“下一波AI浪潮将是在物理世界中运行的AI。”英伟达创始人兼首席执行官黄仁勋今年初给出的判断正在应验。2026年，业界定义为“物理AI元年”。AI走出屏幕、理解物理世界的第一步，是给AI一双能“看见”的眼睛。

　　杭州对此早有布局。作为全国唯一的视觉智能国家级先进制造业集群牵头城市，视觉智能产业2025年营收已突破万亿元大关。锚定这一战略赛道，杭州近期引进了一家视觉芯片企业——肇观智能。在全球视觉芯片市场被英特尔和英伟达垄断的格局下，它是少数能在全球市场占据一席之地的中国企业。

　　该公司创始人冯歆鹏，是AMD前全球芯片研发总监，十年前回国创业，有着技术理想主义，也坐了十年冷板凳，“拿着自以为很厉害的锤子到处敲，但市场让我们学会了敬畏场景。”如今，视觉感知成为物理AI的刚需——肇观智能2026年前5个月营收同比增长500%。这家刚把总部从上海迁到杭州的公司，在“沸腾前夜”完成了自己的认知长征。

　　关键词：选择

　　“反向迁徙”，为的是离市场更近

　　问：AMD全球芯片研发总监出来创业，那时候AI还没这么火，身边的人怎么看？

　　答：创业之前，我负责4个国家的百人团队，设计各类CPU和GPU芯片，我个人主导和参与了55款，是核心部门的核心职位。后来AI在围棋赛中大放异彩，我建议AMD加大对AI方面的投入，但公司仍然热衷于传统业务，所以我和搭档周骥博士决定自己干，也算是为技术理想主义买单。

　　2016年回国创业时，摆在我面前的选择很多——有当时资本追捧的GPU赛道，也有自己驾轻就熟的CPU领域，但我最终选择了专攻VPU（视觉处理器）。与其他赛道不同，VPU领域当时尚无巨头，肇观智能想要做的，就是成为这个赛道上的定义者。

　　问：现在物理AI成了最大风口，视觉被推到了最前面。你怎么理解“眼睛”在AI进化史中的位置？

　　答：在人工智能的感知层里，主要分三个方向：视觉、语音和自然语言理解。语音已相对成熟，自然语言理解因为OpenAI而取得突破，但它们合起来只解决了1%的问题，剩下99%的问题都要依赖视觉。

　　这就好比眼睛这一器官的诞生，让生物体一下子拥有了趋利避害的能力，进而催生了物种大爆发。视觉能力对智能设备意义同样深远，它让每一个智能体得以“亲眼看到”周边世界。

　　问：全球视觉芯片市场被英特尔和英伟达垄断，国内很少有公司能跟它们正面较量。凭什么是肇观智能？

　　答：视觉芯片是一个相对年轻的赛道，大公司和小公司都在同一条起跑线上。在国外，英特尔布局最早、生态根基最深，目前占据了全球七成左右的市场份额；英伟达也有部分产品，在自动驾驶场景有所渗透。

　　（下转第三版）　　　　（上接第一版）

　　这些国际巨头在高性能计算领域确实很强，但我们反其道而行之，在技术路径上选择了一条“更极致”的方向：舍弃了游戏、通用渲染等冗余功能，所有算力、架构都针对性适配视觉感知任务。这种专注带来的结果是，在视觉处理的实际性能上，比传统GPU高出两个数量级。这不是优化，而是重构，有一天我们或许能后来居上。

　　问：听说你今年又做出了一次重要选择——公司总部从上海张江迁到杭州。很多人说这是“反向迁徙”，在物理AI爆发前夜为什么这么干？

　　答：很多人用“反向迁徙”这个词，是因为习惯用地理坐标衡量芯片产业。对于我们而言，这不是一次“离开”，而是一次“抵达”——在物理AI爆发的前夜，我们主动把决策中枢搬到离真实场景最近的地方。

