# 95%、+36.25 个百分点、71.3%：一份券商研报里的触觉证据，全部落在 4 项任务上

> 95% 的成功率减去 36.25 个百分点，纯视觉基线是 58.75%——这个数研报里没写，但是最关键的。三个触觉实验里两个只做了 4 项任务，另一个做了 9 项。被验证的不是「触觉有用」，是「在这几个特定接触任务上、对这个特定基线，触觉有用」。

### TLDR

- **研报**：2026-11-17 国盛证券发布物理 AI 专题研报，提出两大趋势——① 科技巨头加速入局推动具身模型普惠，竞争重心向本体与软硬件协同转移；② 训练范式从视觉主导的 VLA 走向融合触觉的多模态模型（VTLA）。
- **三个数**：**ForeTac-VLA** 在 **4 项**真实接触操作任务上平均成功率 **95%**，较纯视觉 VLA 提升 **36.25 个百分点**；**N-VTLA**（帕西尼 × 复旦）在 **9 项**真实操作任务上均优于对比基线；**SimpleTouch** 在 **4 项**任务上 **71.3%**。
- **反算**：95% − 36.25pp = **58.75%**——纯视觉基线的水平可以从这两个数直接推出来，而研报正文没有给这个基线数字（自算）。
- **反差**：两个触觉方案之间差 **23.7 个百分点**（95% 对 71.3%），只比「触觉对纯视觉」的 36.25pp 小一档。这说明「触觉」不是一个同质变量，加法不同，结果差得很远。
- **判断一**：被验证的不是「触觉有用」，是「在这 4 项特定接触任务上、对这个特定基线，触觉有用」。把 4 项任务的成功率换算成行业结论，中间缺的是分母。
- **判断二**：研报真正的价值不在那三个百分数，在它指出的方向——增量在**数据入口**（电子皮肤、多维力传感器、采集系统），不在模型层。这条判断比成功率数字可靠得多。

### SRC

主源为新浪财经 **2026-11-17** 转载的《国盛证券：物理 AI 两大趋势显现，触觉传感器及核心零部件迎成长机遇》（https://finance.sina.com.cn/stock/zqgd/2026-11-17/doc-iniyyzyp7770091.shtml ），该文为国盛证券研报的公开摘要，三组实验数字（4 项／95%／+36.25pp、9 项／均优于基线、4 项／71.3%）与「从 VLA 走向 VTLA」的框架均出自此稿。素材时间窗为**当日 09:00 → 19:00（2026-11-17）**，该稿由新浪财经在窗口内发布。

需要说明的是信源层级：**这是一份券商研报的媒体摘要，不是论文原文，也不是研报全文**。三家团队（帕西尼 × 复旦的 N-VTLA、ForeTac-VLA、SimpleTouch）的原始论文标题、发表时间、任务清单、基线配置本文均无法从该稿获得，因此凡涉及实验细节的部分只做口径层面的讨论，不复述具体任务。研报同时提及苹果 HALO、英伟达 GR00T 2、谷歌 Gemini Robotics 2.5 作为「巨头入局」的证据，这三项本号此前已分别写过（no.692 苹果 HALO、no.726 GR00T 2、相关 Gemini Robotics 2.5 稿件），**本篇不重复其技术细节，只把它们当作研报框架的例证引用**。

与本号既有解读的差异：**no.764（11-15）写的是广东触觉模型 Touch-R1 与 132.3 万对数据，落点是「数据量而不是模型规模决定分数」；no.770（11-16）写的是灵巧手成本结构；no.761（大寰）写的是末端执行器出货。**本篇的对象是一份**卖方研报的口径结构**——它怎么把三篇论文收敛成一个投资主题、收敛过程中丢了什么。这一层此前没有写过。

边界与不确定：①**三家实验的任务清单、基线定义、评测协议均未公开**，「4 项」「9 项」是研报给的规模数字，不含任务内容；②**36.25 个百分点的对比基线是「纯视觉 VLA」，但具体是哪个模型、什么规模、有没有做同等调参，研报未交代**——这直接影响该提升幅度的解释力；③95%、71.3% 均为「平均成功率」，未给方差与最差任务表现，平均值无法反映长尾；④研报对触觉传感器商业化的判断属于**卖方观点**，本文引用时明确标为研报观点而非既成事实；⑤「投资机会」相关表述本文一律不复述、不作评价，本号不做个股与板块推荐；⑥文中关于统计口径、分母代表性、产业增量位置的论述均为作者判断。版权与免责声明由模板自动附加。

