从技术乌托邦到问题显微镜，AI for Good正在落到实处

作者| 周雅

栏目| 对话科技行者

在深圳一家汽车厂里，44岁的王师傅头戴AR眼镜，对着数字孪生系统生成的维修预案点头称奇；另一边，远在千里之外的上海三甲医院手术室内，医生通过手术刀末端的触觉传感器，熟练又飞快地操作精密手术……

这两个看似无关的场景，实则勾勒出AI产业土壤中的独特实践路径——“AI for Good”（AI向善）。AI正在重塑世界，这也代表技术创新能创造更多社会价值，成为解决实际问题、改善人类生活的有力工具。

为此，我们专访了其中两家中国AI产业链的创新者，DataMesh、帕西尼感知科技。前者用数字孪生技术为一线员工赋能，解决工业的数据孤岛问题；后者以触觉传感技术突破精密控制边界，为机器赋予指尖触感。这两家公司刚好出现在3月17日-3月21日NVIDIA GTC 2025针对中国创业者的会议特辑——与新工业革命同行。

他们的故事揭示了一个被低估的事实：AI向善的最好载体，或许就藏工业流水线、医疗手术台、田间农作物等真实世界场景的细枝末节里。

DataMesh——重构工业文明的数据经络

在太古可口可乐的罐装产线上，每年例行的设备维护是一场精密战役，每条产线分布上百个阀门，需由经过严格培训的工人，在无菌环境中逐一拆解清洗，且这段时间内工厂必须停机等待——传统培训依赖老师傅现场带教，但是，新工人往往要花费很长时间熟悉操作流程，任何失误都可能导致产线出问题。

现在，DataMesh公司的解决方案改变了这一局面。

无菌灌装阀产线实拍

通过DataMesh Director零代码平台，为灌装产线的工人创建无菌灌装阀门的3D指导教程，使他们可以利用手机、平板或MR设备随时随地快速、直观地掌握操作流程——根据实测数据，这种培训模式可将预期维护停机时间缩短1/3，所验证的产线每年预期增产数百万罐饮料。

“效率提升背后是双赢逻辑。”DataMesh创始人兼CEO李劼告诉我们，产线停产维护时间每缩短1/3，工厂就能多生产更多产品，同时创造经济价值；而工人掌握核心技能的速度越快，职业发展通道就越快打开。

当然，诸如此类的成功范本在DataMesh的合作实例中经常出现。比如解决NEXCO东日本“老化的高速公路基础设施和技术人员短缺问题”，给安全气囊供应商Autoliv的培训效率提高了40%，给富士康优化员工培训流程，与蔚来工厂合作打造数字孪生平台等，呈现了技术在不同场景下的普遍价值。

若想进一步了解背后的商业路径，可锁定NVIDIA GTC 2025针对中国创业者的会议特辑——“与新工业革命同行”的三场精彩讲演，其中第一场在3月17日10:00“AI 创业企业在中国的发展与助力 [S73846]”。 https://www.nvidia.cn/gtc-global/session-catalog/?ncid=so-wech-523546#/session/1733133982625001K6Sn

01/ 跨越数据鸿沟的一跃

如果我们把时间调回到开端，李劼的创业灵感，来自于工业的长期遗漏问题。

首先是数据孤岛问题。“在很多工厂，一线员工接触的数据没有被打通，工单数据、生产数据和决策系统，都不连着。”李劼回忆自己创业之前在微软工作时的发现，这些数据还停留在人工操作阶段——工人手持记事本记录数据、再由人工录入电脑，既耗时又容易出错。

其次，工业还面临行业Know-How的挑战。比如建筑CAD与工业CAD“相差非常大，甚至可以说是毫无关系”，当需要进行空间计算时，如何确保来自不同源头的3D模型保持一致性、确保渲染效率和计算的可靠性，成为一个亟待解决的问题。

最后，更具挑战的是缺乏一个标准化平台。“比如物联网传感器数据，录入的时间周期都不一样，格式协议可能都不一样。”李劼说。

正是这个痛点，让李劼看到了创业机会。

02/ 打破数据孤岛“六步走”

从2015年起，在DataMesh正式开始运营后的前几年里，团队展开了密集的市场调研工作，选择的是一条很接地气的路——走进一线。从工厂到车间到矿场，团队走访了形形色色的工业现场，过程中也积累了很多。

