2026年世界人工智能大会（WAIC）已于日前落下帷幕。作为全球激光雷达龙头企业，速腾聚创（RoboSense）在本届WAIC上以“机器人之眼，打造物理AI数据入口”为主题，释放了清晰的战略升级信号：从一家车载与机器人激光雷达供应商，向物理AI时代的基础设施提供商转型。

聚焦这一目标，速腾聚创不仅于本次大会期间正式发布了第二代全固态感知平台E2，还分别与智在无界、简智机器人、Origen、光轮智能等多家企业达成了战略合作。

这一硬一软两大动作，共同勾勒出速腾聚创切入物理AI上游赛道的完整路径。

一款量产新品，四笔生态签约

本次WAIC，速腾聚创展台的核心亮点之一，是基于自研“孔雀”SPAD-SoC芯片打造的第二代高精度超广角全固态数字化激光雷达E2全球首发。作为“孔雀”芯片落地的量产之作，E2并非单一型号产品，而是一个可灵活适配多场景的产品家族。

图片来源：速腾聚创

从技术参数与现场实测效果来看，E2延续了全固态扫描架构的天然优势，将激光发射、接收与数据计算能力高度集成，在精度、视场角、体积与可靠性上实现了综合跃升。

速腾聚创在展会现场同步开放的实时点云演示直观显示，相比上一代E1平台，E2输出的点云数据边缘更锐利，对环境中物体的深度、轮廓与空间位置的捕捉精度显著提升，能够输出接近图像级的三维感知效果。

在应用场景上，E2家族的覆盖范围远超传统车载激光雷达的边界。除了可搭载于人形机器人、四足机器人、割草机器人、无人机等终端本体，支撑运动避障、环境建图、精细操作等核心功能外，还可作为空间智能数据采集设备的核心感知单元，面向物理AI数据基建场景提供标准化的三维数据输入。

这一定位，也让E2跳出了“机器人零部件”的单一身份，成为连接真实物理世界与AI模型的前端数据入口。

图片来源：速腾聚创

与E2发布形成呼应的，是展台上密集的产业生态落地成果。智元、宇树、普渡、优艾智合、极智嘉等数十家机器人头部企业，均携搭载速腾聚创感知产品的真机亮相：智元灵犀X2机器人搭载E1系列激光雷达，完成了人机交互与舞蹈演示，普渡D7、D5机器人呈现多形态协同避障作业，优艾智合、极智嘉的工业与仓储机器人则展示了多机协同、精准操作的落地能力。

这种横跨消费级服务、工业物流、商业清洁等多元场景的真机阵容，本质是对速腾聚创感知硬件规模化落地能力的集体背书。

在此基础上，本次展会期间，速腾聚创进一步与智在无界、简智机器人、阿联酋AI企业Origen、光轮智能等多家企业达成战略合作，合作范围覆盖空间感知、数据采集、模型评测、AI训练及应用验证全产业链环节。

不同于常规的客户采购合作，这一系列签约的核心目标，是围绕高质量三维空间数据构建产业协同网络：通过与数据服务商、模型训练企业、区域产业伙伴的深度联动，打通从硬件采集、数据清洗到模型训练、场景验证的完整链路，推动具身智能从实验室能力演示走向稳定、可复制的规模化商用。

其中与Origen的合作，更释放出速腾聚创将物理AI数据入口布局延伸至海外市场的信号。

切入数据赛道：速腾聚创的底层逻辑

速腾聚创向物理AI数据入口延伸的战略选择，本质是对具身智能产业核心痛点的精准回应：当前具身智能模型训练正面临严峻的“数据质量困境”。

据速腾聚创市场部总监、发言人谢阗地向盖世汽车介绍，过去AI视觉模型的训练素材大多来自2D视频流与公开图像数据集，通过算法逐帧推算深度信息，以此模拟三维空间结构。但这种“猜测式”的深度数据存在天然缺陷：物体边缘模糊、空间位置关系易失真，甚至会出现“人物出现在车辆前方”这类拓扑关系错误。

用这样的数据训练出的世界模型，很难让机器人真正理解物理环境的结构与逻辑，也就无法支撑复杂场景下的自主决策与操作。

对于这一行业困境，速腾聚创认为破局的关键在于从数据采集源头升级传感器方案：激光雷达基于dToF飞行时间测距原理，能够直接输出精准的三维点云数据，空间位置精度远高于视觉推算结果，从采集端就解决了数据失真的问题。

但另一个矛盾点在于，目前市场上搭载激光雷达的终端存量有限，高质量三维数据的供给规模严重不足；同时传统激光雷达硬件形态固定，难以灵活适配定制化数据采集设备的需求。

图片来源：速腾聚创

这正是速腾聚创自研全固态芯片带来的核心优势。以“孔雀”芯片为代表的SPAD-SoC方案，通过将激光收发、信号处理与计算能力全部集成在单芯片上，体积小巧、集成度高，可灵活嵌入各类数据采集终端，为定制化数采设备提供了硬件基础。同时芯片内置AI算法，能够输出标准化格式的三维数据，直接匹配模型训练的数据要求，大幅减少后续数据清洗、标注的工作量，提升整个数据管线的运转效率。

基于这一技术底座，谢阗地指出，速腾聚创正在构建“双循环”业务布局：第一个循环是成熟的硬件供应循环，持续向车载、机器人本体企业提供激光雷达与融合传感器，这是速腾聚创当前的基本盘，也是规模化量产能力与成本优势的来源；

第二个循环是新兴的数据基建循环，面向物理AI模型公司、数据服务商提供感知硬件与数据入口解决方案，切入AI训练的上游环节，打开第二增长曲线。

而且这两个循环并非彼此独立，而是形成了相互支撑的正向关系：本体硬件的大规模出货，推动了自研芯片的成本下降与技术迭代，让数据采集设备的普及成为可能；而数据基建业务的拓展，又反过来提升了速腾聚创在物理AI产业链中的话语权，使其从单一的硬件供应商，转变为连接“真实世界—感知硬件—数据—模型—机器人”全链路的基础设施提供商。

这意味着，对速腾聚创而言，切入数据领域并非跨界冒险，而是自身技术能力的自然延伸。其核心逻辑在于，当具身智能的产业竞争从“模型能力比拼”转向“高质量数据供给”，掌握原生三维感知技术的上游厂商，将获得重新定义产业价值分配的机会。

更何况，相比一次性的硬件销售收入，数据入口背后的长期产业红利，拥有更大的想象空间。

结语

从激光雷达到数据入口，变化的是业务边界，不变的是速腾聚创对物理世界感知能力的深耕。

当然，这条路径也并非全无挑战：全固态感知方案的成本仍需进一步下探，数据服务的商业模式仍待打磨，三维数据的规模化供给体系也尚需时间构建。

但可以确定的是，随着具身智能从概念走向产业，高质量空间数据会成为越来越核心的生产资料。提前卡位数据入口的玩家，终将在接下来的产业竞速中获得先发优势。速腾聚创的这一步，既是对自身第二增长曲线的探索，也是国内物理AI基础设施建设加速的一个缩影。