点击下方卡片，关注“具身智能之心”公众号
WAIC2026，昨天正式开幕了。
这次来了许多具身企业，本体公司、大脑公司、数据相关以及上游的供应商。
论坛也比较多，许多CEO都在准备。期间，我们和思岚科技的创始人陈士凯面对面聊了许久。
这次对话其实也约了蛮久，原因是：“今年大家一直在关注更popular和性感的领域，但我们也想从另外一个视角为大家呈现更详细的行业判断”。
看当下，具身智能最热闹的，莫过于各家人形机器人的大模型、VLA、世界模型，是一台又一台想做整机、想做「大脑」的公司。
而思岚做的事：空间感知、SLAM、感知与运动的一体化方案，是那种投资人一听就“容易走神”的方向。
它不新，甚至有点旧：这家公司 2013 年就成立了，名字「思岚」，就是 SLAM 的音译。
在一个人人都想做整机、做大脑的行业里，思岚熬了 13 年，选的却是另一个位置：不做本体，也不做大模型，而是做一家把「感知」和「运动」打包好、交付给所有机器人公司的供应商。用行业的话说，叫感知运动一体化方案。
这篇专访，我们想借陈士凯这 13 年，聊清楚一件事：当所有人都盯着舞台中央的整机和大脑时，为什么有人愿意花十几年，去做那个不显眼、却谁也绕不开的底座。
01.
一个英特尔工程师的「终局思维」
先从他为什么创业讲起。
陈士凯是英特尔出来的，交大期间读书时做的是视觉方向。用他自己的话说，创业的起点很朴素：“我不是一个闲得下来的人。”
当年他的很多同事后来去了英伟达、去了美国做芯片，也有人扎进了手机和移动互联网。他没有。
“我希望是能够以将来是终局的方式来做事，相比于参与到手机、移动互联网，更想直接去布局一个更长远、可能更正确的事情。”
顺着这个终局往下想，他自然想到了机器人——而且是跟人日常生活有结合的消费类机器人，不是工厂里那种。
但再往下细想，一台能在家里帮你拿东西、送东西的机器人，一定得能自己动，不能靠遥控；要能自己动，就得有自动驾驶，严谨地说，是空间感知和自主定位导航。
问题是，2009 年那会儿，这块几乎是空白。
视觉 SLAM 因为他学过、还算成熟，但激光方案没有国产的，一台 SICK 的激光雷达要 20 万：他记得学校实验室里那台，是“传家宝一样，传了几代师兄师弟”。
就是在这个当口，陈士凯做了一个到今天都没变过的判断：那个时候机器人最缺的，不是硬件，低成本硬件未来一定会有，缺的是自动驾驶方案。你只有了这个东西，才有可能在未来做出一个真正派得上用场的机器人，否则它就是一个遥控玩具。
于是他选了一条更重的路：不做集成，从最底层的东西自己啃。2009 年开始技术积累，2012 年底，自研的低成本激光雷达做出来了，成本压到几百块，探测距离 10 米左右，性能对标当时的中低端产品（刚好够家用）。
2013 年，借着创客文化和中国供应链外溢的势头，思岚成立。
拉回现在的视角，可以发现思岚这家公司从第一天起，赌的就是今天大家才开始喊的那个词——物理 AI，只不过 13 年前它没有这个名字。
02.
