半年25万台，机器人眼睛闷声发财

当车载激光雷达价格战杀到红海、玩家接连退场的时候，一家叫北醒的公司闷声把另一条曲线做起来了：今年上半年，机器人用激光雷达交付25万台，这块业务占公司营收超过一半，2025年收入比2024年翻了一倍。

给机器造『眼睛』这件事，北醒创始人李远干了十一年。这十一年的大多数时间里，市场的主角是无人机和自动驾驶汽车，机器人只是配角。如今风水轮流转——当所有人开始讨论物理AI，这双眼睛突然被推到了聚光灯下。

这篇文章想回答三个问题：机器人为什么突然需要这么多激光雷达？这门生意和车载激光雷达到底有什么不一样？以及更关键的，『眼睛』的价值是不是只到避障为止。

📈 最想当学者的人，做了十一年CEO

做长周期硬件的人，第一桶金往往来自『自讨苦吃』。

李远的履历在创业圈里算是少见的一条线：本硕博一路读到博士后，师从中国发光学奠基人徐叙瑢院士，原本的人生规划是当一名学者。2015年，他选择回国创业，创办北醒（Benewake），一头扎进激光雷达。

一个最想当学者的人，做了11年CEO。这个反差背后，有一个更值得琢磨的细节——李远每年都会刻意给自己挑一件不喜欢的事来做。他的解释是：很多所谓『不喜欢』，根源是恐惧，或者不够了解。一件事隔得太远，就只能看见又黑又长的影子；一旦真正扎进去，事情往往就变得有趣了。他管这叫拆除认知上的『墙』。

这套方法论贯穿了北醒的十年。激光雷达在2015年是个典型的高门槛行当：光学、半导体、算法、精密制造全都要碰，懂行的人少，能落地的更少。据多位接近北醒的人士说，早年不少同行看了路线图就劝退，觉得太苦——硬件迭代慢、客户验证周期长、单品毛利被压。但恰恰是这种『苦』，成了天然的筛选器：愿意在里面熬十年的人，护城河也替他们挖了十年。

徐叙瑢院士的影响是底色。李远回忆过两件小事：实验室墙上挂的不是『勤奋认真』，而是『爱国荣校，勿忘国耻』八个字；徐院士经历过抗战，从山东一路走到西南联大读书，晚年出国访问时也真心认为，做科研和家国情怀是连在一起的。

这解释了为什么一批学者型创业者会在2014、2015年前后集中下场做传感器——他们赌的不是风口，是一个判断：光作为电子之后的下一个介质，传播速度更快、频率更高，在光通信、光运算、光感知这几个方向上，会是科技产业的长期主线。

十年回看，这个判断兑现了一半：光感知成了。但兑现的方式，连他们都没想到。

🔋 半年25万台：机器人接过了激光雷达的接力棒

车载激光雷达在卷价格，机器人激光雷达在卷场景。

先看数据。2025年上半年，北醒交付了25万台机器人用激光雷达；机器人业务收入占公司营收超过一半；2025年这项业务收入比2024年翻了一倍。三个数字放在一起，指向同一个结论：机器人已经接棒汽车，成为激光雷达行业新的增长引擎。

这个转折的产业背景并不复杂。车载激光雷达经过几年厮杀，价格一路下探，头部玩家靠前装量产的规模效应活下来，腰尾部则被清洗出局。当『上车』这条路径从蓝海变成血海，所有从业者都在问同一个问题：下一个放量场景在哪里？

答案在机器人。北醒的『眼睛』上天、下水、上路——装进了无人机、列车、汽车和各类机器人。不同场景对『眼睛』的要求差异巨大，这也决定了这不是一个赢家通吃的单一市场：

注意最后那个括号里的『各类机器人』——这恰恰是增量最大的部分。人形机器人、物流机器人、清洁机器人、巡检机器人，形态五花八门，部署环境从室内平滑地面到户外崎岖地形全覆盖。它们对激光雷达的要求不是车规级的百万台单一型号，而是碎片化的、定制化的、快速迭代的型号矩阵。这种『苦活』，恰恰是北醒这类深耕十年的厂商的主场。

一位机器人本体厂商的高管私下聊过这个逻辑：机器人公司现在最缺的不是算力，是可靠的感知方案。视觉方案便宜，但在弱光、逆光、反光材质面前频频翻车；激光雷达给出的距离和位置信息是直接测量值，不依赖光照。对安全敏感的场景，这双『眼睛』几乎是必选项。

25万台的半年交付量意味着什么？意味着机器人场景的激光雷达需求已经跨过了『验证期』的门槛，进入批量复制阶段。这和2020年前后车载激光雷达的阶段何其相似——而那之后，是整个行业的爆发。

