2026年7月28日，由國(guó)泰君安國(guó)際控股有限公司主辦的“2026國(guó)泰君安國(guó)際818理財(cái)節(jié)財(cái)富論壇”，在香港隆重舉行。
本屆論壇以“智享科技財(cái)富新生”為主題，匯聚粵港澳大灣區(qū)金融監(jiān)管領(lǐng)域資深專家、硬科技產(chǎn)業(yè)領(lǐng)軍人物、全球資產(chǎn)管理機(jī)構(gòu)代表、頭部券商研究所首席分析師等，圍繞金融互聯(lián)互通、AI產(chǎn)業(yè)鏈機(jī)遇、科技周期下的資產(chǎn)配置等前沿議題展開(kāi)深度對(duì)話，打造一場(chǎng)金融資本與硬科技產(chǎn)業(yè)深度交融的思想盛宴。
樂(lè)動(dòng)機(jī)器人（01236.HK）創(chuàng)始人、董事長(zhǎng)周偉先生受邀出席論壇，并于當(dāng)日發(fā)表題為《定義物理AI的感官，從人的感知系統(tǒng)到物理AI的啟示》的主題演講。
周偉先生系統(tǒng)拆解具身智能爆發(fā)前夜的行業(yè)底層邏輯，揭示感知技術(shù)作為物理AI核心基礎(chǔ)設(shè)施的戰(zhàn)略價(jià)值，分享樂(lè)動(dòng)機(jī)器人在空間智能領(lǐng)域的全棧技術(shù)布局與商業(yè)實(shí)踐，為現(xiàn)場(chǎng)投資者與產(chǎn)業(yè)人士呈現(xiàn)物理AI賽道的全新認(rèn)知框架。
在物理AI產(chǎn)業(yè)浪潮中，樂(lè)動(dòng)機(jī)器人以感知智能為核心錨點(diǎn)，形成從底層硬件技術(shù)到上層空間模型、從技術(shù)迭代路徑到數(shù)據(jù)資產(chǎn)壁壘的完整戰(zhàn)略布局，完成從感知硬件廠商、向空間智能平臺(tái)公司的戰(zhàn)略躍遷，成為物理AI賽道兼具技術(shù)深度、與規(guī)模優(yōu)勢(shì)的全棧式玩家。
一、時(shí)代拐點(diǎn)已至：物理AI迎來(lái)圖形界面時(shí)刻。
周偉在演講開(kāi)篇提出核心判斷，LLM已重塑數(shù)字世界的交互范式，下一場(chǎng)深刻產(chǎn)業(yè)變革將發(fā)生在物理世界。
機(jī)器人產(chǎn)業(yè)從按預(yù)設(shè)程序運(yùn)動(dòng)的自動(dòng)化階段，加速邁向理解環(huán)境、自主行動(dòng)的智能化階段，這一切能力的前提，是先讓機(jī)器人看見(jiàn)、看懂真實(shí)世界。
感知系統(tǒng)決定機(jī)器人能進(jìn)入多少場(chǎng)景、承擔(dān)多復(fù)雜的任務(wù)；視覺(jué)感知是物理AI最先兌現(xiàn)的基礎(chǔ)設(shè)施層，以約20%復(fù)合增速擴(kuò)張；誰(shuí)掌握感知，誰(shuí)就掌握機(jī)器人時(shí)代的入場(chǎng)券。
周偉將這一產(chǎn)業(yè)轉(zhuǎn)折，類(lèi)比為個(gè)人計(jì)算機(jī)從命令行、到圖形界面的革命性跨越。
數(shù)字AI時(shí)代，人機(jī)交互以被動(dòng)輸入為主，用戶通過(guò)文字、語(yǔ)音將明確需求傳遞給機(jī)器，機(jī)器執(zhí)行對(duì)應(yīng)指令。
物理AI時(shí)代，全模態(tài)主動(dòng)交互將成為主流，AI能夠?qū)崟r(shí)、主動(dòng)觀察環(huán)境、理解人的潛在需求，并自主采取行動(dòng)。
