物理AI拼到最后，不是GPU也不是大模型，而是一颗传感器。
2026年6月23日，与光科技宣布完成亿元级A轮及A+轮融资。本轮融资由舜宇光学科技领投，信熹资本、观新投资、中桥创投、京广协同等老股东跟投。这笔资金将主要用于推进自研计算光谱芯片产线扩容与技术迭代，巩固消费电子影像市场业务。同时，公司也会投入物理AI视觉芯片研发，完善光谱多维感知与端侧光计算技术链路。从消费电子影像基本盘到物理AI硬件入口，这家清华系企业正在寻找新的增长极。
资本与清华系的交汇点
舜宇光学科技作为本轮领投方，其意图并不难理解。光学巨头需要在前端感知技术上建立更深的壁垒，而与光科技恰好具备底层芯片研发能力。这种产业资本与财务资本互补的多元化股权结构，能为企业提供更扎实的供应链资源。老股东们的持续加注，说明对其商业化路径和技术兑现能力的认可。资本不再盲目追逐概念，而是更看重技术能否真正切入产业链的关键环节。
与光科技源自清华大学，是国内快照式CMOS超光谱成像芯片研发企业。其核心光谱芯片已实现批量应用，覆盖消费终端、工业视觉、医疗检测及自动驾驶等多场景。在手机影像对高质量色彩表现的需求下，公司把芯片能力与算法能力深度耦合。在色彩还原、分区色温判断等核心环节，他们建立起差异化优势。这是其能在消费电子红海中站稳脚跟的底气。
商业模式的闭环在于将实验室技术转化为可量产的标准化硬件。与光科技没有停留在学术研究的舒适区，而是选择直面消费电子严苛的成本和良率考验。通过将光谱芯片嵌入主流终端设备，公司获得了稳定的现金流和市场验证机会。这种从高端工业场景向海量消费场景降维打击的策略，有效摊薄了研发成本。有了消费电子市场的托底，公司才有余力去探索更具想象力的物理AI视觉芯片。
从感知到执行的闭环跃迁
物理AI正在成为科技巨头加速押注的确定性赛道。当AI不再局限于数字屏幕，而是开始融入并作用于真实的物理世界，问题就变了。它必须基于物理载体稳定地工作，结合传感器、智能体、硬件载体与环境感知。这是一种具备感知、认知、决策、执行闭环能力的AI系统。这很容易让人联想到具身智能，AI不仅要有大脑，还要有身体与环境交互。
英伟达发布Cosmos模型并打造物理AI完整底座，谷歌DeepMind也发布了强化机器人空间与视觉推理能力的模型。科技巨头们的动作，揭示了AI演进的新方向。正如黄仁勋所指出的：“Agent go to work，AI可以理解、规划、生成代码、调用工具，产出结果。” AI的竞争已经不仅是模型能力和算力规模的竞争，更是感知能力的竞争。如何以低功耗、高帧率和强鲁棒性获取关键信息，成为至关重要的能力。
传统AI主要依赖大数据和深度学习，在后端计算框架中完成信息处理。物理AI的核心则是智能与物理世界的深度交互。它必须依赖来自真实物理世界的原生信息与实体载体。通过视觉、触觉等多模态传感技术，对真实环境进行感知与理解。这种范式跃迁，对底层硬件提出了全新的要求。没有高质量的物理数据输入，再强大的模型也只是空中楼阁。
物理AI的工作流程从物理世界的感知开始，经过传感器集群进行特征提取。再由模型进行预测和决策，最后通过执行集群作用于物理世界。在这个完整闭环中，前端的感知数据质量直接决定了后端决策的上限。如果传感器提供的信息存在大量冗余或失真，AI的决策就会出现偏差。这就是为什么底层硬件的革新，往往比单纯的算法优化更具决定性意义。
感算一体的底层重构
