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

📌 一句话摘要

本文深度报道乐动机器人如何以感知技术和数据飞轮为核心，在物理 AI 时代构建机器人视觉与空间智能的底层基础设施，并借势港股上市加速布局。

📝 详细摘要

文章从物理 AI 发展的核心挑战入手，指出机器人需要持续理解真实物理环境，而高质量视觉感知是将现实转化为模型数据的核心入口。乐动机器人自 2017 年成立以来，围绕环境感知能力不断迭代，从扫地机器人、物流仓储机器人到人形机器人、机器狗，持续押注多模态融合传感器与端到端 AI 模型的结合。公司自研 LD-SenseWorld 物理空间交互大模型，实现数据预处理、空间 Token 化与物理一致性注入，构建了从硬件采集到数据训练再到产品体验提升的「数据飞轮」。文章还回顾了创始人周伟的技术背景与创业历程，并披露 2025 年 DTOF 激光雷达出货量超 400 万台、搭载视觉感知技术的设备突破 2000 万台等数据，展示了其作为「数据精炼厂」的规模化基础。最后指出，在物理 AI 时代，乐动正从传感器产品公司转型为感知基础设施平台。

💡 主要观点

- 物理 AI 的核心挑战是让机器人持续理解真实世界，而感知是连接现实与模型的必要入口。 机器人需要回答“我在哪里”“我看到了什么”“我该如何行动”，这一切依赖高质量视觉感知把物理环境转化为模型可读的数据，数据供给决定了智能上限。

乐动机器人通过自研 LD-SenseWorld 大模型实现数据预处理、空间 Token 化与物理一致性注入。 该模型聚焦物理空间智能，将来自视觉、激光雷达、IMU 等多源异构数据统一对齐、清洗、融合，并加入物理约束与语义理解，使混乱的现实数据成为可训练的世界“燃料”。

乐动构建了硬件感知层-模型层-数据层的三层架构，形成数据飞轮。 硬件采集真实数据，模型加工为结构化空间 Token，训练后的模型提升产品体验，推动更多设备进入真实场景，从而持续产出数据，实现自加速循环。

规模化设备基数保证了数据供应链的持续产出，是乐动转型为感知基础设施平台的基础。 2025 年 DTOF 激光雷达出货量超 400 万台，搭载视觉感知技术的设备突破 2000 万台，加上割草机器人等海外市场第二增长线，为数据飞轮提供了真实世界的数据入口。

💬 文章金句

- 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。

• 数据越丰富，模型越强。模型越强，产品体验越好。体验越好，又容易推动更多设备进入真实场景。

📊 文章信息

AI 初评：84

来源：量子位

作者：田, 晏林

分类：人工智能

语言：中文

阅读时间：19 分钟

字数：4534

标签： 物理AI, 具身智能, 机器人, 感知技术, 空间智能

阅读完整文章