空间智能（Spatial Intelligence）行业深度研究与供应链商业化报告
本文位置：这是行业判断路线的总入口。它先建立空间智能的产业地图；如果想继续看价值捕获，可以读 AI 基础设施产业链：利润分配与价值捕获；如果想看核心平台控制力，可以读 NVIDIA 在空间智能与具身智能的绝对统治力。
来源边界：本文为 Gemini Deep Research 辅助生成、再经人工筛选整理的行业观察笔记。核心价值在于搭建问题框架；具体数据、公司动态和产业判断请以最新公开资料为准，不构成投资建议。
第一部分：空间智能到底是什么
空间智能（Spatial Intelligence）是指人工智能系统理解、导航并与三维物理世界进行实时交互的底层能力。在产业和通俗层面上，如果说大语言模型（如ChatGPT）是拥有海量人类知识但被关在”小黑屋”里的纯粹大脑，那么空间智能就是赋予这个大脑一双眼睛、一套前庭系统（感知空间位置）以及对物理法则的直觉。空间智能使得人工智能不再局限于屏幕上的二维像素或纯文本，而是能够理解”杯子在桌子上、桌子在房间里、房间的门外是走廊”，并且明白杯子掉在地上会受到重力影响而碎裂、不同物体之间存在空间遮挡与相对景深关系。人类对世界的理解天然是整体性和三维的，不仅关乎视觉看到了什么，还涉及物体在空间上的意义及其物理属性，空间智能正是机器跨越数字鸿沟、实现真正通用物理智能的关键突破口 。
最近两年空间智能的突然爆发，其深层逻辑在于大模型技术在纯虚拟数字世界遭遇了向物理世界延伸的瓶颈。大语言模型虽然在文本逻辑和代码生成上取得了惊人的进展，但在理解现实、赋能创造者以及控制物理机械等方面能力严重不足 。同时，算力基础设施的成熟、多模态视觉语言模型（VLM）的发展，以及三维渲染技术（如3D高斯泼溅）的底层突破，使得系统能够在边缘计算设备上实时处理庞大的三维空间数据。行业内普遍形成共识”AI正在进入物理世界”，是因为数字经济的规模终究有其天花板（即比特经济），而物理世界（包括制造、物流、服务、建筑、农业等原子经济）占据了全球GDP的绝大比例。要让AI接管或辅助这些物理世界的产业，AI就必须具备理解空间和操作实体的能力。在此技术生态中，大语言模型提供基础的逻辑推理与常识网络，自动驾驶是空间智能在特定开阔道路场景下的极度垂直应用，而具身智能机器人则是空间智能最综合的物理载体。 斯坦福大学教授李飞飞（Fei-Fei Li）被公认为该行业的重要奠基人，因为她在上一代AI浪潮中通过创立ImageNet数据集，赋予了AI理解二维图像的能力，从而开启了深度学习的黄金十年。如今，她敏锐地洞察到当前AI在物理空间三维理解能力上与人类存在巨大差距，空间智能将是AI的下一个前沿 。为此，她创立了World Labs公司，在成立短短几个月内便完成了超过2.3亿美元的融资，估值迅速突破10亿美元，获得了a16z、NVIDIA、AMD、Intel及Autodesk等顶级机构的加持 。World Labs推出了首款商用世界模型Marble 。在真实的商业案例中，Marble展现了颠覆性的能力：传统的游戏开发者或影视美术指导需要耗费数周时间利用Maya或Blender进行人工3D建模，而现在通过Marble系统输入一张概念图或一段文字提示，系统即可直接生成一个可交互、可下载、具有精准三维布局且持久化的高保真数字场景 。这不仅彻底改变了内容创造的商业工作流，更是未来训练具身智能机器人所需的高仿真物理模拟环境的基础设施 。
第二部分：行业技术地图（产业视角）
