物理 AI 感知产业，正从单传感器硬件竞争、进入多传感器强融合 + 空间智能的新阶段。行业内部分化出三条差异化路线，奥比中光深耕 3D 视觉全栈组件，速腾聚创与禾赛科技以激光雷达芯片化为核心向感知基础设施延伸，乐动机器人是行业内唯一同时布局感知硬件、空间模型、数据平台与自有终端的全栈玩家。

乐动机器人以 LD-SenseWorld 空间交互模型为认知引擎、LD-DataForge 为数据工程底座、ANTHBOT 割草机器人为首个规模化应用载体，以庭院场景开展产品验证，逐步形成 " 感知硬件—数据工程—空间模型—产品应用—场景验证—研发迭代 " 的协同体系。本质上，是将感知硬件优势转化为更好的场景理解与产品体验，并在持续迭代中形成竞争力。

庭院场景兼具一定的开放环境复杂度、明确的作业任务和成熟的商业需求，是乐动机器人验证多模态感知、空间理解、任务决策与自主作业能力的重要应用场景。随着产品、模型与研发能力持续迭代，乐动有望将庭院场景积累的能力拓展至更多机器人品类和应用方向。

行业演进：多传感器强融合时代的路线分野

一、物理 AI 的感知跃迁：从看见几何、到理解空间。

物理 AI 核心命题，是让机器人与真实世界交互，感知能力经历看见世界、理解世界、作用于世界的三次代际升级。

1、看见世界：通过摄像头、激光雷达、ToF、IMU 等单一传感器获取环境的几何信息，解决有没有、距离多远的基础问题，对应产业早期的单传感器技术竞争阶段。

2、理解世界：通过多传感器强融合，实现物体识别、空间关系判断、动态变化感知与任务语境理解，解决是什么、为什么、有什么关系的认知问题，当前产业演进的核心阶段。

3、作用于世界：将理解结果，转化为路径规划、动作控制、长期任务执行，实现自主决策、完成任务、持续进化，是具身智能的终局目标。

斯坦福 AI Index 2026 数据表示，机器人在仿真环境中的家务任务成功率为 89.4%，在真实家庭环境中仅 12.4%，两者有 77 个百分点的差距，本质上是感知能力的鸿沟。

传统感知方案仅能实现传感器数据的后融合，在时间同步、空间标定、语义对齐、任务闭环层面存在天然局限。

真正的多传感器强融合，并非简单叠加硬件，是从硬件层实现多模态数据的毫秒级时空对齐，在编码层实现统一表征，在模型层实现联合推理，最终支撑端到端的任务执行。

核心竞争围绕时间同步、空间标定、语义对齐、任务闭环四个底层问题展开。

时间同步：不同传感器，是否记录同一时刻的环境状态。

空间标定：异构坐标系，能否准确统一。

语义对齐：深度、颜色、点云、运动信息，能否对应到同一物体。

任务闭环：感知结果，能否直接支持决策、动作与结果评估。

二、在多传感器强融合的大方向下，头部企业基于自身基因与战略定位，演化出三条截然不同的商业与技术路线。

1、3D 视觉组件路线：奥比中光，3D 视觉全技术路线 + 软硬一体视觉中台的卖铲人。

奥比中光以光学 + 芯片 + 算法 +SDK 软硬一体的 3D 视觉感知能力为核心，全面布局结构光、iToF、dToF、双目、激光雷达、工业三维测量六大技术路线，上游自研深度引擎芯片与专用 ASIC，中游提供完整感知方案，下游输出多场景应用算法与 SDK。

奥比中光是 3D 视觉全技术路线 + 软硬一体视觉中台，优势在芯片自研、多路线覆盖、量产与 SDK 生态；边界在通常不拥有消费 / 户外机器人自有终端，难以直接形成终端运行—场景数据—自有模型的端到端闭环。

2、激光雷达数字化路线：禾赛科技、速腾聚创，从硬件供应商到感知基础设施。

禾赛科技、速腾聚创均以车载激光雷达技术为根基，通过芯片化降本，向机器人场景延伸，是激光雷达路线的代表玩家。

该路线优势在于激光雷达硬件性能领先、芯片化降本能力强、规模化交付经验丰富；边界在于仍以 B 端组件供应为核心，不涉足消费级自有整机品牌，场景数据所有权与回流权依赖下游客户，无法形成独立的数据闭环。