周偉強(qiáng)調(diào)，從被動(dòng)、到主動(dòng)，是物理AI時(shí)代最核心的交互變革，交互模式的升級(jí)，將帶來(lái)數(shù)據(jù)與算力格局的根本性變化。
周偉指出，全模態(tài)主動(dòng)感知交互需要持續(xù)的環(huán)境掃描與數(shù)據(jù)處理，視覺(jué)幀、觸覺(jué)流、力覺(jué)數(shù)據(jù)、空間映射等多模態(tài)信息將每秒產(chǎn)生海量數(shù)據(jù)，空間Token將取代文本Token，成為物理AI時(shí)代最核心的數(shù)據(jù)形態(tài)，對(duì)應(yīng)的算力、存儲(chǔ)需求，將達(dá)到文本時(shí)代的萬(wàn)倍級(jí)。
在算力架構(gòu)上，物理AI與數(shù)字AI存在本質(zhì)區(qū)別。
數(shù)字AI依賴集中式算力，數(shù)據(jù)上傳云端統(tǒng)一處理，秒級(jí)延遲即可滿足需求。
物理AI場(chǎng)景中，碰撞、失誤意味著直接的物理傷害與財(cái)產(chǎn)損失，同時(shí)家庭、工廠等場(chǎng)景的數(shù)據(jù)隱私敏感度極高，因此算力必須向端側(cè)下沉，形成分布式算力網(wǎng)絡(luò)，以滿足毫秒級(jí)的響應(yīng)要求。
周偉表示，物理AI的算力，不是集中在超算中心，是分布在每一臺(tái)機(jī)器人、每一臺(tái)智能設(shè)備當(dāng)中。
周偉還對(duì)物理AI做了兩個(gè)非常重要、具有啟發(fā)性的思考與分享。
一個(gè)物理AI是快慢協(xié)同的多層次模型，而非單一端到端大模型。
物理AI核心特征是與真實(shí)物理世界進(jìn)行實(shí)時(shí)、閉環(huán)交互，這一屬性從根本上決定它無(wú)法依靠單一的端到端大模型實(shí)現(xiàn)，必須構(gòu)建快慢系統(tǒng)結(jié)合的多層次模型協(xié)同體系。
與純數(shù)字場(chǎng)景的AI不同，物理世界的交互同時(shí)面臨三重剛性約束，一是極致的實(shí)時(shí)性要求；二是端側(cè)算力約束，大量感知與控制邏輯必須在設(shè)備本地完成，無(wú)法完全依賴云端算力；三是數(shù)據(jù)隱私與可靠性要求，物理場(chǎng)景的容錯(cuò)空間，遠(yuǎn)低于數(shù)字場(chǎng)景。
這三重約束，共同決定單一通用大模型無(wú)法同時(shí)滿足低延遲、高可靠、強(qiáng)智能的目標(biāo)，必須通過(guò)不同層級(jí)的模型分工協(xié)作來(lái)實(shí)現(xiàn)。
這一架構(gòu)設(shè)計(jì)可類(lèi)比人類(lèi)的感知—反饋三層生理體系，對(duì)應(yīng)不同的響應(yīng)速度與功能定位。
最底層是反射層，響應(yīng)只需要50~150毫秒，類(lèi)似人類(lèi)脊髓與腦干，是無(wú)意識(shí)條件反射。碰到障礙立刻縮手，站不穩(wěn)立刻調(diào)整姿態(tài)，不用動(dòng)腦，用最快速度保障基礎(chǔ)安全。
中間是協(xié)調(diào)層，響應(yīng)150~500毫秒，對(duì)應(yīng)人類(lèi)小腦，管半自動(dòng)化的運(yùn)動(dòng)控制。走路的步態(tài)平衡、熟練的動(dòng)作技能，都靠這一層協(xié)調(diào)，不占用高層算力，動(dòng)作流暢，還省算力。
