Startup cảm biến xúc giác mềm Yaole Tech gọi vốn thành công, kỳ vọng doanh thu tăng gấp 10 lần vào năm 2026

Tác giảHoàng Nam

Biên tậpViên Tư Lai

Hard (Hard36Kr) được biết, doanh nghiệp cảm biến xúc giác linh hoạt "YaoLe Technology" gần đây đã hoàn tất vòng gọi vốn Pre-A+. Vòng gọi vốn này do Dinghe Gaoda dẫn đầu, với sự tham gia của công ty niêm yết Changshu Automotive Trim và Archosaur Games. Yundao Capital đóng vai trò là cố vấn tài chính độc quyền dài hạn. Nguồn vốn sẽ chủ yếu được sử dụng cho việc nghiên cứu và phát triển công nghệ cảm biến vải linh hoạt, nâng cấp hiệu suất sản phẩm, đẩy nhanh việc mở rộng năng lực sản xuất và giao hàng loạt găng tay dữ liệu, đồng thời hoàn thiện khả năng thu thập, hiệu chuẩn và giao diện dữ liệu, nhằm tăng tốc ứng dụng vào các kịch bản như trí tuệ hiện thân (Embodied AI), mô hình thế giới (World Models) và buồng lái thông minh.

YaoLe Technology lấy cảm biến vải linh hoạt làm đầu vào phần cứng, hướng tới việc thu thập và tiền xử lý dữ liệu tương tác vật lý thực tế cần thiết cho trí tuệ hiện thân và mô hình thế giới. Nhà sáng lập kiêm CEO Lữ Lỵ Uẩn từng là kỹ sư kiến trúc trưởng tại Harman - doanh nghiệp hàng đầu thế giới về điện tử ô tô, từng chủ trì công tác R&D nền tảng tính toán tích hợp cảm biến đa phương thức; các thành viên nòng cốt trong đội ngũ chủ yếu đến từ Viện Hàn lâm Khoa học Trung Quốc, Đại học Michigan, Đại học Bắc Kinh và các trường đại học hàng đầu khác, bao phủ toàn bộ chuỗi năng lực R&D từ vật liệu cảm biến cơ bản đến thuật toán thông minh tầng trên.

Khi các kỹ thuật phần cứng như thân robot hình người, động cơ và điều khiển khớp nối lần lượt đạt được đột phá, sự cạnh tranh trong ngành đã chuyển sang giai đoạn mới, với hạn chế sâu xa nằm ở sự thiếu hụt mang tính cấu trúc về nguồn cung dữ liệu. Theo báo cáo "Báo cáo phát triển ngành công nghiệp trí tuệ hiện thân Trung Quốc", tính đến đầu năm 2026, tổng lượng dữ liệu tương tác vật lý thực tế chất lượng cao trên toàn cầu đạt khoảng 500.000 giờ, trong khi việc huấn luyện các mô hình trí tuệ hiện thân phổ quát có khả năng khái quát hóa cơ bản cần ít nhất hàng chục triệu giờ dữ liệu, tạo ra khoảng cách thiếu hụt lên tới hơn 90%.

So với các tài liệu huấn luyện có thể thu thập quy mô lớn qua kênh trực tuyến như hình ảnh và văn bản, phương thức xúc giác tồn tại nút thắt nguồn cung độc đáo. Tín hiệu xúc giác bắt nguồn từ sự tiếp xúc vật lý trực tiếp giữa các thực thể; môi trường mô phỏng có thể mô phỏng hình dạng và vị trí của vật thể, nhưng khó tái hiện các đặc tính cơ học phức hợp như phân bổ áp suất, lực ma sát, biến dạng vật liệu trong kịch bản thực tế. Tập dữ liệu mô phỏng và giá trị thực tế của xúc giác có độ lệch cố hữu, không thể thay thế hoàn toàn dữ liệu thu thập từ người thật để làm tài liệu huấn luyện chất lượng cao. Điều này buộc ngành công nghiệp phải tìm kiếm các phương thức mới để thu thập dữ liệu từ phía vật lý.

Găng tay thu thập dữ liệu (Data Gloves), với tư cách là giao diện vật lý kết nối giữa thao tác của con người và quá trình học tập của robot, vừa có thể nắm bắt các tín hiệu cơ học tiếp xúc trong thao tác thực tế, vừa có thể triển khai quy mô lớn dưới hình thức tương đối tiêu chuẩn hóa, trở thành một trong những con đường then chốt để lấp đầy khoảng trống dữ liệu xúc giác.

