☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
36氪「职场Bonus」（ID：ZhiChangHongLi）
“2026年具身智能的竞争关键，在于谁率先实现可持续的商业闭环。”
在上一篇现场纪实中我们曾指出，「戴盟机器人」源自香港科技大学机器人研究院孵化项目，核心创始团队全部具备深厚技术积淀。
近期，戴盟机器人成功完成亿元级A轮融资，投资方为汇川产投（全球工业自动化领军企业汇川技术旗下产业基金）与中国电信。随着两大产业巨头的战略入股，叠加此前中国移动链长基金、联想创投、招商局创投等一线CVC机构的持续加码，戴盟已构建起“顶尖产业资本+头部风险投资”双轮驱动的多元协同生态。公司规模由数十人快速扩展至约150人，其中算法与研发工程师占比超八成。
借muShanghai机器人周活动间隙，戴盟机器人合伙人兼首席商业官张栋（CCO）接受了《职场Bonus》独家专访。
张栋本科及硕士阶段就读于德国慕尼黑工业大学，主修电气工程与自动控制；毕业后长期深耕自动驾驶领域，专注全球化业务拓展与产业化落地实践。
如今，他在戴盟主导产品定义、商业化路径设计及全球市场布局：将触觉传感硬件、数据采集工具链、模型验证能力与真实客户场景深度耦合，输出可交付、可复制、可规模化推广的端到端解决方案。
在具身智能赛道中，戴盟选择了一条高度聚焦的差异化路径——专攻触觉感知。张栋认为，当前机器人行业并不缺乏本体平台，也不缺炫酷演示视频，真正稀缺的是支撑机器人“动手干活”的高质量数据，尤其是富含物理交互信息（contact-rich）的触觉数据。
戴盟的愿景，是让触觉成为机器人时代的基础设施。其商业逻辑清晰闭环：以传感器为数据入口，以工具链构建数据飞轮，以开源数据集抢占生态高地，最终实现客户为“数据价值+系统方案”付费。
以下为本次访谈实录，经《职场Bonus》编辑精炼整理。
从自动驾驶转向机器人，你观察到了哪些相似的过热现象？
张栋：自动驾驶在中国已历经多轮周期。十年前涌入该领域的初创公司数以百计，如今存活下来的可能不足十家。早期产业脉络模糊，只要有新技术概念或动人叙事，就容易获得资本青睐。彼时部分参与者更倾向短期套利，资本热度远高于业务实质。
而真正穿越周期、持续成长的企业，往往始于清晰的战略定力——从创立之初就锚定方向，即便遭遇波折也未轻易转向，融资始终服务于业务本质。无论是融资还是IPO，本质上都是支撑业务发展的手段，而非终极目标。
当下具身智能的发展轨迹，与当年自动驾驶高度相似，但节奏会更快、迭代更迅猛。行业必然经历起伏，但调整周期也将显著缩短。长远来看，其潜在市场空间极为广阔。
为何强调2026年将是商业闭环决胜之年？戴盟目前进展如何？
张栋：当前机器人产业最大瓶颈在于数据匮乏，尤其在执行精细操作任务时，触觉类contact-rich数据尤为稀缺。这类信息承载着真实物理世界的交互细节，文本与视觉数据无法替代。
戴盟围绕触觉数据展开全链条布局。我们直击这一核心痛点，并非止步于提供单一零部件，而是致力于将其打造为支撑整个行业的底层基础设施与开放生态。
今年我们的重心落在数据服务层面。全球头部科技企业——涵盖北美与中国市场的领先厂商——均采购我方触觉数据用于模型训练与性能验证。同等规模的数据集，对模型能力跃升与上限突破具有显著增益。
现阶段商业化聚焦三大能力模块：一是触觉传感器及末端执行设备；二是数据采集、标注与定制化数据服务；三是面向模型验证与场景落地的集成解决方案。短期收入结构随客户需求动态调整，但中长期我们更看重数据资产与解决方案所带来的复利效应。
所谓“触觉基础设施”，究竟指什么？是否会被视为一门慢生意？
张栋：我们无意仅向客户交付一个孤立硬件。多数客户真正缺失的，并非一枚传感器，而是如何高效采集触觉数据、如何有效应用这些数据，并验证其对模型优化与任务表现的实际贡献。
因此，“触觉基础设施”并非单一产品，而是一整套覆盖触觉数据全生命周期的能力体系。
第一层是数据入口层。触觉传感器可灵活适配灵巧手、二指夹爪、数据手套、遥操作终端等多种形态，广泛覆盖工业制造、商用服务、家庭场景等多元应用场域，解决“物理接触信号如何被精准捕获”的基础问题。
第二层是数据工具链层。有了入口之后，还需打通采集、标注、清洗、映射与复用全流程。例如无本体采集系统、带力反馈的六自由度遥操作设备、五指数采夹爪、融合视触觉能力的数据手套，以及支持跨平台数据迁移与适配的映射工具链——所有这些，旨在让触觉数据真正融入模型训练与任务验证闭环。
