在全球机器人发展历程中，日本，是全球公认的行业奠基者。
1970年到2010年间，在工业机器人领域，日本的发那科、安川电机雄踞全球工业机器人“四大家族”之二，占据全球市场近50%的份额；在人形机器人领域，早稻田大学的加藤一郎教授于1973年研发的WABOT-1是世界上首个全尺寸人形机器人，比本田ASIMO早了27年，而ASIMO本身又让全世界的机器人实验室仰望了整整十年。
除了本田、丰田、索尼等产业巨头的持续投入，更深层的影响力来自学术体系——早稻田大学的菅野实验室、东京大学的稻叶实验室、大阪大学的石黑实验室，它们不仅输出论文，更培养了几代全球顶尖的机器人研究者，从控制算法到仿生设计，奠定了当下具身智能产业的基础范式。
而在产业和学术贡献之上的，日本还用机器人动漫，把一个梦想植入了全球几代人的集体意识。多位机器人公司创始人都曾公开表示受到日本机器人动漫的启蒙：猎户星空的傅盛带着对《阿童木》的向往埋下种子；智元机器人的稚晖君循着《铁甲小宝》的身影开启篇章；灵心巧手的周永揣着《哆啦A梦》的口袋寻找答案；而我们今天对话的主角：帕西尼的许晋诚也是追着《高达》的尾焰踏上征程。
帕西尼是一家“独特”的具身智能公司。许晋诚拥有日本机器人产业最纯正的“学术门阀”背景——早稻田菅野实验室，这个世界上首个人形机器人的诞生地。也因此，从创业第一天开始，他就清晰地锚定了机器人的终局：构建自主进化的底座智能大脑技术及其赖以进化的“经验”维度。但帕西尼并未选择直接进军大脑和数据业务，而是选择了整个产业赖以运行的底层基础，聚焦于触觉传感器与灵巧手。
这一路径因其技术密集、周期漫长，在发展初期常被贴上“非共识”的标签，而帕西尼想做的是，为未来的“大脑”搭建最基础的感官与执行单元，并由此构建了能够持续采集、定义物理交互经验的核心数据管道。
当帕西尼凭借高精度霍尔触觉传感器和199元的颠覆性定价击穿市场，被广泛视为传感器头部公司时，许晋诚终于亮出自己的野心——覆盖灵巧手、人形本体、数采设备、具身数据集及“具身大脑”的完整生态。
成立于2021年的帕西尼，2025年正式进入融资爆发期，在近一年时间内完成4轮融资。其股东阵容涵盖互联网大厂（京东）、汽车（比亚迪、北汽、上汽）、3C（TCL）、半导体、国资平台、头部VC等全产业链资本。特别是豪华的产投阵容，在一众具身智能公司中尤为亮眼。2026年3月，帕西尼再次完成超10亿元人民币的B轮融资，跻身“具身智能百亿俱乐部”，也成为全球具身感知领域估值最高的企业。
在这个时间点上，我们邀请到帕西尼感知的创始人许晋诚围绕他的创业起点、触觉传感器的切入策略，进行了一番深入的对谈。
以下为与许晋诚的对话全文，略有删减：
创投家：您当时为何选择早稻田大学菅野实验室？
许晋诚：我进入机器人领域，最初是受到日本的高达系列的深刻影响。在规划学术路径时，我明确希望进入全球机器人研究的顶尖场域。早稻田大学当时拥有两位学界公认的泰斗——菅野重树教授与桥本周司教授。其中，桥本教授正是“高达 GLOBAL CHALLENGE”项目的技术总监，主持了让18米实物大高达动起来的核心系统。这个项目之后在日本东京台场的展示，让我亲眼看到了幻想与顶尖工程结合的可能性，也更加坚定了投身前沿机器人研究的决心。
因此，我联系桥本教授，并通过严格选拔进入他的实验室。之后，在桥本教授的引荐下，我又有幸得到菅野教授的指导，并加入了以人形机器人闻名的菅野实验室。两位教授都是我学术与工程思维形成过程中的重要导师，这段经历也让我在世界级研究体系中针对机器人感知与机器人系统领域打下了扎实的基础。
（图片为GGC项目主体：横滨的18米可动高达，已于2024年3月正式结束运营 图片来源：网络 ）
创投家：您在菅野实验室的8年主要从事哪些方面的研究呢？这段的经历对于后来的帕西尼来说最重要的传承是什么？
许晋诚：我们实验室规模很大，将近100人，平时想见菅野教授一面并不容易。日常的研发工作主要是由副教授和助理教授带着我们博士生推进，完全采用项目制管理，不同团队负责不同板块，整体运作模式其实和一家科技公司很像。
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。