这种实地调研的传统一直延续至今。“我节前刚刚跑完一个日本客户，去到了一个非常远的、大概现在已经被大雪埋住的地方，”李劼说，“看它工厂的焊接流程，哪些环节是可以用DataMesh平台去改进的，以及能给客户省多少钱。”在他看来，只有真正走进现场，了解一线工人的需求，才能开发出真正有价值的解决方案。

在前几年的调研过程中，该公司推出了DataMesh FactVerse工业元宇宙平台，该平台可导入企业的CAD、BIM、IoT及知识数据构建数字孪生体，打通数字世界和真实世界，利用XR技术赋能制造、建筑、运维等行业，提高一线人员管理和执行能力。

“DataMesh FactVerse平台的核心功能可以概括为三个模块——数据融合、可视化交互、智能分析。”李劼指出。

李劼告诉我们，在服务工业企业的流程方面，DataMesh采用了一套完整的六步走战略：

1. 需求调研：从"轻咨询"开始，帮助客户梳理流程，识别关键环节。"维修维护、停机相关的问题是客户最容易理解的切入点，"李劼表示。

2. 资源评估：检查是否有可用的“行为树”（behavior tree）模板和“数字孪生体”模板。

3. 行业模板开发：针对不同行业开发专门的解决方案。目前该公司主要覆盖离散制造领域，正在向智能数据中心、生物制药等领域扩展。

4. 场景构建：包括3D模型转换或实地扫描等工作。

5. 数据接入：将各类系统数据整合，包括工单系统、MES系统、BMS、设备运行数据等。李劼提到，“有些客户，80%的数据是已有的，只缺20%的连接；但也有客户是完全相反，所以得对症下药。”

6. 应用实施：设计交互体验，将数字孪生系统与实际工作流程结合。李劼强调，这个步骤实际上是在改造客户原有的工作流程，而不是完全颠覆。

03/AI向善，就是为一线员工赋能

当谈到“AI for Good”理念时，李劼的回答体现了深刻的产业洞察。

"我们公司的口号是'empower frontline workers'（为一线员工赋能），"李劼说，"这背后其实也是'inclusive growth'（包容性增长）的理念。"

在技术快速迭代的今天，如何帮助工人跟上技术的步伐，是一个值得重视的问题。李劼以半导体贴片机为例说道，工人在日常生活中可能没见过贴片机，但如果他就业，就需要被训练用贴片机，要会启动它，监控它上料，出现问题要能快速修理。而AI技术的价值在于帮助工人更好地完成工作，让AI帮他出解析维修方案，让数字孪生帮他提前做好预案，不要到现场再去抓瞎。

“这些数据驱动的体验最终将带来三重价值：提高安全性、提升工作效率、减少资源浪费。”李劼总结，“这种将技术创新与社会价值相结合的思路，正是AI向善理念的生动实践。”

面向未来，李劼对中国工业数字化的发展持乐观态度。“在中国，数据互通已成为行业共识，当前主要缺少的是标准化的实施模板。”

在这方面，他特别提到了NVIDIA的示范作用。“NVIDIA Omniverse平台通过USD（通用场景描述）的逻辑，让很多原来不愿意互相打通的系统，可以自己写插件，这种变化正推动着不同异构系统开始产生互通意识。”

DataMesh于2024年7月加入NVIDIA初创加速计划（NVIDIA Inception），参与了“2024 NVIDIA 创业企业展示”城市路演活动，该活动以“与新工业革命同行”为主题，吸引了全国300多家科技初创企业报名参与，最终DataMesh成为十家“荣耀企业”之一。

“结合DataMesh FactVerse平台与NVIDIA Omniverse，企业可低成本构建设备、流程及设施的模拟数字孪生，赋能行业数字化转型、包容性及可持续发展。”李劼表示，“NVIDIA Omniverse本质上是一系列底层技术的集合体，可以在上面进行应用定制。”这种产业链分工，使得每个参与方都能专注于自己的优势领域：底层技术公司提供基础设施，集成商负责场景落地，最终用户则只需关注应用价值。

“我们核心在于怎么帮客户省钱、怎么帮客户赚钱，”李劼强调，“有了NVIDIA的赋能，公司得以将更多精力投入到这些核心业务目标上。”

帕西尼——引领多维触觉感知新纪元

在某手机检测工厂，机械臂末端的银色探头正在进行精细检测，它沿着手机边框缓慢游走，精准如外科医生的指尖——这是中国消费电子产业正在发生的静默革命：当厂商还在比拼摄像头参数时，有厂商已开始解码用户指尖的微妙偏好。

