出品：具身研习社
从第一性原理看具身智能产业，你会发现一个很少有人停下来问的问题，物理世界里，智能的起点到底是什么？
数字AI时代，这个问题的答案很简单，互联网已经为大语言模型准备好了所有输入，文本、图像、视频，所有数据都已经以数字形式存在，模型只需要处理这些现成的信息。但物理AI时代，游戏规则彻底变了，机器人对物理世界的所有认知、决策、行动，都要从零开始建立，这也是困住具身智能发展的“数据荒”来源。
而连接数字大脑和物理世界的起点接口，就是感知。
这不是一个流程上的“第一个环节”，而是所有具身智能的能力边界，你给机器人输入一个什么样的世界，它才能理解一个什么样的世界，最终才能改造一个什么样的世界。过去一年我们总在讨论具身智能的“ChatGPT时刻”何时到来，却忽略了一个最基本的事实，在让机器变聪明之前，我们首先要让机器“看见”真实的世界。光鉴科技创始人兼CEO朱力对具身研习社表示，感知一旦有缺失或者出错，再智能的模型也没有办法修正和实现正确的任务。
这也是为什么我们看到越来越多走出实验室的机器人，在真实场景里偶尔会“失灵”，不是大脑不够聪明，是从感知输入的那一刻起，它看到的世界就是残缺的、错误的。
由此可见，感知不是上游配件，而是它定义了智能的物理边界，是数字大脑进入物理世界的第一个入口，更是决定整个行业落地速度的底层基础设施。
但今天产业内对于感知的价值普遍错配解读，明明在生物识别、自动驾驶上表现足够成熟，但平移到具身智能上却经常出现翻车，这是不是代表感知能力已经到达上限？朱力对这种现状做了一步解释，生物识别的感知力只需要对近距离空间有精准理解；自动驾驶的视觉解决的是“远距离避障”问题，不需要和物体发生深度交互。但具身智能需要的是导航、避障、抓取、操作、和人协作。这便要求具身智能的语境下感知的前提，必须具有更出色的空间感知能力。
为此光鉴科技发布了Libra系列AI双目视觉方案，并不是把之前成熟的机器人方案进行小修小改，而是根据具身智能真实的需求与痛点，重新设计了一套解决方案，把AI模型引入双目视觉、打造全域泛化感知设计和高效计算架构，构建覆盖具身智能不同应用场景的视觉能力。探索更前沿的感知技术时，又将其变成可量产、可交付、成本可控的产品。
真正的感知基础设施，应该像移动互联网时代的芯片和操作系统一样，通过产品化思维，解决整机厂、模型厂普遍面临的感知侧软硬件问题，让上层的应用开发者不用再关心底层的硬件细节，只需要聚焦在自己的核心能力上。
这也是为什么我们说，感知不是一个可选的硬件配件，而是物理AI时代必须先建好的“高速公路”。
路没修好，再好的车也跑不起来。
正如具身智能需要专为物理世界设计的大脑一样，感知系统也需要一次更懂物理世界的升级。
在实验室的理想环境中，具身智能可以完成绝大多数演示级任务；但一旦进入真实的物理场景就会面临诸多“盲区”。
首当其冲的是“认知”能力的普遍失效。真实物理世界充满非结构化的复杂工况，透明玻璃、高反光金属、弱纹理墙面、低反射深色物体，这些人类视觉中无需刻意分辨的日常元素，却是当前感知能力的共性盲区。
这些并非工业级的极端工况，也不是罕见的特殊场景，而是家庭、商场、产线中无处不在的日常元素，例如，一扇玻璃隔断、一把金属器具、一面白墙。难以攻克这些环境，直接意味着具身智能会在真实环境中频繁出现避障失误、抓取落空、定位漂移，规模化落地的可用性便无从谈起。
面对这一行业共性难题，光鉴科技选择从底层重构技术路径：将AI 算法原生融入双目视觉体系，而非在传统双目架构上做补丁式叠加，从根本上改写了三维视觉感知的技术范式。
