杨哲宇，晰见科技创始人兼CEO，清华大学类脑计算研究中心博士，牵头研发全球首款基于原语的类脑互补视觉芯片“天眸芯”，相关成果荣登《Nature》封面及多项国际顶刊，累计申请专利50余项，是类脑计算、类脑视觉芯片与“AI+硬件”交叉领域的青年专家。
2025年博士毕业后，杨哲宇毅然而然地放弃教职，投身产业化，仅一年就带领团队完成近5亿元融资，推动类脑视觉芯片成果从实验室走向产业应用。
作为国家重点研发计划子课题负责人，他还带领团队打通从芯片设计到量产的完整产业链，全力助推国内类脑AI硬件产业进阶突破。
机器要真正进入物理世界，视觉输入层几乎是最关键的存在。
但今天大量自动驾驶车辆、工业机械臂和机器人，仍在用为“人看”而设计的摄像头：逐帧曝光、整幅输出，用帧像素记录世界。
对人类观看来说，这是为了还原画面；但对机器理解来说，逐帧采集、传输和处理完整画面，也带来了大量冗余。相邻帧中的场景结构、目标外观往往高度相似，而影响决策的关键变化，可能只发生在短暂时刻和局部区域。前者支撑精细认知，后者关系到快速响应，两类信息都不可或缺，却不必始终以相同频率和数据量被采集、传输和处理。对Physical AI来说，视觉感知需要一种兼顾二者、更适合机器理解的信息组织方式。而这样一套高效的视觉机制，其实早已存在于人类的视觉系统之中。
《模速开放麦》特别策划了「模速硬核局」系列直播，聚焦商业航天、具身智能、先进制造等重投入、长周期、高门槛赛道，对话那些在短时间内接连拿下数亿级融资的硬核创业者。资本为何瞄准这些赛道？看中的是底层技术壁垒、商业化路径，还是产业周期的窗口？我们将深度对话模速空间明星企业，解码硬科技背后的商业逻辑。
作为「模速硬核局」系列直播的收官之作，本期我们邀请到晰见科技创始人兼CEO杨哲宇，他将为我们带来晰见科技成立仅一年完成近5亿元融资背后，全球首款基于原语的类脑互补视觉芯片“天眸芯”究竟如何从《Nature》封面走向量产，打通芯片设计至量产完整产业链，并推动Physical AI从“胶片相机时代”迈入“原生视觉”时代。
左一：主持人陈佳亭Eric
右一：晰见科技创始人兼CEO杨哲宇
节目中，他带来了这些观点：
“发表《Nature》文章并不是我学术生涯的一个终点，而是我真正做芯片的起点。”
“未来三年内，给人看和给AI看的视觉传感器会变成两种不同的技术路线。”
“谁的钱不是钱，核心是该拿谁的钱。”
“视觉应该把无效的东西删掉，把有效的东西留下来。”
“我对类脑智能的判断是，它未来会是超越人工智能的一级学科。”
“晰见真正关注的领域往往是那些现在没有的应用，是定义全新需求，而不是替代已有产品。”
“把视觉拆解为不同的原语，预测各个原语未来的变化，多个原语之间就能相互印证。”
“
以下为部分访谈实录
01
从“给人看”到“给AI看”：
一次类脑视觉的范式重构与跃迁
Eric：从”天机芯”到”天眸芯”，两次站上全球学术巅峰的背后有哪些有趣的故事？
杨哲宇：天机芯是国家在AI和芯片两个领域的第一篇《Nature》正刊封面文章。当时的封面成果，一个是天机芯芯片，另一个是基于天机芯的无人驾驶自行车，到今天在互联网上还很有影响力。
当我们做完天机芯以后，我们发现通用的视觉，尤其是类脑的视觉，类脑的智能，光有算力芯片还不够，它还得有一双适合AI它原生的一个眼睛。
其实很长时间里我们自己都没有注意到，我们其实独占了全中国大陆作为第一单位的《Nature》，后来的话才有了第三项DeepSeek-R1。
回头看，从“天机芯”到“天眸芯”，更像是沿着一个问题不断往前追。