帕西尼的面阵式多维触觉传感器像是装了神经末梢，能感知到0.01N精度，这些数据汇入数据库后，产生的是一份份用户触觉数据模型：比如人形机器人厂商在做抓取与精细操作，所需要的侧向力检测需求比其他高35%、医疗场景里对于传感器的全维度数据有助于提升手术成功率……帕西尼可以基于此深入解析用户习惯，并全面提升并优化产品性能。

这个极度细分的应用场景，源自于帕西尼创始人许晋诚及团队在机器人领域的深厚积累。NVIDIA GTC 2025 将推出针对中国创业者的会议特辑：与新工业革命同行，其中3月17日14:00的精彩讲演“创业企业在生成式 AI 及机器人方向的实践与分享 [S73910]”，就有许晋诚的硬核分享，从中可见人形机器人公司的成长路径。 https://www.nvidia.cn/gtc-global/session-catalog/?ncid=so-wech-523546#/session/1733714082992001WyT3

01/ 超越机器人感官边界

帕西尼感知科技（PaXini Tech）2021年成立于深圳，是一家拥有前沿核心触觉技术及人形机器人公司，创始人许晋诚来自早稻田大学机器人实验室，早在2015年就开始了触觉模态和人形机器人的研发。

许晋诚及其团队在实验室期间，与大型机器人公司的合作过程中，发现市场对“精细力反馈与基于力觉数据算法模型”技术有强烈需求：“这源于系统集成商在工业场景中的实际需求，特别是在开放场景里的柔性产线或具备人机交互场景，又或是工厂精密打磨和易碎品抓取等领域。”

“通过引入力反馈技术，我们帮助客户解决了以前难以克服的难题。”许晋诚介绍说，“在易碎品抓取场景中，传统方案的成功率仅有30-40%，采用我们的力反馈技术后，成功率提升到80-90%。”帕西尼最初专注于开发配备力反馈+触觉传感的人形机器人，并凭此获得第一笔启动资金。

大家知道，机器人的运行遵循“感知-规划-执行”的闭环控制模式，大致流程是：首先，各类传感器收集环境信息；然后，机器人系统基于这些信息进行判断，规划相应的动作路径(如躲避障碍)；最后，执行器完成具体动作，并得到执行结果的反馈。

“但是高精度的触觉感知及相关物理接触数据，一直都是具身智能领域相对稀缺的模态，因为传统机器人都依赖视觉系统，‘会看但不会摸’。”许晋诚指出。

更关键的是，传统触觉传感器及相关的触觉数据在机器人应用中的问题不少：首先是「易用性差」，硬件价格高且集成困难，往往要外接精密的ADC，数据不规范难开发，不适合大规模使用；其次是「感知能力单一」，目前在传统场景应用很广的电阻、电容等技术路线，受限于物理原理，多只能测正向压力压强，无法感知摩擦、剪切力和滑动力；第三是「一致性差、信号随机」，传感器本体对材料工艺、芯片设计、封装水平、自动化标定都有极高的要求，当前甚至连数据不一致都让客户难以使用；第四是「耐久性和可靠性不足」，封装及传感器原理结构不合理，造成难以长久稳定持续工作。

“这些传统痛点制约了机器人的发展，导致触觉传感器及相关模态模型数据在市场上很稀缺，这成了我们的机遇。”许晋诚表示，“起初，几乎所有做自动化和机器人的公司都会主动找我们合作。”

根据官方介绍，帕西尼目前经过发展，已覆盖从“触觉传感核心”+“多维触觉算法模型”到“人形机器人整机制造”的全链路环节，具体包括三大产品线：触觉传感器、视觉+触觉双模态灵巧手、多维触觉人形机器人，客群涵盖智能制造、康养医疗、工业生产、消费电子等领域。

其中，许晋诚特别提到帕西尼的ITPU多维触觉传感技术，在传统三维/六维力检测的基础上，还能额外获取物体形状、硬度、纹理、温度等物理属性。“我们对传感器进行了严苛测试，包括反复击打测试、高频超负载使用测试，还要通过EMC电磁兼容认证、IP68防水防尘测试等。”许晋诚说，“我们是业内首家在触觉传感器中加入防水防尘、阻燃等特性的公司，让产品能够在极端环境下可靠运行，这些创新为我们赢得了市场的认可。”

02/ “AI向善的核心是促进社会公平”

