亿维瑞光创始人兼CEO王霄鹏博士

01 “鬼成像”到底怎么成像

(相关资料图)

02 一套新的感知方案，怎么进入现有产品

03 从能用到能量产

Q：汽车、工业和消费电子几条线同时在做，你们现在怎么分配优先级？

王霄鹏：底层技术是共用的，但是上面的产品不会完全一样。我们现在的策略是，工业级和消费级希望先形成量，车载就耐心等认证周期走完，汽车是一个很重要的长期市场，但它不会是最快的。

目前车企客户都还在持续推进测试验证，正常的车载产品导入周期大约12到18个月；消费电子如果产品定义清楚，最快大概6个月；工业基本处在中间。所以并不是我们只押一个行业。汽车、工业、消费电子，包括机器人都在做，只是节奏不同。

Q：哪一类产品最有可能最先形成批量交付？

王霄鹏：现在两轮车客户反而特别积极。有客户给我们的时间点，希望今年底就开始批量交付。但我们自己会劝客户缓一点，因为你首先得把产品定义想明白，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，两轮车有一个特点，它对成本很敏感，又在往智能化走，很多四轮车上的功能开始往两轮车下放，所以客户的动力比较强。汽车就不会这么快，安全和认证周期摆在那里。

Q：你们第一次把产品真正导入客户时，研发团队是怎么和客户一起磨的？

王霄鹏：这个事情其实没什么神秘的，就是跟客户泡在一起。我们有一个客户，直接把我和团队拉到工厂去，类似封闭开发；那次差不多在那里待了两周，客户这边有什么问题，我们就当场解决什么问题。

实验室里面你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。器件怎么装、客户已有的接口是什么、算法怎么部署、现场为什么突然不工作，这些都得一点点解决。

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；技术进入产业，就是要经历这个过程。

Q：从实验室技术到商业化产品，最难的工程化问题是什么？

王霄鹏：不是光源、探测器或者算法中的某一个东西特别难，最大的难点还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，甚至假设一些很理想的器件。但做产品不行，你还要考虑成本、良率、加工能力、可靠性，客户最后能不能接受。我们很多东西没有重新造一条产业链，而是尽量用已有的CIS、光学、机械、电子和计算体系。真正要做的是，在这些已经成熟的东西上重新设计一套关联成像架构。

所以工程化到最后，其实就是不断做取舍。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，这些才是产品问题。

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，同时还在和头部客户推进验证和导入。后面要解决的，就是怎么把这些产品真正稳定地生产出来，再跟客户现有的系统和供应链配合好。

Q：再往长期看，你希望亿维瑞光最终做成什么？

王霄鹏：如果只把我们理解成汽车上的某一颗传感器，我觉得范围还是窄了。我们希望做的是下一代光学感知系统的设计方式。传统光学很长时间都在解决“怎么拍得更清楚”，分辨率更高、画面更锐利。

我认为下一步会变成“任务定义型光学”。今天我的任务是测距离，光学系统就围绕距离去设计；我要识别人、识别材质，或者让机器人理解周围的空间，也可以从光学前端开始决定要拿什么信息。

也就是说，不一定所有信息都先完整拍下来，再交给后端大模型算。光学系统本身可以先做一部分信息筛选和提取。

所以汽车、手机、机器人、工业只是不同的应用。再往后看，我们想做的还是一套平台型的感知技术，让光学系统从单纯“看清楚”，变成按照不同任务获取有用的信息。