当时登上《Nature》封面的，除了天机芯，还有我们基于它搭建的一辆无人驾驶自行车。它能自主行驶、避障、跟随，让大家直观地看到：一块芯片，真的可以让自行车自己“动脑筋”。直到今天，网上还能看到不少相关视频和讨论。对很多人来说，可能还没记住天机芯，就先记住了那辆自行车。
但做完天机芯，我们发现，光有负责“思考”的芯片还不够，AI还需要一双适合自己的“眼睛”。人的视觉系统并不是把所有画面原封不动地交给大脑，而是在感知前端就进行信息筛选和编码，兼顾精细认知与快速响应。这个启发，后来就逐渐演化成了天眸芯。一个研究机器怎样“思考”，一个研究机器怎样“看见世界”，两项工作就这样接了起来。
还有个有意思的细节：很长一段时间，我们自己并没有特别关注所谓的“纪录”，后来回头梳理，才意识到这些成果在中国AI研究登上《Nature》的历程中有着特殊的位置。做研究的时候，大家更多想的是眼前的问题怎么解决，并没有一开始就奔着封面去。我觉得科研最有意思的地方就在这里：每一个答案，都可能带你走向下一个问题。
Eric：为什么放弃教职选择创业？从清华博士生到三四十人公司的CEO，“科学家”变”企业家”，最不适应的是什么？
杨哲宇：放弃教职这个决定其实我一秒钟都没有犹豫过。发表《Nature》封面文章，对于很多研究者而言都是穷极一生追求的终点，而对我与天眸芯团队而言这只是我们做芯片与商业化的起点。
关于转变，最大的变化是从一个”苦行僧式”的技术痴迷者，变成一个团队的掌舵人。读博期间，我5年没有发表过一篇第一作者的paper，没有假期，寒暑假从来没有回过家，睡在实验室，过春节5年只回过一次家。
孵化公司以后，角色变成了CEO：从一个人做研发，变成带领大团队、补齐团队各层面短板。我把天眸事业，从我一个人做研发，变到说我们作为一个大的团队，我补齐团队里面各个层面的一个短板的这样的一个角色，其实我觉得这个是一个CEO的定位。
Eric：作为”天眸芯”唯一的产业化平台，晰见科技如何把封面论文变成真正的产品？
杨哲宇：做学术，更多是把最大的长板发挥出来，把芯片整体的优势做到极致。但真正做量产产品，不只是有优势，还要在客户关心的关键问题上没有致命短板。这其实是量产芯片和非量产芯片最核心的区别之一。
量产过程中一定会有很多妥协——为了良率、为了设计、为了整体可靠性。但这些妥协恰恰是芯片设计的魅力所在，也是从实验室走向量产的核心挑战。类脑中心一直在做这样的事情。
我们所有类脑中心的芯片，没有一颗是纯为学术而做，更多都是为了量产、为了真正的商业化交付。我们采用的所有设计工艺都是标准CMOS设计工艺。如果去追求更好的器件，也许能发更好的文章，也能做出更好的性能，这没有问题；但为了让产品随时ready、随时可以商业化，我们在前期铺垫上就朝着量产去努力。
Eric：目前市场究竟是怎样的状态？
杨哲宇：就目前市场状态而言，在视觉感知领域，索尼占据全球40%—50%的市场；尤其是高端手机、消费类主摄，基本都是以索尼为核心物料。三星占据全球约20%的市场。但它们目前在视觉感知架构上，还是focus在“给人看”的视觉架构上。
而未来AI真正要做的，其实不是感知，而是更像我们的视神经，去刺激我们的大脑。这块在数据表示格式上有核心差异：刺激眼睛是几亿个感光细胞，所以需要把画面尽可能逼近真实世界；刺激大脑，则应该把画面中有效的东西提取出来。这个思路，恰恰就是天眸芯颠覆行业的核心思路。
我现在就可以预言：未来三年内，给人看和给AI看的视觉传感器会变成两种不同的技术路线。前者追求拍照好看，追求的是人类视觉感官的娱乐；后者不追求好看，而是能不能更真实感知物理世界、更快响应、更省算力。现在，晰见对后者的理解，领先业界至少两年以上，面对的可以说是一片蓝海市场。