这件事促使我开始思考，能不能做出一款既能安全与人交互、又能控制成本的机器人？这也就成了帕西尼后来专注的方向——机器人的力触觉感知。在实验室里，我们几乎试遍了所有可能的技术路线：霍尔、视触觉、电容、压阻……最终发现，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。这也是帕西尼选择这条路径的起点。
在发表多篇论文、完成多个项目之后，我越来越清晰地看到，机器人感知不仅是一个科研方向，更具备巨大的商业化前景，并且它背后连接着一个更大的可能性只是，在实验室的框架下，这样的构想很难完全落地。于是我决定走出来，把这条技术路径推向产业。
除了技术方向的确认，在菅野实验室的几年也让我提前积累了研发管理和产业协作的经验。实验室长期与日本多家大型机械自动化企业合作，不仅有经费支持，我们也深度参与到几家头部企业的机器人研发中。这些经历，让我在创业之前，就具备了一定的产业视角和工程实践基础。
创投家：菅野实验室会鼓励学生创业吗？
许晋诚：有的。我的很多师兄都创业了，其中也有很多优秀的公司。学校的创业精神也受到包括索尼的创始人井深大，优衣库创始人柳井正，三星集团创始人李秉喆，任天堂创始人山内溥，FF系列史克威尔创始人宫本雅史等影响。我们学校创业氛围很浓，强调\"自主独立\"的校风，博士生可以选修上创业课，一定程度上我也受到那种氛围的影响。
创投家：您很早就接触了YC，为何后来又选择回国创业？又是怎样拿到的第一笔钱？
许晋诚：当时我获得了一个去YC的机会，在硅谷总部见到了现在Open AI的CEO山姆·奥特曼 (Sam Altman)，同时他也是YC的前总裁。那时候Open AI刚创立一两年，他们正在使用Shadow Hand开展高自由度掌中操作物品的实验，需要触觉传感器来提升真机与仿真训练的成功率。所以我就得到了一个去YC交流的机会，也从与奥特曼的探讨中，进一步明确了机器人感知在下一代人工智能发展中的核心地位与战略价值。
我们当时在日本、美国和中国之间创业做选择，但发觉到美国供应链薄弱，并且美国投资人更倾向投可快速看到收益的软件算法；日本的工程底蕴很深，但整个社会的创业氛围和资本热度已经不如从前；而中国的创业氛围是几个国家中最好的，这里不仅有浓厚的创业氛围、活跃的资本，更具备全球最完整、最高效的硬件供应链，以及扎实的研发人才基础。这是一个能真正把技术、制造和场景快速闭环的环境。
选择回国是因为综合评判了一下全球创业的发展环境，发现中国非常适合创业者发展。一是中国政府近年来非常重视科技，在政策和人才培养上下了很大功夫，是真的重视科技和人才；二是深圳具备全球最强大、最完备的上下游供应链与创新产业链，在这里可以非常敏捷高效地进行技术验证与产品迭代，可以快速帮助企业实现技术落地。而这些对于初创企业来说，都极为重要，甚至决定创业成败的关键。于是最终，我们选择落脚深圳。从现在看来，这个选择是很正确的。
创投家：为什么帕西尼吸收了大量的产业资本？
许晋诚：我们比较偏向产业方，因为他们对我们有技术需求，比如比亚迪、京东、新奥、上汽、北汽、TCL、商汤等国内顶尖企业。其中比亚迪花了整整一年时间做技术验证，从技术原理到传感器规格、机器人算法、本体能力全部验证一遍。他们出了名的严格，在机器人领域只投了两家，我们是一家。
创投家：据说帕西尼成立初期的方向并不是触觉传感器？
许晋诚：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。
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。
22年市场上还没有成熟的人形机器人系统，我们就开始做自己的人形机器人，23年我们正式发布了自己的人形本体、商用型触觉灵巧手、模型和带触觉的数据采集系统。
其实比较早期的帕西尼的老伙伴们都应该知道，现如今的这个帕西尼才是我们原本设计的完全体。
创投家：咱们现在的业务版图非常全面，从传感器，到灵巧手，到数采设备，到数采本身，到模型，到整机。这种全栈战略在短期内有没有重点和非重点的差别？如何平衡资源分配？
许晋诚：有优先级。在帕西尼，研发体系的设计始终围绕一个核心逻辑展开：传感器是数据的源头，数据是算法的基石。
