在2026年美國拉斯維加斯舉辦的國際消費類電子產品展覽會（CES）上，科技領域的焦點正悄然轉移。過去兩年，大語言模型（LLM）占據著舞臺中心，而今年，機器人與物理人工智能成為新的關注熱點。這一轉變背后，是行業對人工智能發展方向的重新認知——人工智能的未來，正從虛擬的屏幕世界邁向真實的物理空間。

要讓人工智能真正融入現實世界，傳感器這一看似傳統的領域正經歷著質變，尤其是光學半導體的發展至關重要。長期以來，激光雷達（LiDAR）作為機器人、自動駕駛和空間感知系統的“眼睛”，雖發揮著關鍵作用，但始終面臨難以規模化的難題。其機械結構復雜、體積大、成本高且可靠性不足，限制了它在更多場景中的應用。

在本次CES展上，一家名為Lomotive的公司吸引了眾多目光，比爾?蓋茨、三星、亞馬遜行業投資基金、Frontier、TSVCapital（TSVC）等知名投資者紛紛對其拋出橄欖枝。Lomotive的核心產品是一顆可編程光學芯片，它無需任何移動部件就能精準控制光束。這意味著光束的掃描方式、時間和范圍都由軟件定義，而非硬件結構。這一創新使得激光雷達具備了類似智能手機攝像頭的特性，實現了小型化、低功耗、可嵌入和可量產。

在與Lomotive首席執行官薩姆·海達里和首席科技官格列布·阿克塞爾羅德的交流中，“物理AI的瓶頸在于感知”這一觀點被反復提及。他們指出，即便擁有先進的AI算法，若機器人無法清晰感知現實世界，就如同“失明”一般。可編程光學半導體帶來的變革體現在多個層面。首先，傳感器性能實現了數量級的提升，在體積、成本和耐用性顯著優化的同時，可靠性與效率也同步提高，為機器人在復雜環境中的長期運行提供了保障。其次，傳感器實現了“軟件化”，同一顆光學芯片可通過軟件配置模擬出多個“虛擬傳感器”，在不同視角、分辨率和掃描策略間動態切換，為算法開發者解除了硬件限制。Lomotive的技術還能與英偉達Omniverse等仿真環境無縫對接，開發者可在虛擬世界中優化傳感器布局與光學參數，再將成果應用到現實系統中，形成“硬件—模擬—算法”的協同發展。

從商業化角度來看，Lomotive目前最活躍的合作領域集中在機器人、工業自動化和智能基礎設施。這些場景對傳感器的精度、安全性和可靠性要求極高，同時對成本和體積也十分敏感。公司還在布局商用車、重型機械、叉車等汽車相關領域，并長期關注消費級汽車與消費電子市場。值得一提的是，激光雷達已率先進入蘋果手機等高端消費設備，這為更多消費級3D感知應用開辟了廣闊空間。

阿克塞爾羅德強調，物理AI面臨的最大挑戰并非模型是否會出錯，而是現實世界能否容錯。在家庭、工廠、公共空間等非結構化環境中，機器人一旦失誤，后果遠比語言模型的“幻覺”嚴重。因此，對傳感器精度、實時性和系統穩定性提出了極高要求。從這個層面看，可編程光學半導體并非簡單的技術升級，而是決定物理AI能否大規模落地的關鍵因素。

在當前風險投資趨于謹慎的環境下，Lomotive卻獲得了眾多投資者的青睞。比爾·蓋茨在公司成立前就作為種子輪投資人參與其中，他看中的是該技術的基礎設施屬性。三星、亞馬遜等戰略投資方則從自身業務出發，看重該技術在未來硬件平臺中的通用性。Lomotive所代表的是一種技術范式的轉變，光正從物理器件轉變為可編程、可計算、可規模復制的資源。就像當年CMOS攝像頭推動智能手機爆發一樣，光學半導體的“芯片化”或許將成為機器人與物理AI時代的起點，資本也已在這一賽道提前布局，接下來就看產業與現實世界如何回應。