在这个演进过程中，视觉是最重要的信息入口之一。人类获取的外界信息中八成以上来自视觉，对机器而言同样如此。无论是机器人、自动驾驶，还是工业控制，机器首先需要看见世界。当AI从虚拟场景走向现实任务，世界模型需要高质量、连续的环境感知数据。机器不仅要知道眼前是什么，还要知道它在哪里、离自己多远、表面是什么材质。视觉芯片的价值正被重新定义，它有望为机器提供更高效、低冗余的前端输入。
受生物视觉启发，与光科技创始人黄翊东教授、崔开宇长聘副教授团队提出了光谱卷积神经网络方案。他们在CMOS图像传感器表面大规模集成微纳调制结构。这使得传感器本身同时作为输入层和第一卷积层，在光谱维度实现大规模并行向量内积计算。结合后续小规模电计算卷积层，形成高效的光电混合神经网络。把计算从后端搬到前端传感器，本质上是对传统芯片架构的一次底层重构。
基于这一计算感知架构，与光科技进一步发展出物谱芯片。它可以直接处理自然图像，在百万至上亿像素的空间维度实现高度并行计算。通过连续光谱维度提取图像中的物质信息，实现对组成成分的动态识别与特征映射。这就实现了感算一体的边缘计算，相关成果也发表于国际顶尖期刊《自然·通讯》。在边缘侧解决海量数据的预处理问题，是降低功耗和延迟的关键所在。
这种感算一体的架构，直击当前智能硬件面临的功耗与带宽瓶颈。传统视觉系统往往需要将海量原始图像数据传送到后端处理器，造成极大的能量浪费。而物谱芯片在传感器端就完成了部分特征提取和物质识别，大幅减少了数据传输量。这不仅降低了系统整体的功耗，也提升了机器对环境变化的实时响应能力。对于需要实时决策的物理AI系统来说，这种低延迟的感知能力几乎是刚需。
公司正与头部手机厂商开展联合预研，推动相关技术成果的产品化进程。这种合作模式不仅能加速技术落地，还能通过真实场景反馈反哺研发。在此基础上，与光科技正构建面向多场景应用的物质识别与多模态感知传感器硬件。配套开发相应的后端算法体系，满足复杂场景下的多样化应用需求。软硬件协同的设计思路，让其在芯片赛道上构筑了更宽的护城河。
视觉芯片的重新定义
弗若斯特沙利文的数据显示，2025年全球多光谱AI市场规模达850亿元，预计2030年将增至3054亿元。五年复合增长率高达29.1%，这是一个极具爆发力的增量市场。芯片级光谱传感系统在2024年全球规模为4.5亿美元，预计2031年接近15.9亿美元。2026年6月工信部相关文件也将高端光电芯片、计算光学列为重点研发方向。市场空间和政策导向都在为这个赛道提供确定性。
与光科技将瞄准物理AI的核心硬件缺口，研发多感知维度集成的物理AI视觉芯片。公司在延续消费电子合作的基础上，将进一步面向具身智能与智能工业打开更广阔的产业空间。打通从光谱感知到多维物理视觉的技术路径，是其搭建智能终端通用光芯片平台的关键。当传统图像传感器遇到技术瓶颈，微纳光学与端侧AI技术的融合就成了必然选择。补齐智能视觉硬件国产化短板，不仅是商业层面的考量，也是产业升级的底层需求。
从消费电子到工业视觉，再到具身智能，光谱芯片的应用边界正在不断拓宽。每一类应用场景对芯片的帧率、精度和功耗要求各不相同。与光科技通过搭建通用光芯片平台，试图用底层架构的兼容性来应对碎片化的市场需求。这种平台化战略一旦跑通，将带来极高的商业壁垒和规模效应。在这个技术密集型赛道里，谁能率先完成场景验证并实现规模化量产，谁就能占据主导权。
物理AI的竞争才刚刚开始，感知硬件的卡位战已经打响。谁能掌握物理世界的高维数据入口，谁就握住了下一代智能时代的产业命脉。
本文素材来源于互联网公开渠道，如有侵权请联系删除。内容所述仅代表个人观点，不作为指导依据，据此操作风险自担！
