晰见科技完成近5亿元融资：类脑视觉芯片能否打破海外垄断？

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 级数据。可仔细看，相邻帧里天空、路面、护栏几乎没变化，却被反复采集、传输、分析。传统 CMOS 图像传感器按固定节奏逐帧输出，把每一帧都当作需要保存的照片处理。这套为“人眼观看”设计的逻辑，在手机拍照时代运转良好；一旦被塞进机器人和自动驾驶系统，数据冗余、带宽吃紧、后端算力被无效信息消耗的问题便集中暴露。更棘手的是，分辨率、帧率、动态范围三项指标在传统架构里往往此消彼长，构成行业长期无解的“不可能三角”。

物理 AI 对视觉感知的要求近乎苛刻：高速运动下不能模糊，强烈逆光下不能失真，连续工作时功耗不能过高。当大语言模型进入“百模大战”，前沿目光加速转向真实世界，具身智能、人形机器人、自动驾驶都在等待一双能理解物理世界的眼睛。正是在这一节点，一家成立刚满一年的公司宣布连续完成三轮融资，累计金额近 5 亿元。它试图从底层架构上终结这种妥协，而不是继续在传统 CMOS 路线上做参数优化。

这家公司是晰见科技。它由清华大学类脑计算研究中心孵化，核心产品是类脑互补视觉芯片“天眸芯”。据公司披露，天眸芯是清华大学类脑计算研究中心 2019 年“天机芯”与 2024 年“天眸芯”两项 Nature 封面成果中天眸芯的唯一产业化平台。创始人兼 CEO 杨哲宇博士毕业于清华大学类脑中心，是天眸芯论文共同第一作者。2025 年博士毕业时，他放弃了国内外高校递来的教职机会，创立晰见科技。

从“给人看的相机”转向“给 AI 用的视网膜”

晰见科技切入的问题，不是传统图像传感器在某一项指标上的落后，而是整套“逐帧采集、完整传输”架构与 AI 感知需求之间的错配。传统 CMOS 摄像头把光信号转为数字信号，按固定节奏输出图像，再经过编码压缩变成视频格式。这套流程天然产生海量冗余：相邻帧里静态背景被反复采集，真正关键的时空变化反而容易被淹没。据公司介绍，天眸芯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，从底层改变了“逐帧快照”的逻辑。

这种“基于视觉原语的互补双通路类脑视觉感知新范式”，是晰见科技与多数视觉芯片创业公司的根本差异。它不是简单记录变化，而是把颜色、边缘、运动变化拆解为不同视觉原语，再组织成互补通路：认知导向通路保留完整 RGB 信息，动作导向通路同时捕捉时间差分和空间差分。当 RGB 画面因过曝或运动模糊失真时，另外两路信号仍可能保留部分结构和变化信息。这一设计思路在公开材料中被反复强调，但其实际工程效果仍需要以量产芯片的第三方测试数据来验证。

从已披露的指标看，公司称天眸芯实现每秒万帧高速感知、130dB 高动态范围、72% 量子效率，传输带宽降低 90%，功耗为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。这些数据来自公司口径，目前未见独立第三方测试机构发布的验证报告。在芯片行业，实验室测试结果与量产芯片在温度、电压、工艺偏差下的表现可能存在显著差异，因此这些性能指标能否在客户实际系统中稳定复现，是后续商业化的关键观察点。

值得进一步拆解的是“每秒万帧”与“130dB 动态范围”这两个指标在系统层面的含义。传统图像传感器若要在高帧率下工作，通常需要缩短曝光时间，这会导致进光量下降、信噪比恶化；若要提升动态范围，又往往依赖多次曝光合成，牺牲时间分辨率。天眸芯宣称同时实现这两项指标，意味着其互补通路设计可能在读出机制上绕开了传统 CIS 的曝光时间与动态范围之间的耦合。但这一推断需要以具体测试条件为支撑：在何种光照、何种积分时间、何种温度下测得，是否覆盖全画幅输出，还是仅针对局部感兴趣区域。公开材料未披露这些测试细节，因此“每秒万帧”与“130dB”能否在同一工作点同时成立，仍需验证。