Điểm đổi mới của găng tay dữ liệu sắp ra mắt của YaoLe Technology nằm ở việc tích hợp trực tiếp chức năng cảm biến vào cấu trúc vải, hiện thực hóa sự hợp nhất giữa vật liệu và thiết bị. Nhà sáng lập kiêm CEO Lữ Lỵ Uẩn chia sẻ với Hard rằng, các giải pháp găng tay thu thập dữ liệu phổ biến hiện nay chủ yếu sử dụng mạch in hoặc cảm biến màng mỏng dán lên bề mặt vải, lớp cảm biến và lớp vải tách biệt, thường đòi hỏi cấu trúc chồng chéo nhiều lớp.

"Giải pháp này có thể hoạt động trong môi trường phòng thí nghiệm hoặc trình diễn ngắn hạn, nhưng một khi bước vào kịch bản thực tế, các vấn đề như dịch chuyển, nếp gấp, vết mồ hôi do cấu trúc nhiều lớp gây ra sẽ ảnh hưởng trực tiếp đến chất lượng dữ liệu," Lữ Lỵ Uẩn cho biết.

Giải pháp của YaoLe là nhúng trực tiếp khả năng cảm biến vào chính cấu trúc vải. Dựa trên cảm biến "sợi kim loại + ma trận sandwich" do công ty tự nghiên cứu, họ dệt các sợi hợp kim kéo kim loại thành mạng lưới dẫn điện, nhúng vào ma trận cấu tạo từ nhiều lớp vải. Trong đó, sợi sử dụng chất liệu kim loại nguyên chất thay vì quy trình phủ hoặc mạ điện, giúp độ dẫn điện và tính nhất quán bền bỉ hơn. Găng tay của họ được phủ các mảng cảm biến mật độ cao ở lòng bàn tay và các khớp ngón tay, giúp thu thập dữ liệu chính xác.

Sơ đồ khái niệm phân bổ điểm cảm biến trên găng tay dữ liệu (Nguồn ảnh/Doanh nghiệp)

Sau khi dệt định hình nguyên khối, mạch cảm biến và vải hòa làm một, không cần dán nhiều lớp hoặc gắn thêm mảng cảm biến bên ngoài. Cấu trúc này loại bỏ sai số tín hiệu do trượt giữa các lớp như găng tay truyền thống, ngón tay khi uốn cong sẽ không tạo ra dịch chuyển tương đối, thao tác nắm hụt cũng không kích hoạt tín hiệu vô ích do nếp gấp vải, từ đó nâng cao độ tin cậy của việc thu thập dữ liệu từ gốc.

Vải chính là cảm biến (Nguồn ảnh/Doanh nghiệp)

Khi xúc giác chuyển từ "cấu hình tùy chọn" sang "tầng cảm biến cơ bản" của trí tuệ hiện thân, găng tay dữ liệu với tư cách là giao diện vật lý kết nối thao tác con người và học tập của robot đang được định nghĩa lại vị thế công nghiệp. Từ phòng thí nghiệm bước ra triển khai quy mô lớn, việc găng tay có thể được nhân viên thu thập dữ liệu sử dụng lâu dài, tần suất cao và không gây áp lực hay không, quyết định trực tiếp đến tính chân thực và bền vững của việc thu thập dữ liệu. Đây cũng chính là giá trị của thiết kế mô-đun mà YaoLe Technology áp dụng.

Hộp thu thập của găng tay tích hợp các mô-đun cấp nguồn, xử lý tín hiệu và lưu trữ; thân găng tay có thể thay thế riêng lẻ và giặt sạch để bảo trì, vừa đảm bảo tính liên tục của các nhiệm vụ thu thập dài hạn, vừa giảm ngưỡng sửa chữa sau khi gặp sự cố.