传感器是核心，永远最高优先级，因为传感器天然是良好的数据产出元器件，有了好的传感器才能有优质数据；有了优质数据，才能训练出泛化性更高的大模型。因此，传感器研发永远是我们投入的重中之重，公司一半以上的研发资源持续投入于此。这不仅仅是因为它属于硬件基础，更因为它决定了我们能获取怎样的数据质量与维度——包括触觉、关节角度等多种感知模态。
而数据和算法，则是驱动整个系统智能化的引擎。传感器天然是良好的数据产出元器件，所以我们在直接数据采集、数据采集设备和数据采集算法上布局。而这个板块其实是帕西尼在未来长期规划里，最重要的板块。
本体和灵巧手是为了放大传感器和算法能力的载体。灵巧手集成了大量触觉传感器，本体也集成大量力学感知元器件，两者融合很重要。
创投家：产业合作伙伴如何看待帕西尼的全栈能力？
许晋诚：其实大家都在寻找真正可落地的解决方案。目前客户的焦点更多在于“如何把技术用起来”，因此我们提供的不只是传感器，更是配套的SDK、API、可视化软件以及灵巧手在整机上的完整应用展示——这反而能帮助客户更快做决策、更早跑通场景。
具身智能行业仍处在共同定义产品形态的阶段，每个参与者都在积极寻找更优路径。我们推出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。
创投家：触觉传感器的优势在哪？就触觉传感器而言，也有很多的技术路线，帕西尼为什么选择霍尔？
许晋诚：视觉会因为光照环境或者异物的出现，而导致在判断上出错，一直是一个比较大的诟病，包括现在也是这样。相较之下，触觉是一类极具优势的感知模态，它不会受光照、视觉遮挡等外部环境干扰，稳定性更强。也因此，市场对触觉的需求量非常大。但是过去因为技术未成熟加上它的成本非常高，所以我们要攻克的主要是技术攻克与量产问题。
许多触觉技术路线依赖压阻、电容等功能材料，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。而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，它的触觉信息计算芯片都是由先进制成工艺生产出来的。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。
不仅如此，帕西尼还基于对触觉需求的深入洞察，自研了专用的霍尔芯片。这让我们不仅能保障传感器的一致性，更能从芯片层面优化信噪比、线性度、温漂等关键指标，为高性能触觉感知奠定硬件基础。
但我们不止步于触觉传感器。帕西尼真正的优势，在于从自研传感器结构、多核异构霍尔计算芯片、高速信号处理系统到自研磁学力学算法的全链路能力。而面向触觉场景专门开发的补偿与解算算法，则进一步将原始信号转化为稳定、精准的触觉信息。
其实这也就是我们为什么要选择用霍尔原理做触觉传感器的重要原因，事实证明这个选择也非常正确。
创投家：咱们把触觉传感器的价格做到199元，对行业产生了怎样的影响？
许晋诚：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。
我们199元的产品进入市场，实际上是对整个行业的价格体系进行了一次重构。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。这对国内机器人开发者来说，意味着触手可及的高性能触觉方案。
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。我们依然在持续推动成本优化与价值提升，未来也会有更多空间，去更好地回馈一直支持我们的合作伙伴。
创投家：帕西尼靠什么保持在传感器领域的优势？
许晋诚：最核心的一点，其实就是保持对新技术的持续探索和吸收。这件事，我们做得比较彻底，甚至可以说有点“痴迷”。
早年在日本研究所的时候，常常会给自己下挑战：走进街边的百元店——就像国内的十元店，尝试用里面随手可得的材料和零件，把它们变成传感器。无论是简单的电子元件，还是看起来毫无关联的日常物品，我都想试试能不能通过重组和改造，让它成为一种感知单元。几乎任何物理原理，我都想尝试把它转化成传感的可能性。这种“从寻常事物中创造新可能”的直觉和热情，其实也深深影响了今天帕西尼的团队文化。