空间智能产业由一系列从感知到认知、再到执行的技术栈构成。为了在商业化供应链中寻找合作机会，必须清晰理解这些技术在真实行业中的运作机制及其对硬件体系的深度依赖。 SLAM（同步定位与建图）是设备在未知环境中移动时，利用自身携带的传感器实时构建环境地图并同时估算自身绝对或相对位置的技术 。在真实的商业场景中，无论是地下管廊的无人机巡检、矿山的无人卡车，还是测绘人员手中的手持扫描仪，均重度依赖SLAM算法。由于GPS信号在室内或地下会丢失，SLAM成为了设备”知晓自己身在何处”的唯一依靠。该技术对边缘AI设备的算力要求极高，系统必须实时处理庞大的点云和图像矩阵运算。因此，它高度依赖NVIDIA Jetson等高性能边缘计算模块，以及高频的工业级IMU（惯性测量单元）来提供精准的姿态数据 。 LiDAR（激光雷达）通过发射激光束并测量其反射时间（ToF）或频率变化来精确计算物体距离，是生成空间物理尺寸数据的绝对核心传感器。在真实的工业与自动驾驶应用中，摄像头容易受逆光或暗光影响，而LiDAR能够提供不受光照影响的绝对深度信息 。目前行业正在经历从昂贵、笨重的机械式激光雷达向体积更小、成本更低的混合固态及FMCW（调频连续波）激光雷达的演进，例如大疆览沃推出的Mid-360 。LiDAR的运转高度依赖高精度的光学透镜、激光收发芯片（VCSEL/SPAD）以及负责处理海量点云数据的高速数据传输接口。 点云（Point Cloud）是LiDAR或深度摄像头扫描物理环境后生成的由无数个三维坐标点（X, Y, Z）组成的数据集，通常还包含反射强度信息 。在建筑施工行业，工程方利用点云来精准测量土方堆体体积，或将其与BIM（建筑信息模型）进行对比，以检查施工误差 。点云数据体量庞大，动辄数GB的单次扫描文件对存储设备的连续写入速度和主板的数据总线带宽提出了极高的硬件要求。 三维重建（3D Reconstruction）则是将点云、图像等离散数据转化为连续的三维立体模型的过程。现代的三维重建融合了SLAM与AI算法，能够实时生成带有真实色彩和几何结构的Mesh（多边形网格）模型 。在应急测绘、事故现场保留或文化遗产保护等场景中，这一技术极具商业价值。由于其涉及到海量的纹理映射和多边形生成，三维重建核心硬件依赖于带有强大GPU显存的本地计算工作站或定制化的边缘AI盒子。 NeRF（神经辐射场）与Gaussian Splatting（3D高斯泼溅）代表了新一代的AI空间渲染技术。传统的重建模型往往显得生硬，而NeRF利用神经网络通过视角的推导来合成逼真的新视角图像，理解光线在空间中的传递。Gaussian Splatting则是NeRF的一种更高效的替代方案，它用数以百万计的3D高斯椭球体来表达场景，极大地提升了渲染速度并降低了算力消耗 。在城市规划和虚拟制片行业，机构利用3DGS技术可以在几十分钟内将一条街道的实景转化为可供交互的高保真三维模型，彻底替代了耗时数周的人工建模 。这一方向在云端高度依赖NVIDIA H100等算力集群进行离线训练，但在边缘推理端，也显著推高了对消费级GPU及大显存设备的采购需求。 World Model（世界模型）是具备生成性、多模态性和交互性的AI系统，它不仅生成画面，更重要的是学习并内化了物理世界的内部规律和表征 。不同于Sora等视频生成模型可能出现”水往高处流”的物理谬误，世界模型理解重力、碰撞、遮挡等常识。World Labs推出的Marble就是世界模型的商业化落地产品 。在产业应用中，世界模型主要用于构建自动驾驶和机器人的高保真模拟训练场，极大减少了在真实物理世界收集试错数据的成本和风险。它极度依赖超大规模的数据中心、万兆高速光模块互联以及庞大的算力底座。 Spatial AI（空间智能）与Embodied AI（具身智能）是相辅相成的概念。Spatial AI侧重于设备对环境的感知、建模与理解；而具身智能则是将这种理解转化为物理实体（如机械臂、双足机器人）的实际动作。VLA（Vision-Language-Action，视觉-语言-动作）大模型是具身智能的核心大脑。以Physical Intelligence公司开发的π0（pi-zero）模型为例，它不仅能理解文本指令和视觉图像，还能直接输出底层的电机控制指令（Flow Matching架构）。