3、空间智能全栈路线：乐动机器人，打通感知 - 模型 - 数据 - 终端的垂直闭环。

与前两者聚焦硬件层的定位不同，乐动选择垂直整合的全栈路线，布局 DTOF 激光雷达、四目矩阵传感器、双目仿生传感器等 10 余种感知硬件，自研 LD-SenseWorld 空间交互大模型 +LD-DataForge 智能数据平台，同时打造自有 ANTHBOT 割草机器人终端，深入庭院真实场景，形成感知硬件—数据平台—空间模型—自有整机—真实场景—数据回流—模型迭代的完整闭环。

该路线优势在于全链路可控，数据闭环完整，场景理解能力更强，能够形成自我强化的商业飞轮。

4、三类玩家的差异，不仅在于传感器技术路线，也在于业务覆盖范围、产品形态及对终端场景的直接验证能力。奥比中光、禾赛科技与速腾聚创主要面向下游客户提供感知产品或解决方案；乐动则在感知硬件之外，通过自有 ANTHBOT 终端进入庭院场景，形成从技术研发、产品应用到场景验证的更长链条。

乐动机器人技术内核：LD-SenseWorld 与 LD-DataForge 构建空间智能底座

一、乐动 LD-SenseWorld 空间交互大模型：从几何感知、到语义理解的范式跃迁。

LD-SenseWorld，是专为物理世界任务设计的空间交互模型，核心目标是让机器人从看见距离与轮廓，升级为理解空间与任务，补上传统感知系统缺失的认知层。

LD-SenseWorld 围绕庭院场景落地三项核心能力，直接解决传统割草机器人的行业痛点。

1、开放词表理解：无需预设类别，任意庭院新出现的物体都能识别类别与关键属性。

传统机器人依赖预设物体类别，无法覆盖真实世界的长尾场景。

LD-SenseWorld 无需预先穷举类别，即可识别庭院中新出现的软管、园艺铲、儿童玩具、临时帐篷等任意物体，并结合位置、周边环境与当前任务判断处理策略。

2、语义地图：把信号化的画面，变成说得清、查得到、可执行的场景语义，人可问、机可懂、任务可直接下发。

传统割草机器人的地图仅为几何边界，只能回答哪里能走、哪里不能走。

LD-SenseWorld 将庭院地图升级为语义地图，把花坛、树苗区、池塘边、石板步道、游乐区等区域与空间语义、作业规则绑定，地图不再只是几何数据，是包含 What+Where+Relationship+Rule 的可推理数据结构，机器人不仅知道不能进入，更理解为什么不能进入、该遵循什么规则。

3、空间理解：不止知道在哪里，有什么；更明白相互关系，可执行交互动作，把每次感知沉淀为一张可查询、可记忆的家庭认知地图，让机器人越用越懂这个家，支撑长期任务与主动服务。

模型支持将自然语言指令直接转化为空间执行规则，用户只需说这片树苗别割、帐篷这周不要过去，模型即可解析出对象、空间范围、时间条件与行为规则，自动生成带有效期的作业策略，替代传统打开 APP 手动画禁区的复杂操作，本质上是让自然语言成为机器人空间操作系统的交互入口。

二、LD-DataForge 智能数据平台：物理 AI 时代的数据精炼厂。

如果说 LD-SenseWorld 是乐动大脑，LD-DataForge 是生产大脑燃料的工业化工厂，核心价值是将零散的原始运行数据转化为可训练、可复用的高价值数字资产。

当前物理 AI 行业有三类数据采集路径，价值与壁垒差异显著。

数据工厂采集：标注精准、成本极高，人工可设计的场景有限，无法覆盖真实世界的无限长尾，成本随场景复杂度呈指数级上升。

仿真数据：成本低、危险场景可复现，存在显著的 Sim-to-Real Gap，模型在虚拟环境中的表现，无法直接平移到真实世界，上限取决于对真实世界的理解深度。

大规模真实场景验证：源自真实物理环境，有助于覆盖开放场景中的长尾问题；随着终端应用范围扩大，场景覆盖和验证维度也持续丰富，是构筑长期产品与模型竞争力的重要基础。

对乐动而言，自有 ANTHBOT 终端使公司具备在真实庭院场景中持续验证产品和模型表现的条件；LD-DataForge 则为数据预处理、标注、质检和仿真生成等研发工作提供支持。

LD-DataForge 整合数据预处理、标注、质检、仿真生成等全链路工序，以 3D 高斯重建与大模型合成为双引擎，将过去分散的手工作坊式数据生产，升级为工业化流水线，最终沉淀为驱动机器人持续理解、适应并应对真实世界的空间智能底座。

空间 Token 不仅包含精准的空间坐标与几何信息，更赋予空间元素语义标签、物理属性与交互逻辑，实现空间信息的结构化表达与语义化抽象；它可直接输入世界模型进行训练，无需额外复杂预处理，大幅降低空间智能模型的训练门槛与数据成本，意味着乐动的数据不仅可以自用，未来具备对外输出的可能性，是平台化商业模式的核心伏笔。

