在旧金山 Soma 区一栋由旧仓库改造的实验室里，我目睹了一场令人脊背发凉的演示。Nadav Grossinger 将指甲盖大小的传感器对准桌面上的扑克牌，屏幕没有生成任何可见光图像，却跳出一行精准的判读：“材质：植物纤维纸浆，表面涂层聚乙烯醇，偏振角 17.3 度，微划痕密度 23 条/平方厘米。”这张扑克牌在这一刻并非作为视觉对象存在，而是作为纯粹物理属性集合被感知的——这恰是机器理解世界时所渴求的原始语言。

2025 年 6 月，从 Meta 离职的 Grossinger 与 Nitai Romano——两位在扎克伯格麾下主导 Quest 系列头显物理传感器栈长达七年的核心技术领袖——正式将他们的新公司 Elio Labs 推到台前。这家初创企业刚刚完成由 Innovation Endeavors（谷歌前 CEO Eric Schmidt 旗下基金）与 Xora 联合领投的 2100 万美元 A 轮/种子轮融资，OpenAI 首席产品官 Kevin Weil、Scribble VC 参投，老股东 UpWest 与 Resolute Ventures 持续加注。他们只做一件事：彻底废弃 RGB 像素作为机器传感的中间介质，转而让光线在抵达 CMOS 之前，先穿过一层由 AI 实时控制的动态光学神经网络。

这不是改良型传感器。这是感知范式的一次暴力拆解。

光学的七十年暗室：为什么最精确的镜头恰恰是机器最糟糕的眼睛

要理解 Elio Labs 的颠覆性，必须回溯一个荒诞且长期被忽视的事实：支撑全球数万亿美元智能设备市场的图像传感技术，其底层逻辑仍根植于 20 世纪 50 年代的广播电视标准。1941 年 RCA 推出 NTSC 黑白电视制式时，工程师们为取悦人眼设计了三色荧光粉的混合比例；1975 年柯达工程师 Steven Sasson 发明数码相机时，他依旧将胶片时代的色彩科学原封不动数字化为拜耳阵列。这种“红绿蓝像素拼接+后期图像信号处理器（ISP）流水线”的架构，在此后的半个世纪里几乎未受质疑，它为 Instagram 的滤镜美学和 Netflix 的 HDR 画质提供了基石。

但机器与 AI 不需要 Instagram。

我们从英伟达的工程师那里常听到一个抱怨：在一辆 L4 级自动驾驶汽车中，8 颗高分辨率摄像头每秒产生的 6GB 像素数据里，超过 92% 的信息在被卷积神经网络处理的头几毫秒内就被判定为冗余并丢弃。一个阴天路面上微弱的偏振反光——对人类驾驶员几乎不可见，却可能是黑冰的唯一先兆——会被 ISP 的自动白平衡与降噪算法不幸抹除，如同外科医生在手术前用磨砂纸打磨掉病灶的纹理。这种“捕获后再遗忘”的流程，本质上是将光子携带的丰富物理信息强行塞入为人类视网膜定制的窄通道。

更深层的冲突在于时间尺度。光子撞击物体表面时，会在亚皮秒级别记录下材质的复折射率、表面粗糙度的自相关函数、亚波长结构的偏振椭圆度。而传统 CMOS 传感器对这些物理量的响应是毁灭性的：它将一切坍缩为三个浮点数——R、G、B。这就像将贝多芬第九交响曲的完整波形记录为“此刻音量中等偏大”，然后期待 AI 能从中还原出合唱声部的细节。

Nadav Grossinger 在 Meta 的 Reality Labs 亲历了这种挫败感的顶点。他负责 Quest Pro 的眼动追踪与面部重建传感器系统，团队曾尝试用十四颗不同波段和偏振特性的镜头来捕捉用户面部肌肉的微颤动，以期在 VR 社交中还原自然表情。“我发现自己不是在解决传感器问题，而是在与传感器的先天缺陷作斗争。”Grossinger 在接受我采访时回忆，“每个光子到达传感器之前，都已经携带了材质、深度、运动和化学组分的全息信息。我们的镜头却像一面毛玻璃，主动把这些信息模糊掉，然后再调用昂贵的计算资源试图重建它们。这太愚蠢了。”

