“色彩、深度原生融合，讓物理AI擁有真正的類人視覺。”

作者丨鄭浩鈞

編輯丨田哲

隨著數字 AI的蓬勃發展，AI逐漸從數字世界擴散到物理世界，物理AI正成為科技界關注的重點。理想汽車、榮耀、輕舟智航、元戎啟行——無論是車廠、手機廠還是智駕供應商，都在高調宣布進軍“物理AI”。

在5億多年前，地球迎來“寒武紀生命大爆發”時期，生命體的復雜性呈指數級躍升。動物學家安德魯·帕克（Andrew Parker）認為，這場演進的導火索是“光敏感性”的出現——當生命開始感知光，視覺便成為了物種進化的核心驅動力。

如今，當物理AI站在爆發前夜，視覺感知能力的進化，同樣成為了決定產業格局的關鍵變量。從智能駕駛到人形機器人，物理AI對感知的核心訴求始終不變：讓機器“看懂”三維世界。而這一切的實現，離不開底層感知技術的突破。

一個正在形成的行業共識是：物理AI的下一代視覺感知方案，不是二維攝像頭對三維世界的概率推測，而是色彩（RGB）與深度（Depth）在芯片層面的原生融合——這，就是RGBD空間相機。

在這次視覺感知能力的進化中，阜時科技作為國內唯一實現SPAD芯片從器件設計到車規量產全鏈條自主可控的芯片設計公司，早已在RGBD路線上完成了布局。

從結構光與雙目視覺的大規模量產積淀，到dToF與SPAD-SoC的全鏈條自主可控；從即將量產的RGBD雙芯片，到邁向終極融合的RGBD單芯片前瞻布局，阜時科技的每一步跨越，都在回應一個關乎未來的根本命題：當物理AI亟需一雙“更敏銳的眼睛”來理解真實世界，究竟什么樣的傳感器，才能定義下一個十年的感知基準？

01

物理AI的感知困境：純視覺路線的天花板

數字AI與物理AI的核心區別，在于是否需要與真實的物理世界產生交互。

“數字AI處理的是文本、代碼、圖像等虛擬信息，允許概率性錯誤的存在。而物理AI要理解并作用于三維世界，它的感知必須是精準、實時且低容錯的。”阜時科技董事長莫良華對雷峰網清晰界定了兩者的差異。

人類駕駛汽車、抓取物品的日常行為，背后是視覺系統對色彩、紋理與深度的天然融合——我們既能感知周圍環境的大致輪廓，也能精準捕捉針尖大小的物體。

莫良華舉了一個更直觀的例子：人在房間里的空間感知精度大約在1米級別，但拿起桌面上的一根細針時，精度需要瞬間提升到0.1毫米，精度相差萬倍。這種從1米到0.1毫米的精度切換，是機器視覺難以復刻的能力。

當前主流的攝像頭方案，本質上是三維世界在平面的投影，如同把三維世界壓縮到一張可打印的紙張，無法直接獲取物體的三維空間坐標。

試圖用二維視覺推算三維信息，不僅面臨著巨大的技術挑戰，更存在無法規避的安全隱患。莫良華舉例說明：“當自動駕駛汽車以每秒30多米的速度在高速飛馳，若依賴算法從二維圖像中‘推算’深度，遇到復雜或未見過的場景時，計算延遲可能導致事故發生；同樣，機器人抓取精密零部件時，一旦深度感知出現偏差，不僅會損壞部件，更可能造成生產事故。”

物理世界的復雜性，導致物理AI對容錯率的要求十分苛刻。數字AI的“一本正經的錯誤”可以被容忍，但物理AI的一次感知失誤，可能關乎生命與財產安全。這就決定了物理AI的感知，必須基于對三維世界的直接測量，而非概率性推算。

當前行業內關于自動駕駛感知路線的爭議，核心在于“純視覺”與“多傳感器融合”的抉擇。馬斯克倡導的純視覺路線，憑借海量數據與強大算法，在部分場景中實現了較好的表現，但從第一性原理來看，其底層存在無法逾越的短板。

“人類的視覺本身就是RGB（色彩）與D（深度）的融合，這是進化賦予的能力。”莫良華直言，“現在大家所說的純視覺方案，其實是純攝像頭方案，它缺失了深度這一關鍵維度，本質上是用二維信息去猜測三維世界，終究會存在信息丟失。”

信息缺失帶來的后果在極端場景中尤為明顯。當遇到無紋理的白墻、強光逆光、夜間黑暗等環境時，二維攝像頭的感知能力會大幅下降甚至失效；即使在常規場景中，算法推算的深度信息也存在概率性錯誤，無法滿足物理AI對確定性的要求。