最上層是認(rèn)知層，響應(yīng)500毫秒以上，由大模型承載，對(duì)應(yīng)人類(lèi)大腦皮層。負(fù)責(zé)路徑規(guī)劃、復(fù)雜決策、學(xué)習(xí)新任務(wù)，處理真正需要深度思考的問(wèn)題。
這是直覺(jué)快思考+深度慢思考搭配著來(lái)，快系統(tǒng)管穩(wěn)定、管安全、管效率，慢系統(tǒng)管智能、管泛化、管創(chuàng)新。多層協(xié)同，才是物理AI真正的技術(shù)底色。
另外是關(guān)于未來(lái)的社會(huì)分工，周偉做了一個(gè)預(yù)測(cè)，物理AI會(huì)接管物理世界，虛擬世界將接管人類(lèi)的精神世界。背后邏輯鏈條非常清晰，AI時(shí)代最根本變化，是機(jī)器終于會(huì)干活了。
未來(lái)，家務(wù)、搬運(yùn)、制造這些體力活，機(jī)器人來(lái)做；日常出行，交給自動(dòng)駕駛；農(nóng)業(yè)、工業(yè)、服務(wù)業(yè)里的物理勞動(dòng)，都會(huì)逐步被自動(dòng)化接管。
物理AI本質(zhì)，是把人類(lèi)從體力勞動(dòng)里徹底解放出來(lái)，人類(lèi)不用再為了滿足物質(zhì)生存需求而出賣(mài)體力。
人被解放出來(lái)之后，時(shí)間、精力、需求自然會(huì)往精神層面轉(zhuǎn)移。人類(lèi)娛樂(lè)、社交、自我實(shí)現(xiàn)，會(huì)越來(lái)越多發(fā)生在數(shù)字空間里，數(shù)字身份、數(shù)字資產(chǎn)也會(huì)變成生活的重要組成部分。虛擬世界的本質(zhì)，是把人類(lèi)的精神生活全面數(shù)字化。
二、直擊行業(yè)痛點(diǎn)：77%虛實(shí)落差背后的感知鴻溝。
演講中，周偉援引斯坦福大學(xué)《2026 AI指數(shù)報(bào)告》數(shù)據(jù)指出，當(dāng)前機(jī)器人在模擬環(huán)境中的任務(wù)成功率可達(dá)89.4%，進(jìn)入真實(shí)世界后驟降至12.4%，高達(dá)77%的虛實(shí)落差，成為制約產(chǎn)業(yè)規(guī)模化落地的核心瓶頸。
在周偉看來(lái)，這一差距并非源于運(yùn)動(dòng)控制技術(shù)的不足，本質(zhì)上是空間感知能力的鴻溝。
真實(shí)世界沒(méi)有預(yù)設(shè)坐標(biāo)，沒(méi)有完美標(biāo)注，更沒(méi)有靜態(tài)不變的環(huán)境；光照變化、材質(zhì)差異、動(dòng)態(tài)障礙物、長(zhǎng)尾場(chǎng)景，都是實(shí)驗(yàn)室里無(wú)法完全復(fù)現(xiàn)的。
這就引出周偉分享中非常重要的一個(gè)洞察，也是物理AI是最有可能實(shí)現(xiàn)ASI的原因所在；具身智能是支撐物理 AI 發(fā)展的核心底層理念，從根本上重新定義智能的誕生邏輯，智能并非孤立大腦運(yùn)算的產(chǎn)物，是在實(shí)體與環(huán)境的持續(xù)物理交互中逐步涌現(xiàn)的。
沒(méi)有身體就沒(méi)有真正的智能，是具身智能最核心的哲學(xué)判斷。這一判斷底層邏輯在于，智能終極目的，是適應(yīng)、改造物理環(huán)境。