Libra 系列最核心的设计，是在相机里内嵌了一个基于深度学习的空间感知模型。这是AI双目和传统双目最本质的区别。传统双目是“先匹配、再得到深度”，而AI双目的逻辑是“先理解场景、再做深度计算”。算法拿到画面之后，第一步不是找像素匹配，而是先识别场景结构和物体材质，并针对不同的材质调用不同的感知策略。比如面对透明玻璃，传统算法会因为玻璃没有纹理、大部分光都透过去了，直接判定那里没有物体；但AI模型通过参数调整、几何先验等技术的优化，能让模型精准识别玻璃门、玻璃杯等透明物体。
Libra 1000针对不同材质的点云效果演示
Libra 3000针对透明复杂场景的效果图演示
这种逻辑其实和人眼的感知方式高度一致，我们看到玻璃不会觉得那里是空的，会通过反光、边缘判断物体的存在，AI双目第一次让机器拥有了类似的感知能力。
这个“认识材质”的能力从哪里来？答案是数据。光鉴针对透明、高反、黑色、弱纹理等难点场景采集了大量真实数据，同时在仿真环境中生成仿真数据，两者融合，训练出一个对空间有理解能力的模型。
如此一来，算法从数据里学习不同场景、不同材质下的匹配规律。这种方式直接把双目感知的精度边界推到了新的高度。在高噪声、弱信号的情况下准确匹配像素，还原出完整、连续的深度信息，不会再出现大片空洞，实现毫米级的稳定深度输出，完全满足机械臂、灵巧手精细操作的要求。
过去机器人撞玻璃门、抓不住玻璃杯、看不见小零件的问题，第一次在量产级的相机上得到了解决。
光鉴科技没有把上述能力摊成一张参数表，而是收敛成两个产品。
Libra 1000 采用 2cm 基线，定位于腕部操作感知：装在机械臂末端或灵巧手附近，负责近距离精细操作，机械臂抓取、灵巧手操作、遥操作、数据采集。它可选配双目鱼眼镜头，实现超 180°的水平视场，这个规格远超目前业界产品的普遍水平，满足了抓取类操作需要”余光”的精准痛点。
Libra 3000 采用 7cm 基线，定位于头部空间感知：中远距离避障、SLAM 定位、空间建图，输出高质量点云，支撑自主移动与环境理解。它可内部集成空间感知算法，在硬件基础上融合空间理解能力，实现视觉采集、深度计算与空间感知的一体化。
这两个产品已经包括了人形机器人最重要的两类需求。头部对应locomotion，机器人在空间中的运动靠头眼协同完成；腕部对应 manipulation，夹爪或手对目标物体的操作。一个管“走到哪”，一个管”抓什么”。
两款模组均支持GMSL 高速输出，硬件接口标准化。 “从一个客户的平台对接到调通，花个几天到一周就能完成”。目前 Libra 已在人形机器人、工业机械臂、垂类服务机器人等主要场景有标杆客户小批量使用；芯片适配上，英伟达主流平台之外，瑞芯微、爱芯元智等国产芯片平台也已完成适配。
对整个具身智能产业而言，Libra 系列的价值远不止是一款性能更强的深度相机。它最直观的价值，是补上了真实物理世界的感知盲区：机器人不会再因看不见透明玻璃而发生碰撞，不会因弱纹理墙面丢失深度信息，不会因高反、深色物体出现感知空洞，这些曾经反复拖慢落地进度的基础难题，第一次有了成熟的量产级解法。
更具产业分量的是，它重新定义了感知系统在产业链中的角色：从被动响应参数要求的硬件配件，进化为自带场景认知能力的原生感知器官。
技术的突破带来的是更前沿的可能性，而产品化才是可行性。
在做产品定义时，光鉴科技和下游客户讨论的不是“你要买什么样的传感器”，而是“你要解决一个什么样的感知问题”。
