苹果FaceID缔造者为“物理AI”打造端到端的感知系统，融资1.07亿美元

过去一年，“物理AI”成为AI的下一个主要发展方向，已经逐渐成为行业共识。此前，我们认为“物理AI”面临具身智能数据缺乏，世界模型不成熟等缺项。这两个缺项都是关于“物理AI”的智能，其实在行业认为相对成熟感知层面，目前也远称不上成熟。

此前，感知能力常被视为一个零部件问题，而非一个系统性问题。硬件团队们花费数年时间从零开始构建感知技术栈，包括从多家供应商采购传感器、校准系统、调试同步问题，周而复始地造轮子。

其实系统化的感知能力，早已在消费电子领域被攻克，并被规模化地应用。例如微软的Kinect和苹果的FaceID。现在，这两项技术的缔造者，组成了一个团队，创立了创业公司Lyte。

他们将先进的4D传感、RGB成像和运动感知能力集成到单一平台中，仅通过一个连接即可提供统一的空间与视觉数据，让“眼睛”与“大脑”直接对话，构建行业所缺乏的感知基础设施。

近日，Lyte获得1.07亿美元的早期融资，Avigdor Willenz、Fidelity 、Atreides Management、Exor Ventures、Key1 Capital和Venture Tech Alliance参与投资。

微软Kinect和苹果FaceID的缔造者，为AI打造端到端的感知系统

Lyte由苹果深度传感和感知技术的关键架构师Alexander Shpunt（CEO）、Arman Hajati和Yuval Gerson共同创立。

Lyte的创始团队

Alexander Shpunt曾联合创立3D传感公司PrimeSense并担任其首席技术官。从2005年开始，他就致力于一个问题：如何教会机器感知深度？他想让机器像人类一样感知空间——看到的不是扁平的像素，而是维度、距离，以及三维空间中物体间的关系。

为此，他和团队创造了“光编码技术”：红外投影仪将不可见的点阵投射在整个场景上；摄像头负责读取这些点阵在不同距离上如何扭曲，并通过三角定位法将其转换成实时深度图。  

五年后，这项技术催生了一款革命性的体感设备——微软Kinect，它在六十天内售出了八百万台。

2013年，他的公司被苹果收购，他和团队成员进入苹果，将这个核心技术继续演进，2017年，苹果FaceID面世，如今已应用于数十亿台设备中。

在2021年，Alexander Shpunt就看到了“物理AI”的早期趋势，AI不仅要阅读文本和识别图像，它还被用于在在仓库中导航、操作机械、与行人和车辆共享道路——AI正走向实体化，融入现实世界。

但是风险随之出现，对于感知，相比在智能手机上偶尔不稳定，当它用在仓库里，开放道路上，出现错误的后果将是灾难性的。

Alexander Shpunt认为，“物理AI”能否顺利发展，一个重要的因素是能否对物理世界的可靠理解。机器人必须能够在复杂、动态的环境中安全运行，而不仅仅是在受控的环境中。

他以自己在苹果的班底为基础组建团队再次出发，这个团队横跨传感、芯片和实体AI领域。除了Alexander Shpunt自己外，Arman Hajati（CTO）曾主导了多代iPhone和Apple Watch的Taptic Engine架构设计；Yuval Gerson（工程副总裁）专注于复杂的机械和微机电系统（MEMS），Reza Nasiri Mahalati（硬件负责人）对于先进传感模块在硬件、软件和算法层面的集成工作有丰富经验。   

补上结构光缺失的第四维度：速度

根据Grand View Research的预测，AI机器人市场规模到2030年将达到1250亿美元。然而，麦肯锡的数据显示，超过60%的工业企业缺乏自主实施机器人自动化的内部能力，包括传感器集成能力。

企业的传统解决方式，是从多家供应商处拼凑感知系统，然后花费数月时间校准传感器、编写融合软件并调试集成故障。

Lyte要解决的就是这个结构性问题，他们以垂直整合技术栈的思路，将传感硬件、定制芯片和感知软件统一整合到单一平台中，为自主机器（包括但不限于具身智能机器人）提供在现实世界中运行所需的清晰而可靠的感知层。

结构光（光编码更通用的名称）是一种重要的感知技术，它成功应用于室内空间和人脸识别。但结构光有其局限：它只在近距离有效，且只能捕捉物体身在何处，而非去向何方。

对于在世界中移动的机器而言，这还远远不够。一台在仓库中导航的机器人，不仅需要知道叉车在哪里，还需要知道叉车正以每秒四米的速度向它驶来。一个在人行道上行驶的配送机器人，不仅需要看见孩子，还需要看见孩子正在奔跑。

传统传感器捕捉的是位置。为了理解运动，软件需要比较不同的帧画面：此刻的位置与前一刻的位置。这会引入延迟。在一个动态的世界里运行，延迟是风险的根源。

Lyte团队此前开发的体感设备不仅能看到人们的身体位置，还能追踪他们的运动方式。面部识别技术也不仅是绘制人们的的面容，更能确认这张脸是活生生的、在场的、真实的。这两项技术都能理解动态演进的场景，而非静止的瞬间。

