AI热榜 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。
🔗 原始来源
如果你要核对细节，可以再看原文： 36氪原文链接