当谈到“AI for Good”理念时，许晋诚认为其核心在于促进社会公平。

他举例说道：“以达芬奇手术机器人为例，虽然手术流程已经非常成熟，但由于耗材成本高，加上需要非常资深的医生操作，一台手术可能要花费几十万元。”

此时，帕西尼的解决方案正好派上用场——在手术器械上搭载一次性使用的力学传感器。“这种设计不仅能极大降低成本，也降低手术中由于力控难而造成的二次组织伤害，还能提高患者康复机会，又能降低手术费用，甚至能让经验相对较少的医生也能进行精准手术。”许晋诚表示，“这对医疗资源匮乏地区的患者来说尤其重要。”目前该解决方案在概念验证（POC）阶段，预计今年上市。

一位外科医生为这项技术提供了临床视角：“即使是资深医生，掌握手术机器人也要很长的学习时间，更别提要是一段时间不操作，还会手生。”

在技术实现方面，许晋诚详细介绍了“力反馈如何辅助手术操作”：

他说，“手术机器人通常有两个机械手，一个负责夹持组织，另一个进行切割。虽然有视觉反馈，但医生可能因为视野限制而不得不抓取较大面积的组织，导致手术创口增大。我们在夹持器上，加装力反馈传感器，可以将力学特性通过‘震动’或‘力学对抗’的方式反馈给医生。同时，传感器还能检测剪切力的分布情况，确保组织夹持的稳定性。”这种力反馈技术，是对现有手术机器人视觉反馈的重要补充，能帮助医生更精准地完成手术操作。

诚然，在一个个成功案例的背后，也少不了合作伙伴的支持。

“力学和触觉传感器在市场上比较少见，关键挑战在于，要保证数据的一致性和稳定性，以及在制造过程中需要进行大量仿真，来找到最优结构。比如帕西尼的传感器需要约数万种不同形态的仿真计算，再从中筛选出最优方案。”许晋诚解释道，“这种大规模并行计算，必须依靠NVIDIA的算力支持，否则计算时间会大大延长，影响研发效率。”

“利用NVIDIA GPU的并行计算能力，帕西尼大幅加速了触觉仿真、算法运行、以及多维触觉模型和数据集的训练与推理。”许晋诚介绍说，比如用Isaac Sim时，我们创建了一个逼真的虚拟环境，并建立机器人模型的数字孪生，我们在其中模拟了各种业务场景，比如汽车生产线、3C制造中不同零件的抓取、家庭服务场景下不同材质衣物的操作等。“总的来说，NVIDIA的技术支持让我们的成本节省了40%，训练速度提高了100倍。”

谈及接下来的规划，帕西尼主要专注在研发和商用两大方向。在研发方面，公司已启动触觉大模型项目，与上海交通大学展开深度合作。在商用进展方面，许晋诚透露公司已实现规模化突破："目前我们的单个客户订单量达到数千个。传统六维力传感器因价格昂贵，产能瓶颈，年销量通常只有1万左右，而我们的销售规模已是传统传感器公司的10-20倍。"

对于未来发展，帕西尼将致力于提升产品交付效率并降低成本。许晋诚强调："我们希望让这项技术能真正普惠每一个客户。"

AI向善：从效率提升到社会价值，"包容"与"普惠"共鸣

1、需求锚定上，将"解决什么问题"置于"能用什么技术"之前。当DataMesh把3D建模能力封装成一线工人看得懂的AR指引，当帕西尼将面阵式六维力传感技术浓缩为标准化模块，技术价值才有了可触摸的温度。

2、成本逻辑上，向善需要可持续，需要一个"可呼吸"的商业模型。两家公司的实践都证明，只有让技术以更低的成本、更高的效率服务实际场景，才能真正实现技术的大规模普及。

3、认知革命上，AI向善不仅是技术命题，它要求开发者放下"上帝视角"，当技术真正成为测量社会痛点的温度计，而非悬挂在云端的流量磁石，"向善"二字自会升华为文明刻度。

最后，值得再次强调的是，3月17日-3月21日期间，GTC 2025 将推出针对中国创业者的会议特辑：与新工业革命同行，其中包含三场精彩讲演：

https://www.nvidia.cn/gtc-global/session-catalog/?ncid=so-wech-523546#/session/1733709070157001nbTa

届时，DataMesh、帕西尼将分别出席第一场、第二场的现场，分别展示各自创新的技术方案，更让大家感受其共同的技术温度。