算力浪潮下，AI智能影像的无线化变革| 2026AI Partner·北京亦庄AI+产业大会

大家下午好，非常高兴再次来到AI+大会的现场。一年时间，AI领域的变化可谓天翻地覆，整个行业的兴奋感扑面而来。作为杭州研极微电子有限公司董事长、神眸品牌的创始人，我想和大家探讨一个核心问题：在这场以AI为中心的技术风暴中，真正的风暴眼是什么？在我看来，答案是新质生产力。

眼下，全球市值最高的公司是英伟达，它超越了苹果、微软等巨头，凭的就是它掌握的新质生产力——GPU算力。那么，在这股汹涌的算力浪潮中，像神眸这样的公司，机会在哪里？

我们的切入点，并非去正面追逐英伟达，而是选择在算力浪潮的下游，做一件更具体、也更关键的事：用极致的低功耗芯片设计，让摄像头彻底摆脱电线的束缚。你想想看，手机、电脑、平板早就实现了无线化，但作为视觉传感器的摄像头，却始终被一根电源线“拴”着。这根线带来的成本是惊人的——室外安装一个摄像头，先得立杆子，花费1万到10万元；挖沟埋线，又是1万元；安装周期动辄一周以上；每年的维护费用还要3000元。对于公安这类需要海量摄像头的系统来说，维护成本更是天文数字。

神眸的目标很明确：实现摄像头的零安装成本、零使用成本和零维护成本。而要达成这个目标，关键就在于把摄像头的功耗降低一到两个数量级。

这背后，是芯片设计方法学的根本性突破。我们采用的是全定制芯片设计方法学，主要在三个方面与众不同：

第一，

。行业传统是采用台积电或三星提供的标准单元库，设计时只能用静态双锁存器，动态逻辑不被EDA工具支持。我们反其道而行，使用动态单锁存器。一个静态双锁存器需要24个三极管，而我们只需4个，面积和功耗直接降到传统方法的六分之一。

第二，

。传统流程是用高级语言编写代码，再由工具综合。手写网表，就好比软件工程师不用高级语言，直接用汇编写程序，虽然难度极高，但效率也更高。这就像DeepSeek能在AI领域取得突破，部分原因就在于他们采用了更底层的PTX进行编程。我们的手写网表，能带来数倍的性能优势。

第三，

。传统自动布局的芯片面积利用率通常在50%-60%，而我们通过手动精细布局，利用率超过95%。

凭借这套方法学，我们实现了功耗成本乘积降低一个数量级的突破，并将其应用在摄像头SOC芯片上。第一代芯片，功耗仅为业界平均水平的三分之一，已经用于理想AI眼镜，以及神眸自家的智能云台摄像机BC4PRO+、双目枪球AOR电池云台摄像机PT4、运动影像记录仪V1等产品。

第二代芯片更进一步，功耗达到了业界的十分之一。它已应用于神眸智能停车记录仪DC1——这是业界首款专为停车场景研发、超长续航且免布线的产品。更值得一提的是神眸太阳能一体化智能摄像机BC7，我们首次用仅仅1瓦的太阳能板，就实现了摄像头24小时不间断、365天全年无休的持续工作。当然，要实现整个系统十分之一的功耗，光靠SOC芯片不够，我们在CIS图像传感器、PMU电源管理、Wi-Fi和4G模块上都进行了全面的低功耗设计。

功耗的突破，直接打开了市场想象的空间。目前，全球安防类摄像头的年出货量大约在3到4亿只（不含手机摄像头）。但我们判断，到2035年，这个数字将增长到100亿只。手机摄像头是为“人”服务的，而物联网摄像头是为“万物”服务的，其潜在数量级必然远超手机。尤其是当无线、免维护的摄像头成为现实，市场增长将大幅加速。每年保持30%的增速，100亿只的目标并不遥远。

目光再放远一点，到2045年，我们认为全球摄像头数量将达到1000亿只。一个关键的推演在于：我们预测到2040年左右，以人工智能为核心的第四次工业革命将基本完成，届时人类大部分工作将被AI替代。那么，人类的舞台在哪里？很可能是在虚拟世界。这就需要构建一个无比庞大的“世界大模型”，它能实时、精准地映射物理世界。否则，这个模型就会“飘”起来，产生幻觉。如何让它“接地气”？答案就是依靠海量的摄像头，将物理世界的实时状态输入进去。初步估算，要完整反映世界，可能需要1.2万亿只摄像头。如果分十年建成，每年就需要部署1000亿只。

面对这个大模型时代，神眸的另一个战略方向是“神算”——即大模型推理算力。毫无疑问，算力是当今最核心的新质生产力。英伟达是当前的王者，但其他公司是否还有机会？这得从算力的两个层面看：训练算力和推理算力。

在

方面，超越的机会非常渺茫。核心壁垒在于CUDA生态。几乎所有主流大模型框架都基于CUDA构建。记得在一次生态大会上，国内一家知名大模型公司的负责人提到，他们为了适配另一家公司的芯片，足足花了三个月。三个月，对于大模型迭代周期来说，几乎就是一代产品的时间。没有极强的战略合作意愿，谁愿意付出这样的代价？

但在

领域，机会则大得多。原因有二：首先，推理算力不依赖CUDA接口；其次，每个大模型都有其独特的算法和算子。针对这些特定算法进行芯片定制，在功耗和成本上，天然就比通用的GPU有巨大优势。更重要的是，推理算力的需求规模远大于训练算力。全球顶尖的大模型团队可能就上百个，就算每个团队用一万张卡，总量也不过百万级别。而推理算力面向的是全球数十亿自然人，以及未来更多的机器人，这个需求是千倍、万倍级别的。这也正是英伟达不惜斥资200亿美元收购推理算力创业公司Groq的原因。

所以，如果把推理算力做好，创业公司完全有傲立潮头的可能。那么，关键点是什么？主要有三个：

第一，能否找到并深度适配优秀的大模型，无论是开源模型，还是能形成战略合作的闭源模型；
第二，是否能够获得先进的半导体工艺支持；
第三，芯片设计方法学，尤其是低功耗设计，是否有独到之处。

在这三方面，我们积累了一些优势。我们的全定制方法学能实现别人十分之一的功耗，这相当于在半导体工艺上领先了四到六代。同时，我们是三星最先进工艺的顶级合作伙伴，具备定制工艺的能力。虽然目前大部分有价值的模型仍是闭源，但开源趋势向好，并且中国大模型公司追赶乃至超越世界先进水平，是迟早的事。

结合这三点，我们看到了清晰的机会。事实上，在之前的CNN（卷积神经网络）时代，我们已经打下了坚实基础。在做自研芯片时，我们就开发了自己的编译器，将CNN模型高效映射到芯片上。这套编译器经过五年商业化迭代，已经非常成熟。此外，我们自身也在利用大模型做AI客服、AI编程，并为客户提供AI应用服务。从SOC芯片、大模型芯片、传感器芯片，到硬件产品和云端应用，我们正在内部形成一个能够快速自我迭代的闭环。这条路，我们充满期待。

谢谢大家。