为什么13年来，
思岚既不做 3D 激光雷达，也不追风口？
从 2013 到今天，自动驾驶热过、大模型热过、具身热过，一个又一个风口。
思岚跟没跟？
陈士凯的回答很干脆：要回答什么是思岚的风口，得先看思岚要解决的是什么。思岚要解决的，不是传感器本身，而是依托传感器的一个完整的解决方案。
这句话是理解思岚这么多年选择的钥匙，它解释了两个外界经常问的问题。
第一，为什么思岚不做禾赛、速腾那种 3D 激光雷达？
因为思岚从一开始 focus 的，就不是开放的结构化场景（汽车那种室外、有车道、有交通规则），而是半封闭、封闭的非结构化场景。家里从卧室到客厅，地上不会给你划车道，你有 N 种方式抵达目的地。在这类室内场景里，2D 激光已经能覆盖 95% 以上。我们从事实证明了，2D 激光在过去这么多场景里，能适配 95% 以上的非结构化室内场景。
那到了具身、到了 3D 空间怎么办？陈士凯的答案不是转头去做机械式 3D 激光，而是选了纯视觉。核心观点是：在 6 自由度、大 FOV、成本这几件事上，视觉比机械激光更划算。
第二，为什么思岚这么多年不追风口？
汽车在后来确实成了大风口，市场规模也大，但他说得很清楚：每家公司会有自己的专注点，不是一直去赶风口。汽车不是思岚认知里的主场，而现在的具身是因为它恰好落在思岚深耕了十几年的那类场景里。
这家坚持了13 年的机器人公司，做对的一件事是没有被风口牵着走，而是守着“室内、非结构化、机器人级的感知与运动”这条窄门，一直往深里打。
虽然窄，但足够深。
03.
工程和学术是两回事：
SLAM 的终局，不是选哪个架构
聊到 SLAM 本身，我们问了那个所有做过这行的人都关心的问题：从 ORB-SLAM 到 VINS，再到激光、视觉、惯性耦合……到底什么才是终局？
陈士凯的回答很“思岚”：终局的判断点，根本不是哪一种 SLAM 方案。
只有两个问题值得关注。
第一，它能不能很好地应对 95%、甚至 99% 以上的场景；第二，它能不能符合实际的算力成本和实时性要求。具体的框架方案，并不是主要的。
为了说明这句话，他讲了两个我们听完有点震撼的工程细节：
2015 年，思岚把一套 SLAM 系统跑在了一枚硬币大小、主频 400MHz、内存 128MB（智能手表/音箱级别）的芯片上，实现 2 万平米的激光建图加实时定位、路径规划。而当时行业里能跑同类系统的 ROS 方案，起步要求是 Intel 双核、两三 GHz 的处理器加 2GB 内存。
2018 年，当业界普遍认为 Google 的 Cartographer不是一个能产品化的东西、得在 i7 上才跑得动时，思岚推出了自研的图优化系统，在一个 1GHz、256MB（智能音箱级）的硬件上，跑通了万平米以上的实时闭环检测和图优化。
这两个例子背后，是陈士凯反复强调的一条区别：学术界的 SLAM，解决的是从 0 到 1 的问题。而产品要解决的，是那 20% 谁都不愿碰的 corner case。
长走廊、环境退化这些问题，学术界的答案已经很明确了：场景退化了，从数学上就是无解，这是边界。但对实际产品来说，我不可能在客户现场跟他解释『这是个退化场景所以我解决不了』，客户只会说那我退货。
换句话说，学术上，你可以说边界问题。但交付给客户，人家只要解决问题。
顺着这条工程铁律，他给了对 SLAM 未来的几个判断，我们觉得值得做具身的人记下来：
端到端的占比会越来越高，因为它已经能展示出很强的性能；
但终局大概率是 hybrid——神经网络之下，一定还要有一层传统规则算法做 bottom line、兜住稳定性；
真正决定谁能赢的，还是那条老铁律：谁能把当下最强的算法，跑在那个时刻负担得起的算力上。现在端到端方案动辄要 PC 级显卡、二十几 GB 显存，「谁能把这一套跑在手机、平板级的 SoC 上，是一个很强的需求」；
终局的形态，会越来越像人——走向 map-free。
关于 map-free，陈士凯还纠了我们一个可能的误区：它和传统 SLAM 不是谁优谁劣，而是 work-pattern 的区别。扫地机器人其实早就是 map-free 了，它边跑边建图，没人会给它先画一张图。
但拆到微观，大家还是基于 mapping 和 localization 这几个大逻辑在做事。要不要 map-free，是市场需求决定的，不是技术问题。
04.
