港股新贵乐动机器人：押注物理AI，做空间感知基础设施

乐动机器人近期登陆港交所主板，其长期押注的机器人空间感知路线正在进入新阶段。这家成立近十年的公司将自身定位为「物理 AI 时代的数据精炼厂」——把多模态传感器采集的原始数据，加工成可供大模型训练的结构化「空间 Token」。

从扫地机到人形机器人：押注不变的底层需求

乐动机器人董事长周伟向量子位表示，无论机器人最终落地于家庭、酒店、仓储还是工厂，最底层的共性需求始终是「理解环境」。这一判断驱动了公司过去十年的产品布局：2017 至 2018 年服务扫地机器人，2019 年进入物流仓储，2020 至 2021 年覆盖无接触服务场景，2023 至 2024 年切入割草机器人，2025 年起延伸到人形机器人、机器狗等新方向。

据公司披露，2025 年其核心产品 DTOF 激光雷达出货量超过 400 万台，搭载乐动视觉感知技术的设备量已突破 2000 万台。割草机器人被列为公司第二增长引擎，主要销往欧美与澳洲市场，第三方机构预计 2030 年全球智能割草机器人市场规模将增至 62.5 亿至 100 亿美元。

LD-SenseWorld：聚焦物理空间的多模态大模型

乐动自研的 LD-SenseWorld 灵境物理空间交互大模型并非通用大模型，而是专门面向物理空间智能。其核心能力被拆解为三层：

• 多模态数据预处理与融合：对视觉、激光雷达、IMU（惯性测量单元）等不同来源、不同步的数据进行对齐与清洗，形成统一时空基准。
• 特征提取与空间 Token 化：将位置、距离、物体关系、运动状态等连续物理信息压缩为离散「空间 Token」，建立机器人可读、可计算的基础语言。
• 语义化与物理一致性注入：在结构化数据之上引入物理约束与因果逻辑，使输出具备「什么能移动、什么会坠落」等行动可用的语义。

公司将其整体技术架构概括为「物理 AI 三层核心」：硬件感知层负责采集原始数据，模型层负责加工成可训练数据，数据层则依靠真实设备持续运行输出结构化、语义化的空间 Token，最终形成「硬件→数据→模型→硬件」的数据飞轮。

行业竞争焦点：从运动能力迁移到感知能力

文章援引周伟的观点认为，机器人行业过去的竞争叙事围绕运动能力展开（谁能走路、避障、抓取），但随着具身智能进入真实应用，单一动作能力已无法应对开放环境与长尾情况。下一代机器人需要持续理解不断变化的物理空间，而理解的前提是感知。

周伟将「感知」拆为两层：第一层是「感」，即传感器采集环境数据；第二层是「知」，即通过算法与模型将数据转化为对环境、空间和物体的认知。在他看来，传感器只是入口，真正的竞争在于谁能将入口数据进一步加工为空间智能。

创始人履历与关键决策

1986 年出生的周伟在大学时期曾获中国机器人足球锦标赛冠军。2012 年，他与华科校友郭盖华在深圳创立乐行天下，以智能平衡车起家，2014 年完成 1 亿元 B 轮融资。2017 年，两人再次创业成立乐动机器人。

2022 年行业低谷期，投资人曾建议压缩研发以保现金流，周伟选择「all in 感知技术」。他后来半开玩笑地将此归因于「直觉」，但其底层逻辑是判断感知是所有机器人长期共性需求，而非阶段性功能。这一投入在 2024 至 2025 年机器人产业新一轮爆发期开始释放回报。

从硬件供应商到「物理 AI 感知基础设施平台」，乐动机器人正在公开市场重新定义自己的角色。