这意味着一个统一的基础模型就能控制不同形态的机器人执行诸如折叠衣物、包装咖啡豆、卸载货物等复杂物理任务，而无需针对每个任务重新编写生硬的控制代码 。VLA技术对工业机器人的伺服电机响应速度、六维力矩传感器的精度以及工业连接器的数据同步延迟提出了史无前例的挑战。 边缘计算（Edge Computing）与空间计算（Spatial Computing）构成了这一切的基础设施。边缘计算是指在靠近数据源头（如机器人本体或工厂摄像头端）进行数据处理，以满足工业场景对低延迟和数据绝对隐私的刚性需求 。空间计算则是由苹果Vision Pro等设备带火的概念，指人机交互不再局限于二维屏幕，而是将数字信息无缝融入三维物理空间。这些方向催生了对边缘AI算力盒子、工业级电源管理IC、大面积均热板散热器以及高密度集成PCB的庞大工业级需求。
| 核心技术集群 | 真实行业工作机制与商业案例 | 硬件与电子元件的深度依赖 | 最依赖的核心硬件体系 |
|---|---|---|---|
| SLAM & LiDAR感知 | 矿山无人卡车避障、地下管廊无人机巡视、变电站设施三维数据采集 | 激光发射/接收芯片(VCSEL/SPAD)、高频工业级IMU、微步进电机、高透光学组件 | LiDAR传感器阵列、Jetson边缘模块、高频线束连接器 |
| 3DGS & 三维重建 | 工程土方量自动计算(扫描至BIM)、影视虚拟制片场景生成、文化遗产高保真数字化 | 高清多目工业摄像头阵列、高读写速度固态硬盘(SSD)、大容量板载内存 | 高性能消费级/专业级GPU工作站、边缘AI处理盒子 |
| 世界模型 (World Model) | 自动驾驶系统的云端仿真测试、机器人进入新家庭环境前的虚拟试错与学习 | 海量存储芯片、高速光通信模块、高带宽显存(HBM) | 云端超算中心(如NVIDIA H100/B200集群) |
| 具身智能与VLA大模型 | 通用机器人根据人类口语指令抓取不规则物体、柔性产线上的跨任务自动装配 | 多维力矩传感器、触觉电子皮肤、超低延迟电机驱动芯片、瞬态大电流电源管理(PMIC) | 机器人本体伺服系统、边缘推理芯片及高强度PCB |
第三部分：其域创新（XGRIDS）深度分析
在评估潜在的供应链合作时，深入剖析中国空间智能行业的代表性企业至关重要。其域创新（XGRIDS）作为一家致力于构建空间智能平台的科技公司，展示了极具商业化价值的产业路径，并获得了深创投和美团等顶级机构的投资 。 其域创新定位为三维时空智能基础设施的提供商，其核心愿景是构筑物理世界与数字世界的桥梁，为AI进入真实世界提供基础能力支撑 。其核心产品线形成了完整的软硬一体化闭环。硬件方面，主要包括Lixel系列多源感知扫描仪（如主打高精度的灵光Lixel K2手持激光雷达、以及面向大面积测绘的凌巡Lixel Sky S1应急测绘多源感知无人机挂载设备）。软件方面，推出了LixelStudio一站式点云处理软件，支持从SLAM建图、地图融合到点云切片、堆体测量等自动化工程级数据处理 。 从技术路线上看，其域创新属于Spatial AI中的”空间多源感知与高精三维重建”这一细分类别。其技术路线是将前端传感器（高精度LiDAR、多目视觉摄像头阵列、红外传感器、高精度RTK惯导）的硬件数据流进行深度融合，再结合后端的PPK-SLAM算法和首创的3D高斯泼溅（3DGS）三维重建技术 。该公司不仅能生成传统的点云与Mesh网格，还率先将3D高斯重建技术引入工业应用，使得生成的三维数字内容既具备工程级的厘米级乃至毫米级精度，又拥有照片级的真实色彩渲染（Lixel CyberColor）。 在产业生态中，其域创新扮演着”物理世界数字化翻译官”与数据资产生成器的角色。它与NVIDIA、机器人产业以及数字孪生产业有着极强的上下游协同关系。