神眸做的事情不是追逐英伟达，而是在算力浪潮的下游，用极致的低功耗芯片设计，让摄像头摆脱电线的束缚，打开一个千亿只智能视觉终端的未来。
杨作兴带领神眸实现了摄像头功耗降低一个数量级的突破——第一代芯片达业界三分之一功耗，第二代达十分之一，首次用 1 瓦太阳能板驱动全天候智能摄像机。他认为，当前全球安防摄像头年出货量仅 3 到 4 亿只，但到 2035 年将达 100 亿只，2045 年更将达 1000 亿只，因为世界大模型需要万亿级摄像头来实时映射物理世界。而在推理算力领域，杨作兴判断中国创业公司仍有大机会。
以下为演讲内容全文，经 36 氪整理编辑：
大家下午好，今天非常开心，去年在上海参加了 36 氪的 AI+ 大会，今天是第二次。一年时间过去了，AI 发生了非常大的变化，大家都异常兴奋。36 氪 AI+ 大会，明显感觉到今年跟去年相比有很大的变化，在此感谢主办方 36 氪。
我是杭州研极微董事长、神眸品牌创始人杨作兴。AI 是世界风暴的中心，这个风暴中心我们能不能再往深里看，风暴中心的眼是什么，我们认为是新质生产力。
目前，全球市值最高的公司是英伟达，它超越了苹果、微软、亚马逊、台积电，正是因为它掌握了新质生产力—— GPU 算力。
在算力浪潮下，神眸有哪些机遇呢？
我们观察到，随着技术的发展，手机、电脑、平板很早就脱离了电线。但只是视觉传感器的摄像头，却一直有电线，且大大增加了摄像头安装的费用。我们可以看到，在室外布摄像头，要先立一个杆子，1 万— 10 万元，挖个坑埋线又要 1 万元，安装时间在一礼拜以上，摄像头维护费用 3000 元一年，公安系统的一年摄像头的维护费用非常昂贵。
我们做的事情，就是要实现摄像头零安装成本、零使用成本、零维护成本，这个事要做成，就要让摄像头的功耗降低一到两个数量级，降低功耗。
芯片低功耗涉及到方法学的突破，我们采用了全定制芯片设计方法学，这个是我们公司主导发起的，它有三点不同。第一，我们采用定制单元设计。行业传统方案采用台积电或者三星的标准单元库，无论在学校还是在公司做芯片设计，我们通常是用静态双锁存器，不能用动态逻辑，不能用单锁存器，这个东西 EDA 工具不能很好地检查它。但我们是反过来做的，我们用的动态单锁存器，一个静态双锁存器是 24 个三极管，我们用动态单储存器是 4 个三极管，面积和功耗是普通方法的六分之一；第二，采用手写网表。传统方法用高级语言写代码，手写网表好比软件工程师用汇编写代码。DeepSeek 有大的突破的其中一个原因是他们采用 PTX 进行编程，比别人会好很多，我们采用手写网表会有几倍的优势；第三，我们采用手动布局。传统方法采用自动布局，自动布局通常的利用率是 50%-60%，我们超过 95%。
通过这几种方式，功耗成本乘积降低一个数量级，这个方法学也用在摄像头 SOC 芯片中。我们的第一代芯片，实现业界三分之一功耗，用在了理想 AI 眼镜，还有我们神眸自己的产品系列，比如智能云台摄像机 BC4PRO+、双目枪球 AOR 电池云台摄像机 PT4、以及运动影像系列产品生活记录仪 V1。
第二代芯片，实现业界十分之一的功耗，已经应用在了神眸智能停车记录仪 DC1 产品上。这是业界首创针对停车场景研发的产品，超长续航、免布线，安装也很方便。第二代芯片还应用在了神眸太阳能一体化智能摄像机 BC7 上，我们首次采用 1 瓦的太阳能板，实现一天 24 小时、一年 365 天持续巡航。除了 SOC 以外，在 CIS、PMU、Wi-Fi、4G 都做了低功耗设计。我们要让产品整个系统实现十分之一的功耗，每个部件都要达到十分之一才行，光 SOC 降到十分之一是不够的。