　　我回国创业后就一直在张江，那里是中国集成电路最集中的片区，张江仍然会有我们的研发中心。但今天，视觉芯片的真正挑战不再是工艺技术，而是如何让算力在真实物理世界里“活”起来。

　　杭州的“296X”先进制造业集群里，有机器人、无人机、智慧安防、智能两轮车等，它们不是简单的下游客户，而是物理AI落地的“第一实验场”。搬到这里，我们跟客户的距离从“打电话”变成“串个门”，对场景的感知更为真切，这种协同效率是张江没有的。

　　另一重现实考量是供应链——浙江制造业基础雄厚，从流片到模组生产的响应速度，是芯片公司最需要的“硬配套”。这两件事加在一起，让我们决定把总部搬过来。

　　关键词：场景

　　“手握一把好锤子，看啥都像钉子”

　　问：十年前你刚回国创业，当时设想的“成功路径”是什么？跟后来实际发生的事情有多大偏差？

　　答：外界总说创业是“一天顺境，其余全是逆境”，我的感受是每天都在“嚼着碎玻璃凝视深渊”。从创业那天起，我就不再只是优秀的技术研发人员，还要考虑产品市场、商业化和客户关系等，产品推出晚于计划、市场反响不如预期、融资速度慢于节奏……这些对创业者的考验，是全方位的。

　　最难受的是早期。身为技术理想主义者，我单纯以为只要技术过硬，市场自然会来。但现实是，技术有了积累，市场还不够成熟。过去很长一段时间，技术跑得太靠前，市场在后面拼命追。

　　回头来看，最大的教训是：技术领先不等于场景匹配。我想，这是很多技术型公司很容易犯的错误——手里拿着一把好锤子，看什么都像钉子。但事实上，不是技术不行，而是在当时的时间点选错了场景，或者那个场景根本是伪需求。

　　问：你说“手里拿着一把好锤子，看什么都像钉子”，这是踩过哪些具体的坑之后才得出的领悟？

　　答：虽说人工智能赋能千行百业，但早期很多场景我们根本没有看透。

　　比如早期给四足机器人做“眼睛”，投入了很大力气，最后发现它依然还是个“高级玩具”，销量远不如预期；安防行业需要视觉识别，但大部分前端摄像头基本不需要搭载本地算力，全部传到服务器集中处理；还尝试给扫地机器人做过视觉模组，但人家在固定场景里根本用不着高性能的芯片算力，大材小用，纯粹是技术浪费。

　　最扎心的是工业检测。我们以为这是个稳定而巨大的市场，给产线做工业相机来检测产品缺陷。结果每家工厂的产线都不一样，问题千奇百怪，根本做不到柔性化适配——说到底，我们低估了场景的复杂性，高估了技术泛化能力。

　　许多项目最后成了内部研发、小批量试点，最终无疾而终。但也正是这些“学费”，让我们真正学会了敬畏场景。

　　问：有一种玩法是拿几个合作订单去资本市场上讲故事，融资又轻又快。你没走这条路，是不是“不划算”？

　　答：确实，这种玩法在资本市场很常见，但我们学不来。肇观智能的打法比较“土”——就是扎扎实实把技术和产品力做深。

　　人工智能产业的投融资，说到底是一种心有灵犀的相互选择。目前，我们已经完成了D轮融资，其中包括九智资本、华山资本、工银投资、华兴新经济基金、中电海康、峰瑞资本等众多知名机构。他们为什么愿意投，正是因为我们不一味求快，而是愿意跟客户一起把需求磨透、把产品跑通。

　　当然，商业自有其多方面的逻辑，快速资本化的公司也有自己的发展方式。但我们对于自己选择的道路很有信心，最终所有的概念和宣传都是要落地、要闭环的。

　　关键词：风口

　　“现在这锅水终于快沸腾了”

