SLAM：躲在机器人与元宇宙背后的被低估空间基础设施
去年逛工业机器人展，碰到一台做末端配送的移动机器人，堵在我脚边三分钟没动地方。绕吧，它判断不准我站的位置；等吧，程序又没设置长时间等待的逻辑。最后还是工作人员过来按了重启。
说实话，当时我第一反应就是——核心问题还是出在SLAM上。这个听起来高冷的术语，其实已经钻进了我们生活的每个角落，只是大多数人没注意到。
视觉SLAM室内空间建图效果演示图
这么多年技术迭代，其实核心逻辑没怎么变，就是怎么把这个死循环解开，把误差压到可接受的范围内。早期SLAM只能用在静态场景，稍微动个东西就飘，现在融合了深度学习之后，动态场景的误差已经小了很多，至少能满足大多数商用场景的基本需求。
自动驾驶车载激光SLAM点云地图
现在整个产业链，上游是传感器厂商，激光雷达、摄像头这些，中游是算法方案商，下游是各种终端厂商。上游现在在拼成本，固态激光雷达出来之后，价格已经从几万块跌到几千，甚至几百块，这给SLAM的下沉铺了路。中游就是刚才说的，细分赛道卷的厉害，通用赛道没人做的出来。下游就是拼落地场景，谁先把某个垂直场景打穿，谁就能拿到话语权。
落地的坎：远没到说“成熟”的时候
现在很多厂商说自己的SLAM已经完全成熟了，你真拿到复杂场景用用就知道，问题还多的是。
第一个坎还是成本。好的激光雷达精度够，但是小厂的服务机器人用不起，用低成本雷达吧，测距距离短，精度差，开阔点的场景就不行。视觉SLAM虽然成本低，但是对算力要求不低，你要放到小体积的机器人上，就得用更好的芯片，成本又上去了，怎么平衡都是问题。
第二个坎是动态复杂场景的稳定性。刚才我碰到的那个机器人就是例子，商场里人来人往，一半的激光点云都打在人身上，SLAM提取不到固定的环境特征，直接就飘了，定位偏个几十厘米，机器人就找不到路了，只能蹲在原地重启。现在就算是最好的方案，人员密度超过一定数值，出错率还是会飙升。
第三个坎是数据互通和隐私。现在每个厂家的SLAM地图都是封闭的，你A机器人建的商场地图，B机器人用不了，每个进场的机器人都要重新扫一遍，浪费时间浪费资源。更麻烦的是隐私，SLAM建图会拿到完整的空间结构信息，用户家的户型、商场的布局，这些都是敏感数据，一旦泄露，后果挺严重。现在这块基本没有明确的规范，全靠厂商自律。
未来三五年：会变成空间智能的水电煤吗？
我个人的判断是，未来三五年，SLAM一定会从现在的“机器人核心组件”变成空间智能的通用基础设施。
首先是成本下探，固态激光雷达量产之后，低成本高精度的传感器会普及，SLAM的方案成本会降到几百块级别，那就能铺到更多原来用不起的场景，比如家用陪护机器人、小区巡检无人机、自动泊车这些，都会普及。
然后是融合方案变成主流，纯激光纯视觉都有缺陷，激光加视觉多传感器融合的SLAM会变成标配，既保证精度，又能拿到语义信息，成本还能压得住。
再就是，随着空间计算的落地，SLAM的价值会被重新认知。空间计算的核心是什么？就是搞清楚你在物理空间的位置，把数字内容叠加到正确的位置上，核心就是SLAM。没有SLAM，空间计算就是空谈。现在很多人炒大模型炒空间计算，都把这个基础设施给忘了，其实这才是地基。
不过话说回来，通用SLAM三五年内还是做不出来，最多是垂直场景的半通用方案，比如针对商场配送、工厂巡检、住宅小区这些特定场景的标准化方案，中小厂商拿到就能用，不用再花几十万做定制开发。这会把整个机器人行业的门槛拉低，让更多玩家进来。
你现在用AR量尺量衣柜，扫地机器人自动回充，送餐机器人精准送到你的工位，背后都是SLAM在默默干活。这个赛道不怎么出圈，也不会吸引那么多聚光灯，但它的红利，才刚刚开始释放。
对吧？
别被术语绕晕：SLAM到底解决什么问题？
全称说出来也没意义，你只要记住一句话：SLAM就是让机器在陌生环境里，一边搞清楚自己在哪，一边把周围的环境地图画出来。 说白了，和你第一次去朋友家，一边走一边记路，同时还知道自己现在在客厅还是卧室，是一个道理。 核心难点从来不是建图，也不是定位，是“同时”这两个字。机器定位不准，画出来的地图肯定歪歪扭扭；地图错了，定位就更不准。这就是一个绕不开的死循环。 现在行业里分成两大流派：激光SLAM和视觉SLAM。激光靠激光雷达测距，精度高，抗光干扰强，就是贵。视觉靠摄像头拍画面算位置，便宜，能拿到语义信息，就是强光弱光下容易拉胯。视觉SLAM室内空间建图效果演示图
