正面硬刚马斯克！深度对话亿维瑞光王霄鹏：性能1+1＞2，成本1+1＜2！量子成像改写智驾感知规则

投资者内参丨寿紫薇

量子计算，无疑是当下科技圈最滚烫的词汇之一。

从AI智能体生成量子代码，到千比特量子算力平台亮相，资本与政策正合力推动这条赛道加速奔跑。

然而热潮之下，中国科学院院士潘建伟多次提醒，量子产业亟需“挤泡沫”——不少企业仅凭包装概念就大肆融资，却缺乏可落地、可验证的核心技术，导致公众产生“搞量子的都是骗子”的错觉。

事实上，量子技术通常被归为三大方向：量子计算、量子通信与量子传感。量子计算距离商业部署最远，而量子传感最接近产业落地——它利用量子效应进行高精度测量，已在环境监测、医疗健康等领域展现出明确的应用前景。

正是在量子传感这条更贴近产业化的赛道上，一位名叫王霄鹏的物理博士，走出了一条不一样的路。

他没有去追逐量子计算那顶万众瞩目的皇冠，而是选择了一条更“接地气”的路径——把量子关联成像技术装进摄像头、装上汽车、装进千千万万普通人触手可及的产品里。

2013年，还在澳洲读博的王霄鹏偶然看到《文汇报》头版一篇名为“做好'鬼成像'，人生就值得”的文章，报道了韩申生老师做的世界上第一台量子雷达。那一刻他认定：“这个一定是我想要做的东西。”

博士毕业后，他先进入自动驾驶行业，发现车载传感器成本高企——一台L4自动驾驶车不算额外部分成本就达120万元。2021年，他创立亿维瑞光，将长期停留在科研领域的量子关联成像技术推向汽车、机器人、低空飞行器和消费电子等产业。

他给出的商业逻辑出奇简洁：性能上1+1＞2，成本上1+1＜2。在激光雷达已经“打到白菜价”的今天，这个答案显得有些反常识——暴雨天气150米外看得清清楚楚，实现“三倍能见度”；面对马斯克的纯视觉路线，他更是直接“正面刚”：传统路径的纯视觉本身是不准确的。

这位科学家创业者，凭什么用量子方案挑战包括激光雷达和纯视觉在内的统治地位？

近日，第十六届全国量子成像学术会议在苏州举行。会议期间，亿维瑞光创始人兼CEO王霄鹏博士与媒体围绕行业关键问题进行了多轮交流。

（以下为对话，略有删改）

从实验室到创业：为什么离开学界？

Q：你是怎么走上量子之路的？

王霄鹏：2013年，我到澳洲留学，导师是Wi-Fi技术发明人之一Branka Vucetic教授，她让我去选任何想做的东西。非常巧，当时我看到2013年《文汇报》头版上一篇文章，叫“做好‘鬼成像’，人生就值得”，报道的是韩申生老师做的世界上第一台量子雷达。我说这个一定是我想要做的东西。我就直接联系韩老师，韩老师说行啊，你弄呗。

Q：为什么后来离开学界出来创业？

王霄鹏：任何技术如果没有办法落地，就是不值钱的。2018年毕业那会儿，贸然出来创业不切实际，所以先选了一家创业公司——去创业公司是最痛苦的，要经历它从0到1，但可以看到全链条的事情。

当时澳洲朋友想引进中国的自动驾驶技术，我负责把L4的车和方案卖到澳洲，结果发现一个致命问题——太贵了。一台车成本差不多120万左右，大量成本都花在传感器上。传感器这么贵，一定制约了L4落地。所以我就想去做一个便宜、能解决问题、又不会显著增加成本的方案——这才出来搞亿维瑞光。

Q：公司为什么叫“亿维瑞光”？

王霄鹏：量子探测是一个“高维探测”过程，所以叫“亿维”；“瑞”是瑞雪兆丰年的瑞，寓意比别人更优秀；“光”就是我们做光学系统。英文名“Quantalus”，取量子的前缀加光的后缀。

“鬼成像”到底是什么？

Q：为什么有人管量子成像叫“鬼成像”？

王霄鹏：鬼成像（ghost imaging）是杨振宁命名的。为什么叫鬼成像？因为这种系统你拿人眼直接看，是一片雪花——物体是在那片雪花里“长”出来的，就像贞子从电视里爬出来的感觉。它不是所见即所得，需要通过处理才能把物体从雪花里还原出来。

