机器人正在从可控环境中的技术展示，走向工厂、商业空间和家庭。

随着任务从定位、导航和避障进一步延伸到抓取、操作和人机协作，过去以移动为中心的感知架构开始面对新的要求：

机器人不仅要识别物体，还要获得稳定、准确、具备真实尺度的三维空间信息；模型训练也需要持续获取与真实运行环境一致的高质量空间数据。

在 WAIC 2026 上，RoboSense 速腾聚创发布了基于自研「孔雀」SPAD-SoC 打造的第二代全固态感知平台 E2。相比上一代 E1，E2 在更紧凑的机身内实现了更广视场，最高精度提升至前代的 3 倍，点频达到百万级。

它不仅面向机器人本体的导航与操作，也试图以一致的底层感知架构连接数据采集、模型训练、验证和最终部署。

过去十余年，速腾聚创积累了从底层芯片、产品开发到规模制造和交付的完整能力。

如今，公司正将这些能力进一步延伸到机器人与物理 AI 领域，为不同形态的机器人提供可量产、高鲁棒的三维感知产品，并与产业伙伴共同完善真实世界数据闭环。

物理 AI 究竟需要怎样的空间数据？机器人感知为什么需要从器件叠加走向系统协同？

围绕 E2 的产品逻辑、量产门槛和后续路线，我们与速腾聚创副总裁杨先声进行了深入交流。

问：速腾聚创如何理解今天的机器人感知需求，为何提出感知系统需要重新设计？

杨先声：机器人已经从技术展示走向工厂、商业空间和家庭，从移动走向操作。这个阶段要提升感知能力，有两条路径：

一是增强本体在真实环境中的感知稳定性，二是通过真实世界数据持续训练和迭代模型。但无论哪条路径，对感知的要求已经和移动机器人时代完全不同。

在过去以定位、导航和避障为主的应用中，感知重点更多是机器人自身的位置、可通行区域和障碍物边界。

但进入操作阶段后，机器人还要理解物体的准确距离、尺寸、姿态以及彼此之间的空间关系，并持续判断机械臂运动过程中的遮挡和碰撞风险。

模型训练也是一样。

互联网中的图片和视频数据主要描述语义和二维外观，缺少真实尺度、准确深度、空间结构以及物体之间的物理关系，很难直接支撑机器人学习真实操作。

归根结底，在行业从「能移动」进入「能干活」的阶段，我们的感知系统还停在上一代。

行业真正缺少的，不只是更多数据，更是具备真实尺度、稳定时空关系，并能高效进入训练与推理流程的高质量空间数据。

问：过去行业通常通过增加传感器补齐感知能力，单纯叠加器件的方式是否仍然可持续？

杨先声：多模态和多传感器融合一定是未来方向，但问题不在于传感器数量本身，而在于是否在系统定义阶段统一考虑视场、时空同步、标定、数据结构、功耗和算力。

过去机器人任务比较单一，缺什么能力，就增加一个传感器或者算法模块。

任务简单的时候，这种方式是有效的。

但机器人开始执行复杂任务后，这个办法就会出现很多问题。不同传感器的视场衔接、数据标定与同步、功耗与算力控制，每一项都会拉高系统复杂度。

最后可能装了很多传感器，但不同数据间仍然是割裂的，模型还要花大量成本去对齐和融合。

更重要的是，算法可以持续迭代，但量产机器人的硬件配置一旦确定，往往伴随整个产品生命周期。

今天选择什么样的传感器、提供什么质量的数据，在很大程度上决定了机器人未来的表现上限。

所以行业应该面向未来任务，提前规划感知能力。下一阶段的重点不是简单增加器件，而是以更高集成度、更易融合的感知方案，降低系统复杂度，为模型持续迭代留出空间。

问：高质量空间数据听起来比较抽象，落实到传感器上，真正需要解决哪些问题？

杨先声：首先，要从产业需求出发定义产品。

传感器不能只根据机器人当前能够完成的功能倒推指标，还要进一步考虑机器人未来要执行什么任务、模型需要什么数据，以及这些数据如何进入采集、训练、验证和运行闭环。

E2 正是基于这样的思路定义出来的。

落实到技术层面，第一，数据必须具备真实尺度和足够精细的几何信息。

机器人不仅要知道「这是什么」，还要准确理解物体的距离、尺寸、空间结构和姿态。

E2 搭载自研「孔雀」SPAD-SoC 芯片，芯片集成 640×480 高密度 SPAD 面阵，将三维感知能力提升到 VGA 级。

相比上一代 E1，E2 的点分辨率最高提升 10 倍，最高精度提升至前代的 3 倍，点频达到百万级，能为机器人提供更加稠密、精确的三维空间信息。

第二，数据在复杂环境中必须足够稳定。机器人进入真实世界后，会面对光线变化、不同材质、震动冲击以及长期连续运行等复杂工况。

只有在这些条件下仍能稳定输出，数据才真正具有训练和使用价值。

第三，数据必须更容易融合和计算。

未来机器人一定是多模态感知，如果不同传感器在数据结构、帧率和时序上差异过大，后端就要承担大量标定、同步和融合工作。

E2 基于规则、稠密的 SPAD 面阵输出深度数据，使三维数据在结构和帧率上更接近图像信号，为后续与 RGB、IMU 等信息进行高质量标定、时空同步和融合奠定基础。