在莫良華看來，從二維理解三維是升維，極其困難。“當然不排除有些特別聰明的人，通過大量的訓練，也能從二維信息大致理解到三維的情況。攝像頭也是如此，采用優秀的算法，通過大量的訓練，也能從二維信息得到部分三維信息，比如特斯拉FSD的體驗就很好，但這是不夠的。如果用了三維信息，FSD可以做得更好。”

莫良華用一個生動的類比解釋了這一問題：“特斯拉就像一位智商極高（算法先進）且瘋狂刷題（海量數據訓練）的尖子生，即使高考缺考了物理（深度感知）這一門，也能考上985大學，但如果裝備了RGBD空間相機，補齊深度感知的短板，它就能沖刺清華北大甚至姚班。畢竟，自動駕駛關乎生命財產安全，是一個高安全要求的場景，我們不能僅僅滿足于985級別的優秀，必須追求更高級別的極致可靠。”

莫良華給出了一個深刻洞察：純攝像頭方案本質上是在二維信息基礎上進行極限壓榨，而物理AI需要的是能直接感知真實物理空間色彩紋理和深度的類人視覺。基于此，他判斷：“隨著對安全冗余要求的提升，引入RGBD空間相機將是特斯拉乃至整個行業技術演進的終極形態。”

圖1：二維視覺無法直接獲取物理空間的縱深維度數據

從法規層面來看，純攝像頭方案也被明確約束。國標《智能網聯汽車組合駕駛輔助系統安全要求》和工信部《L3級自動駕駛功能評價細則》均強調，車輛不能依賴單一傳感器源，必須具備感知冗余。這一要求背后，正是對物理AI感知安全性的極致追求——單一的二維視覺，無法支撐高安全等級的場景需求。

莫良華指出，法規的制定絕非單純的行政干預，而是對物理世界復雜性的理性敬畏。“物理世界非常復雜，即便是擁有強大視覺與大腦的人類，在很多場景下也需要觸摸、聞嗅甚至品嘗來確認信息。多傳感器融合是物理AI理解真實世界的必然要求。”

02

RGBD空間相機：從物理疊加到芯片級原生融合

解決二維視覺瓶頸的核心，是實現三維感知的工程化落地。目前行業內主流的多傳感器方案，是“攝像頭+激光雷達”的分立融合，攝像頭負責捕捉色彩與紋理，激光雷達負責測量深度。本質上是一種物理層面的強行疊加，由此帶來了三大痛點。

圖2，一站式解決即時定位、地圖構建與自主避障

首先是空間對齊難題。攝像頭與激光雷達的光學路徑、鏡頭內參均不同，在溫度變化、場景切換等復雜場景下，兩者的空間對齊難度極大。其次，跨設備的時間對齊也需要額外的技術投入，容易出現同步偏差。最后是成本居高不下，獨立的激光雷達與攝像頭帶來雙份硬件成本，再加上疊加融合算法的開發成本，阻礙了方案的大規模商業化普及。

正是這些痛點，推動著三維感知技術從“分立融合”向“原生融合”演進，而單芯片RGBD空間相機，將RGB色彩感知與深度感知集成于一體，成為物理AI感知的新一代選擇。

通過單鏡頭單芯片實現光路完全一致，RGBD空間相機實現了色彩與深度的像素級對齊，空間、時間天然同步，讓機器能夠像人眼一樣，同時捕捉世界的色彩與空間信息。此外還大幅降低了成本與系統復雜度，使得RGBD空間相機的成本接近普通攝像頭。

莫良華給出了一個極具前瞻性的預判：“三五年內，傳統的激光雷達概念將逐漸淡出，取而代之的是全面普及的 RGBD 空間相機。”當色彩與深度在單芯片上完美融合，機器的眼睛將迎來真正的升維。

圖3，RGBD單芯片賦能具身智能應用

這個判斷背后是對市場空間的把握。RGBD空間相機的應用場景幾乎覆蓋了物理AI的全部版圖。通用機器人的導航與抓取、割草機器人的自主避障、無人配送車的路徑規劃、自動駕駛的前視與補盲等場景，都需要“色彩+深度”的一體化輸入。一顆芯片同時輸出語義信息和精確的三維坐標，才是物理AI感知效率的終極形態。

然而，要實現RGBD空間相機的工程化量產，必須攻克全固態激光雷達與光掃描兩大核心技術壁壘。前者實現了深度感知的成像光學化、芯片化與小型化；后者則破解了“遠距離+大視場角+全固態”的不可能三角，為RGBD的全場景應用奠定了堅實基礎。

RGB攝像頭接收端基于成像光學，而半固態/機械式激光雷達接收端基于掃描光學，兩者原理不同，無法融合。如果要強行融合，意味著RGB也要改成掃描光學。“讓RGB做掃描光學，曝光時間從30毫秒降到10-20微秒，信噪比差1000倍，太為難它了。”莫良華解釋道。

