人形机器人是终局，但刚需场景才是具身智能的当下

作者 | 李沐蓉

具身智能的热度正在迅速升温。

估值在不断抬高，故事也在变得更加宏大，但真正可落地的产品，依然稀缺。

在当下具身智能赛带动辄百亿估值、融资屡创新高的热潮里，今年 3 月下旬，星灿智能完成的千万级融资，显得格外低调。

但我们视线从融资额移开，了解星灿智能的技术路线和商业判断，会发现一个信号：

这家公司，可能代表着另一条路径，一条更接近现实商业化的路径。

星灿智能的团队自带鲜明的「智驾基因」——创始人李战斌及团队成员均来自吉利、百度 Apollo 等智驾团队。

他们没有一上来就做人形机器人，而是主攻两款产品：割草机器人与智能轮椅。

他们的核心思路很明确：将 L4 级空间智能与具身智能技术下沉到家庭和康养这两个刚需场景，打造「空间智能+具身交互」的出行陪护机器人，实现先感知控制，后认知智能。

可以看到，星灿智能正在验证一件事情：具身智能不必从「最复杂形态」开始，其实也可以从「最可落地场景」开始。

离开公路，智驾人的下一个出口

星灿智能团队成员清一色来自智驾背景，这并非个例。

从 2024 年开始，智能驾驶领域的核心人才正在大规模离开智驾赛道，涌向具身智能赛道。

理想汽车前 CTO 王凯、理想前 AI 首席科学家陈伟、原地平线智能驾驶总裁余轶南... 纷纷跨界入局具身智能。

这股人才迁移并非是偶然，背后是整个智能驾驶行业的发展瓶颈。

深究原因，本质上是智能驾驶行业不再提供确定性回报。

过去十年，Robotaxi 一直是智能驾驶行业的「终极梦想」，资本也为此投入了上千亿资金。

萝卜快跑、小马智行、文远知行、滴滴自动驾驶等企业也已经在北京、广州、深圳等地实现常态化载客，但是 L4 级自动驾驶规模化落地，依然面临着较大的瓶颈。

单车智能在长尾极端场景、全天候鲁棒性、全场景冗余上仍存在无法突破的技术局限，安全底线没有完全筑牢。

同时，场景碎片化严重、B 端和 C 端协同不足，尚未形成可复制的商业闭环。

技术落地一再推迟，资本的耐心也逐渐耗尽，不少投资人开始观望。

更关键的是，车企纷纷收缩智驾自研投入，转向外部合作模式——在汽车智能化节奏加快的背景下，高投入、长周期的自研路线弊端愈发凸显，曾经的「核心增长引擎」，正在逐渐变成「成本中心」。

对于身处行业之中的算法工程师而言，更核心的问题在于边际价值的下降。

智驾行业已经过了「快速扩张期」，进入了工程化收敛期。

感知、决策、规划模块已经相对成熟，头部方案在高速公路、城市快速路等结构化场景中的表现已经接近天花板。

而剩余的长尾问题，更对依赖海量数据采集与极端场景依赖，而非算法的单点突破。竞争日趋激烈，人才的发展空间也越来越窄。

相较之下，具身智能尚处于早期爆发阶段，技术与智驾高度重合，却拥有更广阔的想象空间和资本热情。

对人才而言，这几乎是一个顺理成章的技术延伸与价值再释放之地。

因此，智驾精英「转战」具身智能，与其说是主动选择，不如说是智能驾驶的「确定性」在消退，而具身智能提供了一个技术复用度高、需求更刚性、场景更广阔的新出口。

看懂物理世界，机器人才能真正走进家庭

对家庭机器人来说，问题从来不是「有没有大模型」，而是能不能看懂物理世界。

那空间智能是什么，它为何是解决家庭复杂环境的最优解？

简单来说，语言大模型是让 AI 学会理解文字，空间智能就是让 AI 学会理解物理世界。

李飞飞将空间智能称为「世界模型的基石」，她曾下过一个精准的定义：

「空间智能就是让 AI 在三维世界中拥有感知、推理、行动的能力」。

她表示，空间智能解决的是「小脑」和「感官」的闭环，让 AI 拥有对三维空间的实时感知和身体协调能力。

没有空间智能，再强大的语言模型也只能停留在屏幕里，而有了空间智能，AI 才能真正走进我们的客厅、厨房和卧室等复杂的场景。

扫地机器人遇到移门的门槛过不去、客厅地毯上不去，遇到其他凳子腿、沙发腿也只会转圈圈——这是当下机器人在家庭场景中的普遍困境。

不久前，某保洁机器人进入家庭做家务，缺点也很明显：

叠一件衣服要接近 10 分钟，动作笨拙，夹鞋滑落，可进入的场景十分受限。

出现这些情况的核心原因是，机器人的动作大多是基于预设程序，一旦环境发生微小变化，机器人往往会无所适从，在「感知、预测、控制」上三者未能形成高效闭环，导致在陌生环境中的抗干扰能力不足。