通过将其生成的高保真物理世界数字资产导入NVIDIA Isaac Sim等物理仿真平台，其域创新能够为具身智能机器人提供逼真的合成训练数据与测试环境，极大地缩短了机器人部署到新物理空间的周期 。在商业应用中，其产品已广泛应用于跨海大桥勘察、工厂扫描建模（如某电力工厂改造项目的Scan-to-BIM）、新西兰文化遗产保护、以及土耳其2000平米建筑工地的土方量计算等 。在加拿大埃德蒙顿的城市设计项目中，其设备在40分钟内完成了500米街道的厘米级精度采集，节省了约80小时的传统建模时间 。 从硬件体系和供应链采购的角度来看，其域创新的设备是典型的高集成度边缘AI硬件。它可能重度依赖以下硬件体系并产生相应的电子元件采购需求： 首先，设备高度依赖多源传感器套件，尤其是小型化的固态或混合固态激光雷达，这类组件直接决定了点云数据的精度与穿透力。其次，为了实现照片级着色，设备必须采购高质量的工业级多目深度相机和高精度IMU模块 。在核心计算层面，由于需要实时处理庞大的点云并进行SLAM解算，设备内部必定集成了强大的边缘计算模块（大概率采购NVIDIA Jetson架构芯片或高算力的国产异构SoC）。由于设备需要在复杂的工地、矿山、隧道甚至应急灾害现场长时间手持或挂载作业 ，它对供应链的工业级标准要求极高。这包括采购高强度的轻量化合金结构件、具备极强抗震防尘性能的工业级连接器、大容量且支持宽温的电源管理系统（定制锂电池与PMIC），以及为了压制边缘算力热量而必须采用的高端散热模组（均热板或微型主动散热风扇）。这些硬核工业组件构成了其最核心的供应链依赖。 在其所在的赛道中，竞争格局异常激烈。在中国市场，类似的公司主要分为几大阵营：一类是绿谷网络（GreenValley）、华测导航（CHCNAV）、飞马机器人等老牌测绘仪器厂商，这些企业同样推出了融合SLAM与RTK的高精度手持三维激光扫描仪，在传统测绘市场拥有深厚渠道 ；另一类是大疆生态链企业及览沃科技（Livox）、速腾聚创等激光雷达本体厂商，它们正凭借强大的传感器自研成本优势向系统级产品延伸 。相比之下，其域创新的差异化护城河在于其强大的算法与软件后处理能力（如LixelStudio的一键自动化处理与3DGS融合），以及其在影视内容生产、虚拟制片等高附加值跨界应用上的前瞻性商业化布局 。
第四部分：行业格局（中美对比与核心玩家）
空间智能行业的全球格局呈现出明显的中美双极特征。美国在底层世界模型、通用具身智能基础大模型以及高端云端AI算力芯片上占据绝对统治地位；而中国则在机器人机电硬件制造、核心感知传感器供应链、以及特定工业场景的快速商业化落地方面建立起了极宽的护城河。
中国：硬件全栈、感知垄断与快速落地的商业闭环
中国空间智能企业普遍呈现出从供应链硬件切入、深耕泛化工程能力与垂直场景的特征，并形成了清晰的产业梯队。 在偏机器人与具身智能（硬件与执行本体）领域，中国涌现出了估值百亿级的豪华阵容。根据行业榜单与投资数据，银河通用（估值225亿元）、星海图（估值200亿元）、智元机器人（150亿元）、智平方（100亿元以上）、千寻智能以及老牌厂商优必选构成了第一梯队 。此外，零工科技在智能巡防机器人领域，联泰集群在HPC与AI基础设施领域也占据了重要位置 。这些企业大多具备强大的硬件工程能力和端到端算法自研能力（如星海图的清华系背景及国际化基因），致力于打造服务于工业制造和仓储物流的具身智能实体 。 在偏硬件与传感器（感知基建）领域，中国的激光雷达厂商如禾赛科技（Hesai）、速腾聚创（RoboSense）、大疆览沃（Livox）以及深度相机厂商奥比中光（Orbbec），几乎垄断了全球民用感知硬件的市场份额。禾赛科技成为梅赛德斯-奔驰L3自动驾驶车型的战略供应商，标志着中国核心感知硬件已全面攻克全球顶级整车厂的质量验证 。