### BODY

<p>先把这份研报的两个判断摆出来，再拆它的证据。</p>

<p>国盛证券 11 月 17 日的这份物理 AI 专题，提了两条趋势。第一条是产业格局的：苹果、英伟达、谷歌这些巨头持续入局，推动具身模型能力提升、技术门槛下降，<strong>机器人厂商的竞争优势会逐步从「有没有模型」转向「本体做得好不好、软硬件协同行不行」</strong>。</p>

<p>第二条是技术路线的：主流的 VLA 模型主要靠视觉信息生成动作，难以直接感知接触力、摩擦、滑移这些物理状态，因此在精密装配、柔性物体操作这类高接触任务上泛化能力受限；行业正在从 VLA 走向融合视觉、触觉、语言与动作的 <strong>VTLA</strong>。</p>

<p>这两条都不新鲜，但放在一起有个隐含意思：<strong>如果模型能力会普惠，那模型层就不该是投资的主战场；真正稀缺的是本体上那些「模型拿不到的东西」——触觉就是其中最典型的一项。</strong></p>

<p>这个推理链条是通的。问题出在它用来支撑链条的那几个数字上。</p>

<div class="sec">
<div class="eyebrow">一、三组实验，两个只做了 4 项任务</div>

<p>研报给了三组触觉实验的证据，摊开是这样：</p>

<div class="tbl-wrap"><table>
<tr><th>方案</th><th>做法</th><th>任务规模</th><th>结果</th></tr>
<tr><td>N-VTLA（帕西尼 × 复旦）</td><td>视觉＋触觉＋语言＋动作融合</td><td>9 项真实操作任务</td><td>均优于对比基线（未给具体分值）</td></tr>
<tr><td>ForeTac-VLA</td><td>预测未来触觉状态</td><td>4 项真实接触操作任务</td><td>平均成功率 95%，较纯视觉 VLA 提升 36.25 个百分点</td></tr>
<tr><td>SimpleTouch</td><td>引入触觉专家模块</td><td>4 项真实机器人任务</td><td>平均成功率 71.3%</td></tr>
</table></div>
<div class="cap">表注：任务规模与结果均据国盛证券研报公开摘要（新浪财经 2026-11-17 转载）。N-VTLA 一项未给具体提升幅度，只写「均优于对比基线」。抓取日期 2026-11-17。</div>

<p>三个方案，两个只做了 4 项任务。这不是批评——学术上 4 项任务做出显著性差异已经可以发论文，机器人操作实验的成本也确实高，每加一项任务就是一轮真机调试。</p>

<p>但把它当成行业结论来用时，<strong>4 项和 40 项是两个意思</strong>。4 项任务大概率集中在「接触密集」的场景（插拔、装配、柔性物体），这些恰好是触觉最占便宜的场合；一旦把任务集扩到开门、搬箱、递物这类低接触任务，触觉的边际贡献会掉得很快。</p>

<div class="keypoint"><strong>判断：</strong>这三组数字回答的是「触觉在接触任务上有没有用」，答案是明确的「有」。它们没有回答的是「触觉在真实产线的任务分布里值多少钱」——而这才是决定传感器出货量的那个问题。<strong>产线上大量工位是低接触的搬运与上下料，触觉在这些工位上不是增量，是成本。</strong></div>
</div>

<div class="sec">
<div class="eyebrow">二、那个没写出来的基线：58.75%</div>

<p>三个数字里最有信息量的是 ForeTac-VLA 那一组：<strong>平均成功率 95%，较纯视觉 VLA 提升 36.25 个百分点</strong>。</p>

<p>两个数一减，基线就出来了：95 − 36.25 = <strong>58.75%</strong>（自算）。也就是说，同一批任务上，纯视觉的方案大概能做到六成左右。</p>