只有通過(guò)身體與環(huán)境的持續(xù)物理交互，智能才能完成從被動(dòng)接收信息，到主動(dòng)探索驗(yàn)證的躍遷，最終涌現(xiàn)出真正具備通用性與環(huán)境適應(yīng)性的智能能力。
這是物理 AI 區(qū)別于傳統(tǒng)數(shù)字 AI 的核心差異所在，智能誕生于身體與環(huán)境的交互閉環(huán)，傳統(tǒng)數(shù)字 AI 類(lèi)似缸中之腦式的智能，依托文本、圖像等數(shù)據(jù)完成訓(xùn)練與推理，全部認(rèn)知活動(dòng)局限于數(shù)字空間，始終無(wú)法觸碰真實(shí)的物理世界。
具身智能的核心主張是，智能不是大腦的孤立產(chǎn)物，是通過(guò)身體（傳感器 + 執(zhí)行器）與環(huán)境的持續(xù)交互中涌現(xiàn)的。
真正適配物理世界的智能，無(wú)法脫離實(shí)體獨(dú)立存在。只有擁有可感知、可行動(dòng)的身體，智能體才能在真實(shí)環(huán)境中接收即時(shí)反饋、驗(yàn)證自身認(rèn)知、迭代行為能力，最終演化出能夠適應(yīng)復(fù)雜、非結(jié)構(gòu)化物理場(chǎng)景的通用智能。
一套完整的具身智能系統(tǒng)，由感知系統(tǒng)、決策大腦、執(zhí)行器三大模塊共同組成，形成感知—決策—執(zhí)行—反饋的完整閉環(huán)，精準(zhǔn)對(duì)應(yīng)生物感官—大腦—肢體的生理結(jié)構(gòu)。
周偉系統(tǒng)梳理當(dāng)前具身感知面臨的三大核心瓶頸，分布是數(shù)據(jù)瓶頸、感知技術(shù)瓶頸、多模態(tài)融合瓶頸。
第一是數(shù)據(jù)瓶頸。
與互聯(lián)網(wǎng)文本數(shù)據(jù)可批量抓取不同，物理世界的交互數(shù)據(jù)必須通過(guò)真實(shí)機(jī)器人在真實(shí)環(huán)境中感知、行動(dòng)才能產(chǎn)生。
當(dāng)前行業(yè)數(shù)據(jù)孤島化嚴(yán)重，缺乏統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)與共享機(jī)制，高質(zhì)量物理交互數(shù)據(jù)的稀缺，直接限制模型能力上限。
第二是感知技術(shù)瓶頸。
現(xiàn)有傳感器在精度、維度、響應(yīng)速度上仍有短板，缺乏亞毫米級(jí)的操作感知能力，難以支撐復(fù)雜場(chǎng)景下的因果推理與精細(xì)操作。感知精度的上限，直接決定機(jī)器人能力的邊界。
第三是多模態(tài)融合瓶頸。
視覺(jué)、深度、觸覺(jué)、力覺(jué)、聽(tīng)覺(jué)等多模態(tài)數(shù)據(jù)的實(shí)時(shí)對(duì)齊與高效融合仍是行業(yè)難題，單一傳感器失效、遮擋、噪聲等場(chǎng)景下，感知系統(tǒng)的可靠性會(huì)大幅下降，無(wú)法形成穩(wěn)定的環(huán)境認(rèn)知。
周偉用簡(jiǎn)潔的表述，沒(méi)有感知，就無(wú)法理解；沒(méi)有理解，就無(wú)法行動(dòng)；概括感知的基礎(chǔ)性價(jià)值。
在他看來(lái)，感知系統(tǒng)的能力邊界，直接決定機(jī)器人能夠進(jìn)入多少場(chǎng)景、承擔(dān)多復(fù)雜的任務(wù)，是物理AI必須突破的第一道關(guān)口。
三、向進(jìn)化取經(jīng)：人類(lèi)感知系統(tǒng)是終極參照系。