这也揭示了一个行业现状：

机器人的硬件本体正在快速发展，但它「大脑」和「小脑」这些对物理世界的感知、理解并做出快速反应的能力却相对滞后。

为什么空间智能是家庭场景的最优解？

因为家庭环境的核心特点是「非结构化、不可预测、高度多样化」的。

孩子的玩具随手乱放，家具布局因人而异，光线、遮挡、地面起伏等突发情况层出不穷。

每个家庭的布局、物品收纳、生活习惯都不一样，这对具身智能进入家庭提出了极高要求。

传统机器人基于预设规则和固定路径运行，遇到突发情况，就很容易「罢工」。

而拥有空间智能的机器人，能像人一样实时构建对三维空间的语义理解，自主判断是绕行还是等待，是立即制动还是缓慢通行。

星灿智能做智能轮椅，就是先解决空间理解与运动控制，再叠加智能。

他们自研 XcanSense 5D 感知系统，作为实现空间智能的技术底座。

通过多传感器融合，实现对室内外环境的实时厘米级语义建图与理解，让机器人获得通用的「空间认知」能力。

同时，他们将 L4 自动驾驶的车规级技术架构进行「轻量化」改造，提出「大小脑协同」架构。

「大脑」（决策层）负责任务规划与场景理解；

「小脑」（控制层）专攻高实时性的运动控制与动态避障。

这相当于为机器人配备了一套「室内外通用高精地图」和「环境理解大脑」，使其能在书房避让桌椅，也能在庭院识别草坪与花坛的边界。

现在，越来越多的企业开始探索空间智能。

宇树 G1 人形机器人搭载 OpenClaw 后，已经能初步认识空间和时间，知道房间、人和物体的位置。

在 2026 AWE 现场，扫地机器人已经慢慢长出「大脑」（AI 芯片）、「眼睛和耳朵」（多模态传感器）、「手脚」（机械臂与轮足），并学会「思考」（大模型自主决策）。

例如，石头科技 G30S Pro 引入 RGB 摄像头+三线结构光的融合感知系统，结合 Reactive AI 避障算法，可识别超过 280 种常见障碍物；

追觅 X60 系列实现 AI 大模型支持自然语言交互，机器人可理解用户模糊需求，自主规划、决策路径完成任务。

总之，从虚拟走向物理，对真实空间的认知与重建，已成为 AI 进化的必经之路，机器人进入家庭环境，空间智能是最优解。

具身智能商业化，好用比形态更重要

回归星灿智能，为什么会说是最接近「现实商业化的」的玩家之一？

现在具身智能赛道，大多数玩家执着于通用人形机器人的研发，但往往会陷入重形态、轻实用的困境，短期内无法实现技术落地。

而星灿智能的核心优势，在于对行业需求和技术战略的精准把握。

它没有追逐「人形机器人」的行业热点，而是锚定家庭康养这一刚需赛道，将资源集中在最核心的感知与决策能力上，快速实现产品闭环。

过去的电动轮椅，甚至多数同类智能轮椅，都只解决了「移动」这个基础需求，却没有解决老人出行的安全、独立和陪伴问题。

同类智能轮椅要么过于注重功能堆砌，单纯增加导航、语音控制等基础功能；要么陷入「技术内卷」，盲目搭载高端硬件，导致成本高企，难以走进普通家庭。

星灿精准抓住了老人出行的核心诉求，将智驾领域的多模态感知技术，深度嫁接到智能轮椅上。

在感知层面，星灿采用激光雷达+双目视觉+毫米波雷达+IMU 的多模态感知方案，构建了远超同类产品的感知网络，实现了厘米级的环境感知和动态预测，无论是夜间、强光还是昏暗环境，都能稳定运行。

在决策规划层面，星灿采用端侧小模型与规则兜底的混合架构，常见的指令比如紧随、避障、路径规划，可以实现毫秒级响应。

复杂语义理解则调用本地轻量级 LLM，避免了云端大模型导致的延迟、断网等问题。

与同赛道的 Strutt ev¹ 相比，据公开资料，Strutt ev¹搭载 2 个激光雷达、10 个飞行时间传感器，具备 360°避障能力，在硬件规格上较为完善。

但其产品定位更侧重「高精度控制」而非「深度环境认知」，在识别动态物体与语义理解层面仍有局限；同时其核心能力依赖持续的算法迭代更新。

此外，其售价高达 7499 美元，高昂的成本也让普通家庭难以承受，商业化普及难度比较大。

而星灿智能以「空间智能」为核心，通过技术优化实现性能突破，其 5D 感知系统可在嵌入式芯片上运行，满足消费级产品的成本要求，预计 2026 年 Q4 量产。

「感知优先、轻量化模型」的路线天然具备成本可控优势，更能精准适配家庭场景的动态需求。

这意味着，星灿所采用的「感知优先、轻量化模型」路线，其所需的硬件成本已经降至可大规模普及的区间。

更具行业价值的是，星灿推行「沿途下蛋」的战略：

割草机器人提供了大量户外非结构化场景数据。

地形起伏、光线变化、动态障碍物，这些正是空间智能系统最需要的训练素材，积累完成后直接复用到智能轮椅的室内外感知研发中。

后续逐步向类人陪护机器人延伸，每一款产品既是可盈利的商业载体，也是下一轮技术升级的基础设施，通过数据与技术的积累实现复利效应。

这种「不追求一步到位、从刚需场景切入、技术复用迭代」的模式，也说明了具身智能商业化的核心不在于形态，而在于「能用、好用、能盈利」。

人形机器人或许是具身智能的终局，但刚需场景才是走向终局的必经之路。

星灿的选择提示了一种可能：

在这个行业里，最先跑通商业闭环的，未必是最炫的那个，而是最先解决真实需求、破解现实痛点的那个。