全固態激光雷達的接收端同樣是成像光學，這是與RGB攝像頭實現芯片級融合的物理前提。

目前，全固態激光雷達主要分為Flash與光掃描兩種技術路線。Flash方案采用“一次曝光、全域探測”的方式，視場角大，但光功率密度不足，探測距離通常僅二三十米，無法滿足自動駕駛主雷達的遠距離需求。

莫良華用通俗的語言解釋了這一矛盾：“Flash全固態激光雷達就像汽車近光燈，看得廣但看得近；如果需要看得遠，就像汽車遠光燈，需要把光集中起來，但集中光之后，視場角又會變小。要同時實現遠距離和大視場角，就必須引入光掃描技術，讓‘遠光燈’動起來，通過分時掃描，覆蓋更大的空間。”

傳統的固態光掃描方案，激光利用率極低，通常只有5%左右。這意味著，大部分激光能量被浪費，要實現遠距離探測，就需要使用高成本的光源，導致方案難以量產。

阜時科技自研了“萬向光控”全固態光掃描技術，對電光偏轉器模組進行了工程創新，優化了不同入射光條件與偏轉器結構的匹配關系，大幅降低入射光損耗，將激光利用率提升至80%以上，解決了這一行業痛點。

圖4，阜時科技獨家：萬向光控光掃描技術

這種光掃描技術的核心，是通過控制電壓改變電光晶體光柵參數，從而快速改變出光方向，實現無機械運動的全固態掃描。與傳統的機械掃描或MEMS掃描相比，它不僅沒有運動部件，可靠性更高，而且激光利用率的提升，讓低成本光源也能實現遠距離探測，“用10美元的光源就能實現過去1000美元甚至更貴光源的效果。”莫良華解釋道。

這項技術確立了阜時科技在行業內的獨特地位——它是目前唯一一家能提供200米遠距離、大視場角全固態激光雷達芯片及完整參考方案的公司。光掃描技術的難點，在于材料與結構的突破。阜時科技自2020年啟動研發以來，推翻了數十個設計方案，最終才找到性價比高、可量產的方案。

03

阜時科技：RGBD時代的芯片奠基者

除了“萬向光控”全固態光掃描技術，在RGBD空間相機的技術鏈條上，阜時科技還建立了多條難以復制的護城河。

如果說光掃描技術是讓RGBD空間相機具備遠距離感知能力的“望遠鏡”，那么SPAD（單光子雪崩二極管）芯片就是提供核心感知能力的“視網膜”。

SPAD芯片可以感知單個光子、實現皮秒級時間分辨，背后技術門檻極高，需要將光子接收、信號處理、數字計算等功能集成于單顆芯片，實現感存算一體。與傳統的SiPM模擬方案相比，SPAD芯片屬于半導體技術體系，能夠充分享受摩爾定律紅利，實現性能的快速迭代與成本的持續降低。

SPAD芯片的核心難點，在于高靈敏度與高穩定性的平衡。SPAD器件能夠感知單個光子，靈敏度是普通攝像頭的100萬倍，但要讓這種高靈敏度的器件穩定工作，難度極大。

“我們在SPAD器件研發上耗時數年，投入數億元資金。歷經三次全掩膜流片、近十次小改版，初始迭代涉及上百種規格，逐漸收斂才最終打磨出可量產的方案。”莫良華透露，SPAD芯片的研發，不僅需要攻克器件物理層面的底層難題，還需要解決時間數字轉換器（TDC）的皮秒級精度、大規模數字信號處理等一系列復雜技術挑戰。

值得注意的是，這些技術難題的攻克，需要全棧技術積累。從器件設計、芯片研發，到系統架構、算法優化，任何一個環節的缺失，都無法實現產品的量產落地。正因如此，阜時科技是行業首個且唯一乘用車智駕全固態激光雷達SPAD-SoC芯片供應商。

圖5，極氪9X全固態激光雷達

阜時科技的自研SPAD-SoC芯片，已于2025年Q4搭載極氪9X正式量產，累計交付數十萬顆，在車規大面陣SPAD-SoC芯片月出貨量持續保持全球第一。其核心產品FL6031和FL6032，在性能上實現了對行業競品的超越——FL6031分辨率達到360×150，FL6032達到288×216，遠超索尼IMX459（192×56），同時集成了激光器驅動與溫度傳感器，大幅提升了系統集成度。

成本控制方面，阜時科技的SPAD芯片也展現出極強的競爭力。相對于半固態激光雷達接收端1500元的成本，FL6031將成本降至500元以下，大幅降低了全固態激光雷達的量產門檻。“我們通過芯片集成，將半固態激光雷達的上百顆芯片的功能，集成到1平方厘米的單一芯片上，使得系統復雜度呈指數級下降，成本自然隨之降低。”莫良華表示。