一颗芯片之外，协议与模型构成完整商业闭环

晰见科技的业务版图并不局限于单颗芯片。按照公司描述，其产品体系是“天眸芯芯片 + 传输协议 + 多模态大模型”三位一体的机器视觉神经系统。芯片如同视网膜，负责感知物理世界并在前端完成视觉信息拆解与编码；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，并连接决策与行动。

这一系统化打法的商业逻辑在于：如果只卖芯片，客户需要自己解决协议适配和算法开发，落地门槛高、周期长；如果把芯片、协议、模型打包，晰见科技可以更直接地嵌入客户系统，同时提高客单价和粘性。但这也意味着公司需要在三条战线上同时投入，而每一块都需要不同的工程能力。芯片设计、协议定义、模型训练之间的协同，在实验室原型阶段可以被论文证明，在量产和客户现场则要面对完全不同的约束。

从技术路径看，协议层可能是这套系统中最容易被忽视、却最影响落地体验的环节。传统 MIPI CSI 接口和视频编码协议面向“完整帧”设计，并不天然适配互补双通路输出的稀疏、异步数据流。如果晰见科技需要自定义传输协议，就必须同时解决与现有 SoC 平台的兼容问题；如果选择在标准协议之上做封装，又可能牺牲部分带宽优势。公开材料未披露其协议层的具体实现方式、是否兼容主流车规或机器人计算平台，因此这一环节的工程难度和客户适配成本尚无法评估。

2026 年 8 月，团队将互补视觉与可学习算法结合的成果登上《Nature Sensors》封面。据公司披露，该研究通过对多路视觉信息构建中间表征并进行自监督校验，系统可在缺少“完美视觉真值”的复杂场景中形成更可靠的视觉表示。这意味着视觉传感器开始承担信息编码与语义组织功能，而不仅是采集图像。从已披露信息看，这一成果为“芯片 + 算法”的协同提供了学术层面的支撑，但其从论文到量产固件的转化路径尚未公开。一个关键问题是：自监督校验所需的计算资源是否能在芯片端或边缘端实时运行，还是需要回传云端处理。如果依赖云端，那么“前端降低带宽”的优势可能在算法环节被部分抵消；如果能在端侧完成，则对芯片的片上存储和计算单元提出额外要求。公开材料未对此作出说明。

量产进度是当前最硬的约束条件

晰见科技披露的芯片进展分为两个节点：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。在芯片行业，“点亮”意味着芯片基本功能可用，距离量产还有相当距离；“流片完成”则意味着设计已经进入制造环节，但尚未经过完整的良率验证和可靠性测试。从 20 万像素到 500 万像素的跨越，意味着芯片面积、读出电路复杂度、数据吞吐量都大幅增加，对制造工艺和封装测试提出更高要求。

类脑芯片的生态成熟度和量产良率，是公开材料中明确提到的风险。这一点值得展开：传统 CMOS 图像传感器经过数十年迭代，在台积电、三星、索尼等代工厂有成熟工艺库和设计规则支撑；类脑视觉芯片的非标准像素结构和异步读出机制，可能无法直接复用现有 CIS 工艺模块，需要与代工厂进行更深入的定制开发。这意味着更高的流片成本、更长的迭代周期，以及更大的良率不确定性。晰见科技尚未披露其代工合作伙伴和工艺节点，因此外界无法判断其量产路径的具体难度。

另一个约束来自客户导入。海康南湖研究院明确表达了推动天眸芯在集团旗下多家子公司导入应用的意愿，这是目前公开材料中唯一可确认的具体客户信号。但“表达意愿”与“批量采购”之间仍有距离。在海康集团牵头的央地协同类脑重大专项中，天眸芯被明确列为两大类脑核心产业支柱之一；2026 年 1 月，该项目进一步升级进入国家重点研发计划序列。这意味着晰见科技获得了国家项目层面的背书，但国家项目采购与市场化订单在规模、节奏、定价逻辑上并不相同，不能直接等同于商业验证。