到了具身，眼睛和底盘都得重做一遍
具身时代，思岚的产品线其实经历了一次不小的重构。
两条主线：眼睛，和底盘。
先说眼睛——Aurora 系列。
从 2D 激光跳到视觉，不是赶时髦，是被自由度逼的。工业轮式机器人本质是 3 个自由度（xyz），用 2D 激光锁死另外三个旋转就够了。可人形、具身不一样：能站、能蹲、能跑、能转，是纯 6 自由度，还要处理头部大角度的俯仰。
这时候机械激光就露短了：激光雷达在旋转轴上做 360 度没问题，但在俯仰、横滚这两个角度上，很难做到超过 40~50 度。而视觉，基于鱼眼相机，单目基本就能做到 180 度的球面覆盖。再加上纯固态、能捕捉更细的纹理、成本更低。
思岚干脆跳过机械式 3D 激光，直接押纯视觉。去年发布的Aurora标配已经不带任何激光雷达，人形、机器狗、割草机这类客户，大部分走的都是纯视觉。
士凯总说：我们觉得视觉在性能上，已经可以在很多时候取代激光的方案了。
再说底盘——从Zeus系列的Apollo到Poseidon。
陈士凯给了个很实在的数字：具身底盘和过去工业、商用底盘，大约 80% 是相通的（载重、窄道通过、定位稳定性），差异的 20% 里，最大的是运动性能。
人搬东西不会「傻乎乎地永远正面朝着运动方向」，而二轮差速底盘做不到平移。所以今年思岚推了「四轮八驱/四轮四转」的波塞冬：每个轮子独立驱动、独立转向，能平移、能在移动中把机器人头部锁定在一个方向——这对巡逻跟拍、边走边抓，是关键。
更值得注意的是底盘和大模型的整合。要跟 VLA 做一体化训练，底盘的控制接口就得暴露远比过去多的信息：不只是位置坐标，还有热力图、碰撞检测数据、概率模型，“甚至有一段时间，可以把底层的数据完全交到上层系统来”。
至于移动和操作到底该解耦还是端到端，他的判断和我们接触到的大多数团队一致：现在解耦/松耦合更成熟，走向深度耦合、端到端是必然。
只是一个时间问题，算力和数据都已经不是瓶颈了。
05.
本体公司为什么不自己做感知和底盘？
这是我们特别想替读者问清楚的一段。
眼睛、底盘听起来都像是“集成”，为什么那么多本体公司不自己做，反而来买思岚？
陈士凯的回答是：门槛和时间，两者都算是壁垒。
门槛在于，ROS 这类开源体系有两件事天然不解决：一是低成本化（它不会为某一款硬件做深度绑定），二是为了照顾生态普适性，它不会对算法做针对性的 corner case 适配。而这两件，恰恰是思岚十几年积累下来、最值钱的部分。
时间则更现实。
现在具身企业最缺的，反而是时间，而不是成本。
他们很多都有很大的融资，怎么更快更有效地把产品落地，才是他们关注的点。更微妙的一层是：导航定位是基石，却不是本体公司愿意对外讲的故事。
在资本市场上，各家公司一定会讲它要做模型、做大脑，不会说它要自己做 SLAM。
访谈中，我们也拿到了一组市占率数字：“思岚已经和国内大部分的头部具身本体企业建立了合作”。
06.
十几年的机器人基因，
思岚为什么自己不做整机？
思岚自己有底盘、有眼睛，甚至夹爪这类都是很成熟的产品，为什么不干脆做整机？
陈士凯说，现在这个时间点，他更不会做。
原因不是能力，而是定位：做不做本体，只是一个选择问题，它背后的逻辑是：“我们要不要进入到下游一个更大的终端市场。”如果答案是要，思岚的做法也不会是自己下场做整机、跟合作伙伴抢饭吃，而是各家提供自己最擅长的部分。
我们顺势聊到了sharpa，它既做灵巧手也做整机（CES展出了North）。陈士凯的解读挺有意思：这不是灵巧手公司不务正业，而是它一开始的定位就是想做一家整机公司，只是从灵巧手这个点切入。就像宇树，外界以为它做机器狗，但它最核心的其实是电机。
而sharpa之所以敢把整条链都做了，和它所处的地缘环境有关。新加坡的机器人生态不像国内这么完善、竞争也没这么激烈，一旦有单点技术突破，整个产业链自己做反而是最优解。
在国内，供应链太强了，很多零部件公司没必要、也不一定做得好整机。
07.