Q：量子关联成像和量子纠缠是什么关系？

王霄鹏：最早的关联成像研究确实会使用纠缠光，但发展到今天，关联成像并不一定需要经典的量子纠缠。教科书上现在更愿意用“统计相关性”来解释它。量子通信和我们做的事情不是一个应用方向——通信主要解决信息怎么从一个地方传到另一个地方，我们做的是传感，或者说“捕获信息”。

Q：能用一个通俗的例子解释原理吗？

王霄鹏：不知道大家有没有这个生活经验：老妈做的饭，跟别人就是不一样——不管好吃难吃，你一吃就知道。为什么？因为它有特异性标志，还有记忆。这就是“关联性”。

举个例子：面前放六盘西红柿炒鸡蛋，到底哪盘是自家老妈炒的？吃一口就能吃出来——六盘菜里我一定能找到那一盘。这叫寻找统计相关性。

在产品上怎么干？很简单：我发出去的光，我清楚。它回来的时候，我就找——谁是我发出去的光？这个不是、那个不是我发的——我就提取出来了。提取出来之后我就能抗干扰了：六盘菜我都知道是啥，下雨、下雾的时候，哪一束是我的光、哪一束是干扰光，我很清楚。

传统光学是“连线成像”，一个对一个，中间有雨、有雾、有障碍物，线就被挡住了。量子不是做连线，是做“拼图游戏”——我不需要看到全部，看一部分就能把全貌恢复出来。

关联成像：如何从光信号中挖掘多维信息

Q：关联成像到底怎么从光里提取信息？

王霄鹏：光里面不只有图像。用普通图像传感器去接收，得到的主要是图像；换一种探测方式，可以拿到距离信息；再换成光谱仪，又可以获得波长相关的信息。

我们现在的RGBD产品可以同时得到图像和深度，5D产品还会进一步加入光谱、偏振等信息。它不是拍完一张照片再“猜”出所有东西，而是在设计成像系统时就决定要从光里提取哪些信息。

Q：主动和被动，哪种更好？

王霄鹏：我个人认为主动更好——主动关联成像的自由度更高，性能肯定更好。主动方案会向外发射经过调制的光，能够控制的自由度更多更灵活。

被动的优势是容易集成，不需要再增加一套主动光源，可以把调制器件直接集成到摄像头光路里，后面的算法再放到域控，所以整个系统能够做得比较小。被动的优点是很小、很便宜。

Q：解码需要什么样的算力？

王霄鹏：要看具体场景和算法。普通凸优化问题可以用CPU、DSP；涉及深度学习的可以用NPU或GPU。汽车现在越来越接近“卫星架构”——传感器主要负责采集，计算放到域控。对于车企客户，我们可以把算法部署到他们已有的计算平台上。

消费电子则要结合功耗、续航和最终的产品形态，决定在本地还是云端处理。

Q：产品体系怎么划分？

王霄鹏：三条产品线——RGBD讲的是三色图像加深度融合；“多维”产品线是在RGBD基础上再加光谱像和偏振像；主动量子关联成像线，是为那些对物理层端侧感算一体有需要的客户准备的，例如具身智能客户。

性能与成本：1+1＞2、1+1＜2

Q：相比传统激光雷达，优势在哪里？

王霄鹏：我们不是要去取代别人。我们是一个“全新类型的成员”——在性能上1+1＞2，在成本上1+1＜2。

从今年开始，很多智驾车型都要标配四颗补盲雷达，一颗八十多美金，四颗两三百美金。我们给客户的方案是整车的雷达成本压到两三百人民币。

性能上一个明显优势是抗干扰——传统摄像头、激光雷达在雨雪、雾霾或有遮挡时，线被挡住了就看不见。量子成像做的是拼图，看到一部分就能恢复整体，所以对雨雾等不良天气有很强的抗性。

另外它还有超分辨能力——传统镜头能看清的分辨率是定死的，量子技术加持之后，可以等效于十倍口径的望远镜。

Q：“三倍能见度”是怎么回事？

王霄鹏：能见度100米，我们能看300米；能见度1公里，我们能看3公里。普通激光雷达在恶劣天气下只能看100米的时候，我们能看300米甚至更远。

Q：成本为什么能做到这么低？

王霄鹏：因为零部件少了。普通激光雷达拆解下来，激光器要钱、接收器要钱、透镜要钱、供电要钱……我们的被动式产品就是一片调制器件，用半导体的方式直接雕出来，插进客户的镜头里就好了——那一片就是个玻璃片，多便宜。