这种挫败感催生了一个根本性的追问：如果抛弃 RGB 这个源自广播电视时代的中间态，直接从光线的物理属性中提取特征，传感器应该是什么形态？当 Grossinger 带着这个问题离开 Meta 时，他实质上是在挑战一项延续七十年的产业共识——这个共识曾让索尼、三星和 Omnivision 坐拥数千亿美元的成像芯片市场。

偷光者：前 Meta 光学双雄的技术叛逃与 Eric Schmidt 的眼界押注

Elio Labs 的两位创始人的职业轨迹，几乎与消费级光学计算从幻梦走向现实的过程同频共振。Grossinger 毕业于以色列理工学院光电工程专业，2016 年加入 Oculus（后被 Meta 收购）时，VR 行业正经历第一次泡沫破裂后的寒冬。他早期负责 Quest 1 代手柄的 LED 追踪阵列，很快因对偏振光学的独特理解被调入高级研究部门。Romano 则专注底层传感器融合算法，他设计的用于 Quest 2 头部六自由度追踪的惯性-光学混合滤波器，至今仍是业内标杆。

在 Meta 的七年里，两人共同主导了至少三代物理传感器栈的演进：从初代 Quest 粗糙的可见光 LED 斑点追踪，到 Quest Pro 融合眼球追踪、面部编码和深度传感的多模态阵列，再到被 Meta 内部称为“Mirror Lake”的下一代轻量级全息镜组原型。正是在这个过程中，他们愈发清晰地看到了硬件创新的天花板——不是算力不够，也不是算法不精，而是光线进入传感器的第一道关卡的设计哲学完全错了。

“我们在内部提出过用衍射光学元件进行前端光计算的概念，但得到的回应是：这会让供应链复杂度翻倍，而产品节奏不允许延迟哪怕一个季度。”Romano 回忆道。这揭示了消费电子巨头的核心困境：即便拥有近乎无限的研发预算，任何威胁到现有 CMOS 供应链和 ISP 芯片路线的传感架构变革，都会被官僚体系与百万级出货压力绞杀。对于 Meta 而言，从索尼采购成熟的面阵 CMOS 然后堆叠自家 AI 算法，远比重建一颗传感器来得安全。

2023 年底，两人几乎同时做出了离开的决定。他们没有立马成立公司，而是先花费三个月时间密集走访了斯坦福大学纳米光子学实验室、加州理工的集成光路团队以及台积电的硅光部门，试图验证一个核心假设：利用现有的半导体微镜工艺，能否在微米尺度上构建可控的动态光学层？答案比预期乐观。MEMS（微机电系统）微镜阵列的良率在过去五年间提升了三个数量级，德州仪器 DLP 芯片的微型化工艺已能将数百万个可动微镜集成在平方厘米量级。光学神经网络的前端计算不再停留于论文里。

当 Grossinger 带着仅三页的初步技术白皮书拜访 Innovation Endeavors 时，他预期这会是一场艰难的科学普及。但 Eric Schmidt 本人显然比大多数从业者更快捕捉到了本质。“Schmidt 读完第一页就打断我，问：‘所以你们在重构的是传感器的冯·诺依曼瓶颈？’”Grossinger 回忆时仍带着当时的惊讶。这个类比极其精准：传统传感架构中，光子采集（模拟）与计算处理（数字）分离，正如早期计算机中存储与运算的分离，数据传输成为最大功耗与延迟来源。而 Elio Labs 的方案，本质上是在光学域直接完成特征提取，将“传感”与“计算”在光速尺度上融合——这几乎等于将整个传感器变成一颗光速推理芯片。

OpenAI 首席产品官 Kevin Weil 的参与则揭示了另一重想象空间。Weil 在 GPT-4o 的多模态系统开发中深刻体会到，当下 AI 模型对物理世界的理解仍被限制在二维像素的牢笼里。“当 GPT-5 或 GPT-6 需要实时感知物理材质、三维几何和亚表面散射特征时，如果你仍递给它一张 JPEG 压缩后的 8-bit RGB 图像，那等于给天才大脑接上一双白内障患者的眼睛。”一位接近 Weil 的人士透露了他的判断。对 OpenAI 来说，投资 Elio 相当于在未来的多模态模型与真实物理世界之间预埋一条高带宽入口。

