8 月 7 日，《The Robot Report》登出对 Tacta Systems 联合创始人兼 CEO Vikram Pavate 的专访，把这家公司 7 月 27 日在帕洛阿尔托发布的 TactaBot 拆开讲了一遍。
Pavate 讲了一句概括这家公司的话：「人有了不起的大脑，但 AI 正在追上来。我们有还不错的眼睛，计算机视觉在这一块基本也追上了。一直缺的那部分，是手。」
这句话本身不新鲜。新鲜的是这家公司为了补上这一块，选了什么路径。
先说那只手
TactaBot 由三部分组成：Tacta Hand，Skill Capture 采集系统，以及一个叫 Dexterous Intelligence 的 AI 模型。
手是人手大小的五指结构，15 个自由度，每根手指 3 个。每个指尖能出 25 牛顿的力，大约 2.5 公斤。驱动方式是自研的 Fluidic Tendon，线缆里走流体，流体推活塞，活塞带动手指。
Pavate 说选这条路的原因很实际：流体驱动能把手指做得非常细，靠近手部的位置不发热，这两点是电机驱动做不到的。可靠性也是个理由。传统的线缆驱动手精确、快，但一根线断了整只手就废了。Tacta 声称他们的手机械寿命可达 3000 万次循环。
指尖和传感器另算。这两样会磨损，公司把它们设计成了易耗件，坏了换。
传感器本身是这套系统的核心。单个传感器比一粒沙还小，量程从 250 帕一直覆盖到 70 万帕，也就是人类触觉的完整动态范围。它还能测温度，精度 0.1 摄氏度。不是 MEMS 结构，每个传感器自带模数转换，排布间距 1 毫米。
硬件参数到这里为止。这些是好东西，但不是这条新闻真正的重量所在。
真正的产品是那只手套
Tacta 把同一颗传感器装进了一只手套。每个指尖 256 个，手背上加一套动作捕捉。数据无线传到本地主机。
关于这只手套，专访里有两句话值得连起来读。
第一句：手套可以直接部署，不需要训练，工人可以自然地戴着它完成复杂任务。
第二句，是公司自己的说法：每一个用 Tacta 手套工作的小时，都会让它的机器人训练数据集继续复利。
手套记录的是力、动作、视频和温度，直接从车间里正在干活的工人身上取。之后 Tacta 拿一个现成的预训练模型，用这些触觉和动捕数据训一遍，再到客户现场，用手套在客户自己的产线上做微调。
把这三步连起来，替代路径的形状就出来了。它不需要一个「机器人到岗、工人离场」的时刻。工人继续上班，继续做那些需要手感的活，唯一的变化是他们戴了一副手套。技能还在人手上，但技能的完整记录已经不在了。
物理世界里没有 Reddit
Pavate 对数据这件事说得非常直白：「物理世界里没有莎士比亚、没有网页、没有 Reddit、没有《纽约时报》可以拿来训练这些模型，高价值的工作尤其没有。」
这是过去两年整个具身智能行业的真问题。语言模型有一份现成的语料躺在那里，物理智能没有，语料必须被制造出来。行业里几条路线，区别就在于制造语料的方式。
4 月 28 日 NVIDIA 开源 Isaac GR00T N1.7，用的是 20,854 小时的第一视角视频，Apache 2.0 授权，还附了第一份公开的灵巧操作缩放定律。我们当时写过这条。那条路线的优点是便宜、量大、可以爬；缺点是视频里没有力，没有滑移，没有温度，没有形变。
7 月 30 日 DeepMind 发布 Gemini Robotics 2，第一次端到端控制一台完整的人形机器人。它自己公布的基准图里有一组数字很扎眼：拧下灯泡成功率 92%，把灯泡拧回去 36%。我们讲过这张图，五指手在多项任务上打不过两指夹爪。
Tacta 的整个赌注，就是在回答那 36% 从哪来。它的答案不是模型不够好，是手不知道自己碰到了什么。所以它去补的不是模型层，是输入层，而且补的是那个爬不到的通道。
7 月 27 日的通稿里，公司把这套采集叫做 large-scale skill capture。这个词组是准确的，只是需要有人把它翻回中文的日常意思：大规模地，把技能取下来。
和 Agility 的那本账不一样
7 月 30 日，Agility Robotics 在弗里蒙特开了一个训练中心，招大约 200 人来教 Digit 干仓库的活，同时以 25 亿美元估值走 SPAC 上市。我们记过这件事。
两家公司在做同一件事：把人的动作变成机器人的能力。但账完全不是一本。
Agility 的训练数据是一条工资单。它自己雇人、付钱、在自己的场地里产生数据，成本明确记在损益表上。数据的边际成本等于人力的边际成本，所以数据量的天花板就是它愿意烧多少钱。
Tacta 不需要雇任何人。产生训练数据的劳动力已经在岗了，由客户雇佣、领客户的工资、做客户自己的订单。Tacta 交付的是一套采集系统，客户为这套系统付钱，然后在使用过程中把语料交出来。
这中间的差别是结构性的。前一种模式里，数据是成本；后一种模式里，数据是收入的副产品。副产品不占预算，也就没有规模上限。Pavate 说每小时工作都在给数据集做复利，这个「复利」不是修辞，它描述的是一条不需要额外投入就能自己往上走的曲线。
这一层工人过去是安全的
Pavate 把这门生意的出发点讲成劳动力短缺：全世界最严重的用工缺口有不少在技术工种上，尤其是制造业环境。
这个说法在近期是成立的。愿意做精密电子装配的熟练工确实不够，缺口是真的。
但值得注意的是，这一层工作过去被认为不容易被自动化，理由恰恰就是「要靠手」。第一波工业自动化拿走的是重复、大批量、路径固定的动作。留下来的是那些需要在指尖上判断的活：连接器有没有坐到底，柔性排线该用多大力，装配件卡住的时候该松还是该转，元件表面的形变说明了什么。这些判断不走眼睛，走的是触觉。
Tacta 明确瞄准的行业是电子制造、AI 基础设施和汽车。它给出的时间表是 2027 年初出货首批 TactaBot，而客户现场的微调会发生在出货之前。
Pavate 自己把长期设想说得更远：养老院、医院、餐饮。他举的例子是一位世界级的寿司师傅戴着手套备料，或者一位钢琴家戴着它弹一首曲子。这两个例子讲的是同一件事，只是听起来浪漫一点：手上的功夫可以被取下来。
如果你的车间开始发手套
三件事可以现在就问清楚。
第一，问数据的归属和用途。采集类可穿戴设备进车间通常挂在两个名义下，一个是工效学，一个是质量追溯。Tacta 这套设备的用途写得很清楚，就是训练接手这些动作的模型。名义不清楚的那些，更需要问。
第二，看你的技能有没有被逐次记录过。触觉这一层过去没有数据，是因为没人装得起传感器，不是因为它不可记录。传感器一旦便宜到可以做成易耗件，这个前提就换了。判断一个工种的暴露程度，标准不是它有多难，是它的过程有没有被系统性地录下来。
第三，往设置和判定那一端走。会用手的人在未来几年会更值钱，因为语料还没采够。真正稳的位置是定义什么叫合格、处理机器搞不定的异常、以及在良率掉下来的时候知道该改哪一步。这些工作目前没有任何一副手套在采。
TactaBot 的出货时间是 2027 年初。在那之前的每一个班次，都在给它备料。