奥比中光则与地平线、地瓜机器人达成战略合作，为其提供行业首款”一机多模”3D激光雷达及高可靠性双目深度相机，充当机器人的”慧眼” 。 在偏空间建模与软件领域，代表性企业正是其域创新（XGRIDS）这类将测绘级感知硬件与AI三维重建软件深度结合的公司，在B端数字资产和工程测绘场景中形成了强商业闭环。 未来，中国最有可能成长为平台型公司的，将是那些能够实现”算法大脑+硬件本体+多模态传感器套件”深度耦合的企业。这既包括智元、银河通用这样具备软硬一体定义能力的具身本体厂商，也包括类似禾赛科技、奥比中光这样试图通过感知模组建立海量三维空间数据标准的传感器巨头。
美国：基础模型、通用大脑与算力生态的引领者
美国企业在空间智能产业链中主要扮演底层规则制定者、通用算法定义者和算力底座的角色。 NVIDIA 是整个行业的算力绝对霸主和基础设施奠基人。在产业链中，它不仅提供训练世界模型不可或缺的H100/B200芯片集群，还在边缘侧垄断了Jetson推理硬件。更关键的是，NVIDIA通过Isaac Sim机器人仿真平台和Omniverse，垄断了空间智能所需的虚拟数字孪生与训练平台，让所有AI必须在它的虚拟物理宇宙中进行试错 。 Physical Intelligence 是一家专注于开发通用机器人大模型的初创企业。其核心产品π0（pi-zero）模型通过创新的Flow Matching网络架构，将图像、文本与底层电机动作指令相统一。它在产业链中扮演着”通用机器人大脑”的角色，试图打破过去机器人行业不同形态硬件必须搭配专用算法的孤岛效应，实现”用一个模型控制任何机器干任何事”的宏大愿景 。 World Labs 由李飞飞创立，在产业链中扮演着”世界发生器”的角色。其Marble模型致力于将二维数据升维，生成持久的、高保真的三维世界，为数字内容创作和未来具身智能的仿真训练提供了高效的虚拟环境生成引擎 。 Tesla 在美国生态中是一个极具侵略性的特例。它通过FSD端到端自动驾驶模型积累了海量的物理世界数据，并将其迁移至Optimus人形机器人本体，是全球推动具身智能软硬一体化商业落地最激进的综合体厂商。 Figure AI（结合行业背景分析）则代表了美国在通用人形机器人领域的顶尖势力，它通过整合OpenAI提供的强大视觉语言推理大模型与自身卓越的双足机械工程能力，试图直接切入汽车制造和仓储物流的物理劳动力替代市场，扮演着通用具身硬件的标杆角色。 此外，OpenAI 与 Google DeepMind（凭借PaliGemma等基础模型）持续拓展多模态感知与推理能力的理论上限，为Physical Intelligence等公司提供底座支持 ；而 Apple 则通过Vision Pro设备定义了空间计算（Spatial Computing）的人机交互标准，为空间智能的终端消费级应用搭建了操作系统平台。
第五部分：供应链与电子元件机会（产业核心研判）
对于希望切入中国空间智能供应链的企业而言，这不仅是一次简单的硬件采购放量，更是一次技术壁垒重构带来的战略窗口期。空间智能行业最重要的硬件已经从传统的单一CPU计算单元，全面转向了多源融合感知系统、边缘算力中心（Edge AI）以及高强度的机电一体化执行组件。以下方向具有极大的商业潜力和国产替代空间： 1. 激光雷达（LiDAR）与深度摄像头（增长最确定的感知前哨） 随着自动驾驶的降维普及和机器人的爆发，多维感知层是最确定快速增长的领域。传统机械式激光雷达正快速被混合固态和全固态FMCW技术取代，要求更高的集成度与更低的功耗 。同时，能够提供RGBD（彩色与深度同步）数据的深度摄像头（如奥比中光的产品）正在成为服务机器人的标配 。 商业机会：这一方向的利润极高。核心机会在于发射端的VCSEL芯片、接收端的SPAD/SiPM光电探测器的国产替代，以及与之配套的高精密光学透镜、微型反射镜和微型无刷电机的精密制造。