Hugging Face投了前1X高管创业，3000万美元pre-seed，给机器人造“肌肉感知”|人工智能|人形机器人|动作|执行器|机械手|触觉

AING硬迹

一群造过机器人的人，决定先让机器人学会“摸”。

2026 年被称作具身智能的“落地之年”，但真正卡住机器人的，往往不是那些看起来最难的事。

摄像头能告诉机械手插头和插孔在哪里，模型能算出路径该怎么走。可一旦发生刚性接触，位置上的微小误差会被放大成巨大的力的误差：插偏一丝，机器人就会继续加力，结果是一根针脚被顶弯、一个卡扣被压断。人能在零点几秒内感觉到那种阻力并松手修正，纯视觉策略的机器人只会一直推，推到某个东西断掉为止。

Physical AI 初创公司Enact Intelligence认为，这才是真正该被重做的地方。

近日，Enac t宣布完成3000 万美元的 pre-seed 轮融资，投资方包括 redalpine、Notion Capital、firstminute capital 三家机构，以及一组颇为少见的天使名单：Mistral 创始人 Arthur Mensch、AMI Labs 创始人（Meta 前首席 AI 科学家）Yann LeCun、仓储机器人公司 Path Robotics 创始人 Andrew Lonsberry 以及 Hugging Face 联合创始人 Thomas Wolf。

从指尖到肌肉

过去几年，机器人行业被“视觉-语言-动作”（VLA）模型席卷。无论是 Physical Intelligence 的 π 系列模型，还是 Figure、1X 等公司的人形机器人，主流路径都是让机器人“看懂”世界，用摄像头采集数据，用视觉大模型理解场景，再输出动作。

今天绝大多数机器人主要甚至完全依赖视觉理解环境，这限制了操作的可靠性和从经验中学习的效率；而给机器人加装触觉的方案虽然存在，却往往太贵、太脆弱。Enact 的做法是全栈重做，从支持多频率、多尺度智能的模型架构，到数据管线，再到馈入模型的执行器和传感器，用力和触觉解决灵巧操作问题。

它不依赖在单点上测力的力传感器，而是直接从自研执行器里读取力数据。Enact 将自己的技术描述为机器人的“本体感觉神经系统和皮层”：神经系统负责从全身到指尖的力感知，皮层则将这些信号转化为身体感和运动控制，让机器人拥有全身范围的力觉感知。

团队给出的类比很直观：人感觉到张力，靠的不只是指尖，还有肌肉。指尖告诉你接触发生了，肌肉告诉你用了多大的劲、对方抵抗了多久、有没有突然打滑。

另外，Enact 在软件侧并不是从零开始。用创始人 Manuel Yves Galliker 的说法：“和 LLM 的早期不同，Physical AI 的优势在于——强大的推理、语言和视觉能力已经就位了。我们不必为了教机器人关于世界的常识去收集每一份数据，而是可以在已有模型比如视频模型的基础上做适配，让它输出作用于真实世界的机器人动作。我们要解决的，是如何高效地从经验中学习，以及如何可靠地完成任务，这两件事都要求模型理解机器人本身的物理特性和手头任务的物理特性。”

Enact 表示：机器人可以通过自身的执行器感知力和触觉，因此能实时感知正在发生的事情，并以更高的数据效率学习，同时推动可靠性和性能的提升，这是一项适用于所有形态机器人的技术，从简单的机械臂到全尺寸人形机器人，从第一天起就为真实世界部署而构建。

教NEO走路的人

Enact 成立于2026年3月，至今只有七个月。创始人兼 CEO Manuel Yves Galliker 曾在 Marco Hutter 的机器人系统实验室（ANYmal 四足机器人的诞生地）和加州理工 AMBER 实验室做过研究；他的硕士课题是关于双足行走的模型预测控制，并入围了2022年IEEE Humanoids 最佳论文。

之后他去了挪威人形机器人公司 1X 负责控制与嵌入式工作，在那里主导人形机器人 NEO 的软件团队，也是那个教会 NEO 走路的团队；再往后，他去了美国机器人基础模型公司Physical Intelligence，参与了通用机器人模型和跨本体控制的工作。

核心团队成员来自 Google DeepMind、1X、Amazon Robotics、Helsing、Physical Intelligence 和 ETH Zurich。这是一个在“造机器人”和“训模型”两个世界之间都有实战经验的班底。

机器人的突破也正在从“大脑”拓展到“神经末梢”。10月上旬，由英伟达 GR00T 前核心成员创立的 Dream Lab 以 9000 万美元种子轮创下纪录，做的是可以按时计费、跨本体泛化的机器人大脑；Physical Intelligence 在10月13日把最新机器人模型开放给外部开发者试用，其今年的研究重点之一是“多尺度具身记忆”和面向精密操作的在线强化学习。

在这些交易里，钱大部分流向了模型层。Enact押的是模型层之下的那一层：让机器人拥有像人类肌肉一样的感知“力度”的能力。

硬迹正在打造AI硬件社区，对加入社群感兴趣的读者，欢迎add：AINGmaker0411加入【AING硬迹产业交流群】。

AING硬迹

AING，取自“AI+ING”的缩写，中文谐音“硬迹”，寓意着“人工智能正当其时”，致力于追寻硬科技发展的足迹，不断探索人工智能与智能硬件的深度融合。

未来，AING硬迹将不断发布AI大模型技术、AI产业生态、AI硬件产品等行业资讯、发展趋势与市场动态，我们相信大多数硬件都值得用AI重做一遍，AING硬迹期望与AI大模型厂商、与AI硬件厂商共同成长，迎接AI时代的来临。