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

< 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 田, 晏林 2026-06-30 18:20:04 来源： 量子位 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。 田晏林 发自 凹非寺 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。 这不仅是具身智能玩家 拉开身位 的关键，也决定了机器人未来能否进入真实场景， 创造商业价值 。 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。 △AI生成 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。 而高质量 视觉感知 ，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 核心入口 。 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。 最近登陆港交所主板的 乐动机器人 ，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？ 机器人竞赛，焦点变了 论机器人行业未来的 通用底层刚需 ，答案离不开一个： 环境感知能力。 背后逻辑很好理解。 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： 我在哪里？ 我看到了什么？ 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： 运动能力 。 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。 下一代机器人 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 持续理解 的能力。 而理解世界的前提，是 感知 。 △AI生成 特别是进入 物理AI时代 ，「感知」更是连接现实世界与AI模型的 必要入口 。 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。 某种程度上， 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 「谁的模型更聪明」 ，变成 「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。 真正的竞争，在于 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： 2017年～2018年，扫地机器人快速普及； 2019年，物流仓储机器人兴起； 2020年～2021年，无接触服务机器人进入酒店、餐厅； 2023年～2024年，割草机器人开始爆发。 到如今， 人形机器人、机器狗、无人小车 等新方向集中出现。 每一轮机器人浪潮，最终都会回到同一个问题：机器人如何理解自己所在的世界。 乐动踩中的，正是这个长期不变的底层需求。 为了让机器人拥有理解真实世界的最佳能力，乐动的「感知产品」经历过多轮技术迭代。 △AI生成 先说传感器 。 过去单一传感器时代，视觉解决语义问题，激光雷达解决空间定位问题。 但单一能力始终存在缺陷。 激光雷达知道距离，却不知道那是什么；视觉知道物体，却不一定精准知道空间位置。 而物理世界中的机器人，需要同时回答：这是一个什么东西？它在哪里？我能不能移动它？我应该如何行动？ 所以，周伟认为，未来传感器硬件的趋势，必然走向多模态融合。 视觉、激光、深度信息、IMU（惯性测量单元）等不同数据源，需要被统一理解。 再看算法模型。 乐动早期也是依靠工程师人工编写代码。 但这种方式的问题很明显，不仅效率低，而且工程师可以写出100个规则，却很难覆盖真实世界里的 第101种 情况。 变化发生在AI进入机器人之后。公司完成了从 人工规则算法 到 端到端AI模型 的范式革新，依靠AI自主学习、自主认知环境。 在周伟看来，硬件负责收集世界，模型负责理解世界。 只有两者结合，才能形成真正的空间智能。 如何把这些不同来源的数据，变成机器人可以学习的语言呢？ 乐动自研了 LD-SenseWorld 灵境物理空间交互大模型。 它不是通用大模型，而是聚焦 物理空间智能 。核心目标只有一个：让机器人真正理解空间。 它的第一项能力是数据预处理与多模态融合 。 现实世界的数据来自视觉、激光雷达、IMU等多个通道，但这些信息天然不同步、不同结构。 如果不做统一处理，本质就是噪声叠加。 LD-SenseWorld通过对齐、清洗与融合，把多源数据拉回同一时间与空间基准，形成可用的世界输入。 第二项能力是特征提取与空间Token化。 连续变化的物理世界，必须被转化为机器可学习的离散表达。 系统将位置、距离、物体关系与运动状态等信息压缩为“空间Token”。 相当于为机器人建立一套描述现实的基础语言，让空间本身变得可读、可计算。 第三项能力是语义化