Point One融资3500万美元，为“物理AI”提供厘米级定位能力

文 | 阿尔法公社

“物理AI”（Physical AI）想要蓬勃发展，离不开可靠且高精度的定位技术。对于“物理AI”，高精度指的不是精确度为数米的GPS，而是精确度达到厘米。有了这种级别的高精度定位，自动驾驶，配送机器人，自主无人机等才有可能进入实用化。

但是过去，想要获得这种精度需要复杂的系统集成和繁重的定制开发，前期的高投入成本使高精度定位的普及变得困难。现在却有一家初创企业将高精度定位基础设施，智能软件以及API结合起来，让“物理AI”硬件们触手可及地使用高精度定位，未来可以让高精度定位像GPS一样普及。

这家企业是Point One Navigation，它最近获得Khosla Ventures领投的3500万美元C轮融资，且获得超额认购，IA Ventures、UP Partners和Alumni Ventures等现有投资者跟投。

一群康奈尔大学校友，要让实时高精度定位低成本且即插即用

Point One Navigation由Aaron Nathan（CEO）创立，他是康奈尔大学DARPA挑战赛（全球最顶尖的自动驾驶挑战赛）校队的创始人，也是康奈尔大学自主系统实验室的研究员，他聚集了一批出身康奈尔大学且具有实战经验的核心团队成员。

创始人Aaron Nathan，图片来源：Point One

其中Mike Kurdziel（云平台负责人）不仅和他是DARPA挑战赛校队队友，而且也一起创过业，Karen Leineweber（计算机视觉负责人）此前在进行过光学纳米结构（哥伦比亚大学）和GNSS 遥感（康奈尔大学）的专业研究，Ryan Dougherty（传感器融合负责人）在康奈尔大学进行过卫星信号研究 ，还是JPL（喷气推进实验室）的系统工程师。

定位能力，在移动互联网时代创造了很大的商业价值，从网约车到外卖，LBS (基于位置服务) 的商业规模约为数百亿美元。

但目前LBS主要依赖的定位方式还是GPS，它的定位精度最高只有几米甚至十几米。对于ToC的应用，例如网约车，这个精度是足够的，因为其中还有人为修正的因素。

但如果放到“物理AI”领域，例如自动驾驶（包括汽车、机器人、无人机），就严重不足。例如，用传统GPS导航定位的无人机，在完成测绘或巡检的任务时，就容易出现碰撞的风险，如果将精度为数米的GPS升级成精度为厘米的精准定位，那这种碰撞风险就将成为过去式。

以RTK网络（实时动态定位）为核心的精确定位平台

Point One最核心的技术是RTK（Real-Time Kinematic），即实时动态定位，这项技术的要点在于实时性和高精度。举例来说，Point One的产品用在了印地自动驾驶挑战赛（Indy Autonomous Challenge）上，这些赛车的最高时速达到180英里/小时（接近290km/h），是时速最高的自动驾驶汽车。

Point One在单一平台上提供厘米级定位服务，它结合了Polaris RTK网络、Location Cloud和Positioning Engine等三大技术，其中最重要的是Polaris RTK网络。

Polaris RTK网络的底层技术是GNSS以及对GNSS信号进行差分修正的系统。

日常语境中，人们将卫星定位统称为“GPS”。但从技术角度说，GPS只是众多卫星星座中的其中一个。GNSS则是涵盖了GPS、欧洲Galileo、俄罗斯GLONASS以及中国北斗系统的综合统称。

与仅依赖单一的GPS系统相比，GNSS接收机能够同时连接多个星座的卫星。这就极大提高了在设备被遮挡（高楼，高大植被）时的定位可用性。

然而，单纯依靠GNSS虽然解决了“能定位”的问题，却难以解决“定得准”的难题。卫星信号从太空传输到地面时，会受到电离层和对流层的干扰，产生延迟，再加上卫星轨道和时钟存在的微小偏差，导致终端设备计算出的位置通常会有数米的误差。

Polaris RTK网络是一个由全球1900多个专业管理的RTK基站组成的差分修正系统。这些基站均固定于经过精密测绘的坐标点上，为天上的卫星信号提供地面的“真值”（Ground Truth）参考。

