< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
港股新贵押注物理AI，乐动机器人打造万亿市场空间的核心基础设施
谁能把这个空间高质量地数字化，谁就掌握了下一阶段机器智能的入口。
量子位 | 公众号 QbitAI
物理AI发展到现在，所有玩家都奔着同一个方向使劲：
让机器人「读懂」所处的物理环境。
的关键，也决定了机器人未来能否进入真实场景，
人类看到一张桌子，会知道它在哪里、是什么材质、能不能移动；看到一个门把手，会自然判断它可以被旋转；面对突然出现的人，会马上调整自己的动作。
但对机器人来说，做出这些看似简单的判断，并不容易。
因为它面对的不是一张图片，而是一个不断变化的三维世界。
想要让机器人真正长出能理解物理世界的「脑子」，不能只依靠参数量更大的基础模型。
机器人大脑需要海量真实物理交互数据做训练燃料。
，正是把现实环境转化为模型可读信息、持续产出训练数据的
更强的视觉感知持续供给真实世界数据，不断迭代升级机器人的物理世界大脑。
，过去十年押注的，就是这样一条路线。
从扫地机器人、物流仓储机器人，到无接触式酒店和餐厅的服务机器人，再到如今的人形机器人、机器狗等新赛道爆发，乐动持续围绕一个底层问题布局：
机器人如何感知空间，并理解环境。
这也让其在多轮机器人产业发展中，逐渐积累了「空间感知技术」的先发优势。
但上市之后，市场关注的不只是这家企业过去的成绩。
大家更想知道，在人人都要机器人「读懂世界」的物理AI时代，智能化的底层地基该怎么打？
无论机器人最终落在哪个场景，家庭、酒店、餐厅、仓储、工厂，包括未来要规模化商业落地的人形机器人，它首先要会回答：
眼前的东西意味着什么？
我下一步应该怎么行动？
如果没有对环境的理解，机器人就只能停留在固定场景、固定动作的自动化设备阶段。
就像传统工业机械臂，可以精准完成焊接、搬运等重复任务，但它并不真正「知道」自己面对的是什么。
过去，机器人行业的竞争叙事一直围绕一个词展开：
谁能走路、谁能避障、谁能抓取、谁能完成复杂动作。
但随着具身智能进入真实应用阶段，这套评价体系开始失效。
要进入真实世界，面对的是
大量开放环境和长尾情况
一个随意摆放的物品、一扇半开的门、一个突然移动的人，甚至是光线变化都可能让系统崩溃。
空间变化带来的不确定性，要求机器人具备对世界
，「感知」更是连接现实世界与AI模型的
它负责把复杂的物理世界转化为AI能理解的数据，再交由模型完成认知、决策。
机器人的智能上限，取决于它感知世界的深度
所有空间智能，本质上都依赖同一件事：真实世界数据的持续供给。
没有数据，再强的模型也只是静态能力。
数据一旦断供，所谓泛化能力就会迅速塌缩。
也正因此，行业的竞争焦点正在发生迁移：从
「谁能持续生产真实世界」
而这本质上就是一件更工业化的事情：把物理世界变成数据流。
这也是感知能力被重新定义的地方。
它不再只是机器人的一个模块，而是整个系统的入口。
一个决定后续所有智能上限的入口。
从传感器到「数据精炼厂」
但想把物理世界变成AI能理解的数据，并没有那么简单。
现实世界的数据，天然就是混乱的。
就像刚从矿井里开采出来的原油。有价值，但不能直接用。
真正决定机器人智能水平的，不只是有没有传感器，而是有没有能力
把这些原始信息加工成模型可以理解的「燃料」。
这也是乐动机器人过去十年持续投入的方向。
在公司成立之初，团队就做了一个判断：
机器人未来无论进入家庭、酒店、餐厅、仓库还是工厂，最底层的共性需求一定是理解环境。
乐动机器人董事长周伟告诉量子位，「感知」可分为两层：
第一层是感，负责通过传感器采集环境数据；
第二层是知，通过算法和模型把数据变成机器人对环境、空间和物体的认知。
这意味着，感知从来不是一个单独硬件问题。传感器只是入口。
谁能把入口采集的数据，进一步加工成空间智能
这也是乐动没有停留在硬件公司的原因。
这些年，机器人产业经历过多轮周期：