神眸做的事情不是追逐英偉達，而是在算力浪潮的下游，用極致的低功耗芯片設計，讓攝像頭擺脫電線的束縛，打開一個千億只智能視覺終端的未來。

楊作興帶領神眸實現了攝像頭功耗降低一個數量級的突破——第一代芯片達業界三分之一功耗，第二代達十分之一，首次用1瓦太陽能板驅動全天候智能攝像機。他認為，當前全球安防攝像頭年出貨量僅3到4億只，但到2035年將達100億只，2045年更將達1000億只，因為世界大模型需要萬億級攝像頭來實時映射物理世界。而在推理算力領域，楊作興判斷中國創業公司仍有大機會。

以下為演講內容全文，經36氪整理編輯：

楊作興丨杭州研極微電子有限公司董事長、神眸品牌創始人

大家下午好，今天非常開心，去年在上海參加了36氪的AI+大會，今天是第二次。一年時間過去了，AI發生了非常大的變化，大家都異常興奮。36氪AI+大會，明顯感覺到今年跟去年相比有很大的變化，在此感謝主辦方36氪。

我是杭州研極微董事長、神眸品牌創始人楊作興。AI是世界風暴的中心，這個風暴中心我們能不能再往深里看，風暴中心的眼是什么，我們認為是新質生產力。

目前，全球市值最高的公司是英偉達，它超越了蘋果、微軟、亞馬遜、臺積電，正是因為它掌握了新質生產力——GPU算力。

在算力浪潮下，神眸有哪些機遇呢？

我們觀察到，隨著技術的發展，手機、電腦、平板很早就脫離了電線。但只是視覺傳感器的攝像頭，卻一直有電線，且大大增加了攝像頭安裝的費用。我們可以看到，在室外布攝像頭，要先立一個桿子，1萬—10萬元，挖個坑埋線又要1萬元，安裝時間在一禮拜以上，攝像頭維護費用3000元一年，公安系統的一年攝像頭的維護費用非常昂貴。

我們做的事情，就是要實現攝像頭零安裝成本、零使用成本、零維護成本，這個事要做成，就要讓攝像頭的功耗降低一到兩個數量級，降低功耗。

芯片低功耗涉及到方法學的突破，我們采用了全定制芯片設計方法學，這個是我們公司主導發起的，它有三點不同。第一，我們采用定制單元設計。行業傳統方案采用臺積電或者三星的標準單元庫，無論在學校還是在公司做芯片設計，我們通常是用靜態雙鎖存器，不能用動態邏輯，不能用單鎖存器，這個東西EDA工具不能很好地檢查它。但我們是反過來做的，我們用的動態單鎖存器，一個靜態雙鎖存器是24個三極管，我們用動態單儲存器是4個三極管，面積和功耗是普通方法的六分之一；第二，采用手寫網表。傳統方法用高級語言寫代碼，手寫網表好比軟件工程師用匯編寫代碼。DeepSeek有大的突破的其中一個原因是他們采用PTX進行編程，比別人會好很多，我們采用手寫網表會有幾倍的優勢；第三，我們采用手動布局。傳統方法采用自動布局，自動布局通常的利用率是50%-60%，我們超過95%。

通過這幾種方式，功耗成本乘積降低一個數量級，這個方法學也用在攝像頭SOC芯片中。我們的第一代芯片，實現業界三分之一功耗，用在了理想AI眼鏡，還有我們神眸自己的產品系列，比如智能云臺攝像機 BC4PRO+、雙目槍球AOR電池云臺攝像機 PT4、以及運動影像系列產品生活記錄儀V1。

第二代芯片，實現業界十分之一的功耗，已經應用在了神眸智能停車記錄儀DC1產品上。這是業界首創針對停車場景研發的產品，超長續航、免布線，安裝也很方便。第二代芯片還應用在了神眸太陽能一體化智能攝像機BC7上，我們首次采用1瓦的太陽能板，實現一天24小時、一年365天持續巡航。除了SOC以外，在CIS、PMU、Wi-Fi、4G都做了低功耗設計。我們要讓產品整個系統實現十分之一的功耗，每個部件都要達到十分之一才行，光SOC降到十分之一是不夠的。

