物理AI时代：全固态感知如何重塑机器人数据闭环与产业格局
具身智能落地的“数据荒”与物理认知困境
具身智能（Embodied AI）赛道正在经历一场从“秀肌肉”到“拼耐力”的关键转型。过去几年，行业聚光灯下的人形机器人和四足机器人往往在受控的舞台环境中展示精美的舞步或机械动作，这种展示虽然震撼，却难以直接映射到工厂、园区或家庭等真实场景中的长期稳定作业需求。产业界逐渐意识到，评判机器人价值的标准已从表演能力转向了在非结构化环境中的鲁棒性。
然而，当前多数基础大模型的训练逻辑仍停留在二维图像或高保真仿真数据层面。这种数据范式存在一个根本性的缺陷：它缺失了真实三维空间中物体的距离、材质属性、受力状态以及动态交互的原生高精度信息。换句话说，现有的AI模型往往只能“看懂”画面中的像素变化，却无法真正理解物理世界的运行规律。例如，一个模型可能识别出桌面上有一个玻璃杯，但它不知道玻璃杯的重量、摩擦系数以及抓取时的受力阈值。
单纯依赖视觉传感器的方案在这一领域面临着天然瓶颈。在强光、阴影、雨雪天气或物体遮挡等复杂工况下，2D视觉测距和空间结构测算存在显著误差。同时，仿真环境构建的物理规则往往过于理想化，与现实工况存在巨大鸿沟。这直接导致了机器人在走出展厅后，面对复杂抓取、长时序巡检等任务时成功率大幅降低。在此背景下，激光雷达（LiDAR）往往仅被定位为配合导航的避障配件，其深层的价值未被充分挖掘。
高精度三维感知：物理AI的核心数据源
随着行业认知的深化，业界开始共识：高精度三维感知并非仅仅是让机器人“看见”世界的眼睛，更是物理AI持续迭代不可或缺的数据源头。要打通“感知-理解-决策-迭代”的完整闭环，必须从底层芯片重构空间数据的生成逻辑，源源不断地输出可用于模型持续进化的真实物理信息。
在这一趋势下，速腾聚创（RoboSense）提出了不同的技术判断。他们认为，想要解决物理AI的“数据饥渴”，必须提供具备极高精度的空间数据结构。传统的视频数据对于具身大模型而言是相对粗糙的，它缺乏精确的深度信息和空间关系描述。速腾聚创市场总监谢阗地曾指出，所有致力于物理AI的公司最终都会意识到，只有具备准确的深度信息，机器人才能理解现实世界中物体的前后左右结构关系。这种高质量的空间数据，已成为物理AI时代的关键生产要素。
这种数据范式的转变，意味着传感器不再是一个孤立的硬件组件，而是连接真实世界与智能模型的数据入口。机器人本体与智能模型的结合，必须依赖于真实世界中持续产生的高质量空间数据，并将其转化为机器人能够学习和复用的训练材料。只有当传感器能够输出符合物理大模型需求的结构化数据时，机器人的生产力才能真正爆发。
E2平台：自研芯片重构感知底层逻辑
在2026年世界人工智能大会（WAIC 2026）上，速腾聚创发布了基于自研“孔雀”SPAD-SoC芯片的第二代全固态感知平台E2。这一举措标志着其技术路线从组件集成向底层芯片定义的全面跃迁。
E2平台采用了全固态架构，核心在于自研的超大面阵SPAD-SoC（单光子雪崩二极管系统级芯片）与2D VCSEL芯片。与行业普遍采用的外购分立元器件拼凑传感器的模式不同，速腾聚创选择了一条更为艰难但更具长期价值的SPAD-SoC全栈自研路线。这种设计的核心优势在于，从芯片设计源头就能统一定义探测精度和点云输出规格，从底层规避了分立器件组合带来的性能损耗和信号延迟。
相比上一代产品，E2系列在技术上实现了显著突破：
首先，视场角（FOV）大幅拓宽，能够覆盖更广阔的空间范围，减少感知盲区。
其次，精度提升了3倍。这意味着在同样的距离下，E2能够生成密度更高、噪声更低的点云数据。对于需要精细操作的场景，如庭院割草或精密装配，这种精度差异是决定性的。