这么多年技术迭代，其实核心逻辑没怎么变，就是怎么把这个死循环解开，把误差压到可接受的范围内。早期SLAM只能用在静态场景，稍微动个东西就飘，现在融合了深度学习之后，动态场景的误差已经小了很多，至少能满足大多数商用场景的基本需求。
产业格局：一半挤爆，一半空着
现在SLAM的产业化，其实分的很清楚。 激光SLAM最先落地，最早吃螃蟹的是家用扫地机器人。十年前扫地机器人还是瞎撞的，自从石头、科沃斯把激光SLAM下放到千元价位，直接把旧技术干得没了市场。现在国内主流的扫地机器人，几乎全用激光SLAM方案。 再往下，就是服务机器人、工业AGV这些领域，现在国内做SLAM算法的创业公司，一大半挤在这个赛道。几年前算法授权还能卖几十万一套，现在为了抢客户，几万块甚至免费授权都有人做，靠后续的定制开发和运维赚钱，卷的不行。 视觉SLAM呢，现在主要在AR/VR、手机空间感知、自动驾驶这些领域。苹果ARKit、谷歌AR Core，核心都是视觉SLAM，你拿手机对着房间扫一圈就能生成三维模型，靠的就是它。现在VR头显里的空间定位，也离不开SLAM，不然你玩着玩着就撞墙了。 不过话说回来，自动驾驶领域的SLAM，现在还在磨合。自动驾驶需要全局高精度地图，SLAM更多是做实时局部定位，用来补高精地图的缺口，毕竟路上的交通标识随时会变，建筑也可能施工，得靠SLAM实时更新。自动驾驶车载激光SLAM点云地图
现在整个产业链，上游是传感器厂商，激光雷达、摄像头这些，中游是算法方案商，下游是各种终端厂商。上游现在在拼成本，固态激光雷达出来之后，价格已经从几万块跌到几千，甚至几百块，这给SLAM的下沉铺了路。中游就是刚才说的，细分赛道卷的厉害，通用赛道没人做的出来。下游就是拼落地场景，谁先把某个垂直场景打穿，谁就能拿到话语权。
落地的坎：远没到说“成熟”的时候
落地的坎：远没到说“成熟”的时候
现在很多厂商说自己的SLAM已经完全成熟了，你真拿到复杂场景用用就知道，问题还多的是。
第一个坎还是成本。好的激光雷达精度够，但是小厂的服务机器人用不起，用低成本雷达吧，测距距离短，精度差，开阔点的场景就不行。视觉SLAM虽然成本低，但是对算力要求不低，你要放到小体积的机器人上，就得用更好的芯片，成本又上去了，怎么平衡都是问题。
第二个坎是动态复杂场景的稳定性。刚才我碰到的那个机器人就是例子，商场里人来人往，一半的激光点云都打在人身上，SLAM提取不到固定的环境特征，直接就飘了，定位偏个几十厘米，机器人就找不到路了，只能蹲在原地重启。现在就算是最好的方案，人员密度超过一定数值，出错率还是会飙升。
第三个坎是数据互通和隐私。现在每个厂家的SLAM地图都是封闭的，你A机器人建的商场地图，B机器人用不了，每个进场的机器人都要重新扫一遍，浪费时间浪费资源。更麻烦的是隐私，SLAM建图会拿到完整的空间结构信息，用户家的户型、商场的布局，这些都是敏感数据，一旦泄露，后果挺严重。现在这块基本没有明确的规范，全靠厂商自律。
未来三五年：会变成空间智能的水电煤吗？
未来三五年：会变成空间智能的水电煤吗？
我个人的判断是，未来三五年，SLAM一定会从现在的“机器人核心组件”变成空间智能的通用基础设施。
首先是成本下探，固态激光雷达量产之后，低成本高精度的传感器会普及，SLAM的方案成本会降到几百块级别，那就能铺到更多原来用不起的场景，比如家用陪护机器人、小区巡检无人机、自动泊车这些，都会普及。
然后是融合方案变成主流，纯激光纯视觉都有缺陷，激光加视觉多传感器融合的SLAM会变成标配，既保证精度，又能拿到语义信息，成本还能压得住。
再就是，随着空间计算的落地，SLAM的价值会被重新认知。空间计算的核心是什么？就是搞清楚你在物理空间的位置，把数字内容叠加到正确的位置上，核心就是SLAM。没有SLAM，空间计算就是空谈。现在很多人炒大模型炒空间计算，都把这个基础设施给忘了，其实这才是地基。
不过话说回来，通用SLAM三五年内还是做不出来，最多是垂直场景的半通用方案，比如针对商场配送、工厂巡检、住宅小区这些特定场景的标准化方案，中小厂商拿到就能用，不用再花几十万做定制开发。这会把整个机器人行业的门槛拉低，让更多玩家进来。
你现在用AR量尺量衣柜，扫地机器人自动回充，送餐机器人精准送到你的工位，背后都是SLAM在默默干活。这个赛道不怎么出圈，也不会吸引那么多聚光灯，但它的红利，才刚刚开始释放。
对吧？ 
