宇树王兴兴谈具身智能挑战：机器人「眼睛」为何成第一战场
作者｜安富建 在 2026 世界物理 AI 大会暨宇树合作伙伴生态大会上，宇树科技创始人王兴兴直指具身智能下一步发展的关口：目前具身智能迈过 ChatGPT 时刻的最核心挑战，是 AI 模....
在 2026 世界物理 AI 大会暨宇树合作伙伴生态大会上，宇树科技创始人王兴兴把话挑明了：具身智能要迈过 
ChatGPT 时刻，最核心的难关在于 AI 模型的输入输出跟真实机器人的执行怎么对上。
这个被点名的「对齐」，说白了就是具身智能真正落地要先啃下的硬骨头——数据层。数据对不齐，机器人就算学会了脚往哪迈、手往哪抓，走起来照样晃，抓起来照样松。
正因如此，采集高质量物理数据的入口——机器人的「眼睛」，成了具身智能较量的第一个战场。
真实世界的数据不好找、采起来又贵，这已经是人形机器人行业公认的卡点。为了把这道数据鸿沟填上，业内分成两条路走：一条是李飞飞团队买下仿真公司 SceniX，拿虚拟数据补缺口；另一条是把硬件做硬，让传感器在源头就直接产出时空对齐的真实数据。两条路走到头，指向的都是机器人感知整体迈向「空间智能」。
行业一齐押注空间智能之后，技术底子不同的玩家纷纷亮出自己的感知硬件方案，抢的是下一代机器人视觉的定义权。
眼下这股力量大致分两拨：一拨是从车载激光雷达跨界进来的厂商，另一拨是从传统工业视觉切进具身智能赛道的厂商。
多传感器融合的「阿喀琉斯之踵」
激光雷达这一拨里，禾赛今年 4 月推出 6D 全彩 SPAD-SoC 芯片「毕加索」，在芯片层面把彩色信息和 ToF 测距做到像素级融合；华为激光视觉 Limera 于 3 月上市，走一镜双模架构，同样让激光雷达和摄像头在物理层面合到一起；速腾聚创拿出的则是硬件级系统集成方案。
这些厂商靠「多传感器融合」（比如激光雷达加 RGB 相机再加 IMU），从产品端把感知维度抬了上去。可这套看上去挺完美的方案，放到真实机器人操作里却老是撞上「阿喀琉斯之踵」。
传统感知设备成像缺陷示例
症结落在「时间维度」上。各类传感器的采样频率和触发时序本来就对不齐：深度相机大约 10Hz，激光雷达大约 10-15Hz，RGB 相机则在 20-30Hz。常见做法是让算法去「猜」或者硬对齐。可哪怕只晚了几百毫秒，一层层转换下来，系统拿到的数据也已经偏离了真实物理世界。
展会上机器人抓杯子时手部常见的那种抖动，感知数据的时空偏差就是原因之一。
工业视觉新势力入局，
重新定义「眼睛」
要打破多源数据融合的僵局，得往底层硬件里找新办法。
这样的局面下，工业机器视觉的巨头开始加快扩张，成了机器人感知领域一股「新势力」。9 月，康耐视花约 6 亿美元收购 3D 视觉部门 RealSense；国内奥普特、联检科技等也在加紧布局。巨头买的是入口，抢的是未来行业的定价权。
这些新势力当中，有一家公司走的技术路线完全不一样——杭州时空张量机器人科技有限公司，一家由中国工程物理研究院背景、专攻「具身之眼」的空间计算智能感知企业。
在 2026 世界机器人大会（WRC）上，时空张量摆出了名为「天眼」的 7D 空间智能相机，现场拿下三个「第一」：点云图全场第一、深度图全场第一、时空同步全场第一。
这里说的 7D 空间智能感知，是指在一枚传感器里做出「一路双光」的光路设计：一次采集就能拿到 X/Y/Z 三维坐标、RGB 色彩语义，外加一个高精度时间戳，共 7 个维度信息。
跟禾赛、华为等厂商「多个传感器融合」的路子比，「天眼」只有单个传感器、单个物理信号。
架构上的这种根本差别，让同源数据不必在后端再做复杂的融合与标定，空间位置、颜色语义和时间维度在物理层面就是天然对齐的。这不只是维度多了，更关键的是上游核心零部件的价值链变了——从单纯「卖硬件」，转到卖「智能+数据」的融合。
为什么「天眼」能看得更清楚？
RGB 相机把信息压成平面图像，激光雷达靠机械旋转发射点激光，而「天眼」能感知到更高的维度，靠的是底层器件上的突破。
「7D 空间智能相机」依托「高时间分辨的空间计算智能成像技术」，把四项核心技术集于一身：高能量高重频纳秒脉冲激光照明、皮秒级时序同步控制、空间推扫切片成像与三维重建、单光子级高灵敏度成像技术。
多源数据撞在一起时该听谁的，这个判定难题被这套技术绕了过去；同时，多项关键指标做到了全球领先：
精度和密度都拉到了极致：点云输出速度达到每秒 3072 万个，属于超稠密级别（主流车规级激光雷达大多在百万至千万点/秒的量级），XYZ 空间精度为 ±3 毫米。
环境盲区也被打破：户外强光下的玻璃、镜面这类高透明、高反光物体，可以无孔洞完整重建，填充率达到 100%；到了暗光、暴雨、浓雾环境，则靠切片成像把散射干扰滤掉。
帧率同样很高：25Hz 全分辨率实时生成三维数据，空间数据的更新节奏能跟上机器人的动作。
上图是高透明玻璃的点云重建对比：传统方案点云缺失；下图里，「天眼」把高透明物体的轮廓完整重建了出来。
今年「钱往上游走」的势头很明显，「天眼」这类感知产品冒出来并不奇怪。传感器是机器人领域技术门槛最高的环节，也最容易被跨界巨头降维打击。新公司想挤进这个圈子，只靠参数不行，手里得有巨头短期抄不走的技术源头。
7D 空间智能感知背后有国家级科研院所背景，属于高精尖技术的成果转化。时空张量的内部测试数据显示，这套硬件方案能帮机器人产品少用 2～3 颗传感器硬件，标定综合成本下降 60% 以上，SLAM 建图精度最多提升 3 倍。
现在，「天眼」已经在前端实现了激光 ToF、视觉与 IMU 的物理级融合；车载版本进入头部新能源车企的上车测试阶段，同时还与国内某头部企业联合开发人形机器人视觉系统。
英伟达创始人黄仁勋多次讲过，「下一波浪潮是物理 AI」。行业还在模型和算法上持续内卷的时候，机器人感知的竞争已经绕不开数据源头。
以时空张量为代表的空间计算智能成像技术，把感知环节往前挪了一步，也抬高了机器人感知能力的上限，为机器人在物理世界里理解事物、完成操作提供了另一套底层解法。至于最终价值有多大，还要看接下来的产业落地。