最后，信号收发与数据处理均在芯片层面完成。这种集成化设计不仅降低了功耗和体积，更重要的是实现了低延迟的实时处理，为机器人提供了毫秒级的环境反馈。这种高速、高精度的数据输出，为机器人在复杂环境中的精准操作提供了坚实的数据支撑。
从硬件供应商到基础设施服务商的战略迁移
E2平台的发布不仅是技术的迭代，更是速腾聚创商业模式的战略升级。公司正试图从传统的硬件供应商，向物理AI时代的基础设施服务商迁移。
这种迁移的逻辑在于：在物理AI时代，数据的获取和加工能力将成为比硬件制造更核心的竞争力。速腾聚创不再仅仅销售激光雷达模组，而是提供一套包含数据采集、处理、模型训练及应用验证在内的完整解决方案。
在WAIC 2026期间，速腾聚创宣布与智在无界、简智机器人、Origen、光轮智能等多家企业建立合作。这些合作聚焦于机器人空间感知、真实世界数据采集及数据处理等环节。通过这种方式，速腾聚创将自己嵌入到物理AI产业链的基础设施层，成为连接真实物理世界与数字智能模型的关键节点。
这一战略调整的背景是具身智能迈向规模化应用的关键阶段。随着庭院机器人、割草机器人、人形机器人和无人机等产品的快速落地，市场对感知系统的需求已从简单的避障升级为复杂的场景理解和交互。E2平台已在上述多个领域展开应用，并获得了庭院机器人及智能硬件领域的订单。这表明，其技术路线已经通过了初步的市场验证，具备了规模化应用的条件。
芯片自研与AI数据闭环的双重驱动
支撑这一战略转型的两大核心能力是芯片自研与AI数据闭环。
在芯片层面，自研“孔雀”芯片作为标准化的数字化感知底座，解决了数据标准化的问题。通过定义统一的输出规格，速腾聚创确保了不同批次、不同型号传感器的数据一致性，这对于大规模模型训练至关重要。如果数据格式杂乱、精度不一，下游的AI模型将无法有效学习。
在AI融合层面，速腾聚创在产品和芯片设计初期就瞄准了物理大模型对高精度空间数据的需求。各类机器人在搭载其感知设备后，其移动、抓取、作业等过程生成的数据资产会被实时同步，用于模型的持续迭代。这种“感知即数据，数据即训练”的闭环机制，使得传感器成为了一个活的数据产生器，而非静态的输入设备。
这种模式构建了强大的竞争壁垒。一方面，自研芯片带来了成本控制和性能优化的主动权；另一方面，闭环数据流使得合作伙伴的机器人能力随着使用时间的推移而不断进化，形成了正向反馈。谁掌握了高质量空间数据的供给能力，谁就占据了产业链的基础地位。
未来展望：数据入口的产业价值重估
物理AI的规模化落地，本质上是一场关于“数据质量”的竞赛。互联网时代的竞争往往围绕文本、图像等二维数据的规模和多样性展开，而物理AI时代的竞争核心则是三维空间数据的精确度、实时性和完整性。
在这个新范式下，激光雷达的角色被重新定义。它不再只是汽车的辅助驾驶配件或机器人的避障工具，而是物理世界的数字化映射器。它将物理属性转化为数字信号，供AI模型解析、学习和决策。
速腾聚创通过E2平台展示的技术路径，为行业提供了一个清晰的样本：通过底层芯片创新提升数据质量，通过平台化服务构建数据闭环。这种从硬件到基础设施的转变，反映了产业成熟度的提升。
未来，随着更多机器人进入真实场景，对高精度三维感知的需求将呈指数级增长。能够率先解决高质量空间数据供给问题的企业，将在物理AI生态中占据更基础、更核心的位置。这不仅关乎技术领先，更关乎对物理世界数字化进程的定义权。
对于整个具身智能行业而言，这一趋势意味着研发重心将从单纯的算法优化，转向算法与高精度传感器数据的深度融合。只有当“眼睛”看得足够清晰、深刻，大脑的“思考”才能足够精准。在这一过程中，提供可靠数据入口的基础设施服务商，将成为推动物理AI从实验室走向千家万户的关键力量。