乐动机器人场景落地：割草机器人 ANTHBOT 产品矩阵与庭院场景的双向验证

2026 年 9 月，乐动机器人在柏林发布新一代割草机器人产品矩阵，形成 R7 旗舰树品牌、M Pro 系列主流走规模、M505 入门扩基数的完整产品矩阵，精准匹配欧洲市场的分层需求。

割草机器人绝非简单的园林工具智能化，是户外具身智能首个实现规模化落地的场景，也是验证空间智能能力的最佳试验场。

复杂度适中：相较自动驾驶，庭院场景低速、边界明确，容错率更高，落地成本更低；相较室内扫地机器人，庭院面临光照变化、天气波动、地形起伏、动态障碍物等更复杂的开放环境，技术外溢价值更高。

任务高频刚需：草坪维护是欧美家庭的刚性需求，作业重复性强、结果可量化验证，便于模型迭代优化。

数据可持续积累：机器人长期在固定庭院运行，持续采集地形、植被、天气、障碍物等全维度数据，数据质量高、连续性强。

商业价值明确：欧洲庭院文化深厚，人工成本高，用户付费意愿强，商业模式成熟。

乐动模型 LD-SenseWorld 能力并非停留在概念层面，是深度嵌入割草机器人的全作业流程，带来可感知的体验升级，从能执行、到会理解。

乐动机器人商业飞轮：四层架构的闭环效应与增长想象

乐动硬件层 - 模型层 - 数据层 - 终端层，四层架构并非线性堆叠，形成自我强化的商业闭环飞轮。

ANTHBOT 在不同庭院环境中的应用，持续验证产品在地形、光照、植被和障碍物等条件下的表现；

LD-DataForge 支持研发、测试、仿真和产品反馈样本的工程化处理；

模型与算法能力逐步适配至产品，改善作业体验；

更好的产品体验有助于扩大产品应用与场景覆盖，从而支持下一轮研发迭代。

随着产品进入更多庭院和更多任务场景，乐动的全栈能力也将持续得到验证、强化，并向更多机器人品类延展。

感知硬件、空间模型与整机产品在真实作业中协同：硬件看见环境，模型理解任务，整机完成作业。随着闭环飞轮持续运转，乐动商业价值，将从产品到平台的价值跃迁。

1、产品价值：乐动模型与数据能力提升割草机器人作业质量、减少人工干预、降低售后成本，支撑产品溢价与毛利率提升。

2、研发迭代价值：通过数据工程平台、模型与产品应用的协同，公司能够提高对场景问题的识别、验证和迭代效率，持续增强感知智能与整机的综合竞争力。

3、模型价值：乐动空间模型能力通过 OTA 规模化部署，持续提升存量产品体验，同时可跨品类复用，摊薄研发成本。

4、平台价值：未来乐动空间智能能力对外开放，乐动机器人商业模式将从一次性硬件销售，延伸至软件订阅、数据服务与平台授权，打开长期收入天花板。

乐动机器人处于从感知硬件供应商、向空间智能平台公司战略升级的关键节点

在多传感器强融合的产业浪潮中，奥比中光、禾赛科技、速腾聚创分别在视觉组件、激光雷达基础设施领域建立专业化优势，乐动选择差异化的全栈闭环路线，通过自有终端深入庭院场景，构建模型 + 数据 + 整机 + 场景的商业飞轮，这是当前物理 AI 感知产业中，最接近数据驱动自我进化终局逻辑的商业模式。

这一路线的核心价值在于，乐动并未将感知硬件视为能力边界，而是通过硬件、模型、数据工程和终端产品的协同，持续提升对真实场景的理解与产品体验。

庭院场景作为首个验证场，兼具技术可行性与商业成熟度，为这套闭环体系提供绝佳的规模化试验土壤。

若未来终端规模持续扩张、数据飞轮有效运转、模型能力逐步兑现，乐动有望将庭院验证的全栈能力，复制到更多机器人品类与场景，实现从硬件厂商、到空间智能平台的价值跃迁。

站在产业演进的视角看，乐动走出的这条垂直场景切入—全栈能力沉淀—平台化输出的路径，契合物理 AI 从感知向认知升级的大趋势，也为中国机器人产业提供一条区别于纯硬件内卷的差异化发展样本。

长期价值，不止于当下的，更在于能否以真实场景为验证场，持续强化产品体验、拓宽应用边界，并将全栈能力沉淀为可跨品类复用的长期竞争壁垒。

追加内容

本文作者可以追加内容哦 !