<div class="jx">
  <div class="jx-h"><span>同一批 4 项任务上的两种方案</span><span class="jx-note">平均成功率，2026-11-17 研报口径</span></div>
  <div class="jx-bars">
    <div class="jx-bar-row"><div class="jx-bar-lab">ForeTac-VLA（触觉）</div><div class="jx-bar-track"><div class="jx-bar-fill" style="width:95%;background:#0d8a5f"></div></div><div class="jx-bar-val">95%</div></div>
    <div class="jx-bar-row"><div class="jx-bar-lab">纯视觉 VLA 基线（自算）</div><div class="jx-bar-track"><div class="jx-bar-fill" style="width:58.75%;background:#566781"></div></div><div class="jx-bar-val">58.75%</div></div>
    <div class="jx-bar-row"><div class="jx-bar-lab">SimpleTouch（触觉）</div><div class="jx-bar-track"><div class="jx-bar-fill" style="width:71.3%;background:#0a749a"></div></div><div class="jx-bar-val">71.3%</div></div>
    <div class="jx-legend"><div class="jx-lg">基线 58.75% 由 95%−36.25pp 反算，研报正文未直接给出该数。同为触觉方案，两个结果相差 23.7 个百分点</div></div>
  </div>
  <div class="cap">图注：第三条柱是同一个研究里的另一个触觉方案，它只做到 71.3%。三条柱放在一起，比单独看 95% 更能说明问题。</div>
</div>

<p>58.75% 这个基线意味着什么？意味着那 4 项任务是<strong>纯视觉确实做不好、但也不是完全做不了</strong>的难度档位。这是最有利于展示触觉价值的档位——如果基线是 95%，触觉加上去没有空间；如果基线是 5%，说明任务根本不成立。六成上下，正好是「加一个模态就能拉开差距」的位置。</p>

<p>研报没有给这个基线，也很正常：研报要讲的是趋势，不是方法学。但对读的人来说，<strong>缺了分母，36.25 个百分点就是一个无法被定位的绝对值</strong>——它可能是从 58.75 到 95，也可能是从 20 到 56.25，后者的意义完全不同。</p>

<div class="keypoint"><strong>判断：</strong>看到「提升 X 个百分点」这种表述，第一件该做的是把基线减出来。这是最便宜的一次核验，成本是一行减法，收益是知道这个提升值不值得引用。行业里大量传播的「提升 30 个百分点」经不起这一步——一减就发现基线只有二三十，那说明方法本身还没跑通，跟「提升」没关系。</div>
</div>

<div class="sec">
<div class="eyebrow">三、23.7 个百分点的内部差异，比 36.25 更该被讨论</div>

<p>把第三个数字放进来，事情变得更有意思。</p>

<p>SimpleTouch 是另一个触觉方案——引入触觉专家模块，在 4 项真实机器人任务上做到 <strong>71.3%</strong>。它和 ForeTac-VLA 的 95% 之间差 <strong>23.7 个百分点</strong>。</p>

<p>两个都是「加了触觉」，差距却有 23.7 个点，只比「触觉对纯视觉」的 36.25 小一档。这个对比的价值在于它拆掉了一个隐含假设：<strong>「触觉」不是一个同质变量。</strong></p>

<p>为什么差这么多？从研报给的描述能看出分工不同：ForeTac-VLA 做的是「预测未来触觉状态」——把触觉当成一个可以提前推断的时序信号，在接触发生之前就调整动作；SimpleTouch 做的是「引入触觉专家模块」——把触觉当成一个额外的输入分支，做特征融合。前者改的是<strong>决策时序</strong>，后者改的是<strong>输入结构</strong>。</p>

<p>这两种加法在工程上的代价也不一样。预测未来触觉状态需要触觉序列的时序建模，对传感器采样率、标定一致性要求更高；特征融合相对好实现，但对「接触瞬间」这类短时事件不够敏感。</p>

<div class="keypoint"><strong>判断：</strong>如果「触觉」是一味药，那它现在的剂量和配方都还没定。<strong>同样的硬件、同样的任务集，换个融合方式就能差出 20 多个点——这说明当前的瓶颈不在传感器有没有，在怎么把它接进策略里。</strong>对做本体和做集成的公司，这个结论比「触觉有用」实用得多：先别急着堆传感器数量，先把时序对齐和标定做扎实。</div>
</div>

<div class="sec">
<div class="eyebrow">四、研报最靠谱的一句，其实不是百分数</div>

<p>通篇读下来，最有分量的一句是产业侧的：研报指出，随着触觉感知与模型训练深度融合，<strong>柔性电子皮肤、多维力传感器及触觉数据采集系统</strong>的需求有望持续释放。</p>