Xora 的入局则更具产业纵深。这家硅谷风投长期聚焦太空技术与先进制造，其合伙人曾在 SpaceX 负责星舰的传感系统。他们对 Elio 感兴趣的点在于极端环境下的物理感知——当摄像头在火星尘暴或深海热泉中失效时，直接提取材质偏振与化学光谱特征的光学神经网络传感器可能是唯一可靠的方案。这解释了为何 A 轮投资人呈现出如此奇特的组合：一位互联网教父、一位生成式 AI 核心推手、一家太空科技资本，他们从不同方向出发，却停在了同一个结论上。

光路即为神经网络：当微镜阵列在光速下完成第一次卷积

Elio Labs 核心技术的正式名称是“动态可编程光学神经网络前端”（Dynamic Programmable Optical Neural Front-end）。拆解这个长短语，可以看到三层递进的设计逻辑。

第一层是物理架构。在一片标准 CMOS 感光芯片表面，Elio 沉积了一层由数十万至数百万个可独立偏转的微型镜面组成的阵列，每个微镜的尺寸约在 5 到 10 微米，偏转精度达亚毫度级。这层微镜阵列不是静态的——每一面微镜都可以在微秒级时间内改变其倾斜角度和高度，从而对入射光线的相位、振幅和偏振态进行调制。这意味着光线在撞击感光像素之前，必须先穿过一个可动态变换的“光学迷宫”。

第二层是 AI 控制闭环。一个轻量级神经网络实时读取感光芯片输出的初始信号，判断当前场景需要提取哪些物理特征，然后反向调控微镜阵列的排布模式。这是一个在微秒级时间尺度上持续运行的感知-控制反馈环。如果传感器正在观察一片湿润的沥青路面，AI 控制器会将微镜阵列调节为对特定偏振角敏感的模式，使得黑冰的镜面反射特征被增强数百倍；如果场景切换为室内织物检测，微镜阵列则迅速重组为对表面纹理自相关长度敏感的配置。

第三层，也是最核心的一层，是光学域内的信息压缩。传统传感器将光场信息均匀采样为像素阵列，产生巨大数据冗余。Elio 的方案则利用微镜阵列对光场进行“加权求和”——这与神经网络中矩阵乘法的计算本质完全一致。Grossinger 用一个优雅的比喻来解释：“我们的微镜层所做的，就相当于在光线还在飞行的时候完成了一层卷积运算。你不再捕获数以百万计的像素，而是直接捕获卷积后的特征向量。”

要透彻理解这种范式的效率，让我们拆解一个具体技术场景。假设一个具身智能机器人需要判断面前物体是玻璃杯还是透明塑料杯。传统方案：高分辨率 RGB 摄像头拍摄图像，GPU 运行实例分割模型识别物体轮廓（约 50 毫秒），再运行材质分类网络分析局部纹理和反射特性（额外 30 毫秒），总功耗约 3 到 5 瓦。Elio 方案：AI 控制器瞬间将微镜阵列配置为偏振对比度增强模式，光线经调制后直接在传感器上产生两路差分信号——一路对应镜面反射分量，一路对应漫反射分量。玻璃由于其高折射率，镜面反射分量与漫反射分量的比值会呈现尖锐峰值。这一判断在不到 1 毫秒内完成，功耗低于 0.1 瓦，因为信息在光学域内就完成了分离，无需任何后处理。

这种思路最激进之处在于它彻底解耦了“感光”与“成像”。Elio 传感器可以工作在一种被称为“盲感知”的模式下：它从不生成任何人类可观看的图像，而是直接输出材质属性矢量、偏振分布图、亚表面散射参数——机器与 AI 消化这些特征的方式，更接近于生物体的神经脉冲编码，而非整齐排列的二维像素。这让人联想到螳螂虾的复眼：这种海洋甲壳动物拥有动物界最复杂的视觉系统，其感光细胞能直接对偏振和光谱进行非线性响应，无需视网膜后方的神经处理。演化用五亿年时间证明，将计算前移至光路，是应对复杂视觉环境的最优解。

杀死像素经济：一场从索尼到 Omnivision 的沉默地震

Elio Labs 正在触碰全球传感器产业最深的敏感神经。在当前生态中，索尼、三星、Omnivision 统治着价值 300 亿美元以上的 CMOS 图像传感器市场，它们的商业模式建立在一条清晰的公式上：更高的分辨率 + 更复杂的 ISP 管线 = 更高的单价。一亿像素的智能手机摄像头芯片，其本质是在 60 平方毫米的硅片上塞入尽可能多的 RGB 像素，然后将去噪、HDR 合成、场景识别这些繁重任务丢给下游的高通骁龙或苹果 A 系列芯片。