比如抓取，拆解开来是定位目标的位置、朝向、不同角度遮挡等一连串功能需求。他给了自动驾驶行业的一个类比，有人做激光雷达，有人做自动驾驶方案，各自拆得很细。而在具身智能行业里，光鉴科技将这两者融合起来，把传感器和空间感知能力融合成一套方案，所有与“看见”有关的问题，都在光鉴科技的半径之内。
用朱力的话来讲，就是帮客户分清感知的边界，让客户聚焦在他们的“大脑”环节。
从场景导向来说，具身智能面对的是复杂多变的物理世界，除了要“看得清”之外，模型还要承担“看清了后怎么做”的环节。因此，具身智能端侧有限的计算资源需要同时支撑感知、定位、规划和推理多个环节。大脑越聪明，留给感知的算力预算越紧张，感知每省下一分算力，都是留给模型推理的资源。这种“花小钱办大事”的方式，也是具身智能企业当下在感知层面组想实现的效果。
由此可见，光鉴科技在产品化时，永远多想了一步，其解决方案并不是“你要我解决什么”，而是“我还能做什么”。
在这条产品化脉络下，光鉴科技的第一个答案是省算力。“具身智能不太可能把很多任务抛到云端来算，所以必须在一个非常有限的算力和结构尺寸下，把这个任务完成。”朱力说。云端方案在延时、可靠性和成本上都过不了本体这一关，感知计算必须发生在相机附近、机器人身上，这进一步压缩了可用的资源空间。朱力特别提到一个产业背景：这两年内存和存储价格高涨，算力成本居高不下，“如果能够在算力上做很多的优化，是能够节省很多的成本”。端侧算力优化在这个时间点，价值被放大了。
光鉴科技的做法，是把光学设计和算法做协同融合，通过模型压缩和与感知系统的平衡，“把几百、上千 TOPS 的算法，压到一个算力只需几十分之一的算法里面”。这意味着更多算力可以留给 VLA 推理、SLAM 定位这些真正决定机器人智能水平的核心任务。
可以拿一个参照系来看这件事的难度。美国某头部公司的产品效果在业内比较不错，但它的方案需要外配一个1000 美金左右的算力盒。“一个相机如果算力就配 1000 美金，那你如果装了三个，那就是 3000 美金的成本在算力上，这个根本没有办法实际应用。”朱力说。以真实数据来看，光鉴科技方案整体的效果优于该公司，同时把计算的成本压了至少好几十倍。在具身智能的语境中，这就是能不能落地的差距。
除了节省感知占用的算力，能提升具身智能落地时的高效率外，光鉴科技还给出了另一个提高效率的方法，从“硬件堆料”到“统一感知底座”的架构升级。
传统机器人感知的思路是“缺什么加什么”，一堆传感器堆在一起，不仅BOM成本高、体积大、功耗高，还会带来数据不同步、坐标系不统一、延迟高、“不同传感器结果不一样该信谁”的协同难题。
而光鉴科技的AI双目视觉，从设计之初就瞄准了具身场景的泛化需求，一套统一的硬件，同时输出毫米级深度图、高清RGB图、稠密点云，原生支持SLAM建图、自主避障、目标检测、精细操作所有视觉任务，不需要再额外堆其他传感器。
所有数据来自同一套光学系统，天然实现亚毫秒级同步，没有坐标系对齐的问题，延迟比多传感器方案低一个数量级。同时算法支持OTA持续升级，随着数据积累，感知能力会越来越强，不用更换硬件就能解锁新的能力。
对整机厂而言，这不止是少装几个传感器的成本节省，更是感知系统从“拼凑式” 到 “一体化” 的架构升级。同源数据保证了信息一致性，端侧闭环大幅降低时延，统一接口缩短了开发周期。研发团队可以从繁琐的感知集成工作中解放出来，把精力投入到模型、运控这些核心竞争力上。
能做到这一点，靠的不是某一个单点技术，而是软硬协同的底层结构。朱力认为这是把感知做好的必要条件：传感器往什么方向优化，需要算法来驱动；而算法要把整个系统设计得更稳定、更有效，又需要光学能力来支持。这是一条完整链路，必须一起来做协同设计，才能得到最优解。