<p>这句话之所以比成功率数字可靠，是因为它不依赖任何一组实验的具体结果。逻辑很简单：</p>

<p><strong>第一，触觉数据没法从互联网上扒。</strong>视觉和语言有多年的公开语料，触觉没有。要训 VTLA，就得有人去采触觉数据，而采集必须有硬件——传感器、采集板、标定流程，一样都不能少。</p>

<p><strong>第二，触觉数据是「本体绑定」的。</strong>一只手的触觉分布换到另一只手上就不成立，传感器装的位置、数量、量程都变了。这意味着每换一个本体，数据要重采一遍——需求是随本体出货量线性增长的。</p>

<p><strong>第三，触觉是少数几个「加了就一定能测出差别」的模态。</strong>视觉的边际收益已经在递减（分辨率早就够了），触觉还处在从无到有的阶段。任何一个做精密操作的团队，装上触觉之后都能观察到变化——哪怕最后发现 20 个百分点里有一半来自重新调参。</p>

<p>这三点加起来，指向的是同一件事：<strong>不管模型层怎么演进，触觉这条链上的硬件需求是刚性的。</strong>这也是为什么研报把投资落点放在「传感器与采集系统」而不是「模型」——模型会开源、会普惠，传感器不会。</p>

<div class="keypoint"><strong>判断：</strong>但「需求刚性」不等于「生意好做」。触觉传感器现在的真实处境是：<strong>单价下不来、标定做不快、可靠性数据几乎没有</strong>。一台人形机器人装 5 个指尖传感器和装 50 个全身传感器，成本差一个数量级；而目前公开的实验里，绝大多数只用到了指尖或少数几个接触点。真正的量产拐点不在「触觉有没有用」被证明的那天，在「一只手的触觉 BOM 成本降到整机成本的 5% 以内」那天。</div>
</div>

<div class="sec">
<div class="eyebrow">五、这份研报该怎么读</div>

<p>把它当趋势判断读，它有价值：VLA 到 VTLA 的方向、竞争重心从模型转向本体的判断、触觉硬件需求刚性这三条，都是站得住的。</p>

<p>把它当证据链读，它不够：三组实验、两组只有 4 项任务、基线未披露、平均成功率没有方差、三家方案之间差 23.7 个百分点却并列陈述。这些都是媒体摘要的常态，也是研报体裁的限制——它要的是「趋势成立」，不是「结论可复现」。</p>

<p>对做技术的人，正确的用法是：<strong>把研报当索引，不当结论</strong>。看到「95%／+36.25pp」就去把原始论文找出来，看任务清单、看基线配置、看有没有做同等调参、看最差的那项任务是多少分。这四个问题回答完，才知道这个结果能不能迁移到自己的场景。</p>

<p>对做产品的人，正确的用法更简单：<strong>别问「触觉有没有用」，问「我的场景里有多少比例的工位需要力反馈」</strong>。装配、插拔、柔性物体、精密打磨——这些需要；搬运、上下料、巡检、导览——这些不需要。前者的比例，决定了该不该为触觉付钱，而不是行业趋势决定。</p>

<div class="keypoint"><strong>判断：</strong>2026 年这一年的触觉叙事，正在从「有没有」转向「值不值」。研报里那三个百分数解决的是前一个问题，后一个问题的答案要等第一批装了触觉的量产机型跑满一年、把故障率和维护成本摊出来才会出现。<strong>在那之前，所有关于「触觉是下一个爆发点」的判断都还是推断。</strong></div>

<div class="srcline">信源：新浪财经 2026-11-17 转载《国盛证券：物理 AI 两大趋势显现，触觉传感器及核心零部件迎成长机遇》（https://finance.sina.com.cn/stock/zqgd/2026-11-17/doc-iniyyzyp7770091.shtml ），系研报公开摘要，非论文原文或研报全文。三组实验的任务清单、基线模型、评测协议均未公开；58.75% 与 23.7pp 为作者按公开数字自算。研报中的投资相关表述本文未复述、未评价。</div>
</div>

---

*来源：神机百见-具身解读 · https://www.shenjibailian.com/jiedu/article/guosheng-vtla-tactile-95pct-36pp-four-tasks/*