掌握底层光电转换芯片或精密光学装配良率的企业将获得丰厚利润。 2. 边缘AI盒子（Edge AI Box）与Jetson生态计算板卡 空间智能对实时性的要求极高。如扫地机器人的SLAM解算或工业产线的缺陷检测，均无法容忍将视频流传至云端处理的延迟。NVIDIA Jetson系列目前在边缘推理端占据主导地位，但整机厂通常无法直接将核心模组暴露在恶劣环境中，这就需要像中科创达（Thundercomm）这样的企业开发外围适配的”边缘计算盒子” 。 商业机会：整机厂需要针对高温、高湿、强震动等复杂场景对载板进行重新设计与防护。在此环节，提供抗强电磁干扰的定制化接口板、加固型底板制造以及接口桥接芯片的供应商将迎来大单。由于算力板卡涉及复杂的底层驱动协议与软硬件适配，一旦验证通过，替换成本极高，极容易与客户形成长达3-5年的长期稳固合作关系。 3. 工业连接器与高速通信模组（高毛利与高壁垒的隐形冠军） 具身智能机器人的几十个活动关节、手持测绘设备的高频日常拔插，要求其内部的线束和连接器必须具备极强的抗剧烈震动性能、高带宽（用于传输无损的高清点云和视频流）以及耐高压大电流的特性。普通消费级电子的连接器在这些场景下会迅速失效。国内企业如中航光电已经在为头部机器人客户深度定制机器人用连接器和电缆组件 。 商业机会：工业级防水防尘（IP68级别）连接器、浮动式板对板连接器、以及用于传输海量3D数据的高速背板连接器，是国产替代机会极大且利润极高的细分方向。同时，为了连接云端大模型，工业级Wi-Fi 7与5G通信模组的需求也将大幅提升。 4. PCB（印制电路板）、电源管理（PMIC）与散热系统（性能释放的瓶颈） VLA模型在机器人终端执行物理动作或设备进行3D高斯渲染时，会产生瞬时极高的算力波峰。这对整个供电与承载系统的瞬态响应提出了严苛要求。 商业机会：
- PCB：传统的FR-4多层板已无法满足边缘GPU模组高密度的引脚布线需求。市场正向具有更细线宽线距的HDI（高密度互连）板卡甚至类载板（SLP）升级。具备高端HDI制程能力的PCB厂商将成为抢手资源。
- 电源管理：高压大电流的功率半导体（SiC/GaN）以及多相、高频响应的电源管理IC（PMIC）需求将随之爆发，以确保在算力波峰时系统电压不出现跌落宕机。
- 散热：在有限的物理空间内（如手持扫描仪的握把处或机器人胸腔内），算力芯片发热严重。传统的被动铝挤散热器已显乏力。高端的微型均热板（VC）、3D毛细结构热管，甚至面向未来高算力形态的微型主动液冷泵与液冷快插接头，将成为供应链中具备极高技术溢价和利润率的关键环节。 5. AI传感器（力矩与触觉） 除了视觉和激光感知，未来的具身智能极度依赖六维力矩传感器、触觉电子皮肤以及高频高精度的IMU来实现物理动作的微调反馈，避免机器人抓碎鸡蛋或在不平地面摔倒。这是目前国产供应链正在重点攻坚的深水区。
| 电子元件/硬件品类 | 行业重要性与应用场景 | 利润空间与合作黏性 | 中国供应链机遇与国产替代前景 |
|---|---|---|---|
| 边缘AI盒子/Jetson载板 | 本地SLAM解算、3D重建计算、机器视觉推理的核心载体 | 利润较高，极其容易形成长期合作关系（软硬适配壁垒高） | 针对恶劣环境的定制化载板设计、接口扩展芯片替代 |
| 多目深度摄像头/LiDAR | 机器人的眼睛、三维空间测绘的基础数据源 | 利润极高（受制于精密制造与光学壁垒），合作较稳定 | VCSEL/SPAD芯片的国产化突破、高精密光学透镜与微马达装配 |
| 工业级连接器/线束 | 机器人关节抗震连接、高带宽传感器数据无损传输 | 利润极高，认证周期长但一旦供货极难被替换 | 高端板对板浮动连接器、抗微动磨损电缆组件（中航光电等主导） |
| HDI PCB板卡 | 承载高密度异构算力芯片、保证高速信号完整性 | 利润中等偏上，受制于产能和良率管控 | 消费电子PCB产能向高阶工业HDI及刚挠结合板转移 |