现在，Lyte团队将同样的能力应用于更远的距离、更快的速度，以及在开放空间中运行的机器。

他们开发了一个新的核心技术——“相干视觉”。这项技术在运用光时，不再是投射图案并读取扭曲，而是发射连续信号并测量其返回信号。位置与速度，在同一瞬间被同时捕捉，无需事后计算，此能力内建于测量本身。

运用光的不同方式。它不再是投射图案并读取扭曲，而是发射连续信号并测量其返回信号。位置与速度，在同一瞬间被同时捕捉，无需事后计算，此能力内建于测量本身。它为感知引入了第四个维度，就是速度。一个物体的位置及其运动方向，被同时获知。

通俗的说，过去需要靠算法补齐速度信息，所以有延迟，而“相干视觉”是靠物理层直接获取速度信息，所以无延迟。

LyteVision，让机器的“眼睛”与“大脑”直接对话

基于这个核心技术，Lyte团队打造了LyteGalaxy这个统一的空间智能平台，它集传感器、计算单元、软件与算法于一体，为机器人构筑起一个完整统一的感知技术栈。

LyteVision

而在感知方面，他们的核心硬件产品是LyteVision，这是一个端到端的感知系统，它在2026年CES上荣获机器人技术“最佳创新奖”。这个新产品将先进的4D传感、RGB成像和运动感知能力集成到单一平台中，通过一个连接即可提供统一的空间与视觉数据。

它不仅统一了传感器，还统一了从感知到智能的整条路径：传感器与芯片融合，芯片为软件定制，软件为AI计算而生。从光子触及传感器，到决策返回至机器的完整技术栈——单一架构，无缝衔接。

具体来说，它经过三大集成阶段，将原始传感器数据转化为可执行的智能信息。

第一步，感知。在即插即用、任务就绪的模块中集成了4D相干视觉、RGB（可见光）和IMU（惯性测量单元）。这个模块具备完整而紧凑的传感功能，采用单电缆部署，是开箱即用的感知系统。

第二步，融合与处理。这套系统的定制芯片在硬件层面即时处理多传感器融合，提供统一、时间同步的感知数据。让开发者专注于构建机器人行为，免除调试传感器同步的麻烦。

第三步，理解。眼睛通过神经系统连接大脑，而一个能看见世界的机器人，仍需理解它所见的一切。这意味着要将传感器、芯片、软件与人工智能计算连接起来，然后数据从边缘流向云端再返回，模型处理机器感知到的信息，做出决策，发出指令。而且这整个闭环，在毫秒间完成。保证了即时性。

最终的成果是：LyteVision这个仅有单个连接器的独立模块，能将多个传感器，统一输出；而且能实时捕捉位置与速度，即刻部署。因为模块的统一性，它让每一台使用它的机器都能共享对世界的一致“看法”。

感知物理世界是复杂的，但Lyte将这些复杂性内部消化了，然后提供一个连接智能层的感知层。让“眼睛”与“大脑”直接对话。

这让“物理AI”在感知上，不再面对发展的限制因素。

在适应性上，LyteVision能够赋能广泛的实体AI平台，包括自主移动机器人、机械臂、四足机器人、自动驾驶出租车和人形机器人。

“物理AI”还在早期，机会还有很多

随着技术进步，AI进入越来越多的场景，而随着物理AI的崛起，AI对感知的需求从静止化、单一化向通用化、实时化发展。

以往，AI只需要识别出一个静态的人脸，现在它要在开放而复杂的物理环境中自由行进，随时都可能有训练数据之外的“意外”发生。

Lyte团队从2005年开始就开始涉足机器的“感知”，他们沿着这个主要方向前进，面对“物理AI”的新趋势和新需求，创造出新的技术解决方案。

端到端是感知系统的下一个趋势，特斯拉就是很好的例子。它没有复杂的雷达和摄像头结合的硬件系统，采用了纯摄像头方案，但是前端的摄像头收集的巨量数据与后端的深度学习模型相结合，形成了数据飞轮，就能在不增加硬件复杂性的前提下，越来越强。

Lyte的产品，也是端到端的，它通过软硬件结合的垂直整合技术，将感知系统的复杂性（硬件+软件）内化了，提供给客户的是一个简单的产品。而且这个产品足够通用，能够适应客户的各种硬件形态和应用场景。

目前，“物理AI”还很早期，我们在此前的文章里总结过，它有赋能智能硬件的AI操作系统、掣肘世界模型发展的具身智能数据，以及“世界模型”不完善等缺项；但是用更细的眼光去看行业，缺项其实并不止这三大项，例如我们以为已经成熟的感知，就有Lyte来进行革新。

那么，无论是智能、感知，还是行动控制，无论是硬件层面，还是软件层面，“物理AI”都还有很多突破的机会，值得创业者们去闯。

本文来自微信公众号 “阿尔法公社”（ID：alphastartups），作者：发现非凡创业者的，36氪经授权发布。