Nhìn từ mô hình kinh doanh, phần cứng là đầu vào, còn dữ liệu mới là giá trị thương mại dài hạn. Những gì YaoLe Technology bàn giao cho khách hàng không chỉ là găng tay, mà còn bao gồm các dịch vụ tiền xử lý như thu thập, làm sạch, hiệu chuẩn và căn chỉnh trục thời gian dữ liệu. Cảm biến đã qua hiệu chuẩn có tính nhất quán tốt, không có sự khác biệt giữa các lô hoặc sai lệch giữa các găng tay đơn lẻ, giúp giảm hiệu quả chi phí làm sạch dữ liệu cho khách hàng trong giai đoạn huấn luyện mô hình.

Kể từ đầu năm nay, số lượng nhà sản xuất găng tay da điện tử nhắm vào các giải pháp cảm biến xúc giác linh hoạt trong nước đã tăng nhanh, lộ trình công nghệ bao phủ nhiều hướng như màng in, cảm biến thị giác-xúc giác, cảm biến vải, v.v. Điểm mấu chốt của cạnh tranh ngành nằm ở việc ai có thể tiên phong hiện thực hóa sản xuất hàng loạt quy mô lớn và hạ giá thành trên cơ sở đảm bảo độ chính xác của dữ liệu.

"Lợi thế của chúng tôi nằm ở độ tin cậy tích lũy từ các kịch bản đạt chuẩn ô tô và kinh nghiệm quản lý chuỗi cung ứng, sở hữu nền tảng năng lực cốt lõi để chuyển dịch sang các kịch bản robot. Về định vị sản phẩm, chúng tôi cho rằng găng tay dữ liệu giống như một loại 'vật tư tiêu hao', bản thân cảm biến không cần phải dùng mười năm không hỏng, ngược lại, nó cần dữ liệu chính xác trong suốt vòng đời, làm ra giá rẻ, có thể thay thế, phù hợp với nhu cầu thực tế của người dùng hơn là chỉ theo đuổi sự bền bỉ," Lữ Lỵ Uẩn chia sẻ với Hard. Năm 2026, mảng kinh doanh găng tay dữ liệu của YaoLe Technology dự kiến sẽ chiếm hơn một nửa tổng doanh thu, doanh thu cả năm của công ty dự kiến tăng gấp 10 lần.

Dưới đây là trích đoạn phỏng vấn giữa Hard và nhà sáng lập kiêm CEO của YaoLe Technology, Lữ Lỵ Uẩn (đã qua biên tập):

Hard: Theo quan sát của các bạn, nhu cầu của khách hàng trong ngành đối với dữ liệu năm nay tập trung vào những loại nào? Họ có sự khác biệt bản chất gì về nhu cầu không?

Lữ Lỵ Uẩn: Hiện nay, thứ mà toàn ngành thiếu nhất chính là dữ liệu xúc giác của người thật, khoảng trống này rất lớn. Nhìn từ chân dung khách hàng, nhu cầu của họ có thể chia thành vài loại.

Loại thứ nhất là các công ty trí tuệ hiện thân và các đội ngũ làm mô hình thế giới, đây cũng là nhóm khách hàng chính hiện tại của công ty. Họ cần dữ liệu thao tác để huấn luyện bàn tay khéo léo hoặc robot hoàn thành các nhiệm vụ cụ thể. Nhóm khách hàng này đặc biệt nhấn mạnh vào tính "dị thể" của dữ liệu, nghĩa là không thể chỉ thu thập cách thao tác của một người, cũng không thể chỉ nhắm vào một loại vật thể; sự khác biệt về hình dáng bàn tay, thói quen dùng lực, nhịp điệu thao tác của mỗi người là rất quan trọng đối với khả năng khái quát hóa của mô hình. Ngoài ra, họ cũng có yêu cầu đặc biệt cao đối với tiền xử lý dữ liệu: trục thời gian phải căn chỉnh, các cảm biến phải đồng bộ, dữ liệu áp suất và dữ liệu hình ảnh phải tương ứng với nhau. Nếu những công việc cơ bản này không làm tốt, tính hữu dụng của dữ liệu ở giai đoạn sau sẽ bị ảnh hưởng.