其核心逻辑在于捕捉误差：基站实时对比自身的“实际位置”与基于卫星信号计算出的“观测位置”，从而反推出由大气干扰等因素造成的定位偏差。这些原始误差数据汇聚至云端处理中心，生成针对不同区域的修正模型，并通过互联网或卫星链路实时下发。用户终端接收后，利用这些数据抵消信号延迟，最终将GNSS的定位精度从米级提升至厘米级。

Point One的Location Cloud通过单一的GraphQL API简化高精度定位的集成与管理。

它负责向用户实时分发Polaris RTK修正数据，能够接收并处理来自基站的原始观测数据，在云端构建区域大气误差模型；同时，它还支持对已部署设备进行生命周期管理，允许开发者实时监控设备遥测数据、健康状态及连接质量。

Positioning Engine是一款高性能传感器融合软件库，它不与硬件强绑定。

它不仅能实时融合GNSS卫星信号、惯性测量单元（IMU）和轮速计（Odometry）数据，还具备强大的航位推算能力，确保设备在隧道、地下等无卫星信号的“盲区”也能维持厘米级精度的精准定位。

在这个平台之外，Point One还有一个软硬件结合的高精度定位设备Atlas INS，它原生集成了Polaris RTK网络，能够与现有硬件设备（例如大型工程车辆）结合，为自动驾驶、移动测绘及机器人领域提供实时的厘米级定位数据，极大地简化了从数据采集到应用的全流程。

除了性能以外，Atlas INS最大的突破在于成本，此前要达到高精度定位，仅后处理软件的成本就可能高达20000美元，而Atlas INS的起售价只有6500美元。

RTK系统其实并不是一个新的东西，但是以往的RTK系统是“硬件定义”的，企业自建RTK系统需要高成本，而且不可复用，Point One的突破在于，它利用一个平台将以往的硬件需求转化为软硬件结合的服务，并且这个服务是通用的，可以在“物理AI”的各个领域应用。

例如，精密测量就是一个重要的应用领域，以使用DJI Mavic 3 Enterprise的无人机作业为例，飞手通常要求携带并架设笨重的本地基站，或在地面繁琐地布置像控点（GCPs），这使得前期准备工作耗时耗力。

现在，只需通过NTRIP协议接入Polaris网络，无人机无需额外基站即可实现“到场即飞”，每一张照片在拍摄瞬间即获得厘米级绝对坐标。

Point One和AIM公司合作，在偏远矿区实现自动驾驶。以往，企业要达成这一目标需要自行架设和维护昂贵的本地RTK基站，一旦遭遇恶劣天气或硬件故障，整个车队就会停摆。不仅带来成本浪费，还可能带来安全风险。

利用Polaris网络，AIM实现了“零基础设施”部署，无需在客户现场安装任何基站硬件，而且机器不再受限于轮班制或光照条件，可以不分昼夜地连续工作，显著提升了设备的综合运行效率（OEE）和矿区的安全性。

可以看到，Point One提供的不是定制化的硬件或软件，而是以Polaris RTK网络为核心，将厘米级定位能力作为一个偏向标准化的服务提供给各个行业各个场景中的具体硬件和产品。事实上，这种商业模式与华为智驾也很像，华为不造整车，但将智驾能力赋能给多个整车制造厂商。

厘米级的精确定位，是“物理AI”拥有自主能力的基座

厘米级的精确定位，对于“物理AI”是一个必不可少的重要基础设施。没有这种定位能力，无论是机器人，无人机还是自动驾驶车辆，都很难达到真正的“自主性”，因为你都不知道你自己在哪儿，你怎么自主？

但是要建设Point One的Polaris RTK这种网络，门槛相当高，因为它需要有大量的前期建设成本（硬件铺设、软件开发），需要有政策成本，需要前沿的技术，以及将技术落地成产品的应用能力。但要实现“物理AI”，这是一个绕不过去的东西，是产业链里的重要一环，是基础。

这当然对创业团队的综合能力提出了超高要求，他们的技术能力，商业化能力，产业资源积累，都要够强。但我们相信中国创业者的能力，有了高精度的RTK网络（事实上已经有企业在做），中国的“物理AI”产业链更完整。

基础设施扎实，应用类的创新和创业才能更加蓬勃的发展，我们已经观察到，中国的创业和创新团队，在“物理AI”应用上的活跃，例如KickStarter等众筹网站上，通常都是中国团队的产品排在前列，众筹金额超过百万美元的，比比皆是。