一个技术 CEO 的 13 年：
学会跟不确定性相处
聊了这么久技术，我们把话题转回他本人：从一个写代码的技术大牛，到管着一堆客户的 CEO，哪块能力是被逼出来的？他讲了两点。
一是学会跟不确定性相处。“做技术很多时候是二元问题，行就行，不行就不行；但做企业，你得接受很多模棱两可的东西。但面对不确定性，也需要保持一种有限度的乐观理性。”
二是重新理解技术背景对做 CEO 是拖累还是助力。行业普遍觉得技术出身的创始人有管理短板，这一点他不完全认同。他也 picky 过、抠过没必要的细节，后来放权，如今在往回找平衡。“乔布斯也很 picky，惹了不少问题，但事实证明，他做出来的东西比很多产品经理更有灵魂。”他把技术型 CEO 的成长画成一条曲线：先是盲区碰壁，再学会躲在后面放权，而最好的状态，是经历这些之后还敢站出来、坚持自己的判断。
陈士凯现在每天还在看论文，最让他觉得幸福的是 AI agent：以前看到一篇有趣的论文想试，得自己干、没时间；现在有个 idea，交给 agent 跑一遍，马上就知道效果。
至于外界那些动辄百亿、两百亿的 00 后公司会不会让他焦虑，他的回答很清醒：“焦虑一定要有，但不来自这些。做企业到后来，是自己跟自己在跑。”
看到别人跑得快，他的反应不是羡慕或自我怀疑，而是我们得更加加速。
08.
13 年的坚持，赌的到底是什么
最后，聊聊这 13 年赌的到底是什么。陈士凯为什么笃定，做感知、做这样一个供应商值得干一辈子？他给了一个生物学类比，也是这篇专访里我们印象最深的一段：
人的大脑结构里，有一块一定是独立出来的：小脑。小脑除了协调运动平衡，另一块就是空间感。整个生物界专门为空间感知进化出了一个独立机构，说明它的连接方式、运动机理，一定是脱离于主神经网络的——因为它要保证实时性和专用性。所以感知这件事，未来一定是一个独立的科目存在。
换句话说，在陈士凯的判断里，空间感知不是大模型顺手就能包办的一个模块，而是一件需要独立、专门去做的事。这恰恰是思岚这个“感知运动一体化供应商”位置的底气所在。
在学术界，他给这个判断找了个标杆：李飞飞的空间智能。她的概念，跟思岚很多方面不谋而合，只是起点更高，直接从模型的角度切入。
而思岚给自己的定位，是桥梁：一头把 AI 的智能和底层的硬件、传感器绑定，一头把虚拟世界和真实世界绑定。
他的逻辑链条是这样的：AI 越发展，越能替代 coding、甚至替代硬件设计，但有一件事它替代不掉——制造、落地。除非有一天机器人能像人一样自我复制，否则制造业不会消亡。而 AI 越发展，对制造和感知的需求只会越高。
这也决定了思岚对行业节奏的判断。任何一个成熟行业都会走概念→原型→批量复制→行业分工→螺旋上升这条路，而分工阶段，才是思岚这种上游供应商机遇最大的时候。因为那时候大家拼的不再是概念，而是成本、品质、稳定性。
现在已经逐步露出雏角，但思岚最核心的时间点，其实还没完全到来。
配得上这份耐心的，是一份不算激进的财务姿态：思岚去年开始个别季度盈利，今年累计已进入盈利状态，全年预计产生正向现金流，收入主力来自工业客户。
IPO这件事上，我们不像现在的具身企业那么激进，倾向在国内，目前已经排入了时间议程。
写在最后
具身智能的上半场，是一场关于大脑和整机的军备竞赛，谁的模型更炫、demo 更漂亮，谁就拿到关注和融资。但下半场，大概率会像陈士凯说的那样，滑向“分工”和“落地”。
那时候，像感知运动一体化这样的底层能力，才会显出它硬通货的一面。思岚熬的这 13 年，赌的就是这个下半场会来。
陈士凯自己也没有回避那个很直接的问题：真正到人形机器人大规模进入家庭，最最乐观也还要两三年，模型的泛化能力、本体的成本，现在都还远远不够。
