騰訊再次注資元宇宙，聯合領投隔空觸覺技術公司，D輪融資5.2億元
Ultraleap可實現裸手體驗隔空觸覺
明敏 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
在元宇宙世界里“買買買”的騰訊又有新動向了。
這一次，他們看準的是開發隔空觸覺技術的英國公司Ultraleap。
嗯，就是前不久Meta（Facebook）用一副觸覺手套體驗的那種隔空觸覺。
最近，Ultraleap官方發布公告，表示已完成8200萬美元（約5.2億人民幣）D輪融資。
此輪融資由騰訊、British Patient Capital和招商銀行聯合領投。
今年6月，就有傳聞稱騰訊擬5000萬美元 （約3.3億人民幣）投資Ultraleap。
而更早以前，Ultraleap的前身之一Leap Motion更是讓蘋果兩次想將其收入麾下。
這不禁讓人好奇，為何Ultraleap能頻頻得到大廠們的青睞呢？
用超聲波實現空中觸覺
Ultraleap是由英國公司Ultrahaptics和美國公司Leap Motion合并而來，主打手部追蹤和隔空觸覺技術。
其中的隔空觸覺技術，正是與最近Meta推出的觸覺手套有異曲同工之處，都是能夠讓人不接觸實物，就體會到虛擬的觸覺。
不過和Meta完全不同的是，Ultraleap實現這一體驗無需佩戴任何設備，只需通過超聲波就能裸手體驗到虛擬觸覺。
它名叫“STRATO Inspire”，是一個即插即用的觸覺反饋模塊。
在這上面整齊排布了非常多小型超聲波揚聲器，Ultraleap通過算法讓這些揚聲器在一定的時間差內觸發，并讓它們在空中的某一位點匯合。
Ultraleap會用手部追蹤技術讓這一位點落在人手上，從而實現了隔空觸覺。
2017年，官方曾出過一個有趣的demo：只要在《星球大戰》的海報前揮一揮手，就能觸摸到“原力”了。
隨著海報上的能量爆炸，體驗者手上也會隔空體驗到一種刺痛感。
不過當時創始人Tom Carter表示，STRATO Inspire還不能讓人感受到非常細微的觸覺。
而從長遠來看，Carter認為這項技術可以被應用在汽車場景中。通過超聲波傳感和語音技術的結合，Ultraleap可以讓駕駛員的視線無需從道路上移開，在空中就能操作導航或者其他控制界面。
這也是Ultraleap多年來一直想實現的事——非接觸式的人機交互。
公司多年推出的技術也都是圍繞這一目標，比如手部追蹤、VR頭顯以及相關軟件和攝像頭模組。
手勢追蹤不必多說，當年Leap Motion正是憑借這一技術在科技圈名聲大噪。
他們的技術主要是通過紅外線照射對手部位點進行追蹤，然后相應軟件會在電腦內生成手部的動作模型，主要是對手部關節、骨骼的模擬。
就在最近，他們剛剛推出了第五代手部追蹤軟件Gemini，目前支持Windows系統，可與其旗下的VR頭顯連接使用，之后還將支持MacOS和Linux。
騰訊：元宇宙投資狂魔
據官方消息，此次D輪融資中，新晉投資方包括騰訊、British Patient Capital、招商銀行旗下招銀國際，以及原有投資者Mayfair Equity Partners和IP Group plc，各方投資金額并未透露。
再一次看到騰訊注資的身影，似乎已經并不稀奇。
畢竟早在2020年初，騰訊就投資了Roblox。
今年3月，Roblox在美國紐約證券交易所正式上市，成為“元宇宙概念第一股”。
更早之前，騰訊還投資了另一家元宇宙游戲公司Epic Games，它是3D內容及AR/VR內容開發引擎Unreal Engine的開發商。
而除了元宇宙的入口——游戲、AR、VR領域，底層技術云計算上，騰訊的發展也不容小覷。
據IDC發布的《2021年第二季度中國公有云市場數據》顯示，目前騰訊云市場份額在國內排名第二。
如今，騰訊又注資一家虛擬交互技術公司，真可謂是在元宇宙的“買買買”狂魔了。
參考鏈接：
[1]https://techcrunch.com/2021/11/17/ultraleaps-mid-air-haptics-tempts-tencent-to-join-its-82m-series-d-fundraising/
[2]https://www.ultraleap.com/company/about/
- DeepSeek-V3.2-Exp第一時間上線華為云2025-09-29
- 你的AI助手更萬能了！天禧合作字節扣子，解鎖無限新功能2025-09-26
- 你的最快安卓芯片發布了！全面為Agent鋪路2025-09-26
- 任少卿在中科大招生了！碩博都可，推免學生下周一緊急面試2025-09-20
相關閱讀
騰訊湯道生：打造智能化、全球化雙引擎，助力企業穩增長
騰訊QQ亮相2021谷歌開發者大會官網，AI語音降噪打造音視頻通話新體驗
為解決6億用戶對QQ音視頻的龐大需求，騰訊QQ 團隊基于開源TensorFlow機器學習平臺，搭建了 AI 降噪與噪聲場景分類的并行訓練框架，并設計了音頻降噪、音質提升和模型優化算法。
