导语：在人工智能浪潮席卷各行各业的今天，具身智能却面临一个尴尬的现实——机器人能看懂画面，却无法真正理解物理世界。速腾聚创近日发布的第二代全固态感知平台E2，试图从底层芯片重构高精度三维感知能力，为物理AI打通数据闭环，让机器人从“看见”进化为“理解”。
物理AI的“数据荒”：二维图像无法支撑真实世界理解
具身智能产业正在经历一场从实验室演示到真实场景落地的关键转折。过去几年，人形机器人、四足机器人在舞台上的惊艳表演吸引了大量资本和关注，但一旦进入工厂、园区、家庭等真实环境，任务成功率却急剧下降。核心原因在于：多数基础模型仅依托二维图像和仿真虚拟数据训练，缺少真实三维空间里物体距离、材质、受力、动态交互的原生高精度信息。机器人能识别画面中的物体，却无法判断其物理属性——比如一个杯子是玻璃还是塑料，能否被挤压，抓取时需要用多大的力。
这种“数据荒”直接制约了物理AI的迭代速度。传统的视觉传感器在强光、遮挡、雨雪等恶劣条件下误差显著，测距与空间结构测算存在天然缺陷；仿真环境构建的物理规则与现实工况差距巨大，导致模型在真实场景中“水土不服”。过去，激光雷达仅仅被当作机器人配套导航配件，承担单一避障功能，其高精度空间数据的潜力远远未被挖掘。然而，随着业界意识到高精度三维感知才是物理AI持续进化不可或缺的数据来源，整条产业链正迎来一场感知革命。
从“机器人之眼”到数据入口：速腾聚创的战略跃迁
速腾聚创团队提出了一个更激进的判断：高精度三维感知硬件不只是让机器人“看见”世界的眼睛，更是物理AI运作不可或缺的数据源头。想要打通“感知-理解-决策-迭代”完整闭环，必须从底层芯片重构空间数据的生成逻辑，源源不断输出可用于模型持续进化的真实物理信息。这一思路将速腾聚创从单纯的硬件供应商推向基础设施服务商的位置。
在2026世界人工智能大会上，速腾聚创正式发布了基于自研“孔雀”SPAD-SoC芯片的第二代全固态感知平台E2。该平台采用全固态架构，从信号收发到数据处理均在芯片层面完成，彻底颠覆了传统分立元器件拼凑传感器的模式。E2系列具备更广的视场角，最高精度达到前代产品的3倍，由此产生的高精度空间感知数据能够支撑机器人在复杂环境中完成精准操作。值得注意的是，这一革命性产品并非停留在概念展示阶段——它已经在割草机器人、人形机器人、四足机器人、无人机等产品中实现落地，并拿下了庭院机器人、智能硬件及消费电子等领域企业的合作订单。
速腾聚创市场总监谢阗地指出：“传统的视频数据对于具身大模型来说其实是相对粗糙的。它需要更完整的空间数据结构，需要更精确的深度信息，这对传感器提出了极高的要求。所有公司做物理AI时，最终都意识到需要准确的深度信息，才能让机器人理解现实世界。”高质量空间数据，因此成为物理AI时代的关键生产要素，而速腾聚创正试图成为这一生产要素的“自来水公司”。
自研芯片“孔雀”：从底层定义空间数据标准
芯片是感知技术持续迭代的基础。不同于行业普遍外购分立元器件拼凑传感器的做法，速腾聚创选择了SPAD-SoC全栈自研路线。其自研“孔雀”芯片作为标准化数字化感知底座，能够在芯片设计源头就统一定义探测精度、点云输出规格，从底层规避分立器件组合带来的性能损耗。
这种“芯片级”思维带来了显著优势。传统激光雷达方案中，信号发射、接收、处理分属不同模块，各模块间的接口协议和时序同步极易产生误差累积。而E2平台将超大面阵SPAD与SoC集成于单芯片，结合2D VCSEL芯片，实现了从光子捕获到数据结构化的一步到位。这不仅降低了功耗和体积，更重要的是保证了数据的一致性和可靠性。对于物理AI而言，每一次空间扫描都必须输出绝对精确的深度信息，任何误差都会导致机器人决策失误。
速腾聚创在芯片设计初期就瞄准了物理大模型对高精度空间数据的采集需求。各类机器人在搭载其感知设备后，移动、抓取作业等过程都会同步生成数据资产，并用于模型迭代。这种“数据飞轮”效应使得每一台机器人都成为物理AI的训练场，同时也在为大模型训练提供源源不断的真实世界素材。值得一提的是，这种高精度空间数据还可以通过AI画图等工具转化为可视化场景，辅助工程师快速验证和优化模型。
从家庭到工业：E2平台的全场景落地实践
