网格智算正式发布GridAI大脑，无人机林下无GNSS自主飞行迈入商业化阶段

成立于2025年的网格智算，致力于填补无人机在林下场景的应用空白。公司自主研发的智能化底座“GridAI大脑”，首次实现了无人机在无GNSS（全球导航卫星系统）信号环境下的自主飞行、毫米级测径与自动避障。目前，该产品已进入小批量商业化交付阶段。

林下环境因树木遮挡，长期被视为自动化作业的难点。传统无人机导航设备在此类场景中，常因GNSS信号丢失而无法定位，同时通讯信号强烈衰减，使得远程图传和人工操控难以实时、连贯进行。此外，传统SLAM（同步定位与地图构建）技术难以应对树枝随风摆动等持续微变化的环境复杂纹理。

国家林草局数据显示，2025年我国森林蓄积量达209.88亿立方米，全国木材产量约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。这些数据背后，隐藏着伐区蓄积量核算、树木胸径测量等大量劳动密集型工作。传统人工作业模式成本高昂、效率低下且存在安全隐患。

网格智算市场负责人钱敏指出，只有构建一种可端侧离线运行的、具备实时高精度空间感知与随动控制能力的具身智能方案，才能有效解决林下“全拒止”环境下的作业需求。

网格智算的解决方案基于自主研发的“网格域学习技术”。公司首席科学家代豪拥有三十多年技术积累，早在1996年便首创异构架构结合高性能计算的算法体系，并被特聘为国家高性能计算工程技术研究中心研究员。

GridAI大脑的技术原理

网格智算认为，目前主流的无人机智能方案大多基于深度学习框架，依赖海量人工标注图片来训练模型，通过二维静态像素特征识别物体。然而，林下环境动态多变，光照明暗不定、树枝交错遮挡，同一物体在不同角度、光线下的像素特征可能完全改变，导致基于深度学习的无人机难以有效识别环境并执行任务。

网格智算的解决方案是构建一种通过动力类型、物理尺寸实现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。其自主研发的GridAI大脑基于网格域学习机制，在解析连续视频流的过程中，同步保留时间与空间双重维度信息，使设备具备识别、理解真实空间的能力。

具体而言，网格域学习对物理世界进行了三个层面的“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，包括位置、速度、运动方向；三是定义实体之间关系的关系网格，例如确认“鸟窝在两根树杈中间”。

网格智算表示，GridAI解析的是场景底层空间结构与物体关系，这些信息不受光线、天气干扰，因此环境鲁棒性更强。此外，与深度学习训练动辄需要数万、数十万张标注图不同，GridAI仅需几十至数百张样本即可完成训练，整体算力需求与硬件功耗大幅降低。公司提供的测试数据显示，GridAI仅需学习客户提供的30张树杈上鸟窝的照片，即可在58张测试图上实现误报0、漏报1，准确率达到98.3%。

从林下到更多场景

钱敏介绍，网格智算选择切入林业赛道源于一次偶然机会。2025年，公司与一家国有林场沟通时了解到，全球林业林下测绘仍几乎完全依靠人工作业，存在巨大的自动化替代需求。头部无人机厂商在净空、高空飞行领域已经非常成熟，但林下仍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的技术验证，并与中林重庆、浙江飞流等头部林业企业达成了深度合作。

不过，网格智算的定位并不只是林下作业无人机提供商。钱敏表示，GridAI本质上是一个通用的智能大脑，可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与执行的能力。例如，当岸基雷达在有杂波干扰导致定位不准时，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度融合，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。在仓储物流领域，公司与北京广嘉、固高股份等合作，GridAI可配合多SKU多工序的机械臂工作，覆盖货品单件拣选、打包及包裹分拣等场景。此外，公司还与深圳联通建立了战略合作伙伴关系。

未来，网格智算计划以GridAI大脑为纽带，联合产业链上下游，为农林业、物流仓储等重点行业提供更完整的智能解决方案。