Benny 
高盛預計到2027年全球人形機器人出貨量將達到7.6萬臺，到2035年將飆升至138萬臺。大家聚焦於人形機器人浪潮下的一個關鍵領域，視覺感知系統純RGB攝像頭的方案對演算法的要求更高，而ToF相機或鐳射雷達的使用，則能實現更精確、穩定和可靠的感知。
純視覺派（特斯拉Optimus）
硬體配置：採用3組RGB攝像頭（200萬像素/60FPS），依賴純視覺深度學習神經網路實現物體識別與姿態估計。
演算法優勢：通過BEV（鳥瞰圖）+佔用網路（Occupancy Network）構建三維語義場，大幅降低對鐳射雷達的依賴，單套方案成本控制在50美元以內。
局限性：在低光、雨霧等複雜環境中識別率下降30%，需依賴Dojo超算持續優化（2024年算力達100 Exa-FLOPS）。
多模態融合派（波士頓動力）
感測器組合：ToF（±1mm精度）+固態鐳射雷達（如禾賽AT512，探測距離30m）+熱成像（FLIR Boson 640解析度），適用於工業檢測（華為方案故障檢出率99.97%）和夜間安防場景。
成本痛點：單機感測器成本超5000美元，但精度優勢顯著。
短期爆發點：禾賽科技（鐳射雷達）、奧比中光（ToF模組）受益於感測器滲透率從0到1的提升。
特斯拉憑藉Dojo超算和FSD演算法形成閉環，Optimus視覺系統複用率達70%。