周偉提出，在技術(shù)路徑探討中，人類(lèi)感知系統(tǒng)是物理AI研發(fā)的終極參照系；生物進(jìn)化用億年時(shí)間驗(yàn)證感知系統(tǒng)的最優(yōu)解，運(yùn)行效率與適配能力遠(yuǎn)超當(dāng)前所有人工系統(tǒng)；人類(lèi)做技術(shù)研發(fā)，本質(zhì)上是向進(jìn)化學(xué)習(xí)。
人類(lèi)感知系統(tǒng)并非傳感器+大腦的簡(jiǎn)單線性鏈條，是一個(gè)多層級(jí)、多模態(tài)、預(yù)測(cè)性、閉環(huán)耦合的復(fù)雜智能網(wǎng)絡(luò)。
周偉總結(jié)道，物理AI視覺(jué)系統(tǒng)的進(jìn)化方向，不是盲目堆砌像素參數(shù)，是學(xué)習(xí)人眼用更少資源、做更聰明感知的策略，不均勻采樣、事件驅(qū)動(dòng)、邊緣預(yù)處理、多通路融合，將是下一代感知技術(shù)的核心突破方向。
除了視覺(jué)機(jī)制，周偉強(qiáng)調(diào)多模態(tài)融合的相乘效應(yīng)。
以McGurk效應(yīng)為例，說(shuō)明視覺(jué)輸入，會(huì)直接改變?nèi)祟?lèi)對(duì)聲音的感知，1+1>2的跨模態(tài)整合是生物感知的核心邏輯。
同時(shí)人類(lèi)觸覺(jué)密度分布極不均勻，指尖敏感度是手臂背面的百倍以上，進(jìn)化將感知資源集中分配給最常與環(huán)境交互的部位，這一規(guī)律同樣適用于機(jī)器人感知系統(tǒng)，資源應(yīng)向核心交互部位傾斜，而非追求全機(jī)身均勻的感知密度。
感知系統(tǒng)正從機(jī)器人的輔助配套，升級(jí)為物理AI時(shí)代核心價(jià)值底座，呈現(xiàn)三大明確趨勢(shì)。
一是成本占比快速提升，感知硬件成為整機(jī)價(jià)值的核心構(gòu)成，直接決定機(jī)器人的環(huán)境適配上限；
二是技術(shù)向深度融合演進(jìn)，行業(yè)重心從傳感器堆疊，轉(zhuǎn)向多模態(tài)數(shù)據(jù)的空間、時(shí)序雙重對(duì)齊，這是感知可靠可用的工程核心；
三是能力維度持續(xù)突破，在精度、極端場(chǎng)景等多個(gè)物理感知維度，機(jī)器在系統(tǒng)性超越人類(lèi)感官極限，為高質(zhì)量物理交互筑牢基礎(chǔ)。
四、樂(lè)動(dòng)全棧技術(shù)布局：從傳感器到空間Token，定義物理AI感官。
周偉介紹到，感知是物理AI與真實(shí)世界交互的入口，樂(lè)動(dòng)核心技術(shù)突破，在于構(gòu)建一套從原始數(shù)據(jù)采集、到結(jié)構(gòu)化空間數(shù)據(jù)輸出的完整全棧感知鏈路，最終輸出可被大模型直接調(diào)用的空間Token，徹底重構(gòu)感知系統(tǒng)的價(jià)值定位。
樂(lè)動(dòng)這套全棧感知棧，分為四個(gè)遞進(jìn)層級(jí)。
第一層是傳感器硬件層，依托樂(lè)動(dòng)多類(lèi)自研感知硬件，完成物理世界的原始信號(hào)采集，為后續(xù)處理提供高質(zhì)量的多模態(tài)數(shù)據(jù)源。
第二層是AI算法處理層，通過(guò)樂(lè)動(dòng)自研算法與AI深度融合能力，完成原始數(shù)據(jù)的初步校正、配準(zhǔn)、特征提取，實(shí)現(xiàn)從原始信號(hào)到可用數(shù)據(jù)的轉(zhuǎn)化，承擔(dān)智能數(shù)據(jù)加工職能。
