网格智算：“不堆算力”的AI大脑如何填补林下场景空白 | 水下项目

从消费市场到工业赛道，一片“红海”的无人机市场早已挤满各路玩家，但仍有一块细分领域，即便行业头部厂商也鲜有布局——林下场景。

林下场景蕴藏的产业需求体量惊人：根据国家林草局数据，2025年我国森林蓄积量达209.88亿立方米，全国木材产量达1.4亿立方米；

联合国粮农组织数据显示，全球圆木年采伐量约40亿立方米，这背后是伐区蓄积量核算、树木胸径测量等大量工作。

林下环境复杂，传统人工作业模式成本大、效率低且危险重重。虽然行业对自动化替代方案的呼声已久，但林下环境作为经典的拒止环境，使传统自动化方案始终难以落地。

林下被树木遮蔽，使导航设备很容易因GNSS信号丢失无法定位，通讯信号强衰减会导致远程图传和人工操控无法实时、连贯进行。

传统SLAM技术也无法处理树枝随风轻微摆动这样时刻微变化的环境复杂纹理。

“只有构建一种可端侧离线运行的实时高精度空间感知和随动控制的具身智能方案，才能有效解决林下‘全拒止’环境的作业需求。”网格智算市场负责人钱敏表示。

网格智算成立于2025年，致力于利用其自研的“网格域学习技术”形成高精度的空间理解，并由模型自生成最优控制函数，从而实现复杂避障等有效控制能力。

基于此推出的适配多种硬件设备的智能化底座“GridAI大脑”，首次实现无人机在林下无GNSS自主飞行、毫米级测径、自动避障等能力，目前产品已实现小批量商业化交付。

网格智算首席科学家代豪拥有三十多年技术积累，于1996年首创异构架构结合高性能计算的算法体系，被特聘为国家高性能计算工程技术研究中心研究员。



网格智算无人机
【1.以网格域学习机制，实现微数据、小算力的空间理解能力】
当下主流的无人机智能方案大多基于深度学习框架，通过采集海量图片等数据并进行人工标注训练模型，依靠二维静态像素特征识别物体。

但林下环境动态多变，光照明暗不定、树枝交错遮挡，同一物体变换角度、光线后像素特征完全改变，导致基于深度学习训练模型的无人机难以在其中有效识别环境并执行任务。

要解决这一问题，核心是实现载体在运动过程中若干中间状态的持续可控，也就是当物理空间发生环境变化时，载体能够快速随动并修正，这就要求载体在算法层面具备两方面能力：一是对空间变化的快速感知和与运动关键相关项的准确抓取；

二是对机器载体本身的物理感知。

网格智算的解法是构建一种通过动力类型、物理尺寸达成空间位移的动态控制函数，以适应不同载体或动力方式的变化。

具体来说，网格智算自研的GridAI大脑基于网格域学习机制，解析连续视频流的过程中同步保留时间、空间双重维度信息，使设备具备识别、理解真实空间的能力。

例如烟火没有固定纹理和清晰形状，传统AI模型难以将其与云等物体区分开，而GridAI则可以通过判断烟雾异常于云雾的空间运动轨迹做出识别。

具体而言，网格域学习对物理世界做了三个层面的“网格化”处理：一是场景中离散的、可追踪的实体网格；

二是为每个实体赋予随时间变化的属性网格，比如位置、速度、运动方向；

三是定义实体之间关系的关系网格，比如确认“鸟窝在两根树杈中间”。

这种做法本质上是模仿人类认知世界的方式，不仅看像素，而且识别物体、捕捉动态、理清空间关系，通过实时捕捉空间中物体在不同时间状态下的变化，推演其运动规律并预判轨迹。

搭载GridAI的无人机在划定林下作业范围后，无需提前扫描建模，即可实时构建动态空间场，自主规划路径、避开障碍，并完成测径作业，全程无需飞手介入。

由于GridAI解析的是场景底层空间结构和物体关系，这些信息并不受光线、天气干扰，因此环境鲁棒性也更强。

此外，不同于深度学习训练动辄需要数万、数十万张标注图，GridAI仅需几十至数百张样本即可完成训练，整体算力需求、硬件功耗大幅降低。

例如GridAI仅需学习客户提供的30张树杈上鸟窝的照片，就可以实现58张测试图误报0、漏报1、准确率达到98.3%。

【2.从林下到更多场景，打造通用的智能大脑】
钱敏介绍，网格智算选择先切入林业赛道是源于偶然。

2025年，他们与一家‌国有林场沟通时了解到，全球林业林下测绘仍几乎依靠人工作业，有巨大的自动化替代需求，并能满足精准高效安全作业效果。

“这让我们重新审视整个工业无人机行业的竞争格局。

头部厂商在净空、高空飞行已经非常成熟，但林下却是尚未被填补的空白。

”

目前网格智算搭载GridAI大脑的无人机已完成中国林科院技术验证，公司与中林重庆、浙江飞流等头部林业企业达成深度合作。

但是网格智算自身的定位并不只是林下作业无人机提供商。

钱敏表示，“我们的产品本质上是一个通用的智能大脑，可以通过集成在芯片智能模组上，应用于具身机器人的机械臂、无人车或水下机器人，赋予这些硬件设备自主感知、理解物理空间，并进行决策和执行的能力。

例如当岸基雷达在有杂波干扰定位不准时，GridAI能够将目标在视觉坐标系与雷达坐标系下进行转换并高精融合，提供抗噪声的雷视一体解决方案。

”

GridAI大脑的通用性正在向更多行业拓展，例如在与北京广嘉、固高股份等合作的仓储物流领域，GridAI大脑凭借其小数据、低算力、高精度、高泛化的能力，可配合多SKU多工序的机械臂工作，覆盖场景包括但不限于货品单件拣选、打包及包裹分拣等需求。

此外，公司还与深圳联通建立了战略合作伙伴关系。

未来网格智算将以GridAI大脑为纽带，联合产业链上下游，为农林业、物流仓储业等重点行业提供更为完整的智能解决方案。

从视觉感知、装备自动化控制再到更多应用场景，网格智算希望打造一个跨场景通用的“智能大脑”，让机器设备真正“理解”复杂的物理世界，具有自主行动能力。

[来源链接] https://36kr.com/p/3908027308823684?f=rss