02
晰见科技的三张牌：
找对资本、定义需求、开放生态
Eric：华映资本、经纬创投、徐汇资本、英诺基金、水木清华，以及具身智能、汽车产业链龙头企业——四类最活跃资本为何同时下注？
杨哲宇：客观坦率地说，晰见第一轮的时候，团队还没有完全搭建起来，我们更多是依靠政府的支持，徐汇资本在第一轮就大力支持了我们。华映资本是一家老牌VC，他们的创始合伙人季总、孙总，从晰见成立、从类脑中心孵化出来的时候就深度参与了，帮助我们构建了初创阶段基本的治理结构和股权方案。
公司孵化出来以后，我们也接触了很多资本。当有了模型、芯片也蒸蒸日上之后，你会发现“谁的钱不是钱”，核心是该拿谁的钱。最重要的筛选标准是——找到真正的同路人、认可晰见理念的投资人，这是我们最倾向的。
Eric：在高端视觉芯片市场超过80%的份额长期被海外公司垄断的格局下，晰见科技凭什么打破铁幕？
杨哲宇：晰见真正关注的领域往往是那些现在没有的应用，是定义全新需求，而不是替代已有产品。晰见想做的是颠覆式创新。创新里有时代机遇，就是未来AGI的机会。AGI一旦到来，会改变原本的生产力与生产关系。到下一个时刻，AGI缺的是什么？缺视觉。
有了视觉以后，无论是接入现实的终端、走进千家万户的家用机器人，还是未来的自动驾驶，都需要一种通用解决方案：类似人一样，有视觉能力、语言能力、行动能力的大脑。这个大脑是未来的通用产品，像人一样有学习能力，走进千家万户。
这类市场里，我们会优先落地和人交互的智能终端，也就是大模型到现实世界的入口。尤其是在应用领域，20倍的性能提升不只是模型响应更快，背后逻辑是让我们的Token比同类型公司便宜20倍以上。这是对算力的节省，也是对整体系统端到端能力的节省，是真正用户无法拒绝的优势。它是全产业链条端到端的优势，也是天眸芯的核心竞争力。
Eric：商业模式上，晰见选择“芯片+协议+模型”三位一体，不做封闭生态，甚至开放IP授权——卖IP和卖芯片，这门账怎么算？
杨哲宇：从业务模式来说，卖芯片一定是我们的核心。但为什么我会一直强调生态和IP，是因为我们看到的是一个巨大的机会——彻底颠覆视觉、重新定义视觉的机会。在这样的机会里，只有晰见一家公司也不正常，所以我们会以更开放的心态看待这件事。
我们做模型的逻辑，更像英伟达、高通做解决方案。比如买高通芯片，买的不只是芯片，还包括基带怎么设计、屏幕怎么点亮、camera怎么对接，是一整套通用手机解决方案。英伟达也一样，有大量生态和训练案例。
所以我们会去开源，对开源的判断不仅来自对模型的自信，更希望构建视觉生态通过开源走出去，把传统视觉方案的逻辑，转变成面向大模型的逻辑。这也是我们面向智能化的核心打法：用生态和完整解决方案，带动整体硬件和模型销售。
03
当视觉不再拍给人看：
天眸芯决定做减法
Eric：传统摄像头为什么“不适合AI”？类脑视觉具体里面包含哪几类数据模态数据的模态？
杨哲宇：总体来说，视觉里的冗余信息包含两类。第一类是空间冗余，相邻像素点几乎一样，但所有视觉信号都被采集下来；同时还有时间冗余，前一帧和后一帧几乎不变，传统CIS却把所有东西都输出了。第二类是语义冗余。比如我今天和你面对面对话，我一直看的目标都是你，不会反复识别你是谁，这是大脑天然的减负机制。
真正的视觉表示，应该把时间冗余、空间冗余、语义冗余都删掉，对应到传统视觉里的色彩、边缘、运动、深度，以及背后的语义。这恰恰是天眸，或者未来基于天眸的视觉大模型，表示视觉信息的基本逻辑。
基于这些逻辑，我们会定义一个全新的视觉传感器，叫 token camera。它的基本输出不再像整帧像素点那样把所有视觉信息都输出，而是把画面里有效的 token 输出，把无效 token 全部过滤。
