”

“人形机器人无需刻意追求 AGI，只要能学习并有效运用人类经验，进而在生产、生活等多种应用场景中发挥作用就行。”

甚至他对人形这个形态本身都不是信仰：

“我个人认为一个机械臂，一个手可能就 OK 了，但理不理想不是说我们想，而要依照实际情况而定……现阶段最好的模型泛化途径就是做成人形，因为我们的数据全部都是从人身上来的，这一点要很清楚。”

做人形是数据决定的，不是形态信仰决定的。 这个逻辑很硬：数据从人来，所以人形泛化最好；但如果数据来源变了，形态也可以变。

误读三：“199 元是亏本抢市场”——公开信息并不支持这个说法

这个说法流传很广，因为"199 元"这个数字实在太反常——许晋诚自己在钛媒体访谈里讲了海外客户的反应：

“有意思的是，很多海外客户第一次听到这个价格时，甚至私下问我们：'你们这样定价，到底赚不赚钱？'因为他们从来没见过在同等性能水平上，能有这个价位段的产品。”

注意他的措辞是"海外客户私下问"，不是"我们亏本卖"。 公开信息里没有任何一手口径说这是亏本定价。

同一段访谈里给出了成本结构的解释：

“在我们定价 199 元之前，市场上的触觉传感器基本都在 1000 元以上，而且这通常还只是不含驱动板的价格。有些厂家会把传感器和驱动板拆开卖，传感器标几百元，驱动板却卖到上千块——算下来还是一样贵。那时候视触觉传感器更要卖到近 5000 多元。”

所以更准确的说法是：

199 元是自研芯片 + 自研量产路线带来的结构性成本下降，不是价格战亏损。 而且这个价格改变了整个行业的定价体系——“类似像视触觉传感器应声降到 2000 的区间，其他技术路线的产品也不得不重新审视自己的定价逻辑。”

顺带纠正一个容易被忽略的口径差异：官方商城写的是"PX-6AX-GEN3 12 种型号可选 ¥199 起"，而许晋诚在访谈里说的是"199 元的产品"。"起"和"12 种型号"这两个限定不能丢。

还有一个小数字要拆开：许晋诚说"仅双手的传感器数量就接近 2000 个"（2024 年 11 月），而单只多维触觉灵巧手 DexH13 搭载 978 个多维触觉传感器、15 种触觉感知能力。两只手接近 2000 个，跟单手 978 个是对得上的（978×2 = 1956）。

---

🏗️ 领码 SPARK 融合平台：非共识落地的系统条件

这一节写给正在做非共识技术路线的人。

许晋诚这套"先切小切口融资、再把完整版拼回来"的做法，看起来像战略叙事，但它能成立是有前提条件的。而这些前提条件，恰好是企业做数据平台时每天要处理的具体问题。

对应一：iPaaS 接数据——切小口径的时候，接口不能跟着切

非共识路线最常见的死法：为了讲一个更小的故事，把数据管道也做窄了。等到故事讲大、管道接不上了。

帕西尼的例子很典型。2021 年讲的是"触觉传感器"，2024 年之后要讲"感知-数据-执行全栈"。故事在变宽，但采集出来的原始数据格式不能变。

对应到企业：非共识期做的那个"最小可用"的采集/接入方案，它的输出格式必须是全栈期的输入格式，不能是临时的。

具体到平台：

非共识期容易做的事	后果	该怎么做
先建一个专用导出格式	全栈期要重做	从第一天就用带元数据的标准格式
字段按当前需求定义	需求一变就丢数据	字段定义与业务解耦
先接一个源、源用私有协议	扩展时接口全改	接入层抽象统一协议

关键判断：可以在"讲什么"上做减法，不可以在"存什么"上做减法。 因为多存下来的数据将来能用，少存的永远回不来。

对应二：治理中心前置——"折叠"期间，口径必须冻结

帕西尼从全栈退到单传感器的那两三年，公司形态变了很多，但数据采集的规范是延续的：同一套采集标准、同一套审核流程（80%–90% 自动化审核）、同一个"失败是更珍贵的负样本"的判断。