硬件上是调制器（相当于给光打了个“压缩包”），软件上解算在域控里跑，CPU、DSP、NPU通用的都能解，不用专门定制。

核心不是某一个器件突然变便宜了，而是整个架构的变化。我们现在已经能在数百元预算下实现“超越激光雷达级别的感知效果”。在一个客户场景里，相比传统方案成本节约接近90%。

定义“视觉”很关键

Q：你怎么看马斯克的纯视觉方案？

王霄鹏：我们对这个话题其实非常喜欢。马斯克说纯视觉是方向，我们认同；也有客户说激光雷达才是真正的方向，我们也认同。

关键在于怎么定义“视觉”。光上面什么信息都有——图像信息、距离信息、光谱、偏振——拿普通摄像头捕捉的就是图像；换成SPAD阵列，捕获的既有图像也有距离；再换光谱成像器又不一样。所以“视觉”应该是一个更广义的定义。

另一方面，传统纯视觉本身是不准确的。为什么？因为纯视觉是基于训练的，训练的上限来自训练数据集和网络架构。传统纯视觉的估计算法是纯数据驱动的，所以整体上就是不准确的，系统冗余度就低。

Q：但马斯克说，光子的输入是最准确的。

王霄鹏：这句话要一分为二地看。第一，“光上携带各种信息”没错，我们其实也是在解析光上的不同信息，这一点我们认同。第二，马斯克这句话背后有“供应链安全”的属性——激光雷达的产业链在中国，而视觉产业链中国和欧美都很发达。站在欧美的立场，用纯视觉的方法在供应链上是安全的。所以他说的话，有他自己的立场在里面。

技术先进和客户采用是两码事

Q：创业五年，最难的是什么？

王霄鹏：最难的时候，是我们把样机做出来给客户演示，客户却跟我说他不想要。我花了很长时间想这个问题——技术先进和客户采用是两回事。

客户不会因为你的技术先进，就重构一套已经成熟的系统。他要承担安全风险、验证成本、供应链风险和售后责任。

Q：什么情况下客户才愿意换？

王霄鹏：我们今天反复讲的两个公式：性能上1+1>2，成本上1+1<2。你给客户加一个新东西，性能要比原来更好；同时整体成本还要更低。只有同时满足这两件事，才有动力让他替换。

Q：真正导入产品的过程是怎样的？

王霄鹏：有一次客户直接把我和团队拉到工厂去，类似封闭开发，在那里待了两周。客户这边有什么问题，我们就当场解决什么问题。实验室里面可以把环境设置得非常标准，但到了客户现场，很多事情不会按照论文里的方式发生。

所以我以前讲量子要“坐在工厂里、睡在产线上”，不是一句口号。

Q：工程化最难的是什么？

王霄鹏：不是光源、探测器或者算法中的某一个东西特别难，最大的难点是这些环节怎么一起设计，再跟现实供应链的能力做平衡。

做科研的时候可以一直追求更高的指标，甚至假设很理想的器件。但做产品不行，还要考虑成本、良率、加工能力、可靠性。工程化到最后就是不断做取舍——什么指标一定要，什么地方可以让一点，成本和良率怎么平衡。

现在我们的整体架构已经基本定型，部分型号也进入了小批量阶段。

市场落地上传统车企更积极

Q：汽车、工业、消费电子，哪个最先落地？

王霄鹏：车企是耐心，工业级客户是快，消费级是互相拉动。车的导入周期一般是12到18个月，消费级最快6个月左右，工业级在两者中间。

Q：电动两轮车这个市场怎么看？

王霄鹏：全球一年新增8000万台两轮电动车。国家现在有电动两轮车智能化的导向，各家各显神通——送外卖的做智能头盔，主机厂要造“带辅助驾驶的两轮车”。

有客户给的时间点希望今年底就开始批量交付，但我们自己会劝客户缓一点——你得先把产品定义想明白，我们自己的能力也得跟得上。从我个人判断来说，2027年Q2是一个相对更合理的时间。

Q：先在两轮车上落地，会不会影响进四轮车市场？

王霄鹏：客户根本不在乎。客户在乎的是这个价格可不可以——可以就行了，马上就买，买了就试，试了就上。B端客户永远不在意这个东西卖得便宜，甚至只要卖的便宜，他们都愿意试。

Q：哪些车企对这项技术最感兴趣？

王霄鹏：反而是传统车企更积极。目前国内大约有5家传统车企在做不同程度的测试验证。欧洲也有一家车企很积极，每个月都会来推进项目，有时反而是他们催着我们做项目管理。

Q：消费电子市场怎么看？

王霄鹏：消费级需要我们给产品经理提供“不同的花样”让他们找感觉——一个新玩意能不能卖爆，产品经理要靠直觉判断。现在我们在和一家手机厂以及一家影像公司做这样的事情。

