空间计算芯片黑马，拿下无人机、MR巨头，解密芯明空间智能技术

空间智能爆火，具身智能猛吸金，为空间计算打造一颗“专属芯片”。

作者|云鹏

漠影

转眼，AI大模型的竞赛已迎来“升维”，从通用大语言模型的惊艳到如今AI视频大模型的火爆，AI“理解世界”不断提速。

OpenAI的Sora一经发布就被挤爆服务器，字节跳动掏出视觉理解模型，1块钱搞定284张720P照片，多模态模型价格迈入“厘时代”。

李飞飞在NeurIPS大会上用180页PPT大谈视觉智能，强调解决空间智能问题是迈向全面智能化的基础和关键一步——空间智能让计算机看见世界、理解世界。

而这种理解世界的能力也让具身智能赛道迸发出巨大机会，人形机器人领域融资火爆，今年前11个月融资总额超过50亿元，融资事件近50起。近期稚晖君智元机器人等明星创企动作频频引起广泛关注。

硬件层面，苹果Vision Pro虽没有成为苹果下一个爆款产品，但却推开了空间计算时代的大门，让我们看到了当下虚拟现实设备能带来的天花板体验。

可以说，从硬件到软件，从技术到生态，人类社会正向着空间计算时代加速发展。未来AI要认识世界理解世界，具身智能则成为AI与世界交互的载体，这一切都离不开空间计算能力的支撑，需要端侧模型来驱动，需要端侧AI模型技术和产品的支持。

由此，整个算力产业都愈发关注AI在端侧的落地和产业化，尤其是芯片厂商，面对如此快速的产业变革，都在加快技术和产品的迭代。国内不少年轻创企都在各自细分赛道交出了漂亮的成绩单。

比如合肥芯明智能科技有限公司（简称：芯明）就亮出了目前全球唯一单芯片集成芯片化实时3D立体视觉感知、AI、实时定位建图（SLAM）的空间智能系统级芯片。芯明的空间计算技术及产品也已经广泛落地在人形机器人、移动机器人、机器狗、自主避障无人机、MR、智能机械臂等应用领域。

芯东西与芯明进行了独家对话，对其核心产品技术优势进行了细致挖掘，并深入探讨了当下空间计算时代芯片企业和AI产业面临的机遇和挑战。

01.

空间智能+具身智能，未来AI产业发展的两大风向标

我们所生活的世界是由三维空间组成的，AI想要真正理解世界，就必须要发展到空间智能阶段。未来的空间智能需要能够理解立体空间的结构、各类移动物体的运动规律以及它们之间的相互关系等，从而做出正确的决策和行动。

有了大脑还不够，AI想要与现实的物理世界进行交互，就必须对物理世界有理解，并可以在物理世界中操控真实的标的物，而这就是具身智能，可以理解为类似人体的神经网络驱动对物理空间的标的物进行操控或互动。

空间计算技术可以推动人形机器人的具身智能进化，3D视觉技术让人形机器人实现感知和识别、自主导航和避障，三维多模态大模型帮助人形机器人认识和理解真实的三维物理世界，提升通用感知和交互能力。

这些都是实现通用人工智能的关键，空间智能正在与具身智能结合，向着AGI发展，两者也必将成为AI产业未来发展的重要方向。

02.

深耕空间计算芯片，自研核心黑科技实现高集成度，破解性能、功耗、成本平衡难题

在这样的产业背景下，提供出色的空间计算技术支撑无疑是一个关键的产业“刚需”。

从3D空间感知、空间定位、运动跟踪到运动交互，从泛机器人、XR、3D扫描到自主避障无人机，这些领域都需要用到大量空间计算相关技术，包括3D立体视觉感知、AI以及SLAM。

这也是为何芯明要做这样一颗高度集成的空间计算芯片，去解决企业在空间计算时代的核心痛点。

这种高度集成化的系统级空间计算芯片在各类空间数据处理中都扮演着核心角色。

目前，行业中的传统机器视觉行业解决方案面临诸多挑战，比如2D视觉已经无法满足日益复杂的终端应用要求。在具体场景中，很多操作或运动已经无法单纯依靠2D视觉执行，无三维信息和空间距离也导致很多功能无法高效实现。

此外，传统AI芯片或FPGA芯片叠加软件化3D算法的这种方案也开始变得越来越不可持续，延时高、功耗高、无法适应复杂3D场景应用等短板变得越来越明显。

与此同时，适用于复杂场景的3D感知设备价格昂贵、多传感器融合也会大幅增加系统成本和复杂度。从MR头显、无人机到AMR机器人都会遇到这些挑战。

3D视觉算法的芯片化成为必然方向，也成为更优解。

目前芯明的3D双目立体算法是直接固化在芯片上的，无需借助额外的大算力AI芯片及昂贵的定制化传感器，就可以实现复杂3D环境的实时高速感知，并且场景更通用，这也更有利于3D视觉的加速普及。

在单一芯片上，芯明实现了3D+AI+SLAM的高度集成，做为单一系统级芯片解决方案兼顾低功耗、低成本、小型化等几个关键特性，这些特性优势对端侧设备来说至关重要。

当然，在芯片领域实现功耗、成本、集成度的兼顾向来是一件难事。为此，芯明自研了多传感器处理和融合处理器、自研了3D深度视觉引擎和部分专用硬件引擎，包括重要的自研SLAM引擎，当然，还有前文提到的算法芯片化能力。