我们从不害怕做没人做过的东西，也始终鼓励用第一性原理去思考和判断。一旦认准方向，就会全力投入。所以你会看到，在传感器领域，很多看似新鲜甚至冷门的方向，往往是帕西尼率先做出来的。我们某种程度上就是靠这种敢闯敢试的劲头，在行业里走出来的。
举个例子，就像我们选择的霍尔原理——它本身有点“矛盾”：既要靠磁场变化工作，又特别怕外界磁场干扰。然而，正是这种看似矛盾的特质，与它在灵敏度、测量维度、一致性和温度鲁棒性等方面所表现出的显著优势形成了鲜明对比。行业里很多人因为这个“天生缺陷”望而却步。但我们没绕路，而是坚持从底层出发，通过自研的复合封装技术和自研的磁-力学融合算法，从根源上把这个矛盾给解了。这也让我们相信，很多时候难走的路，反而才是最近的路。
创投家：触觉传感器领域还有初创公司的机会吗？
许晋诚：想把触觉传感器做好，其实门槛非常高。它需要同时满足几个很苛刻的条件：数据维度要高、一致性要好、精度要得准、寿命要够长，最后还得有极致的性价比——每一项单拿出来都不容易，合在一起更是对技术、工艺和成本的综合考验。
如果走我们这样的霍尔路线，就必须从头投入做芯片流片，研发周期和资金成本都不小。而如果选择其他技术路径，又往往很难在性能与成本之间找到理想的平衡点。这也导致了一个现象：很多投资机构看过这个领域后都有一个明确的共识——机器人触觉感知是一个高度依赖技术纵深和横向拓展能力的赛道，技术高度和壁垒决定了最终可能只有极少数头部企业能够真正跑出来。 因此他们在投资决策上也显得非常聚焦，更倾向于押注那些已经在建立起显著优势的团队。
创投家：数据采集为什么是咱们远期的最高级规划？
许晋诚：现在全球在模型算法和结构上，共识已经比较接近了，国内几家模型公司其实都做得不错。真正能拉开差距的，是看谁能更快、更高效地为模型注入“经验值”——也就是高质量的数据。
中国的产业链优势在这里就完全体现出来了。绝大多数硬件制造和集成的环节都在国内，这使得我们能接触到各种场景、采集到多维度的数据。更重要的是，基于国内强大的供应链，我们可以用极具竞争力的成本，去制造高效可靠的数据采集设备——这在美国几乎是不可想象的。
所以最终的竞争，其实就集中在一点上：谁有能力以最低成本、最快速度，构建起最大规模、最高质量、最多模态的具身数据集。 一旦你在数据质量和维度上建立起优势，模型的泛化能力就会显著增强，后续机器人部署和调试的效率也会大幅提升——这本质上是在为整个行业铺设“经验基础设施”。而我们，正在成为那个定义数据标准与采集规模的“生态执剑人”。
创投家：咱们现在已经有5个超级数据工厂了，全部采用PMEC设备采集吗？采集数据的情况如何？
许晋诚：是的，全部采用PMEC设备。原本一年2亿条数据，5个工厂（天津、宿迁、自贡、武汉、赣州）升级到第四代设备后，每个工厂可产出20亿条，共计100亿条/年。
创投家：我们注意到帕西尼在OmniVTLA模型的宣传上似乎更注重实际场景而非榜单排名，这种相对克制的策略是出于怎样的考虑？
许晋诚：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。
对我们来说，真正重要的是模型能不能在实际的机器人任务中稳定、高效地跑起来，而不仅仅是在某个静态榜单上数字好看。所以我们更愿意把精力投入到与真实场景对齐的数据构建、系统迭代和落地验证中——毕竟，最终能在产业中用起来，才是真的价值。
创投家：帕西尼2026年战略目标是什么？
许晋诚：2026年战略目标是为所有具身智能公司提供良好的基座能力，也希望能让大家在具身智能的道路都可以更好加速更快往前走。
一路走来，许晋诚其实从来没有变过。
奇绩创坛陆奇博士一眼看中的那个“全栈方案”，至今仍是帕西尼的底层蓝图。只是当时的市场还无法消化“数据”的重要性，于是他顺势剥出了一层——让触觉传感器先去打前站，用卡脖子清单上的稀缺性换时间和弹药。等资本看懂数据价值时，人形本体、灵巧手、OmniVTLA 模型、百亿级数据工厂，已经像拼图一样一块块归位。
他一直知道终点在哪里，看起来是迫于环境的曲线选择，事实上却是最近的道路。
“现在这个帕西尼，才是我们原本设计的完全体。”说这话时，许晋诚的语气里难掩自豪，来时的路全都在他的计划中，而下一步该往哪走，他比从前更加笃定。
长富配资提示：文章来自网络，不代表本站观点。