　　问：在你的理解里，人工智能对日常生活的渗透，哪些场景的变革最让你感到意外？

　　答：无人机送外卖、可穿戴设备、人形机器人……这些新场景新事物我们可以预见。但有些东西你可能想不到，比如马路上跑的两轮车、三轮车，其实也在悄悄经历AI“洗礼”。

　　四五年前，宝马率先做了一款概念摩托车，为了提升高端形象，搭载了不少视觉技术。我们原以为只有高端车型会装，结果主流品牌比我们还着急——因为现在的年轻人买车，已经把“智能”当作刚需。目前，我们在短途出行智能化领域的全球品牌市占率已经超过80%，主要客户覆盖各大车厂。

　　一开始需求很模糊，我们就跟车商一起摸索：视觉模组装在哪？怎么精准测距？怎么提醒车主？——经历了前面那些失败的“学费”之后，我们学会反过来听客户的。不是我们教客户怎么用技术，而是客户教我们什么是真实场景。

　　再比如，我们为视觉障碍人士研发了天使眼智能阅读器，基于视觉识别技术和视觉定位技术，将视觉信号转化为听觉信号，再将听觉信号以语音信号的形式通过耳机传达至大脑，帮助到全球很多用户，算是AI向善的典型应用。类似的产品，在人工智能时代会层出不穷，这在过去是无法想象的。

　　问：业内有个耐人寻味的说法——人形机器人“会武功”是表演，而“叠衣服”才是真正的成年礼。后者被视为具身智能从实验室走向家庭的临界点，你如何解读这一判断背后的技术纵深？

　　答：这个对比很有意思。“会武功”是在数据采集后进行遥控或者预编程操作，看起来很厉害，实际上智能化程度有限。而“叠衣服”这个动作对我们来说稀松平常，但对机器人来说难度很大，需要非常强的能力。

　　首先，机器人需要通过视觉完成目标识别、背景分离、物体定位等步骤，既要识别这是衣服还是被子，还要定位衣袖、领子、花纹等细节。其次，在叠的过程中需要控制机械臂抓取，怎么抓衣服、抓什么位置、力度多少；对于遮挡物识别、衣服形态变化等各种问题，需要海量实时计算，是对视觉芯片算力、算法的极致考验。

　　当人形机器人能够完成如此复杂、多变的生活任务，就意味着它具备了处理“非标场景”的能力，这是走进千家万户的开始。

　　问：物理AI的浪潮已然涌起，你认为当下最具战略意义的“抢跑”动作是什么？企业的核心能力应该锚定何处？

　　答：眼下，国内具身智能、低空经济正从概念走向落地，对视觉芯片的需求激增，这就是我们的窗口期。早年我们满世界找市场，但始终没有达到预期。现在这锅水终于快沸腾了，机遇会比预想来得更快，更要攥紧机会——我们在短途出行领域已经拿下了全球80%的品牌市占率，但这些只是开始，更大的增量在物理AI的每一个角落。

　　我认为两件事很重要。第一是保交付。我们的产量在爆发式增长，从芯片到模组再到系统，以前靠代工，现在需要自己握紧生产能力。

　　第二是继续扎根场景。行业的爆发不是雨露均沾——短途出行已经处在10到100阶段，而人形机器人还处于1到10的早期。不同阶段的场景，对技术的要求不一样，我们对人形机器人等新场景还需要更长时间的陪伴发展。

　　在行业爆发前夜，企业得看清自己的长板，然后拼命补短板——技术型企业要深度吃透下游应用场景，场景型企业要补齐技术能力，产业链上不能有明显的短板。

　　采访时，我们留意到一个细节：肇观智能的每一间会议室，都以革命根据地的名字命名：“瑞金”“遵义”“延安”……

　　“创业难，但比起革命先辈，我们这点困难算什么。”冯歆鹏笑言，他们经常用革命乐观主义精神激励自己。

　　十年深耕，或许只有经历磨难、懂得反思的企业，才能站在收获的前夜。