从客户导入的一般规律看，视觉芯片进入机器人或汽车供应链，通常需要经历样品测试、小批量试产、系统联调、可靠性认证等多个阶段。车规级认证尤其严苛，涉及 AEC-Q100 可靠性测试、功能安全流程和长期供货承诺，周期可能长达两到三年。具身机器人虽然认证门槛低于汽车，但客户对功耗、体积、接口兼容性的要求同样具体。晰见科技尚未披露其二代芯片的目标认证等级和客户导入时间表，因此“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”的表述，更可能指向技术指标层面的场景适配，而非已有批量部署。

资本结构折射出“技术转化 + 产业卡位”双重逻辑

晰见科技的投资方阵容覆盖了政府产业基金、市场化财务机构、高校系资本与产业资本四种类型：徐汇资本代表地方政府产业引导，经纬创投和华映资本是头部财务投资机构，英诺基金与水木清华属于清华系资本，此外还有具身智能、汽车产业链龙头企业。这种股东结构在早期芯片项目中并不常见，它同时解决了资金、政策资源、产业验证通道三个问题。

从投资逻辑看，政府产业基金的介入通常与地方集成电路产业布局相关，徐汇资本的参与可能意味着晰见科技在上海徐汇有落地安排，但公司总部地址未披露，这一推断无法从现有材料中证实。产业龙头的入局则更值得关注：具身智能和汽车产业链企业作为潜在客户，其投资行为往往带有供应链锁定意图。如果这些产业投资方后续真正导入天眸芯，将构成比财务投资更实质的商业验证；如果投资仅停留在资本层面，则其信号意义需要打折。

近 5 亿元融资分散在三轮中完成，但各轮时间、金额分配和估值均未披露。这种信息缺失使得外界难以判断公司的资金消耗节奏和股权稀释程度。芯片创业是典型的长周期、高资本密度赛道，从流片到量产再到客户导入，每一步都需要大量资金。近 5 亿元对一家 40 人团队而言是充裕的早期储备，但如果二代芯片量产遇到良率问题需要多次改版，资金消耗速度会显著加快。以先进制程流片为例，单次 MPW 或全掩膜流片成本可能达到数百万至数千万元级别，若叠加封装测试和可靠性验证，一轮迭代的硬成本相当可观。晰见科技未披露其工艺节点，因此无法估算其单轮流片的资金压力，但这一变量将直接影响其融资节奏和下一轮估值预期。

国产替代叙事之外，真正的竞争在系统层面

杨哲宇在公开访谈中表示：“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。”这一判断点出了晰见科技的国产替代叙事，但国产替代本身不构成技术壁垒。真正的竞争问题在于：当海外高端视觉芯片公司也在推进高速、高动态范围传感器时，天眸芯的差异化优势能否在客户系统中被感知和量化。

公开材料中“综合性能领先海外同类产品一倍以上”的说法来自公司口径，未指明对比的具体海外产品型号和测试条件。在芯片行业，性能对比高度依赖测试基准：帧率、动态范围、量子效率在不同光照、温度、积分时间下表现不同。没有明确的对比对象和测试协议，“一倍以上”的表述难以被独立验证。这是晰见科技后续需要向客户和行业证明的核心问题，也是其从学术成果走向商业产品的必经关口。

更值得关注的是系统层面的竞争。传统 CIS 厂商的优势不仅在于芯片本身，还在于成熟的 ISP 管线、驱动软件、开发工具和供应链生态。客户选择一颗新芯片，意味着要重新适配光学系统、接口协议、算法框架。晰见科技用“芯片 + 协议 + 模型”的系统化方案来降低这一门槛，但这也要求其在软件和算法侧具备不弱于芯片设计的能力。从团队构成看，核心工程成员曾任职于索尼、英伟达、安森美及国内头部 CIS 企业，拥有 10 至 20 年图像传感器与芯片从业经验，这为工程落地提供了基础；但 40 人团队同时推进芯片、协议、模型三条线，资源分配的优先级将决定其商业化节奏。