这是基于芯片做的一系列产品：
2045 年我们认为会到 1000 亿只。因为我们预测 2040 年第四次工业革命人工智能会全面完成，最后人类目前绝大部分工作会被 AI 替换掉，那我们去哪里？我们会在虚拟世界里工作或娱乐以及找到成就感。我们需要世界大模型，这个大模型非常大，每个人每走一步会看到不同的景象。这个世界大模型接地，否则它就会飘了，产生幻觉，如何接地？我们就需要用无数摄像头把世界的实时状态输入到大模型里，要把世界完整反映到大模型里需要 1.2 万亿只摄像头，十年建成，每年就是 1000 亿只。
在大模型时代我们神眸要做的事情——神算，即大模型推理算力。算力是当今最新质生产力，没有之一。目前英伟达是我们这个领域的王者，别的公司是不是还有机会？可以从两个方面来看：
第一，训练算力，工程师通过训练算力迭代越来越好的大模型；第二，推理算力，用户每天要问大模型，问 DeepSeek 问题，它给你一个答案，这个是推理算力。训练算力，难有超越的机会，虽然国内很多公司也在做 GPU，主要原因是 CUDA 接口，所有大模型框架都是基于 CUDA 写的。上一次生态大会的时候，我记得国内一家著名的大模型公司老板说，他们用了华为的卡，花了三个月把它适配好。三个月，对大模型相当于一代的时间，要不是特别大的革命友谊，没有谁为了你去花三个月的时间去适配的。
推理算力方面机会很大，有两个原因。第一，推理算力不依赖 CUDA 接口；第二，每个大模型有独特的算法。针对算法、算子的不同，数据通路的不同，我们可以做很多定制，这些定制的芯片天然比 GPU 通用芯片，在功耗和成本方面有相当大的好处。而且推理算力需求量远远大于训练算力。 全世界就算有一百个世界级优秀的大模型团队，一个团队一万张卡，也就一百万张卡。推理算力是面对 60 亿自然人以及未来比 60 亿还多的机器人，他们也用算力，这样的需求量远远大于训练算力，这也是英伟达会花 200 亿美金收购 Groq，一家做推理算力创业公司的原因。
如果我们把推理算力做好，我们创业企业还是有傲立潮头的机会。怎么把推理算力做好？有三个关键点，一、能不能找到跟你适配的优秀大模型，要么是开源的，如果是闭源的，能形成战略合作伙伴；二、是否有先进的半导体工艺；三、芯片设计方法学，特别是低功耗设计方法学是不是有独到的地方。
这三方面我们都还不错。我们的全定制芯片设计方法学，实现别人功耗的十分之一，一代工艺进步可以节省 30% 功耗，两代半导体工艺的优化可以节省 50% 左右，四代半导体工艺的进步可以到原来的八分之一，十分之一的功耗相当于在工艺上补了四到六代。我们现在是三星最先进工艺的顶级合作伙伴，我们能够定制半导体工艺。
虽然大部分 token 来源于闭源模型，但开源模型的趋势还是非常好的，而且中国大模型公司虽然跟世界上最先进的大模型公司还有一点差距，但超越是迟早的事，也是必然的。
结合这三点，我们还是有很大的机会，特别是在 CNN（ 卷积神经网络）时代。我们做神眸自研芯片的时候，已经基于 CNN 做了自己的编译器，把 CNN 模型映射到我们的芯片里。这种编译器我们做得非常好，我们每天都在迭代，迭代了五年，经受了商业化的考验。另外，我们自己也用大模型做 AI 客服、AI 编程，为神眸客户提供 AI 应用服务。我们自己也在用 AI，虽然这个量不是特别大，但是我们内部从 SOC 芯片到大模型芯片、传感器芯片、产品、云端应用，能够自主形成闭环，在内部飞速的自我迭代，所以在这方面我们还是非常希望的。
谢谢大家。