此外，芯明的NU4000和NU4100两款核心产品都用上了12nm的先进工艺制程，其中，NU4100的AI算力相比NU4000几乎翻倍，能够以更低成本、更低功耗的方式助力客户实现系统升级，进一步提升能效比。

在架构方面，两款芯片的通用计算和系统控制及处理均用上了Arm Cortex-A5 CPU，NU4100的CNN神经网络处理器算力达到了3.5TOPS，可以应对各类常见AI场景。

基于高分辨率ISP和视频编解码器，芯明空间计算芯片可以同时处理6路摄像头数据，3D视觉性能可以支持到1080P 60FPS或720P 120FPS的水平，异步时间扭曲硬件引擎使运动到显示延时能够做到约1毫秒。

值得一提的是，芯片系统整体功耗可以控制在1W以内，可以说是真正做到了性能、功耗的兼顾。

不仅是芯片本身，芯明还可以提供端到端全栈产品和解决方案，根据客户和行业需求去量身打造相应的产品，更有针对性，实现效率进一步提升。

比如针对泛机器人客户，芯明有3D立体视觉模组标准和定制产品，企业客户可以“开箱即用”，这些产品可以实现深度感知、自主避障、高精度栈板识别、AI智能场景识别、物体识别等功能。

而对于各细分行业龙头客户，芯明也有能满足其更高需求的空间计算芯片及解决方案，包括从模组到算法库的端到端全栈解决方案，从硬件到软件都可以定制化。这一模式在无人机、MR头显等领域的头部客户中常有应用。

值得一提的是，在实际应用开发中，芯明积累了大量的应用算法，可快速帮助客户提供定制产品解决方案及加速产品化周期，这也是芯明在产业中的核心竞争优势之一。

我们能看到，实现出色的端到端体验背后，是芯明大量自研技术的创新和突破。据了解，芯明在3D深度视觉、复杂SoC芯片设计、低功耗设计、光学、嵌入式系统软件、AI边缘计算和SLAM等关键领域有着深厚的研发积累。

当前，芯明正致力于研发新一代空间理解模型和算法组件，帮助推动具身智能算法的迭代与部署。

这些技术积累无疑是今天芯明能够快速把握行业趋势、通过产品创新精准洞穿需求痛点的关键支撑，让芯明可以根据客户的需求快速开发高性能定制化空间计算芯片。

03.

拿下消费电子、机器人、XR头部玩家，技术实力仍是最硬王牌

正如前文所说，2024年是AI加速落地的一年，如何实现商业化、产业化是行业聚焦的，以芯片为代表的算力产业表现尤为突出。

目前，在人形机器人、MR、机器狗、移动机器人、自主避障无人机、3D扫描这些热门前沿领域中，我们看到全球范围内不少头部厂商已经在产品中应用了芯明的产品和解决方案。

国内我们能看到多家国内消费电子巨头和互联网大厂，而海外则有国际物流及机器人巨头，以及头部工业头显供应商。

在“强强联合”的合作模式下，芯明会将自己的技术共享出来，与客户进行协同创新，双方的优势互补，进一步提升企业快速将产品推向市场、拓展业务领域、最终实现业务增长的能力。

比如芯明与上市公司天娱数科在空间智能领域的合作探索，天娱数科的空间智能MaaS平台有80多万组3D数据、35万组多模态数据，将芯明的空间计算芯片和技术、3D视觉模组优势与天娱数科的数据资源、应用场景优势相结合，使得模型训练、算法优化更高效，芯明“感算一体、多路融合”的产品技术特点进一步拓宽了天娱数科智能生态边界。

显然，这种整合和优化产业链资源的模式，可以提升产业链的整体效率和竞争力，对双方企业和行业都有积极意义。

面向未来必将会变得更加复杂的市场需求，芯明也做好了准备，但这种准备更像是一种“变化中的不变”。

是行业风向、客户需求、自身的产品技术迭代，但不变的则是硬核技术创新的底色和积极深入行业与行业共创共研的成熟模式。

未来，芯明计划继续拓展消费电子行业，用空间智能技术提高目前产品的性能及功能，同时也会紧跟市场需求推出一些针对行业痛点的创新产品。

04.

结语：空间计算时代带来更多想象空间

芯明的空间计算芯片解决方案因其高性能、低功耗、出色的多传感器融合能力、芯片级3D深度视觉引擎、对自主SDK的支持、适应多样化需求以及全球化的竞争力和产品力，成为这些应用场景中更有竞争力的选择。

这背后，对技术创新的持续深耕、积极拓展应用领域，进而提升自身核心竞争力，都值得产业的学习和借鉴。这也是芯明能不断推出新的解决方案，以适应市场和技术的变化的根本保证。

空间智能和具身智能已经成为AI产业确定性的重要发展方向，当下空间计算产业的发展，技术的突破，产业生态的完善，仍需各路玩家的合力来解决。

空间计算给产业带来了巨大想象空间以及广阔的发展前景，空间计算时代才刚刚拉开序幕，要做的事情还很多，精彩还在后面。