Loại thứ hai là các doanh nghiệp công nghiệp lớn và công ty logistics, ví dụ như UPS. Họ vốn đã có công nhân đeo găng tay bảo hộ làm việc trên dây chuyền sản xuất, nhu cầu không phải là huấn luyện robot mà là đánh giá rủi ro sức khỏe lao động và tối ưu hóa hiệu suất. Thông qua việc thu thập dữ liệu chuyển động tay và dữ liệu chịu lực, họ phân tích xem những động tác nào dễ gây chấn thương, công đoạn nào có cường độ lao động cao, từ đó tối ưu hóa quy trình vận hành. Nhu cầu loại này đặc biệt nhiều ở nước ngoài, nhất là châu Âu và Nhật Bản, nơi các doanh nghiệp có yêu cầu rất cao về tuân thủ sức khỏe nhân viên và sẵn sàng chi trả cho việc này. Khác với nhóm khách hàng thứ nhất, các doanh nghiệp này không cần tích hợp đa phương thức hay hiệu chuẩn phức tạp, mà cần các chỉ số sinh cơ học có thể đọc hiểu trực tiếp, như đỉnh lực chịu tác động của khớp, tần suất động tác lặp lại; góc độ diễn giải dữ liệu hoàn toàn khác biệt.

Loại thứ ba là lĩnh vực phục hồi chức năng y tế, ví dụ như giám sát phục hồi chức năng tay, đánh giá huấn luyện phục hồi cho bệnh nhân đột quỵ, v.v. Họ cần theo dõi động tác tinh vi và xu hướng thay đổi dài hạn, yêu cầu cảm biến phải có tính lặp lại và tính nhất quán tốt. Nếu độ trôi (drift) của bản thân cảm biến còn lớn hơn cả tiến triển phục hồi, thì dữ liệu sẽ không có giá trị lâm sàng.

Chính vì mục tiêu của các khách hàng khác nhau rất lớn, nên chúng tôi không chỉ bán một chiếc găng tay tiêu chuẩn là xong, mà phải thực hiện cấu hình khác nhau và phân tích dữ liệu ở các chiều khác nhau tùy theo kịch bản ứng dụng. Chúng tôi thiên về hợp tác sâu với khách hàng, giúp họ thực hiện một phần phân tích dữ liệu, trên cơ sở đó chia sẻ tài nguyên dữ liệu. Phần cứng chỉ là bước đầu tiên, cách sử dụng dữ liệu như thế nào, làm sao để giúp khách hàng tạo ra giá trị mới là điều dài hạn hơn.

Hard: Trên thị trường có không ít nhà sản xuất cảm biến linh hoạt, bao gồm các lộ trình công nghệ khác nhau như màng in, thị giác-xúc giác, lý do khách hàng chọn giải pháp của YaoLe Technology là gì?

Lữ Lỵ Uẩn: Khách hàng tìm đến chúng tôi, lý do căn bản là vì nhiều giải pháp trên thị trường hiện nay gặp vấn đề về độ chính xác của dữ liệu.

Hiện nay, găng tay điện tử phổ biến trên thị trường chủ yếu là loại màng in, in cảm biến lên màng, TPU hoặc vải, hoặc tích hợp thị giác-xúc giác vào trong. Nhưng vấn đề của loại vật liệu này là bản thân nó không phải là chất liệu tự nhiên phù hợp để làm găng tay. Con người đeo găng tay về cơ bản đều là dạng vải, găng tay cao su đeo một lúc là phải tháo ra, không thoáng khí sẽ gây ra vết mồ hôi.

Đồng thời, do giải pháp màng in thường cần cấu trúc nhiều lớp, kẹp cảm biến ở giữa, vấn đề do cấu trúc nhiều lớp mang lại là quá dày, không thoáng khí, vết mồ hôi sẽ dẫn đến suy giảm và trôi cảm biến; các lớp giữa dễ bị trượt khi nắm; nếu găng tay không được thiết kế khuôn mẫu chuyên biệt cho cấu trúc lập thể của bàn tay, khi ngón tay uốn cong, vật liệu sẽ bị nhăn, khi nắm hụt, cảm biến đã bị kích hoạt sai, còn xuất hiện cái gọi là "dữ liệu bẩn" hoặc "nhiễu bóng ma".

Cách làm của YaoLe là giải quyết những vấn đề này từ nguồn gốc. Dệt định hình nguyên khối, không có cấu trúc nhiều lớp, khi găng tay thành hình, mạch cảm biến đã được dệt vào trong, khi ngón tay uốn cong không tồn tại vấn đề trượt giữa các lớp.