Eric：2026 年 8 月，你们又登了一次《Nature Sensors》封面，这次解决的是什么问题？
杨哲宇：这次的文章登上了《Nature Sensors》封面，这是Nature面向传感领域新推出的子刊。文章里提出了基本的学习思路和训练范式：视觉应该把无效的东西删掉，把有效的东西留下来。
这实际上解决了当年马斯克提的一个问题——自动驾驶的激光雷达和视觉传感器发生矛盾时，到底该相信谁？天眸的核心解决思路是：把视觉拆解为不同的原语，预测各个原语未来的变化，多个原语之间就能相互印证。
传统视觉感知或训练方式，最难的是验证传感器本身的错误。人看到不自然的东西，会想这是什么样的异常情况；但传统CIS或机器视觉、AI，在传统意义上都是100% 信任视觉输入。我们则提取不同元素，判断各原语是否正常，这是一种全新的学习范式。
它的应用场景不只是自动驾驶，而是开放环境、非受控环境下的视觉感知。这是我们认为未来视觉走向通用性的核心点。受限环境里，光照可控、变量可控，房间不会下雨下雪刮风冰雹，这是物理先验。但开放世界最大的挑战是，你不知道什么时候会发生什么。在这种情况下，CIS是最合适的数据源头。
Eric："十五五"规划里，类脑计算被列为关键技术攻关方向，还纳入了国家工程实验室成果转化体系。政策东风对你们意味着什么？类脑计算会不会是下一个像"人工智能"一样被举国推动的学科？
杨哲宇：我说两个点。第一，政策上，政府引导给我们很大机遇。宇树上市前，国家对具身智能支持力度很大，十五五规划也提了发展具身智能。宇树上市后，工信部在十五五规划纲要新闻发布会上，已经明确把类脑智能排在世界模型前面，它不局限于计算，而是一种通用的类脑智能。
我对类脑智能的判断是，它未来会像超越人工智能的一级学科。对类脑这件事，我是有信仰的。不是说所有智能都要和人一样，可能发展出完全不同的智能。但在physical时代，人类的进化是能源与智能化水平的trade off——在有限资源条件下实现通用智能。
Physical AI或Physical AGI会是比具身更大的概念。它的基本点是与现实世界交互，交互方式可以是语言、指令，也可以是操作动作，不局限于具身，类脑智能恰恰是它走进真实世界的路径。当能耗有制约、有局限时，不一定百分百和人一样，但类脑思路能降低成本、功耗、算力需求，是核心技术路线。
后记
与杨哲宇的这次对话，让所有人都清晰的认识到：AI需要的从来不是“更好的摄像头”，而是一双完全不同的眼睛。
传统视觉做加法——逐帧曝光、整幅输出，把海量冗余丢给后端，再强的算力也浪费在大量“不变”的信息上。天眸芯做减法：空间冗余、时间冗余、语义冗余统统删掉，只留有效token。这背后是杨哲宇的一个根本判断：给人看的传感器和给AI看的传感器，未来三年会变成两种东西。
但技术判断只是起点，更值得关注的是杨哲宇对商业化的清醒：卖芯片是核心，但生态和IP同样重要；不是去替代索尼、三星，而是定义“给AI看”的新需求；不做封闭打法，而是开源、开放授权，用完整解决方案带动硬件和模型销售。
从《Nature》封面到量产线，从实验室到公司，杨哲宇经历过“苦行僧”式的科研，也经历过量产妥协的挑战。他最终选择了一条更难的路：不做纯学术，而是把类脑视觉芯片真正推向产业。
这条路上没有现成答案，也没有捷径。支撑他的，或许就是那句“对类脑这件事，我是有信仰的”。
但信仰之外，量产、良率、供应链、客户账本，一样都不能少。而这大概也就是硬科技创业最真实的样子：抬头看路，低头算账，然后把脚下的每一步都认真的踩实。