这个链路的底座，是自研的纳米光学芯片，为光学硬件提供更强的感知能力和效果，往上是感知算法栈，把底层3D 空间感知与 SLAM、识别分割等应用层算法和光学融合；再往上是端侧计算优化，在极其有限的算力和结构尺寸里完成任务。三层能力互相咬合，感知这个最基础也最硬的骨头被啃下。
从这两个维度来看，光鉴科技不只是在做一个技术更强的产品，而是用“多想一步”的思维，做一个真正能落地的产品。这种思维方式区别了常见上游“供应商”的思考逻辑，而是“基础设施”的落地脚印。
当感知不再是卡脖子的短板，整机厂商便不必再将大量研发资源消耗在底层感知的重复造轮上，转而可以聚焦于模型迭代、运控优化与场景落地。这正是产业基础设施的核心价值，它悄悄拉高了整个行业的落地下限，让所有玩家都能站在更坚实的起点上，向更复杂的真实物理场景加速推进。
从2018 年到现在，八年多的时间里，光鉴在家用、水下、商业、工业等各种各样的垂类机器人场景里交付过产品，积累了大量工程化经验。这些过往履历核心是一件事，怎么样把系统做稳定，让相机换了光照、换了场景、换了环境，依然有非常稳定的效果。稳定性无法被设计出来，只能被交付出来。
但过往的履历只是光鉴科技叩开具身智能大门的船票，却远不是航程的终点。
针对具身智能行业发展极快、技术路线尚未确定收敛等特点，光鉴科技也转换了产品化思路。通过OTA 持续升级，让同一套硬件可以随着算法迭代不断解锁新能力，使得客户买的不止是当下的能力，还有未来的空间。
OTA 解决的是单款产品的纵向成长，矩阵化布局则覆盖了全场景的横向需求。光鉴科技搭建了矩阵化产品。这种布局的背后，是对行业发展规律的判断。具身智能至今没有形成统一的形态标准，人形、机械臂、服务机器人各有路径，对感知的基线、视场、精度要求差异极大，此外VLA、世界模型等技术路线持续迭代，每种路线对感知能力等要求差异极大。单品研发模式下，难以匹配客户需求节奏永远滞后于行业变化。而矩阵架构，可以跟上整机厂商的迭代速度。
“很多人说视觉感知已经很成熟了，那是因为过去的场景还没有触碰到感知的边界。” 朱力判断，随着具身智能向真实物理场景深入，感知的技术迭代才刚刚进入加速期。
在朱力看来，感知与模型从来不是“感知成熟等待模型调用” 的单向关系，而是互相拉动的螺旋上升。一年多以前，行业的注意力还集中在机器人能否稳定行走、完成简单演示，那时对视觉的要求仅停留在 “能识别大致位置、不撞到障碍物”。而当 VLA 模型、世界模型快速落地，机器人开始承担复杂的操作任务，对感知的精度、稳定性、场景泛化能力的要求立刻被拉高了一个量级。模型越聪明，对输入信息的质量就越挑剔；反过来，感知精度每提升一毫米，模型训练的数据质量就上一个台阶，最终执行任务的成功率也会随之显著提升。
据具身研习社了解，光鉴科技将推出数据采集产品。将现有感知能力整合成更适配数据采集场景的方案，让数据采集设备从可用变为好用。当采集端和本体端使用同一套底层技术时，数据从采集设备迁移到本体训练模型，也会天然更适配。
当行业的聚光灯更多投向大模型、世界模型这些“大脑”环节，感知常常被默认为已经成熟的解决方案，似乎没有太多想象空间。但光鉴科技的路径恰恰说明，当AI 真正走向物理世界，感知恰恰是最有纵深的赛道之一。
从卖硬件到提供完整感知方案，从一锤子交付到持续进化，从本体感知到数据采集闭环，感知的边界正在被不断拓宽。它不再是产业链的一个零部件，而是拉动整个具身智能产业迭代的底层基础设施。
八年工程沉淀是入场的底气，却远不是故事的全部。物理AI 时代的视觉感知想象，才刚刚拉开序幕。
