上周在深圳参加一个具身智能的行业闭门会，茶歇的时候，听到旁边两个人在聊天。

一个说：“我们那台机器人，在实验室里跑得好好的，拉到客户现场第一天就撞墙了。”

另一个问：“传感器坏了？”

“没坏。就是不知道自己站在哪。它以为自己在A区，其实在B区，差了四米，直接怼上货架了。”

第一个人苦笑了一下，补了一句我记到现在的话：“我们花了一年优化抓取算法，结果发现，机器人连自己在哪都没搞清楚。”

茶歇结束，我回到座位上，脑子里一直在转这句话。下午的议程里，好几家公司的分享都在讲模型、讲数据、讲泛化能力，但那个茶歇时的对话，反而比台上任何一张PPT都更接近这个行业的真实处境。

一个被跳过的前置问题

过去两年，具身智能的叙事一直围绕“机器人能干什么”展开——能抓鸡蛋、能叠衣服、能拧螺丝。这些demo视频一个比一个惊艳，资本和媒体也乐此不疲地追逐这些“能力时刻”。

但茶歇时那个撞墙的故事，暴露了一个被集体跳过的问题：机器人知道自己站在哪吗？

这个问题听起来特别基础，基础到很多人觉得“这还用问”。但恰恰是这个问题，卡住了大量从实验室走向真实场景的机器人。

原因不复杂。机器人在室内环境里定位，主流方案是靠摄像头拍周围环境，跟预先建好的地图做比对，算出自己当前的位置。这套方法在光线充足、场景有辨识度的地方表现不错——比如一个有落地窗、有绿植、有独特装修的展厅。

但真实场景是什么样？是仓库里一模一样的货架通道，是写字楼里每一层都长得差不多的走廊，是弱光、遮挡、反复装修的商场。摄像头在这些地方拍出来的画面，十张有八张几乎一样，模型根本分不清自己在3号通道还是13号通道。

位置错了，后面所有的动作都是错的。抓取抓空、路径跑偏、任务执行到一半卡死——表面上看起来是“能力不足”，根子上是“位置不清”。

定位这件事，最终要落到一颗芯片上

行业里其实已经有了共识：机器人需要一种不依赖视觉的定位方式。

为什么？因为视觉定位有个绕不开的物理限制——它依赖光照、依赖场景特征、依赖事先建好的地图。而真实世界里的机器人，不能假设这些条件永远成立。

于是，另一类信号进入了视野：射频信号。WiFi、蓝牙、基站，这些东西在几乎每一个城市空间里天然存在，不需要额外部署，不受光照影响。你走到一个位置，能收到哪些信号源、各自多强，这些信息本身就携带了位置特征。摄像头是靠“看”来认路，射频是靠“听”来认路。

但更关键的问题在后面：这套能力装在哪？

答案是：一颗专门的定位芯片。

这个判断的逻辑很朴素。机器人身上能承载的硬件是有限的，定位这件事必须实时响应，不能等云端算完再告诉机器人“你刚才在哪”——那已经撞上了。所以它需要一颗常驻在终端上的芯片，功耗低、算得快、随时在线。

这颗芯片要干的事很聚焦：让机器人在任何环境下都知道自己在哪。视觉能干的它不抢，视觉干不了的它兜底。弱光、遮挡、重复场景——这些视觉失灵的地方，正是它的主场。

会上有位做投资的朋友跟我聊，说他们现在看具身智能项目，会专门问一个问题：“你们的定位方案，在视觉失效的场景下靠什么兜底？”他说，这个问题能筛掉一大半团队。

谁在提供这颗芯片背后的“位置感”

芯片要能工作，靠的是数据。不是随便什么数据，是真实物理空间里、逐点采集标注过的位置数据。

这就引出了一个更底层的竞争：谁手里有足够真实、足够细颗粒度的空间数据资产？

会上有几种路径被反复提及。开源派：如智元机器人的AGIBOT WORLD 2026数据集，覆盖商超、酒店、家居场景，把一部分数据拿出来共享。垂直派：如均普智能的RW-RL-Dataset，专注工业场景，更深更专，但适用范围有限。

还有一类，是做了十年以上室内空间数据采集的公司。比如数位科技，用众包采集加自动标注的方式，把全国各地的室内空间逐点位翻译成机器能读懂的数据结构。他们最近发布的技术方案里提到一个细节：把射频场压缩成以信号源为单元的向量表示，参数量控制在3.51M，一张消费级显卡就能跑，目标就是常驻终端。

这个方向验证了一个关键能力：同一个位置，换一批观测数据，编码出来的结果几乎一致，部分观测与全量观测的编码余弦相似度能到0.97。这意味着芯片模型学到的不是某一次扫描，而是位置本身。换一栋楼、换一批信号源，模型参数不用更新，装上去就能用。

一位做机器人的创业者跟我评价这件事：“定位芯片的竞争，表面看是芯片设计，底层看是谁的空间数据底座更深。因为芯片里的模型可以复现，但训练它的数据，需要人、设备、场景和十年时间，没法速成。”

位置错了，谈什么干活

回到开头茶歇时那个撞墙的故事。

那家公司的机器人后来怎么样了，我没去追问。但那个工程师说的那句话，一直在会上会下被反复想起：“我们花了一年优化抓取算法，结果发现，机器人连自己在哪都没搞清楚。”

这句话听起来像吐槽，其实是这个行业正在经历的一次认知校准。过去两年，大家比的是机器人能做什么高难度动作；接下来，比的可能是机器人在多复杂的环境里，依然知道自己站在哪。

定位这件事，听起来没有抓鸡蛋、叠衣服那么有传播性。但它是那个“第一步”——位置错了，后面所有的能力都无从谈起。