E2平台的目标场景覆盖了家庭、工业和巡检等多个领域。在庭院机器人领域，割草机器人需要精确感知草坪边界、地形起伏和障碍物，传统视觉方案容易因光照变化或草丛遮挡而失效。E2平台凭借3倍精度的提升和更广的视场角，能够在复杂植被环境中稳定输出深度图，使机器人实现厘米级定位和路径规划。在人形机器人领域，足式行走对地面结构的感知要求极高，以往靠激光雷达点云重建的地图往往缺失细节，导致机器人绊倒或失衡。E2平台的高分辨率点云能够捕捉到地面微小的凹凸和纹理变化，为人形机器人的动态平衡控制提供关键数据。
在工业巡检场景中，无人机和四足机器人需要深入狭窄、阴暗、高温或高湿环境，传统传感器极易受干扰。E2平台的全固态架构没有机械旋转部件，抗震动、抗冲击能力更强，能够在恶劣工况下持续工作。同时，其自研芯片的功耗优化使得电池续航大幅提升，单次巡检覆盖范围更广。速腾聚创宣布与智在无界、简智机器人、Origen、光轮智能等企业建立合作，共同构建物理AI感知基础设施。这些合作覆盖了机器人空间感知、真实世界数据采集、数据处理、模型训练及应用验证等全链条环节。
值得注意的是，在E2平台的生态中，AI工具导航和AI工具箱成为开发者快速接入的关键桥梁。通过标准化的API和SDK，开发者可以轻松调用E2平台输出的空间数据，结合自身算法进行二次开发。这种开放生态策略大大降低了物理AI的准入门槛，也吸引了更多科技公司加入这一赛道。
科技公司竞逐AI融资，空间数据成为新生产要素
随着E2平台的发布，速腾聚创不仅展示了技术实力，更点燃了资本对物理AI赛道的新一轮热情。在AI融资领域，过去两年资本主要集中在语言大模型和文生图工具上，而具身智能和机器人感知硬件长期处于“叫好不叫座”的状态。但E2平台的出现，让投资人看到了空间数据作为独立生产要素的价值——它既不同于互联网时代的文本和图像，也不同于仿真数据，而是来自真实物理世界的原生信息。
实际上，物理AI所需的数据与传统AI有着本质差异。文本、图像数据可以通过爬虫和标注大量获取，而高精度三维空间数据需要专门的硬件来采集，且采集成本高、周期长。这使得拥有自研芯片和感知产品矩阵的科技公司具备了天然壁垒。速腾聚创正是抓住了这一机遇，通过车规级量产能力大幅降低硬件成本，让更多中小型机器人企业能够负担得起高精度感知设备。
行业观察人士指出，未来几年物理AI的竞争将围绕“数据供给侧”展开。谁能率先解决高质量空间数据的大规模供给问题，谁就能占据产业链上一个更基础的位置。速腾聚创从提供“机器人之眼”到成为数据入口，实际上是在重新定义自身的价值坐标。与此同时，其他科技公司也在加速布局，比如利用抠图和背景去除技术处理视觉数据，或者通过AI诗词生成等创意工具探索人机交互新形式，但这些都离不开底层空间感知能力的支撑。
物理AI规模化的挑战与破局之道
尽管E2平台展示了巨大的潜力，物理AI的规模化落地仍面临多重挑战。首先是成本问题，虽然自研芯片降低了单颗传感器成本，但对于消费级机器人而言，整机成本依然敏感。其次是标准的缺失，不同厂商的感知数据格式和协议尚未统一，给模型训练和迁移带来额外负担。此外，隐私与安全问题也不容忽视——高精度三维数据一旦泄漏，可能被用于逆向重建家庭环境或工业图纸。
速腾聚创的应对策略是“芯片+数据+生态”三位一体。在芯片层面，持续迭代“孔雀”系列，利用摩尔定律降低单位成本；在数据层面，构建开放的数据标注和共享平台，鼓励开发者贡献高质量空间数据；在生态层面，与下游机器人厂商深度绑定，提供从硬件到算法的打包方案。同时，公司也在积极参与行业标准制定，推动感知数据格式的统一。
对于普通用户而言，物理AI的落地将带来实实在在的体验提升。例如，你家的割草机器人不再需要预设边界线，它能自主识别草坪边界和花坛；快递配送机器人能避开雨雪中的积水坑，甚至在复杂楼宇中的电梯里精准定位。这些场景的实现，都依赖于E2平台这样的底层感知基础设施。而AI画图和文生图等工具则可以让用户更直观地理解机器人的“视野”，甚至通过自然语言指令调整机器人的行为模式。
可以预见，随着更多科技公司加大对AI融资的投入，物理AI的“数据荒”将逐步缓解。速腾聚创的E2平台，或许正是这场变革的起点。