第三層是空間模型層，實(shí)現(xiàn)環(huán)境深度理解。基于前序數(shù)據(jù)完成精度達(dá)98%的三維重建，輸出語(yǔ)義化場(chǎng)景結(jié)果，實(shí)現(xiàn)對(duì)環(huán)境結(jié)構(gòu)、物體屬性的深度認(rèn)知，完成從看見(jiàn)到看懂的跨越。
第四層是空間Token輸出層，實(shí)現(xiàn)結(jié)構(gòu)化數(shù)據(jù)交付。空間Token是樂(lè)動(dòng)對(duì)感知數(shù)據(jù)價(jià)值的重新定義，最終輸出標(biāo)準(zhǔn)化的結(jié)構(gòu)化空間Token，形成具備物理一致性的空間數(shù)據(jù)，既可以直接支撐機(jī)器人決策，也可作為世界模型的高質(zhì)量訓(xùn)練素材。
這一技術(shù)棧核心價(jià)值，在于讓樂(lè)動(dòng)跳出傳統(tǒng)傳感器廠商的硬件定位，樂(lè)動(dòng)不是單純售賣(mài)傳感器硬件的公司，是物理AI時(shí)代的數(shù)據(jù)精煉廠，通過(guò)全棧技術(shù)能力將原始物理信號(hào)提煉為可被AI直接消費(fèi)的標(biāo)準(zhǔn)化空間數(shù)據(jù)。
周偉分享樂(lè)動(dòng)基于全棧感知能力，面對(duì)即將到來(lái)的物理AI時(shí)代，清晰規(guī)劃樂(lè)動(dòng)三個(gè)層面的戰(zhàn)略演進(jìn)路徑，從多模態(tài)感知、AI融合、空間模型的方向持續(xù)升級(jí)，最終指向通用空間交互基礎(chǔ)模型的平臺(tái)化目標(biāo)。
第一層面是新型傳感器，核心是擴(kuò)展感知維度，突破感知的能力邊界，讓機(jī)器人感知覆蓋更多人類(lèi)無(wú)法觸及的物理維度。
第二層面是AI深度融合，核心是實(shí)現(xiàn)從看見(jiàn)到看懂的升級(jí)。通過(guò)LLM大模型、視覺(jué)語(yǔ)言模型與空間感知能力的深度融合，讓機(jī)器人具備包含物理環(huán)境屬性與行為邏輯的復(fù)雜認(rèn)知。
第三層面是家庭空間交互模型，這是樂(lè)動(dòng)戰(zhàn)略終局目標(biāo)，被稱為物理AI的GPT時(shí)刻。該模型將具備通用家庭環(huán)境理解能力，最終所有家用機(jī)器人都可以像調(diào)用GPT API一樣接入這套模型，獲得標(biāo)準(zhǔn)化的空間交互能力。
這一路徑的核心愿景，是建成通用的家庭空間交互基礎(chǔ)模型，推動(dòng)樂(lè)動(dòng)從感知產(chǎn)品公司，躍遷為空間智能平臺(tái)公司，成為物理AI時(shí)代的底層基礎(chǔ)設(shè)施提供商。
五、終局壁壘：海量實(shí)景數(shù)據(jù)，構(gòu)筑不可逆競(jìng)爭(zhēng)優(yōu)勢(shì)。
物理AI競(jìng)爭(zhēng)本質(zhì)是數(shù)據(jù)的競(jìng)爭(zhēng)，樂(lè)動(dòng)對(duì)行業(yè)數(shù)據(jù)路徑做出清晰的終局判斷，物理AI存在三條數(shù)據(jù)演進(jìn)路徑，唯有海量實(shí)景采集才能通向最終格局，樂(lè)動(dòng)的規(guī)模化部署優(yōu)勢(shì)，是撬動(dòng)這一終局的核心杠桿。