| 高端散热模组(VC/热管) | 压制边缘算力热量，防止设备因过热降频或死机 | 利润丰厚，需与整机外壳进行联合开发，黏性极强 | 大面积均热板冲压工艺、微型主动散热风扇组件 |
| 电源管理(PMIC)与功率器件 | 应对AI算力瞬时波峰，保障伺服电机大电流驱动 | 利润丰厚，技术壁垒高，试错成本大 | SiC/GaN功率器件普及、多相高频PMIC的国产化替代 |
第六部分：未来3-5年判断
产业趋势：爆发与泡沫化分野
在未来3-5年内，空间智能的某些特定方向将迎来井喷式爆发。 首先，面向封闭及半封闭场景的具身智能硬件及边缘侧重工业应用将最先爆发。例如仓储物流的自主分拣、工业产线的柔性抓取装配、以及危险矿区/电网的自主巡检。在这些物理变量相对可控的环境中，类似π0的通用物理模型与中国高效低成本的机电硬件相结合，将在短时间内收敛到极高的准确率并实现可观的ROI（投资回报率）。 其次，三维内容生成与空间测绘的AI工具化方向也将迅速繁荣。类似其域创新的软硬件方案以及World Labs的Marble模型，将在1-2年内彻底颠覆建筑规划、BIM反向工程、数字孪生及影视特效的传统资产制作流程，实现商业落地的指数级增长 。 然而，面向全开放环境的通用人形机器人（如全能家庭保姆机器人）极可能在未来两年内经历一波资本泡沫化。尽管资本市场狂热，但真实的物理世界充满了不可预测的边角案例（Corner Cases）。物理交互的容错率极低（一旦失误可能造成人身伤害），且当前伺服电机的耐用度、电池的能量密度以及居高不下的BOM（物料清单）综合成本，在短期内难以满足C端消费级市场的苛刻预期。
中美差异与价值捕获终局
中美在此领域的差异将进一步演化为一种不可割裂的”共生与博弈”关系。美国将继续领跑世界模型的理论上限与通用VLA算法框架的演进，掌握核心的”思维引擎”。而中国则将利用无与伦比的机电供应链系统工程能力、极低的试错成本和庞大的工程师红利，成为全球最大的空间感知硬件（LiDAR、摄像头、传感器）出口国和智能机器人本体制造基地。 最值得长期跟踪的公司包括：制定底层通用标准的World Labs与Physical Intelligence ，垄断算力与仿真孪生基础设施的NVIDIA，以及中国阵营中具备软硬全栈定义能力的智元机器人、银河通用，掌握感知命脉的禾赛科技、奥比中光，以及专注空间计算与高精测绘落地的其域创新 。 在整个空间智能产业链的利润分配模型中，最赚钱的环节将集中在微笑曲线的两端：一端是掌握通用大模型、提供云端仿真算力及API调用的基础设施提供商；另一端则是提供核心物理传感器（光学感知、六维力矩）与关键电子元件（工业连接器、高端散热、边缘AI载板）的精密制造环节。中间传统的整机组装环节可能会因为供应链的快速成熟和极致内卷而迅速演变为低毛利的红海市场。 毋庸置疑，Spatial Intelligence（空间智能）必将成为AI下一阶段的核心主线。 如果说大语言模型只是对人类网络文献和二维语料的降维压缩，那么空间智能则是AI向三维物理世界的强势扩张与实体经济的全面接管。从电子元件层面的微观电流调度，到具身机器人重塑宏观劳动力市场，理解并布局空间智能供应链，本质上就是抢占了下一代工业革命的物理桥头堡。对于有志于深入中国电子与硬件供应链合作的企业而言，当前正是通过边缘算力硬件、高端感知元器件与高可靠性工业连接器卡位产业生态的最佳战略窗口期。
关联文件
| 文件 | 内容概要 |
|---|---|
| 空间智能产业决策参考看板 | 技术成熟度雷达图、供应链机会占比、企业估值排行、利润粘性矩阵、微笑曲线 |
继续阅读
Source: https://gemini.google.com/app Exported at: 2026-05-22T11:18:21.786Z