这就是"折叠"能成立的真正条件：变的是对外的叙事和融资的颗粒度，不变的是内部数据生产的规范。

对应到企业做非共识项目：

阶段	可以变的	不该变的
收缩期	对外话术、交付范围、投入节奏	数据采集规范、质量判定标准、元数据结构
扩张期	产品线、团队规模、商业模式	上面那三样（否则历史数据全部作废）

治理中心前置的价值在这里体现得最充分：它把"什么不能变"变成系统里不可绕过的约束，而不是靠人的记性和承诺。

对应三：全域守卫划权限——非共识期的信息不对称是资产，也是风险

帕西尼 2021 年最值钱的东西是什么？是"用触觉做机器人数据采集"这个当时没几个人看懂的方案。这个阶段的信息极度不对称——公司知道，资本市场不一定知道。这种不对称是融资窗口的来源。

但风险也明确：信息不对称被误当成能力差距（竞品看到 199 元会以为在亏本，而真实情况是成本结构不同）；未验证的判断被当成结论传播（"无触觉的任务成功率是伪命题"这类强判断，在没有更多数据支撑时是有风险的）。

场景	处理
对外融资/宣讲材料	走独立的发布流程，与内部数据资产分离
技术判断对外发布	标注证据等级（已验证 / 推断 / 假设）
内部数据的对外引用	自动附带口径与可信度标签，避免断章取义

全域守卫在这里的作用不是防泄密，是让"已验证的事实"和"未验证的判断"在系统里就是两类东西，引用时不会被混为一谈。

对应四：与 Dify 分工——叙事归人，证据归系统

有一类需求会诱惑人把编排层用错地方：让 Agent 自动生成对外的技术叙事、对标材料、竞品分析。

这类场景最大的风险是：生成的内容读起来非常专业，但它不受证据约束。

正确的分工是：

谁	做什么
SPARK 治理层	维护事实与口径、标记证据等级与来源、暴露可核对的数字
Dify 应用层	基于已治理的事实生成材料草稿、做结构化表达、做格式适配

关键在事实必须来自系统，不能来自模型的记忆。否则你会得到一份每句话都很通顺、但其中两个关键数字来自二手转述的材料——而这正是本栏目每一次核查都在纠正的那个问题。

---

🎯 给创业者的五条判断标准

① 问"我做的这件事，是我最擅长的，还是我最需要的"。
许晋诚从牙医项目走到触觉传感器，靠的是同一条技术能力（记录手的力学与手法）在不同场景的迁移。能迁移的才是主线，不能迁移的是巧合。

② 找那个"当时没几个人看懂、但一定会被需要"的切口。
帕西尼选触觉，是因为它技术最硬、缺口最明确、最好讲清楚"为什么必须自己做"。切口的价值不在于小，在于它的稀缺性足够支撑独立融资。

③ 收缩期不要动数据规范。
可以收缩叙事、收缩交付面、收缩投入，但不能收缩数据规范和元数据结构。这是唯一不可逆的东西。

④ 从完整版倒推第一步，而不是从第一步推完整版。
许晋诚 2015 年就在采数据、2017 年就跟资生堂合作，但他 2021 年做出来的产品是传感器。完整版从第一天就在脑子里，第一步只是能被今天理解的那一块。

⑤ 主动放弃你拿不到的分数。
公开榜单最高第 13 名，主动停掉。一个不需要外部验证就能说服自己的分数，多半证明不了什么。

---

许晋诚的起点是一个化妆品柜员的手劲，和一个牙医没法自证的 11%。

这两个项目跟机器人、跟 AGI、跟具身智能都没关系。但它们给了他三样东西：一套记录手的力度的技术、一批相信这件事的人、和一个"数据比模型更早成为瓶颈"的判断。

五年之后，这三样东西拼回来，就是一家估值破百亿、卖传感器的公司，顺便成了中国具身智能数据最大的供给方之一。

最有意思的地方在于：他从来没有改变过要做的事。他只是每次都只拿出今天能被理解的那一块。

---

如果让你现在收缩到一个小切口来讲你的项目，你会选哪一块？这个选择是出于"它最容易被理解"，还是"它真的最稀缺"？评论区说说，我帮你看看这两个理由会不会把人带到不同的坑里。