眼下，物理AI已经成为一级市场最拥挤的赛道之一，大量资金涌向了“能让机器更接近人类的判断力与行为能力”的方案，而人类决策与行动的基础，80%以上来自视觉所提供的信息。从这个意义上说，AI要真正走进物理世界，视觉是一道绕不过的门槛。

然而，今天主流的图像传感器骨子里是为“人看”设计的：逐帧曝光、完整输出，把每一帧画面都当作一张需要保存的照片来处理。这套逻辑在手机拍照时代运转良好，但当它被塞进机器人和自动驾驶系统时，缺陷便开始暴露——数据冗余、传输带宽吃紧、后端算力被大量无效信息消耗，真正关键的时空变化反而容易被淹没。可以说，视觉感知的效率，正在成为物理AI落地最现实的瓶颈。

这一语境下，一种新的思路正在试图打破这种僵局，那就是“类脑视觉”。它不再模仿相机，而是模仿人眼和视神经的信息处理方式：在感知前端就把颜色、边缘、运动变化等信息拆解开，以稀疏、互补的形式输出，让后续的决策系统只拿到有价值的信息。

在国内，一支来自清华的团队已经走在了这条路径的最前面，并且得到了资本的关注。投中网获悉，由清华大学类脑计算研究中心孵化的类脑视觉芯片公司——晰见科技，成立刚满一年便已连续完成三轮融资，累计金额近5亿元。

其资方阵容也相当亮眼——徐汇资本、经纬创投、华映资本、英诺基金、水木清华以及具身智能、汽车产业链龙头企业等，几乎囊括了政府产业基金、头部市场化机构、高校系资本与产业资本等时下最活跃的资本类型。

资本密集布局的背后，除了对前沿方向的认可，更核心的信心来源于团队本身的实力。在科研领域，《Nature》封面的含金量无需赘言，其中在AI与芯片两大领域，中国大陆机构以第一完成单位登上《Nature》主刊封面的成果仅有三项，清华大学类脑计算研究中心团队独占其中两项——2019年的“天机芯”与2024年的“天眸芯”，而晰见科技，正是“天眸芯”技术成果唯一的产业化平台。

从清华实验室走出来的“孤注一掷”

晰见科技的故事，得从清华类脑计算研究中心讲起。

该中心成立于2014年，由清华大学依托精密仪器系，联合计算机、微电子、电子、自动化等7个院系共同成立，这是国内最早进行全方位类脑计算研究的团队。成立十余年，这里走出的一系列原创成果多次登上国际顶级期刊，其中最为人熟知且最具分量的，正是上文提到的类脑计算芯片“天机芯”与类脑互补视觉芯片“天眸芯”。

晰见科技的CEO杨哲宇，就是这个中心的博士生，读博期间曾先后参与了两个项目的核心工作，并且是“天眸芯”论文的共同第一作者。正是这段科研经历，让他看到了“类脑视觉”的广阔前景。在他看来，语言大模型之所以先于视觉爆发，是因为语言本身就是智能压缩后的产物，天然更易涌现智能；但视觉占据了人类感知信息量的80%以上，才是下一个时代真正需要攻克的关口。而今天的图像传感器，本质上是“给人看”的，强行拿来“给AI看”，并不适配大模型感知世界的方式——“为AI定义视觉”，无疑是一片广阔的蓝海。

这一判断并非全然来自主观，市场早已给出了信号。杨哲宇分享了一个细节：早在公司孵化之前，就有不少客户带着需求找到清华类脑中心，希望团队帮助他们定制芯片。这一产业需求，也在国家项目层面得到了进一步支持，且该项目已经升级进入国家重点研发计划序列。

来自产业一线与国家项目的双重印证，让杨哲宇更加确信——市场早已在等待一个能够同时兼顾高分辨率与高帧率的视觉方案。

除了明确的市场前景，还有另一层驱动力。“高端视觉芯片市场超过80%的份额长期被海外公司垄断。从家国情怀的角度，我们也不希望所有高端视觉方案都来自海外。”杨哲宇表示。

但想要实现产学研转化，终究需要一个市场化的载体。于是在2025年博士毕业之际，他放弃了国内外高校递来的教职机会，带着一份“孤注一掷”的决心，毅然投身于天眸芯类脑视觉技术的产业化进程，正式创立了晰见科技。

值得一提的是，为了将这场创业从愿景推向现实，杨哲宇从一开始就着手搭建一支贯通科研与产业的复合型团队。其中，CTO王韬毅博士长期参与“天眸芯”研发，已在《Nature》《Science Robotics》等顶刊发表论文13篇；首席科学家赵蓉教授是国家高层次人才、清华大学精密仪器系长聘教授、类脑计算研究中心副主任，长期负责类脑视觉感知方向研究，并担任中国脑计划“异构融合类脑计算研究平台”重大项目负责人，已发表SCI期刊论文100余篇。