這是基于芯片做的一系列產品：

目前安防為代表的攝像頭一年只有3億只—4億只，不包括手機攝像頭，我們覺得2035年會到100億只。手機攝像頭已經超過50億只，一個手機上有三四個攝像頭，每年有十億部以上的手機。手機攝像頭是為人服務的，而物聯網的攝像頭是為萬物服務的，它的量會遠遠大于手機上攝像頭的量。尤其是當神眸推出了這套沒有電線的攝像頭之后，我們預估到2035年會到100億只攝像頭，大家覺得很多，其實只要每年保持30%的增長速度就可以。

2045年我們認為會到1000億只。因為我們預測2040年第四次工業革命人工智能會全面完成，最后人類目前絕大部分工作會被AI替換掉，那我們去哪里？我們會在虛擬世界里工作或娛樂以及找到成就感。我們需要世界大模型，這個大模型非常大，每個人每走一步會看到不同的景象。這個世界大模型接地，否則它就會飄了，產生幻覺，如何接地？我們就需要用無數攝像頭把世界的實時狀態輸入到大模型里，要把世界完整反映到大模型里需要1.2萬億只攝像頭，十年建成，每年就是1000億只。

在大模型時代我們神眸要做的事情——神算，即大模型推理算力。算力是當今最新質生產力，沒有之一。目前英偉達是我們這個領域的王者，別的公司是不是還有機會？可以從兩個方面來看：

第一，訓練算力，工程師通過訓練算力迭代越來越好的大模型；第二，推理算力，用戶每天要問大模型，問DeepSeek問題，它給你一個答案，這個是推理算力。訓練算力，難有超越的機會，雖然國內很多公司也在做GPU，主要原因是CUDA接口，所有大模型框架都是基于CUDA寫的。上一次生態大會的時候，我記得國內一家著名的大模型公司老板說，他們用了華為的卡，花了三個月把它適配好。三個月，對大模型相當于一代的時間，要不是特別大的革命友誼，沒有誰為了你去花三個月的時間去適配的。

推理算力方面機會很大，有兩個原因。第一，推理算力不依賴CUDA接口；第二，每個大模型有獨特的算法。針對算法、算子的不同，數據通路的不同，我們可以做很多定制，這些定制的芯片天然比GPU通用芯片，在功耗和成本方面有相當大的好處。而且推理算力需求量遠遠大于訓練算力。 全世界就算有一百個世界級優秀的大模型團隊，一個團隊一萬張卡，也就一百萬張卡。推理算力是面對60億自然人以及未來比60億還多的機器人，他們也用算力，這樣的需求量遠遠大于訓練算力，這也是英偉達會花200億美金收購Groq，一家做推理算力創業公司的原因。

如果我們把推理算力做好，我們創業企業還是有傲立潮頭的機會。怎么把推理算力做好？有三個關鍵點，一、能不能找到跟你適配的優秀大模型，要么是開源的，如果是閉源的，能形成戰略合作伙伴；二、是否有先進的半導體工藝；三、芯片設計方法學，特別是低功耗設計方法學是不是有獨到的地方。

這三方面我們都還不錯。我們的全定制芯片設計方法學，實現別人功耗的十分之一，一代工藝進步可以節省30%功耗，兩代半導體工藝的優化可以節省50%左右，四代半導體工藝的進步可以到原來的八分之一，十分之一的功耗相當于在工藝上補了四到六代。我們現在是三星最先進工藝的頂級合作伙伴，我們能夠定制半導體工藝。

雖然大部分token來源于閉源模型，但開源模型的趨勢還是非常好的，而且中國大模型公司雖然跟世界上最先進的大模型公司還有一點差距，但超越是遲早的事，也是必然的。

結合這三點，我們還是有很大的機會，特別是在CNN（ 卷積神經網絡）時代。我們做神眸自研芯片的時候，已經基于CNN做了自己的編譯器，把CNN模型映射到我們的芯片里。這種編譯器我們做得非常好，我們每天都在迭代，迭代了五年，經受了商業化的考驗。另外，我們自己也用大模型做AI客服、AI編程，為神眸客戶提供AI應用服務。我們自己也在用AI，雖然這個量不是特別大，但是我們內部從SOC芯片到大模型芯片、傳感器芯片、產品、云端應用，能夠自主形成閉環，在內部飛速的自我迭代，所以在這方面我們還是非常希望的。

謝謝大家。