在SPAD芯片和光掃描技術解決“看多遠”的問題后，RGBD融合技術要解決的是“怎么看”的問題。阜時科技已明確規劃了RGBD的演進路線，從雙芯片到單芯片，逐步實現色彩與深度的原生融合，引領行業邁入RGBD時代。

目前，阜時科技已協助客戶完成RGBD雙芯片方案的研發，即將實現量產。該方案采用“單鏡頭+雙芯片”結構，解決了傳統分立方案的空間對齊難題，同時降低了成本，適用于割草機器人、低速無人車和車載補盲等近距場景。

圖6，阜時科技SPAD-RGBD芯片引領空間相機終極方案

2027年，阜時將量產集成SPAD-RGBD單芯片的方案。這種單芯片方案，將RGB成像與dToF測距功能集成于一體，實現像素級的原生融合，不僅體積縮小50%以上，功耗降低40%以上，還能實現更高的分辨率與深度精度。

從雙芯片到單芯片的跨越，核心難點在于將可見光（RGB）信號與紅外線（深度）信號的處理集成在同一芯片上。“之前要么單獨處理可見光，要么單獨處理紅外線，現在要把兩個光路集成在一起，把信號處理集成在一起，放在同一個芯片上，難度非常大。我們花了三四年時間去攻克。”莫良華解釋道。

據悉，現在阜時的RGBD空間相機像素達到30-40萬，主要用于割草機器人，明年將推出400萬像素（等效1440線激光雷達）的可上車方案，2028年將實現800萬像素（等效2160線激光雷達），與當前車載攝像頭最高像素對齊。

在技術實現上，阜時科技通過自研超小尺寸SPAD工藝、復合濾光技術和自適應并行重構算法，攻克了單芯片融合的核心難題。“我們實現了四類工作波段的精準分離，光學串擾率低至萬分之一，同時共享讀出電路，實現高集成度和低功耗。”莫良華表示，這種單芯片方案，將成為物理AI感知的終局解決方案，覆蓋車載、機器人、AR/VR等全場景。

圖7，阜時科技SPAD-RGBD芯片引領空間相機終極方案

這一系列的技術突破，源于阜時科技多年的深厚積累。公司自2017年成立起就以機器視覺為核心賽道，布局結構光與雙目視覺，并在智能鎖領域實現大規模量產，雙目3D人臉識別模組更是連續五年蟬聯行業出貨冠軍。這段經歷不僅沉淀了阜時科技對機器視覺應用場景的深刻理解，更錘煉出一支具備卓越工程化規模量產能力的精銳團隊。

更關鍵的是，阜時科技的核心團隊，擁有豐富的“從0到1”的技術創新經驗。創始人莫良華是安卓系統觸控顯示一體化技術的發明人，年賦能超10億部手機，創數百億產值，推動國產芯片全球市占率領先。

阜時科技現有研發人員120余人，涵蓋器件物理、模擬IC、數字SoC、算法和系統集成等全棧領域。公司內設研究院，核心研發人員均為世界前100名大學的博士。在研發管理上，阜時采用“目標責任制”替代傳統的細粒度KPI，給予核心骨干期權激勵，充分釋放研發人員的創新活力。

這種管理模式賦予了阜時科技極強的市場敏銳度，使其研發工作始終緊密圍繞市場需求展開。

“我們并未局限于單一的接收芯片，而是基于市場痛點，主動布局光掃描技術。因為我們知道，缺乏光掃描技術，全固態激光雷達便無法實現遠距離探測，RGBD也無法覆蓋全場景應用。”莫良華表示。阜時的研發理念，始終是解決實際難題，這種以市場需求為導向的研發模式，讓公司能夠精準把握行業趨勢，提前布局核心技術。

從結構光、雙目視覺到dToF、SPAD-SoC，再到RGBD單芯片融合，阜時的技術演進呈現出一條清晰的脈絡：始終圍繞3D機器視覺底層技術持續深耕，從近距識別走向遠距感知，從分立方案走向芯片級融合，進而使得阜時在RGBD空間相機時代具備了先發優勢。

04

結語

物理AI的終局，終究要回到第一性原理。

人類視覺，從來不是平面的二維投影，而是色彩紋理與深度的天然融合。我們眼中的世界，既富有色彩紋理，也包含物體與自身的相對距離。當機器試圖用攝像頭以“純視覺”之名復刻人類的駕駛與操作能力時，缺失的正是這關鍵的一維深度信息。

五億年前，光敏感性的出現點燃了寒武紀生命大爆發；而今天，物理AI正站在爆發前夜，RGBD空間相機將成為機器感知真實世界更敏銳的眼睛。

阜時科技所做的，正是讓色彩紋理與深度在單顆芯片上完成終極融合，讓物理AI擁有進入真實世界的通行證，為這場智能進化提供最底層的感知基礎設施。