另一个竞争维度来自传统 CIS 厂商的路线演进。海外头部厂商在高速传感器、事件驱动传感器和 AI-ISP 方向上均有布局，这些路线虽然起点不同，但目标市场与天眸芯高度重叠。事件驱动传感器同样追求稀疏输出和低延迟，AI-ISP 则试图在后端用算法弥补前端采集的不足。天眸芯的互补双通路设计在学术上具有原创性，但在客户选型时，它需要与这些替代方案在成本、功耗、开发难度和供货稳定性上直接比较。学术领先并不自动转化为选型优势，尤其是在客户已经围绕某一家供应商建立了成熟工具链的情况下。

资金用途与待验证假设

据公司披露，募集资金将重点用于二代类脑视觉芯片的量产和行业化落地、下一代技术迭代、客户适配及团队建设。这一用途分配符合芯片公司从流片到量产的典型路径，但“行业化落地”和“客户适配”的具体计划未公开。晰见科技声称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。这些应用场景的罗列，与“已覆盖”之间存在语义落差：覆盖可以指技术指标能够满足场景需求，也可以指已有实际客户部署。从公开材料看，除海康南湖研究院的导入意愿外，具体客户名称和部署规模均未披露。

团队已申请国内外专利 68 项，研发团队中博士、硕士占比超过 80%。专利数量在芯片行业是必要但不充分的护城河指标，其价值取决于专利的权利要求范围、可规避性和诉讼防御能力。68 项专利对于一个成立一年的公司而言是较快的积累速度，但其中多少是核心发明专利、多少是外围实用新型，公开材料未做区分。在芯片领域，真正有防御价值的往往是底层像素结构、读出电路和编码方法的核心专利，而非外围应用型专利。晰见科技能否在海外市场避免专利纠纷，也取决于其核心专利的权利要求是否足够清晰且难以绕开。

从已披露的 X（清华两项 Nature 封面成果的唯一产业化平台）与 Y（一代点亮、二代流片、近 5 亿元融资）看，晰见科技在技术源头和早期资本储备上具备稀缺性；但 Z（量产良率、客户批量导入、第三方性能验证）尚未披露，因此其商业化的结论边界仍然清晰：这是一家拥有顶级学术背书和充足早期资金的公司，尚未证明自己能在芯片量产和市场竞争中兑现技术承诺。

类脑视觉芯片的生态成熟度是另一个系统性风险。即便天眸芯在单点性能上优于传统 CIS，如果下游客户缺乏成熟的开发工具、参考设计和算法库支持，导入成本仍然高企。晰见科技选择开放 IP 授权的态度，杨哲宇表示：“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。”这一策略如果执行到位，可以借助外部力量扩展生态；但如果 IP 授权过早或边界不清，也可能削弱公司对核心技术的控制力。尤其在天眸芯尚未完成大规模量产验证之前，开放 IP 授权可能让竞争对手更早理解其架构思路，从而在后续产品中形成针对性方案。如何平衡生态开放与技术壁垒，是晰见科技需要在商业策略层面回答的问题。

物理 AI 的爆发为类脑视觉提供了时代窗口，但窗口期不会无限延长。传统 CIS 厂商正在通过堆叠工艺、事件驱动传感器、AI-ISP 等路线逼近类似目标；海外类脑芯片公司也在推进商业化。晰见科技的时间窗口，取决于其二代芯片能否在 2026 至 2027 年完成量产验证并拿到标杆客户的批量订单。在此之前，所有关于“打破海外垄断”的叙事，都还停留在实验室与融资稿的层面。

验证边界与可复核指标

本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。

• 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
• 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
• 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。

RecodeX 极客视：晰见科技的故事真正值得追踪的，不是“清华博士一年融资 5 亿”的创业叙事，而是一颗非标准架构芯片能否穿越量产良率、客户导入和生态适配三重关卡。Nature 封面证明的是科学问题被解决，不是工程问题被解决。当天眸芯从实验室测试台走进机器人工厂和自动驾驶车队，它要面对的不再是同行评审，而是温度、振动、电磁干扰和成本核算。这才是国产高端视觉芯片打破垄断的真正考场。