量子成像打开机器人感知的新空间

Q：机器人这个大赛道怎么看？

王霄鹏：机器人的感知一定是多模态的——图像、深度、偏振、光谱，一定都有。机器人需要更好地理解这个世界，不能只靠海量数据训练图像和深度，还要理解这个世界是由什么物质构成的。

举一个场景：配药场景，尤其是需要管控的环节——有的药品存放在玻璃容器里，有的放在非玻璃容器里，现有雷达和视觉都是“瞎”的，分辨不出玻璃容器里装的是什么药。人干这件事要交叉核验，机器人怎么干？直接用光谱一看就知道。

Q：你们公司自己用大模型吗？

王霄鹏：我们现在开了两条并行的研发线：一条是传统研发线，还有一条是大模型辅助研发线——要"善假于物"，站在巨人的肩膀上做事。我们做过横向对比，大模型比传统团队领先三个月。所以未来在组织架构上，大模型会是一个非常重要的支柱，而且成本更低。

Q：多模态数据喂给世界模型训练，难度不是更高吗？

王霄鹏：反而是更容易接近“ChatGPT时刻”。如果数据只是一个维度的——一阶平均叫“图像”，是低信息量的素材——很难训练出那种“GPT感”的东西。

就像人拿一杯咖啡，一定是不同的感知一起运作，加上记忆去完成这个动作。你看纸杯，想的是“软软的”；看咖啡，想的是“苦苦的”；看到冒热气，知道“是烫的”——这些都不是纯视觉给的，而是不同维度信息联动的结果。

量子成像对世界模型、多模态训练会有很大帮助。

Q：你们真正的野心是什么？

王霄鹏：今天的光学和牛顿、高斯年代的光学没有本质区别——三四百年过去了，我们还在沿用传统那一套做光学设计。量子光学给了不一样的视角。

下一代光学系统应该是“任务定义型”的——拍山就针对“山”去优化，拍“水”就针对“水”去优化。这样一来，我们不止在情怀上改写了光学系统的设计，也可以为具身智能提供更优质的数据输入。

Q：你们的护城河是什么？如果激光雷达公司开始布局量子成像，追上你们要多久？

王霄鹏：我们这个领域，坑是很多的。有些坑就是沉淀下来的“know-how”——它写不进专利，也写不进论文，只有我们自己知道，而且很多工具链都是自己搭的。从半道开始做的团队，短时间内很难突破。

核心技术和生产是解耦的。工厂拿到的是成熟图纸和生产参数，但很难反推出系统为什么这样设计、下一代会怎么演化。就算把产品拆开，它也不会自动把缺的那些课补给你。

Q：你们现在用的都是国产供应链吗？

王霄鹏：对，全部都是国产。

创业五年，在不断自我否定中理解商业化

Q：创业五年，有否定过自己吗？

王霄鹏：说真话，每天都在推翻自己。我有一个机制——每日复盘：记录自己每天什么时间点干什么、情绪变化、思想变化，每天还会导出一句“一句话代表今天”。做分析的时候，会对同一个问题做不同时间点的分析，因为不同时间点的视角不一样。

最容易产生成就感的方式是：我推翻了这件事之后，列出了一个行动方案，结果它能够从另一个视角确实起到效果。

Q：现在一天睡几个小时？

王霄鹏：昨天晚上我3点睡的，今天上午8:30开幕的活动。这是常态。

Q：接下来有什么融资计划？

王霄鹏：持续融资。我们落地的思路就是要让量子技术在现有的最成熟的工业体系里长出来，面向普罗大众看得见、摸得着的场景，让大家买得起、用得上。

Q：之后如果拿了融资，会成为规模非常大的公司吗？

王霄鹏：团队会继续扩大，也不一定是非常大。因为大模型还是很有效的。未来的组织架构上，大模型应该会作为一个非常重要的支柱，而且成本很低。

Q：你怎么理解商业化？

王霄鹏：商业化不是技术牛、别人听不懂就能跑通的。商业化是一个赚钱的过程——怎么让客户付费，这个很重要。我做一个东西很先进，客户不愿意付费，那它只是一个工艺品、一个艺术品。

要让客户付费，就要站在客户的角度：他为什么要掏这个钱，你给了他什么价值，解决了他什么困难。