总体而言，真正面向物理 AI 设计的传感器，不仅要「看得见」，还要持续输出准确、稳定、易融合、可计算的三维空间数据。

问：帮助机器人进入真实生活，新一代传感器还要跨过哪些量产应用门槛？

杨先声：量产应用主要包含两个层面：

一是产品能不能真正装上机器人，二是装上以后能不能长期、规模化地使用。

「能不能装上」，首先考验产品是否适合机器人的工程约束。机器人进入真实环境后，会长期面对震动、冲击和复杂工况，同时对体积、功耗、可靠性和安装方式提出较高要求。

E2 通过收发器件芯片化实现全固态设计，没有机械运动部件，从结构上降低了机械磨损和冲击失效的风险，为长期可靠运行提供了基础。

与此同时，更紧凑的体积使其能够嵌入机器人有限的内部空间，也为传感器的位置和视场设计提供了更大的灵活性。

「能不能持续用」，考验的就不只是一款产品，而是企业完整的产业化能力。

机器人一旦进入规模量产，从第一台到第一万台，都需要保证不同批次产品的性能一致、供应稳定，并能够持续完成制造、测试、交付和多场景部署。

过去在汽车领域，速腾聚创建立了覆盖芯片设计、产品开发、测试验证、供应链管理、规模制造和交付服务的完整工程体系。

现在，我们正在将这些能力系统性地复用到机器人市场，让新技术不仅能够做出样机，还能够真正成为可量产、可交付、可长期运行的产品。

问：新一代感知方案主要适用于哪些机器人应用？机器人在研发、数采和量产阶段，对感知方案的需求是否一致？

杨先声：从应用范围来看，只要机器人需要进入复杂环境、提升操作能力，或者面向多场景规模化部署，就需要更加准确、稳定的三维空间感知。

这样的需求广泛存在于庭院机器人、服务机器人、工业机器人、人形机器人、四足机器人、无人机等领域，并不局限于某一种机器人形态。

从产品阶段来看，研发、数采和量产的工程约束虽然不同，但核心数据标准应该尽可能保持一致。

在研发和数据采集阶段，企业通常优先追求数据质量，设备体积大一些、功耗高一些、成本高一些，在一定程度上都可以接受；

到了量产阶段，则必须同时考虑体积、功耗、可靠性和成本，往往需要在感知性能与工程约束之间重新权衡。

如果研发和量产阶段采用完全不同的传感方案，就可能导致数据精度、视场、噪声特性和数据格式发生变化，进而造成训练数据与真实部署数据之间的分布差异。

这也是部分机器人在实验室表现较好，但产品化并进入复杂真实场景后，任务成功率出现衰减的重要原因之一。

我们希望解决的，正是高性能感知与规模量产之间的矛盾。

以 E2 为例，依托自研芯片和全固态架构，它既能满足数据采集和模型训练对精度、分辨率及环境鲁棒性的要求，也具备面向规模量产的体积、功耗、可靠性和成本基础。

简单来说，就是按照数采的标准定义，按照量产的要求设计。

理想状态下，企业可以基于同一底层感知架构和一致的数据标准，贯穿数采、训练、验证和最终部署，减少因传感器更换、参数变化和数据格式差异带来的数据分布偏移，让模型能力更加稳定地迁移到真实产品。

问：E2 是否已经获得客户合作？

杨先声：目前已有客户，且需求非常多样。我们正在与多家消费级科技企业及数据工厂推进合作。这套物理 AI 原生感知方案已帮助公司打开了新的客户和市场空间，不过具体客户信息仍需尊重合作伙伴的发布节奏。

问：E2 之后，速腾聚创在物理 AI 感知上的产品路线图是怎样的？

杨先声：E2 是自研「孔雀」芯片落地的首款产品，但只是这一技术平台的起点。后续我们会沿着产品系列化、融合感知和 AI-Ready 生态三个方向持续演进。

首先是产品系列化。基于统一的底层芯片平台，我们可以针对不同机器人形态和任务，定义不同的视场、测距能力、精度和产品形态，覆盖近场补盲、导航避障、精细操作以及真实世界数据采集等不同需求。

其次是融合感知。未来机器人需要的不只是深度信息，而是 RGB、深度、IMU 等多模态信息的高质量协同。

我们会进一步提升不同模态之间的时空同步、标定和融合能力，为机器人提供更加完整的空间输入。

E2 所提供的高密度、高精度三维感知能力，是这一路线的重要技术基础。

第三是 AI-Ready 生态。我们会围绕数据接口、标定同步、开发工具和算法能力持续完善生态，降低感知数据进入模型训练和本体推理流程的成本。

我们的目标不是用一款产品覆盖所有机器人，而是通过统一的技术架构和数据标准，降低不同产品之间的集成、迁移和持续迭代成本，让感知系统能够随着模型和机器人能力共同演进。

问：在这轮机器人感知升级中，速腾聚创希望扮演怎样的角色？

杨先声：速腾聚创一直坚持「以终为始」：

先看产品最终要进入什么场景、完成什么任务，以及规模化应用还缺少哪些能力，再反向定义芯片、产品和工程体系。

过去在汽车行业，我们凭借这样的产品逻辑，参与了智能汽车从技术试点到规模量产的过程；现在，机器人产业正在经历类似的发展阶段。

对于 E2 这样的产品，首要责任是稳定、准确、规模化地提供三维空间数据。

站在公司的层面，我们希望进一步把单点产品能力沉淀为可复制、可持续演进的感知平台：一端连接机器人在真实世界中的运行，另一端连接真实世界数据采集和模型迭代。

目前，速腾聚创已经具备从自研芯片、数字化激光雷达到融合感知产品的技术基础，也积累了规模化研发、制造和交付能力。

下一步，我们希望与机器人整机、数据采集和模型企业共同合作，降低高质量空间数据的获取和使用门槛，推动感知能力从单一产品逐步转化为可复用的产业基础。

速腾聚创希望继续为行业提供可靠的「机器人之眼」，并逐步成为物理 AI 重要的空间感知与数据入口。