SLAM：躲在智能设备背后的定位革命，离大规模落地还有多远

撕开术语包装：SLAM本质就是「一边走一边摸路」

很多人看到四个字母就怕了。其实SLAM的全称是同步定位与地图构建，核心问题一句话就能说清：一个没人给你提前画好地图的地方，你一个移动的机器，怎么一边搞清楚自己在哪，一边把周围的环境画出来？

原来的定位靠什么？GPS。但GPS进了楼就没信号，地下停车场、仓库、家里全瞎。SLAM就是为了解决这个问题生的。

现在主流技术路线分成两派：激光SLAM和视觉SLAM。激光靠激光雷达测距，精度高，抗干扰能力强，缺点就是贵，一个好的激光雷达抵得上一台中端手机的钱。视觉靠摄像头拍图像匹配，成本低，还能顺便做语义识别，缺点就是光线差的时候容易掉链子，精度不如激光。

核心原理说穿了也不复杂：传感器不断采集新的环境信息，和上一帧的信息做匹配，算出自己移动了多少，再把新的信息拼到地图里，循环往复。说白了，和你闭着眼走进一个陌生房间，靠手摸墙一步一步摸索出路，逻辑是一样的。

争了十年的路线之争，现在居然握手言和了

早几年产业界吵得凶，挺激光的说视觉精度不够根本没法商用，挺视觉的说激光降不了成本永远只能走工业路线，谁也说服不了谁。

不过话说回来，这两年风向变了。你去看现在卖的中高端扫地机器人，基本都是激光加视觉融合方案。纯激光的少了，纯视觉的也少了。为啥？激光负责精准测距，视觉负责回传环境信息做语义匹配，刚好互补。

头部的商用服务机器人厂商也都这么玩。说白了，不管黑猫白猫，能稳定定位建图就是好猫。

最近两年最大的进展，其实是深度学习给视觉SLAM开了挂。原来纯靠几何匹配，遇到重复纹理比如白墙、长条走廊就飘，现在深度学习能提前识别物体，匹配精度上来了，成本还能压下去。还有最近大模型和SLAM结合的玩法，出来的语义SLAM，建出来的不是只有障碍物的线稿图，是能分清楚哪是沙发哪是餐桌哪是门的活地图，机器人真能理解环境，而不只是知道「这里有东西不能撞」。

现在全球SLAM赛道，基本分成了几个梯队：第一梯队是做底层算法方案的，给各个硬件厂商卖SDK，国内几家头部创业公司已经做到了全球前列，不少海外机器人厂商都在用他们的方案。第二梯队是自己做整机落地的，主要集中在服务机器人、扫地机器人这些赛道。还有一波是盯着下一代AR眼镜的，都在憋着做低功耗的SLAM芯片。

落地的真瓶颈：不是技术不够，是场景错配

实话实说，SLAM不是新技术，学术上已经研究了三十年。为啥到现在除了扫地机器人，还没看到大规模落地？

最大的问题就是成本和场景不匹配。工业场景不差钱，早就用上了，比如港口的自动导引车，早就用SLAM了，没问题。但消费级场景不行啊，你卖两千块的扫地机器人，不可能给你塞一个几千块的激光雷达对吧？

然后还有极端场景的bug，到现在都没完全解决。比如全黑的环境，视觉SLAM直接歇菜；全是玻璃的展馆，激光雷达会直接穿透，找不到障碍物，也会飘。你说商场里好多玻璃墙，现在的服务机器人进去还是容易迷路。

还有一个绕不开的问题就是隐私。语义SLAM要建地图，就会把用户家里的整个环境结构、家具布局全收集走。这些数据存在哪，会不会被滥用？现在几乎没有哪个厂商把这个问题说清楚。说实话，想想还挺吓人——你家哪有床哪有保险柜，全在人家的数据库里。

现在赛道还有点虚火，好多创业公司张嘴就是「我们掌握了世界领先的SLAM技术」，PPT做得漂亮，落地的时候连最基本的反光问题都解决不了，说白了就是蹭热点拿融资。

未来三到五年：SLAM会从卖点变成基础设施

三五年后，你不会再看到扫地厂商拿SLAM当卖点宣传了。就像现在手机厂商不会拿「支持4G上网」当卖点一样，它会变成所有自主移动智能设备的标配。

接下来最大的增量市场在哪？我觉得是两个：一个是商用服务机器人，疫情之后商场、酒店、写字楼对配送机器人的需求起来了，只要能把单台成本压到两万以内，稳定性再提一档，大规模铺点不是问题。另一个就是消费级AR眼镜，AR要实现虚实叠加，核心就是SLAM要实时算出你眼镜的位置和周围的环境，现在最大的问题就是功耗，要把SLAM算法做到眼镜里，续航还能撑一天，还得两年左右的打磨。

还有，大模型加SLAM的组合，会给自主移动机器人开新的想象力。原来机器人只会说「这里有障碍我绕开」，现在有了语义SLAM加大模型，它能知道「我要去客厅给主人递一杯水」，整个任务的理解能力完全上一个台阶。

当然，泡沫肯定会破，接下来一两年估计会有一批蹭热点的SLAM创业公司倒掉，剩下的能解决真问题的玩家，才能吃到接下来的增量。