第三层是场景交付层。客户购买的从来不是一套设备，而是希望借此提升机器人在具体任务中的操作能力。因此，我们将传感器、采集终端、工具链与模型验证能力打包整合，形成贴合客户实际需求的解决方案。
这也是我们提出“3D产品矩阵”的底层逻辑：Device是触点入口，Data是核心资产，Deployment是价值出口。短期内这确实需要耐心投入；但从长期看，硬件本身并不稀缺，真正不可替代的是高质量、可复用、能切实提升模型能力的触觉数据。
你们已开源1万小时触觉数据集，是否担心影响收费模式？
张栋：毫无顾虑。开源具备双重战略价值：一方面加速行业认知普及，让更多开发者了解并认可戴盟所构建的高质量触觉数据标准，从而推动具身智能整体发展进程；另一方面，借助生态伙伴与终端用户的使用反馈，反哺产品体系快速迭代升级。
若特斯拉、Figure等头部机器人本体厂商自研触觉方案，你们如何构筑护城河？
张栋：特斯拉在汽车领域同样坚持芯片、算法等核心技术自研，但这并未阻碍自动驾驶产业链诞生多家千亿级供应商——电池领域有宁德时代，智驾芯片领域有英伟达与地平线。产业终将走向专业化分工。我们只需持续夯实自身核心壁垒即可。
36氪「职场Bonus」（ID：ZhiChangHongLi）
团队全员技术出身，商业决策如何保障科学性？
张栋：我们的决策机制强调跨职能协同。通常由市场侧与技术侧共同参与深度研讨：一方面跟踪具身智能前沿算法演进、大模型发展趋势；另一方面深入洞察产业动向与客户真实诉求。二者交汇处，即是我们产品路线图的核心坐标。
学术前沿成果中，有些可快速转化为商业价值，有些则需长时间产业验证；客户提出的需求中，既有契合长期战略的关键命题，也有短期临时性诉求。我们需要精准识别、分层归因。
戴盟内部崇尚开放对话与理性争辩。管理层常就关键议题展开高强度讨论，观点碰撞激烈但目标一致。很多判断正是在反复辩论中趋于清晰。而创业公司最珍贵的，是团队成员间的彼此信任。我们这支队伍年龄相近、背景互补——有人常驻北美，有人扎根欧洲，有人专精技术，有人擅长商业。大家对共同奔赴的终点，信念坚定。
你是经验导向型思维，团队偏重学术推演，二者如何融合？
张栋：我个人更容易预判产业化过程中的各类现实挑战——比如产品化落地的障碍、客户场景适配的难点、交付实施的风险、组织管理的瓶颈。正因亲身经历过自动驾驶从技术热潮走向规模化落地的全过程，我深知一项技术从实验室走向客户现场，要跨越多少非技术鸿沟。
创始团队与研发骨干多具学术背景，他们对最新论文、新兴模型、前沿方法更为敏锐，也更习惯运用第一性原理推演技术演进路径。我们的日常讨论，常常发生在两种视角之间：一项新知识能否真正转化为产品价值？它解决的是客户真实存在的痛点，还是仅停留在技术层面的“看上去很美”？竞争对手是谁？我们的独特优势在哪里？即便这件事本身正确，是否就一定适合由我们此刻启动？
加入戴盟前，我与创始团队进行了长达数月的密集交流。过程中不断发生思维交锋，也逐渐意识到彼此看待问题的方式存在天然差异。但这种差异恰恰构成互补价值：产业经验可帮助团队规避商业化与交付环节的常见陷阱；而学术与技术视角，则持续提醒我跳出既有经验框架，保持对未知可能性的敬畏与探索欲。
因此我认为，关键不在于谁说服谁，而在于能否在技术前沿、客户需求与公司资源三者间找到最优交集点。创业最宝贵的，是清晰的方向感与牢固的信任感。只要所有人坚信同一片星辰大海，激烈的讨论反而成为前进的加速器。
戴盟当前重点招募哪类人才？非科班背景者如何切入具身智能？
张栋：在商业团队建设上，销售岗位我们优先考虑兼具客户思维与战略视野的人才——因为该领域尚无成熟产品范式，需要销售不仅能理解客户现状，更能协助其规划未来落地路径。产品岗位则要求候选人具备扎实的AI与大模型知识储备，整个团队需具备原生AI素养（AI-Native）。
此外，拥有海外学习或工作经历者是我们重点寻访对象，因为我们正同步推进全球化市场布局。
对于年轻从业者，我们首先看重三点：一是对事物抱有强烈好奇心与内在驱动力，相信这个时代正在到来，并怀有改变现实的使命感；二是不仅热爱理工学科，还需对人文社科保有感知力，“人感”要强——毕竟机器人终将走向C端，服务对象终究是人；三是具备良好情商与软实力，是真正的长期主义者，愿意沉下心来踏实做事。当前行业浮躁氛围浓厚，多数人追求短期回报，反而最稀缺的是能静心深耕的人。