Ngoài ra, chúng tôi còn thiết kế lớp không khí và cấu trúc hỗ trợ bên trong găng tay, để cảm biến chỉ phản hồi khi thực sự tiếp xúc và chịu áp lực, giảm thiểu tín hiệu vô ích từ cấp độ vật lý; hộp điều khiển chính ở cổ tay còn tích hợp camera góc rộng, có thể đối chiếu tình trạng tiếp xúc để kiểm tra kép, khi nắm hụt, camera nhìn vào là biết trong tay không có gì, dữ liệu có thể được kiểm chứng chéo.

Có thể nói, khách hàng chọn YaoLe chính là vì chúng tôi hiểu sâu hơn về cảm biến vải, từ vật liệu, quy trình, cách dệt, cho đến sản xuất hàng loạt, hiệu chuẩn, bàn giao, đó là năng lực mang tính hệ thống, có thể thực hiện tốt khâu "tiền xử lý" dữ liệu, thay vì ném một đống dữ liệu thô đầy nhiễu cho khách hàng tự làm sạch. Đây cũng chính là giá trị không thể thay thế của lộ trình cảm biến vải trong các kịch bản thu thập dữ liệu.

Quan điểm của nhà đầu tư:

Cao Tắc Sơn, đối tác sáng lập của Yundao Capital, cho rằng thị trường sơ cấp đang chuyển từ việc hỏi "thân máy có đủ hào nhoáng không" sang truy vấn dữ liệu tương tác vật lý thực tế đến từ đâu, liệu có thể cung cấp quy mô lớn cho mô hình hay không. Công ty xúc giác thì nhiều, nhưng đơn vị có thể sản xuất và bàn giao hàng loạt thì không nhiều; mấu chốt nằm ở chỗ có chạy thông được việc chỉ định và sản xuất hàng loạt trong các ngành tiêu chuẩn cao như ô tô hay không - bởi vì mô hình thế giới cần năng lực sản xuất dữ liệu có thể tái sử dụng và huấn luyện được. Giá trị của YaoLe không nằm ở việc tạo ra thêm một loại cảm biến, mà ở việc biến sự tiếp xúc thực tế của con người thành đầu vào dữ liệu có thể đi vào chuỗi huấn luyện; phần cứng là tấm vé, giao diện dữ liệu và tiêu chuẩn hóa mới là nơi nằm giữ sự linh hoạt của định giá.

Vương Oánh, đối tác quản lý của Dinghe Gaoda, cho biết: "Các danh mục đầu tư trước đây của chúng tôi như Hesai, Momenta, Liufen Technology, v.v., đều hướng tới cùng một mệnh đề - để máy móc cảm nhận, dự đoán và tác động tốt hơn vào thế giới vật lý. Những gì YaoLe đang làm chính là mảnh ghép then chốt của mệnh đề này ở phía dữ liệu tương tác vật lý. Dinghe Gaoda sẽ dựa vào ma trận hệ sinh thái công nghiệp phong phú của chúng tôi để cung cấp cho YaoLe sự hỗ trợ sâu sắc từ phối hợp chuỗi cung ứng đến mở rộng thị trường. Khoản đầu tư lần này chúng tôi hỗ trợ đưa Changshu Automotive Trim vào, chính là vì nhìn thấy nhu cầu cứng đang dần hình thành từ các nhà sản xuất ô tô nước ngoài đối với OCS (Hệ thống phân loại hành khách). Hy vọng thông qua đầu tư và trao quyền để cùng nhau đưa giải pháp sản xuất hàng loạt đạt chuẩn ô tô của Trung Quốc ra nước ngoài, toàn lực hỗ trợ YaoLe mở rộng kinh doanh ra thị trường quốc tế."

Lý Dật, Giám đốc tài chính của Archosaur Games, cho biết: "Chúng tôi kiên định lạc quan về giá trị dài hạn của YaoLe với tư cách là cơ sở hạ tầng dữ liệu xúc giác, đặt cược vào việc các doanh nghiệp Trung Quốc trong làn sóng đổi mới công nghệ AI mới, đang dựa vào năng lực kỹ thuật hóa cực hạn và mật độ kịch bản phong phú, phát huy sức mạnh từ cơ sở hạ tầng tầng đáy, chạy ra 'gia tốc Trung Quốc' độc nhất trong cuộc cạnh tranh Physical AI toàn cầu."