三條數(shù)據(jù)路徑，分別對(duì)應(yīng)不同產(chǎn)業(yè)階段與價(jià)值定位。
第一條是數(shù)據(jù)工廠采集，是行業(yè)發(fā)展的啟動(dòng)器與幼兒園；真實(shí)世界的長(zhǎng)尾場(chǎng)景無(wú)限，是行業(yè)起步的必經(jīng)之路，無(wú)法支撐通用智能的長(zhǎng)期演進(jìn)。
第二條是仿真數(shù)據(jù)，是技術(shù)迭代的加速器；具備成本低、危險(xiǎn)場(chǎng)景可復(fù)現(xiàn)的優(yōu)勢(shì)，仿真能力的上限，始終取決于對(duì)真實(shí)世界的理解深度，無(wú)法脫離真實(shí)數(shù)據(jù)實(shí)現(xiàn)自我閉環(huán)迭代。
第三條是海量實(shí)景采集，是行業(yè)終局路徑；真實(shí)場(chǎng)景天然承載最本真的物理規(guī)律，能夠覆蓋無(wú)限長(zhǎng)尾場(chǎng)景；數(shù)據(jù)量隨機(jī)器人部署量指數(shù)級(jí)增長(zhǎng)；這條路徑核心邏輯是，部署量即數(shù)據(jù)量，數(shù)據(jù)量即壁壘，飛輪一旦啟動(dòng)便無(wú)法被復(fù)制。
對(duì)應(yīng)三條路徑，樂(lè)動(dòng)行業(yè)角色呈現(xiàn)雙重價(jià)值，在前兩條路徑上，樂(lè)動(dòng)是提供感知工具的賣(mài)鏟人；在第三條終局路徑上，樂(lè)動(dòng)憑借千萬(wàn)級(jí)終端部署量，成為坐擁實(shí)景數(shù)據(jù)金礦的核心玩家。后來(lái)者即便能造出更優(yōu)的硬件工具，也無(wú)法復(fù)刻已形成的規(guī)模化實(shí)景數(shù)據(jù)壁壘。
整體而言，樂(lè)動(dòng)以感知技術(shù)為起點(diǎn)，以全棧能力為骨架，以數(shù)據(jù)飛輪為長(zhǎng)期壁壘，以空間智能平臺(tái)為終局目標(biāo)，構(gòu)建一套自洽、具備強(qiáng)成長(zhǎng)性的物理AI戰(zhàn)略體系。在物理AI的產(chǎn)業(yè)浪潮中，這套戰(zhàn)略既錨定行業(yè)演進(jìn)的核心規(guī)律，也建立自身難以復(fù)制的競(jìng)爭(zhēng)優(yōu)勢(shì)。
結(jié)語(yǔ)
周偉演講，獲得現(xiàn)場(chǎng)與會(huì)嘉賓熱烈反響，多位資管機(jī)構(gòu)代表表示，本次分享跳出傳統(tǒng)機(jī)器人產(chǎn)業(yè)的分析框架，從感知基礎(chǔ)設(shè)施與數(shù)據(jù)資產(chǎn)的視角重新定義行業(yè)價(jià)值，為資本市場(chǎng)理解物理AI賽道提供全新的底層邏輯。
讓每一臺(tái)智能機(jī)器人都擁有看懂世界的能力，是樂(lè)動(dòng)始終不變的使命。
周偉表示，物理AI時(shí)代浪潮正在到來(lái)，感知基礎(chǔ)設(shè)施是支撐整個(gè)產(chǎn)業(yè)的地基。
樂(lè)動(dòng)將持續(xù)深耕空間智能感知技術(shù)，推動(dòng)芯片、傳感器、算法、空間模型與整機(jī)產(chǎn)品協(xié)同發(fā)展，攜手產(chǎn)業(yè)伙伴與資本伙伴，共同開(kāi)啟物理AI時(shí)代的產(chǎn)業(yè)新局。
關(guān)鍵詞：