这条价值链上的每一个环节——从晶圆厂的拜耳阵列光刻，到 ISP 厂商的算法授权，再到手机品牌在 DXOMARK 上比拼的每一分——都被锁定在“像素即正义”的单一逻辑里。而 Elio 的传感器偏偏要宣告：对机器而言，像素是最低效的信息载体。这无异于对着一座仍在高速扩建的城堡说：“你们的护城河挖错方向了。”

更加值得玩味的是，Elio 的传感器是可通过软件持续迭代的。因为微镜阵列的排布模式由 AI 模型控制，传感器的工作特性不再由硬件出厂配置一锤定音。今天为具身智能机器人优化的材质识别模式，明天可以通过 OTA 更新为自动驾驶场景下的湿滑路面检测模式，后天则可以切换为 AR 眼镜上的手势追踪微手势识别模式。一颗物理传感器，通过软件重构成多重功能——这与特斯拉通过 OTA 不断升级车辆自动驾驶能力的逻辑如出一辙，但在传感硬件层实现，仍是行业首例。

这种“可迭代感知硬件”的概念，对下游客户极具诱惑。当前机器人公司动辄为一台人形机器人配备 6 到 8 类不同传感器：RGB 相机用于物体识别，红外结构光用于深度测量，激光雷达用于避障，触觉传感器用于抓握力反馈。每一类传感器都需要独立的硬件模组、驱动电路、标定流程和数据融合算法。这不仅推高物料成本，更让传感器融合成为系统集成的最大噩梦。而 Elio 声称其单一传感器模块就能通过软件切换覆盖多类感知需求——一台人形机人或许只需要两枚 Elio 传感器就能替代过去的八颗镜头组合。

当然，通往这一愿景的道路绝非坦途。Elio 面临的最大挑战并非技术本身，而是产业惯性的坚冰。汽车行业的一级供应商喜欢成熟、有量产记录、通过 ISO 26262 功能安全认证的传感器；消费电子巨头则对任何可能威胁到其与索尼长期供应关系的创新保持警惕。历史上不乏在技术指标上碾压同行的传感创新最终折戟于供应链政治的案例：Lytro 的光场相机因无法进入手机供应链而陨落，Starkey 的片上光谱仪则被困在学术圈与产业界之间的死亡谷。

但 Elio 手握的时机窗口或许有其独特性。2025 年的产业环境与五年前相比已发生三处根本性位移。第一，具身智能机器人从实验室原型走向小批量量产，对传感器的物理感知能力提出了传统摄像头无法满足的苛刻要求。第二，AR 眼镜赛道在 Meta Orion 和苹果 Vision Pro 的推动下重新升温，而全天候佩戴的眼镜形态对传感器功耗体积的约束近乎残酷，这正是光学预处理优势最大的场景。第三，也是最关键的，大模型赋予了传感硬件全新的意义——当 AI 开始主动理解物理世界时，它需要的不是美颜后的像素，而是光子的原始物理语言。」

人形机器人与 AI 眼镜的暗线战争：谁先为物理感知支付第一张支票

在 Silicon Valley Robotics 举办的闭门会议上，五家头部人形机器人公司的 CTO 进行了一场不被外界知晓的投票：2026 年有哪些传感器技术可能突破实验室并进入量产供应链？Elio Labs 的光学神经网络传感器位列第二，仅次于固态激光雷达的进一步小型化。一位不愿透露姓名的人形机器人初创公司感知负责人告诉我：“我们现在的视觉方案是四颗全局快门 RGB 相机加两颗深度相机，每秒产生近两千万像素数据，然后靠车载 Orin 芯片跑一个缩减版的视觉 Transformer。即便这样，机器人在面对高反光不锈钢、透明玻璃障碍物或复杂光照变化时，依然会发生严重的语义失真与物理误判。

Elio 的方案直接从光路预处理入手，在光子触及 CMOS 之前即完成了物理材质特征提取与信息降维，从根本上破解了高精度物理识别与边端功耗的矛盾。这种“光学即计算”的范式转移，不仅是一场传感硬件形态的深刻迭代，更是在具身智能与 AI 眼镜黎明前夕，一场围绕物理世界 AGI 感知入口与端侧算力底座的终极重构。」