截至目前，晰见科技团队约40人，其中研发人员的博士、硕士占比超过80%，核心工程成员大多来自索尼、英伟达、安森美及国内头部CIS企业，拥有10至20年的图像传感器与芯片从业经验。产业化与市场团队成员则深耕行业20余年，曾负责年规模数亿美元的相关业务。

从原创研究、芯片设计到工程量产、市场落地，这支团队的能力已覆盖视觉感知全产业链条。

给AI装一对会编码的“视网膜”

要理解晰见科技和“天眸芯”的价值，首先要清楚当前AI在“视觉感知”层面所面临的卡点。

目前多数AI硬件仍沿用传统CMOS摄像头作为视觉采集前端，它的工作原理是把光信号转为数字信号，按固定节奏一帧一帧地输出图像，再经过编码压缩，最终变成我们熟悉的视频格式。但问题恰恰出在这套“逐帧输出”的底层逻辑上，想象一辆自动驾驶测试车，十几个摄像头同时运转，一天就能攒下TB级的数据量，可仔细看，相邻帧里天空、路面、护栏几乎没什么变化，却被反复采集、传输、分析，这就形成了海量的数据冗余。此外，分辨率、帧率、精度这三个核心指标在传统方案里往往相互牵制，提升一项就意味着牺牲另外两项，因此也构成了行业长期无解的“不可能三角”。

更大的问题还在于算力。视觉的数据量天然庞大——一张1080P的图片对应约8000个Token，按每秒30帧折算，就是每秒数十万个Token；而目前最好的边缘端GPU，每秒也只能处理数百个Token。这意味着，用传统方式让AI“看懂”世界，延迟被无限放大，这也是为什么虚拟现实、世界模型等应用迟迟难以落地。

而“天眸芯”的解法，是把摄像头从“逐帧快照”改造成一套懂得取舍的视觉原语系统，它不再机械地把每一帧画面原样保存，而是借鉴视网膜的多通路机制，在感知前端对光强、空间结构和时间变化等视觉信息进行差异化采集与互补编码，这不仅打破了分辨率、帧率、精度此消彼长的掣肘，同时大幅降低了后端重复传输与计算负担。

据团队介绍，“天眸芯”目前已经实现了每秒万帧的高速感知与130dB的高动态范围，同时让传输带宽降低90%、功耗降到传统高速传感器的十分之一，综合性能领先海外同类产品一倍以上。

值得一提的是，在晰见科技的业务版图中，“天眸芯”并非一颗孤立的芯片，而是一整套“机器视觉神经系统”，它包括天眸芯芯片、协议、以及多模态大模型。其中，芯片如同机器的“视网膜”，负责感知物理世界并在前端完成视觉信息的拆解与编码；传输协议如同“视神经”，将信息以更适合模型处理的形式高效传递；视觉模型则扮演“大脑视觉中枢”，对信息进行理解与推理，并进一步连接决策与行动。

芯片、协议与模型的协同，使得机器视觉不再停留于图像采集和被动输入，而是跃升为面向物理世界的原生视觉感知与理解能力。

经过一年的努力，成果正在持续兑现。2026年8月，团队最新研究成功再度登上《Nature Sensors》封面，这距离天眸芯论文上封面仅过去两年。产品层面，公司量产进程稳步推进：一代芯片已成功点亮，面向量产的二代芯片已完成流片，分辨率从20万像素升级至500万像素。同时，视觉信息处理进一步前移至感知端，可直接提取可供大模型使用的高信息密度视觉Token，首Token延迟控制在几十毫秒以内。

在应用端，天眸芯已覆盖具身机器人、自动驾驶、工业检测、高速摄影、无人机巡检等多个赛道，可精准捕捉百微秒级工业异常事件，适配边缘端低功耗部署需求。

类脑视觉，一门越来越被看重的生意

当大语言模型进入"百模大战"，前沿的目光正加速转向物理世界——具身智能、人形机器人、自动驾驶，都在呼唤一双能够理解真实世界的“眼睛”。类脑视觉，正是为这双眼睛提供的一条可行路径。

如今，这一领域正收获越来越多来自政策和资本层面的关注。“十五五”期间，类脑计算不仅被列为关键技术攻关方向，更被纳入国家工程实验室的成果转化体系；同时，头部机构、政府产业基金与产业资本也纷纷出手，加速卡位。

在杨哲宇看来，类脑视觉之所以被寄予厚望，正是因为它代表了一条真正的底层创新路径。颠覆式创新，从来不是沿着既定轨道追赶，而是回到第一性原理，重新定义问题本身，探索一条尚未被验证过的道路。他的目标足够宏大，也足够清晰：“未来哪里有AI的自主决策，哪里就有天眸的芯片。”

不过，面对这个巨大的蓝海市场，杨哲宇并不打算做成封闭的生态。“我们持开放态度，包括IP授权，邀请更多人一起推动视觉通用智能的发展。”

物理AI时代，或许正是一个属于他这样敢于冒险、敢于创新的年轻人的时代。而杨哲宇与晰见科技的故事，才刚刚开始。