你在自动驾驶时期的海外市场操盘经验，如何迁移至机器人出海？
张栋：机器人行业一大特点是，中国与北美在前沿技术落地进度上差距较小。中国拥有完整的硬件生态、成熟供应链与丰富应用场景；北美则在算法创新、大模型研发及顶尖人才密度方面更具爆发力。对我们这类上游技术提供商而言，绝不能局限于单一区域市场，而必须与全球最前沿的模型公司、机器人团队及产业客户保持高频互动。
这种互动的价值远不止于订单获取，更重要的是帮助我们校准产业真实演进节奏。客户提出的实际问题，往往比内部闭门推演更贴近产品路线图的真实需求。所以我常说：客户才是我们真正的产品经理。我们必须从客户的任务目标、数据需求、模型验证结果及部署反馈中，逆向定义自身产品与工具链的设计逻辑。
但真正的全球化，绝非简单的产品出海。文化适配、合规要求、本地化交付能力、客户决策链路、渠道合作伙伴体系建设……每一环都影响着技术能否真正扎根落地。自动驾驶带给我的核心启示是：技术领先只是起点，真正实现规模化的企业，必然同时具备产品化能力、商业策略能力与全球交付能力。
因此，在机器人出海进程中，技术和商业必须同步演进。我们既要读懂最前沿的模型与算法，也要吃透客户所在场景、区域特性与产业协作逻辑。唯有如此，触觉数据与工具链才能超越单品范畴，成长为嵌入全球机器人产业链的底层能力。
戴盟内部如何利用AI提升组织效能？
张栋：团队平均年龄约30岁，算法与研发背景成员占比较高，因此AI工具的自发应用程度很高。很多时候无需管理层推动，大家已在研发、产品、市场与销售各环节自然引入AI辅助。
在我看来，AI对创业公司的意义，不只是提升单点效率，更是重塑团队协作方式。过去很多人深陷执行细节，如今重复性、整理性、分析性工作可由AI高效承担，团队得以将更多精力投向更高维度的思考——如产品定义、需求研判、技术选型与跨职能协同。
目前我们尚未设立专职AI办公推动岗，但管理层已在探讨：未来能否以更系统化方式，打通研发、产品、销售、交付与管理流程。我们不满足于堆叠若干独立SaaS工具，而是希望建立横向贯通的工作流底座，让信息、任务、知识与决策过程更顺畅流动。
近期我们也正与多家大模型与AI工具厂商开展交流。对我们而言，核心不是追逐热点，而是精准识别那些真正能加速组织进化与产品落地的关键场景。
在正式加入戴盟与机器人赛道之前，有没有某个瞬间让你笃定这是值得投身的方向？
张栋：对我而言，从自动驾驶转向机器人，并非一次突兀跳跃，而是沿着同一条价值主线的自然延伸。
自动驾驶让我首次真切体会到：一项复杂技术要真正进入现实世界，必须历经产品化、工程化、商业化与全球化的漫长淬炼。机器人亦然，甚至更为直接——它离物理世界更近，离用户场景更近，也更能让人直观感受到新一代AI技术渗透产业的速度与深度。
两个领域在技术逻辑、组织能力与人才结构上高度相通：对数据价值的理解、对安全与可靠性的极致追求、对客户场景的细致拆解、对全球化交付的系统判断……这些能力均可平滑迁移。当然，机器人也带来全新挑战——它更复杂、更早期，需要我们重新学习大量未知。
加入戴盟前，我确实经历了长时间审慎思考。创业注定充满艰辛，不可能只有高光时刻。真正支撑一个人长期投入的，从来不是短期收益，而是你是否坚信这件事本身的内在价值，是否愿意与一群志同道合者，共同把一个尚不成熟的前沿方向，一步步打磨成真实可用的产品与产业能力。
于我而言，最有意义的恰是这个过程本身。能与一群笃信Physical AI、认同触觉数据价值、甘愿长期攻坚难事的伙伴并肩同行，本身就是一件极具意义的事。无论阶段性突破，抑或途中挫折，只要大家仍在同一航向上坚定前行，这件事就值得全力以赴。
注：以上内容基于5月26日专访整理。文中涉及企业披露的融资金额、营收数据、出货规模及未来规划等内容，建议读者结合后续官方公告综合研判。
《职场Bonus》下周将持续发布muShanghai驻场观察系列报道。目前AI、生物科技、机器人、文化四大主题周已圆满落幕。这场被誉为“国际科技火人节”的盛会，由国际开源社区The Mu发起、虹桥阿里中心联合主办，活动周期横跨5月10日至6月6日，共计28天，汇聚来自全球50个国家的开发者、研究员与硬核创业者（氛围自由奔放，迥异于传统端庄型行业峰会）。
© muShanghai
© muShanghai
© muShanghai
深度追踪「行业趋势、公司动态、人才流向」前沿信号?
本文来自微信公众号“职场Bonus”，作者：陈桐，36氪经授权发布。