🧭 产业链视角：机器人眼睛的钱怎么赚

上游看光电器件，中游看场景定义，下游看放量节奏。

把北醒这单生意放进产业链里看，结构是这样的：

上游是激光器、探测器、光学元件等核心器件，决定成本下限；中游是北醒这样的激光雷达厂商，核心能力是把器件组合成满足具体场景的产品；下游是机器人本体厂商，决定放量节奏。

这个链条里有一个容易被忽视的关键点：机器人激光雷达和车载激光雷达，表面上共享技术栈，本质上是两种生意。

车载市场的逻辑是前装定点——绑定一家车企，赌一个车型平台的量，然后靠规模摊薄成本。天花板高，但竞争惨烈，且话语权在车企手里。

机器人市场的逻辑是场景定义——客户分散、需求碎片化、迭代快。一款物流机器人可能只装一个近场避障雷达，一款人形机器人可能要在头部、躯干多个位置布置多颗不同规格的雷达。这意味着厂商必须有足够宽的产品矩阵和足够快的定制响应能力。据多位接近行业的人士说，机器人客户对交付速度的敏感度远高于对单价的敏感度，『晚三个月交付，项目就黄了』。

这也解释了为什么是北醒接住了这波需求：十一年里它在无人机、轨道交通、汽车、机器人多个场景里反复横跳，看似不聚焦，实际上攒下了一条跨场景的产品线和一套快速定义产品的能力。等到机器人需求集中爆发，产品矩阵是现成的。

当然，这门生意也有隐忧。机器人本体尤其是人形机器人，整体出货量还在早期，需求波动大；客户集中度一旦偏高，营收稳定性就成了问题。上半年翻倍的数字背后，是『机器人正处于量产爬坡前夜』的行业共识——共识来得快，退得也快。传感器厂商真正的考题是：当本体厂商开始大幅压价时，能不能像车载同行那样靠规模活下来，还是能凭产品差异化守住毛利。

💡 眼睛不只是大脑的工具：物理AI的新命题

激光雷达的终局，可能不在避障，而在让机器理解世界。

现在讨论物理AI的人很多，但大部分讨论集中在『大脑』——大模型、世界模型、端到端策略。李远把视角反了过来：从『眼睛』出发。

他的原话是：『眼睛不只是大脑的工具，也是知识的来源。』在他看来，激光雷达测得的距离、位置等信息，除了帮助机器人避障，还应当成为模型学习的材料。怎样让这些测量改善模型对物理世界的理解，是他正在研究的方向。

这个判断切中了具身智能当前最大的瓶颈之一：数据。大语言模型靠互联网文本喂大，但机器人在物理世界里没有现成的『互联网』可爬。视觉数据有歧义——同一张二维图像可能对应无数种三维结构；而激光雷达直接输出的是经过精确测量的三维几何信息，是天然带『真值』的物理数据。换句话说，这双眼睛看到的不是像素，是带距离标注的世界结构。

如果这些测量数据能够系统性回流，成为训练机器人模型的语料，那么激光雷达厂商的商业模式会发生一次质变：从卖硬件，变成『硬件+数据』的双重角色。每一次部署，既是一次销售，也是一次物理世界的采样。25万台半年交付量，在这个叙事下就不只是营收数字，而是25万个物理世界的数据采集点。

当然，这条路现在还处于早期。数据如何采集、标注、回传、与训练管线对接，涉及跨公司的数据协议和成本分摊，业内没有成熟方案。李远承认这是他正在研究的问题，而不是已经解决的问题——这种诚实在当下的具身智能叙事里反而显得稀缺。

回到那个『自讨苦吃』的方法论。李远说，他学的是光，越学越明白，光的边界比想象中大得多，不懂的东西反而越来越多，『真正去认识一件事的过程，让我非常开心』。这句话放在物理AI的语境里，就是理解北醒过去十年押注方向的一条线索：从造眼睛到用眼睛教机器认识世界，又一面认知上的『墙』，正在被拆除。

小结

半年25万台、营收占比过半、收入翻倍——北醒这组数字的价值，不在于证明激光雷达多赚钱，而在于给整个传感器行业指了一条被低估的路：当所有人挤在车载前装的红海里卷价格时，机器人场景的碎片化需求，正在长出一个对技术纵深要求更高、客户粘性也更高的市场。

更值得盯的是下一步：如果『眼睛』的测量数据真能成为物理AI的养料，激光雷达就不只是一件传感器，而是机器人时代物理数据的入口。这门生意的故事，可能才讲到一半。

至于具身智能什么时候等到自己的规模化时刻，没人说得准。但有一件事是确定的——无论哪家的机器人先跑起来，它们都需要一双靠得住的眼睛。