睿迎网 CES访谈｜盖茨、亚马逊抢投硅谷黑马，光学芯片如何驱动物理AI

在2026年美国拉斯维加斯的国际消费类电子产品展览会(CES)上，一个明显的变化正在发生。如果说过去两年舞台中央属于大语言模型（LLM）睿迎网，那么今年的聚光灯正在快速转向机器人与物理人工智能。

越来越多行业共识正在形成：人工智能（AI）的下一步不在屏幕里，而在现实世界中。而要让AI真正“走进现实”，绕不开一个看似传统、却正在发生质变的领域——传感器，尤其是光学半导体。

长期以来，激光雷达（LiDAR）被视为机器人、自动驾驶和空间感知系统的“眼睛”，但它始终存在难以规模化的结构性问题：机械结构复杂、体积庞大、成本高、可靠性不足。

吸引了比尔・盖茨、三星、亚马逊行业投资基金、Frontier、TSVCapital（TSVC）等众多知名投资者的Lomotive在本次CES上吸引关注，其核心产品正是一颗无须任何移动部件、即可精准控制光束的可编程光学芯片。这意味着，光束如何扫描、何时扫描、覆盖多大范围，不再由硬件结构决定，而是由软件定义。在效果上，这让激光雷达开始具备类似智能手机摄像头的特征：小型化、低功耗、可嵌入、可量产。

第一财经独家对话了Lumotive的首席执行官（CEO）萨姆·海达里（SamHeidari）和首席科技官（CTO）格列布·阿克塞尔罗德（Gleb Akselrod）。

可编程光学芯片驱动物理AI

在与海达里的交流中，一个反复被强调的关键词是：物理AI的瓶颈不在模型，而在感知。

即便拥有最先进的AI算法，如果机器人“看不清”现实世界，本质上仍处于“失明”状态。

阿克塞尔罗德对第一财经提及，可编程光学半导体带来的改变，体现在三个层面：第一，传感器性能的数量级提升。在体积、成本和耐用性显著优化的同时，传感器的可靠性与效率同步提升，为机器人在复杂环境中的长期运行提供基础条件。第二，传感器的“软件化”。同一颗光学芯片，可以通过软件配置模拟出多个“虚拟传感器”，在不同视角、分辨率和扫描策略之间动态切换。这对算法开发者意义重大——硬件不再限制算法创新。第三，与仿真平台形成闭环。Lomotive的技术可无缝对接英伟达Omniverse等仿真环境，使开发者能够在虚拟世界中反复优化传感器布局与光学参数睿迎网，再将成果迁移到现实系统中，形成“硬件—模拟—算法”的协同演进。

这正是物理AI从实验室走向真实世界所必需的工程基础。

应用场景

从商业化节奏来看，Lomotive当前最活跃的合作方向集中在三个领域：机器人、工业自动化、智能基础设施。这些场景共同特点是：对传感器精度、安全性和可靠性要求极高，同时对成本和体积高度敏感。据第一财经了解，公司同时也在布局商用车、重型机械、叉车等汽车相关领域，并在更长周期内关注消费级汽车与消费电子市场。

值得注意的是，激光雷达已率先进入苹果手机等高端消费设备，这也为未来更多消费级3D感知应用打开了想象空间。

阿克塞尔罗德也表示，事实上，物理AI的最大挑战，并不是“模型会不会犯错”，而是“现实世界能否容错”。在家庭、工厂、公共空间等非结构化环境中，机器人一旦失误，代价远高于语言模型的“幻觉”。这对传感器精度、实时性和系统稳定性提出了近乎苛刻的要求。

从这个角度看，可编程光学半导体并非“锦上添花”，而是决定物理AI能否规模落地的底层条件。

资本长期下注背后

在当前风险投资仍偏谨慎的环境下，Lomotive的投资者名单包括：比尔·盖茨、三星、亚马逊产业投资基金、Frontier等。其中，比尔·盖茨在公司成立前便作为种子轮投资人参与，押注的并非某一款产品，而是其技术的基础设施属性。阿克塞尔罗德表示，由于比尔·盖茨本人始终活跃在科技圈内，因而对硅谷创业者的技术和产品都有所了解和感知。

三星、亚马逊等战略投资方，则从各自深耕的消费电子、云计算与智能设备生态出发，看重该技术在未来硬件平台中的通用性。

回看整个技术演进路径，Lomotive所代表的是一种范式转变：光，正在从物理器件，变成可编程、可计算、可规模复制的资源。

正如当年CMOS摄像头推动了智能手机的爆发，光学半导体的“芯片化”，或许正是机器人与物理AI时代真正的起点。在这一赛道上，资本已经开始提前布局。接下来，轮到产业与现实世界给出答案。

举报第一财经广告合作，请点击这里此内容为第一财经原创，著作权归第一财经所有。未经第一财经书面授权，不得以任何方式加以使用，包括转载、摘编、复制或建立镜像。第一财经保留追究侵权者法律责任的权利。如需获得授权请联系第一财经版权部：banquan@yicai.com 文章作者