谁提供了这层感知，谁就握住了智能进入物理世界的入口。
作者丨苏迪
编辑丨张丽娟
过去两年，具身智能的故事大多发生在大脑上。VLA、世界模型、端到端控制，轮番刷新着能力边界。
但热闹归热闹，当机器人真被放进工厂和家庭，最先露怯的往往是 " 眼睛 "。
今天的视觉大模型，大多数还停留在问一句答一句的阶段。给它一段视频，通过抽帧完成识别、描述和问答。但真实的物理世界，有价值的信息往往只在一瞬间，还与此前数秒、数分钟甚至更长时间的状态有关。
而这个问题，不全在模型身上。视觉智能这件事，难在它不是一个单点技术，而是从镜头到模型，哪一环都不能少。
这正是双深科技要解决的问题。这家上海公司四十多人，几乎全是研发，五年一直在重做机器视觉的底层链路：从成像、压缩和传输，到端侧推理、空间理解和时序记忆。
而它的定位也和一般视觉公司不一样。不做单点算法，不做再一个通用 VLM，它要做的是一套持续在线的视觉系统，让机器人的眼睛从采集画面的设备，变成智能进入物理世界的入口。
把整条视觉链路重做一遍
怎么让机器的眼睛一直在线、一直看懂？靠给模型喂更多图片，是解不了的。
在双深科技看来，视觉智能得换一套玩法：连续地感知，实时地反应，不再是把画面翻译成文字，而是让机器心里装着一个不断更新的世界。双深科技将这个方向叫做 Always-on VLM。
这个名字容易让人误解。Always-on 不是让一个大模型二十四小时满负荷运转。
恰恰相反，它学的是人的视觉那套分层处理的办法：底层的感知一直开着，快速捕捉光照、运动、深度和目标的变化；只有当环境里真正发生了什么，更耗算力的推理才会被叫醒；关键的事情则被存成可以回头翻找的时序记忆，留给后面的决策用。
" 机器人需要的不是一只不断上传视频的摄像头 "，双深科技创始人曹磊说，" 而是一套能在本地持续感知、按事件计算、把关键状态交给大脑的视觉神经系统。"
要做到这一点，门槛比想象中高得多。双深科技列了四个硬条件：极端光照下仍能稳定获得信息；视频和中间特征能够低成本传输和存储；模型可以在端侧的功耗预算内连续运行；理解的结果能留住空间关系、事件变化和长期上下文。
四道门槛，缺任何一道，持续在线都会退化成高成本的持续录像。更麻烦的是，问题不出在某一个环节，而出在整条管线的设计上。
传统机器视觉是一条由多个独立模块拼起来的流水线：传感器生成画面，ISP 为人眼调图，编码器压缩像素，网络传输视频，应用再解码、抽帧，最后才轮到模型。
每一层都在处理上一层留下的数据，却没有一层是围绕机器理解设计的。结果是双重的浪费：大量信息在前端就被抹平，大量冗余像素又在后端被重复搬运。
指望在这条流水线上修修补补跑通 Always-on，是不可能的。双深科技的选择是把整条视觉链路重做一遍。
第一关，是在源头把信息保住。夜间、逆光、强反射、高速运动，这些不是画质问题，它们会直接摧毁后续模型需要的纹理、边缘和运动线索。画面糊了，人还能凑合看，模型不行。
双深科技用端到端 AI ISP 重做传统成像流程，把去噪、曝光、色彩恢复和下游任务放在一起调；面向低照度场景的黑光全彩方案，目标不是把画面调得更好看，而是在极端环境里保住检测和理解的稳定性。
信息保住了，第二关来了：传的要划算，还得是 " 信息 "。传统编码围着人眼能接受的失真设计，神经编解码则可以在潜空间里学习任务相关的表征。
双深科技把视频压缩和机器理解绑在一起做：同一路视频，既输出供人观看的码流，也输出供模型消费的特征流；语义没有变化时就降低传输和计算，关键事件出现时则保留更多细节。
对带宽和存储极其敏感的工业、航天和机器人场景，这一层决定了视觉能不能真正长期在线，毕竟摄像头买得起，常年传输和存储的账单未必付得起。
传得起之后，第三关是算得动。原始视频持续上云，带宽、时延、隐私、可靠性，每一关都过不去；让大模型全程在端侧跑，功耗和算力又撑不住。两头都走不通，答案只能在中间：轻量网络在端侧持续工作，完成图像增强、变化检测、目标与深度等基础任务；复杂推理由事件触发，在端、边、云之间动态分配。
与富瀚微的芯片合作，让这套分层模型可以从算子、内存访问和模型结构的层面一起优化，而不是在通用芯片上事后适配。
还差最后一关：看得懂、记得住。面向机器人，双深科技正在推进瞬析 3D VLM，把 RGB、深度、运动和语义装进同一个连续的空间表征里。它关心的不只是画面里有什么，还有物体在哪里、怎么动、彼此是什么关系，以及刚刚发生了什么变化。
更长远的目标，是把冗长的视频压成事件级的记忆——上层的 VLA 或世界模型不必反复回看全部像素，也能拿到行动所需的上下文。
四层拼起来看，更像一套完整的机器视觉操作系统：向下连接传感器和芯片，向上给不同的大模型提供标准化的视觉输入；既能做现有 VLM/VLA 的前端，也能和客户自研的机器人大脑组合。
模型的领先会被下一代模型抹平，但整条链路的积累不会。
五年，只干一件事
这条链路的起点，比公司成立还早四年。
2016 年，曹磊和武祥吉搭档给某地做线上视频调解系统，视频传输效果极差，翻遍市面找不到好的压缩方案。" 又贵又低效 "，曹磊说，" 当时我们就觉得，这事一定有机会。"
这颗种子埋了四年。2020 年，两人决定创业，跟着出来的还有原先编码团队的七八个人。曹磊出身华为，偏工程；武祥吉拿过 CVPR 冠军，偏算法。工程、算法、编码，各就各位。
一家公司的技术基因，在第一天就是成建制的。方向也很清晰：不做人脸识别，不追大模型，扎进 AI 视觉最底层，从采集、压缩、传输到理解，用 AI 重做一遍。
" 这块底层技术很难，门槛很高，所以我们觉得值得做。" 曹磊说。
难，意味着慢。做编解码轻量化，网络参数量巨大，一项技术从研发到产品化要以年计，很长时间里都看不到产品化的影子。这种活，最怕的不是难，是团队熬不住、方向被风吹走。
双深科技的应对方式，是把自己变成一个不太 " 性感 " 的公司：五年里，团队从八九个人长到四十多人，几乎全是研发；技术主线从编解码轻量化延伸到今天的 Always-on VLM，没有换过；不追热点，也很少对外发声，市场上几乎找不到这家公司的消息。
在一个风口三个月一换的行业里，不变本身成了稀缺品。
比方向不变更难得的，是想得清楚。曹磊和团队很早就想明白了一件事：要做端侧视觉系统，核心瓶颈不只发生在模型精度上。模型能否量产，还取决于芯片算力、带宽、内存、功耗、工具链和客户验证周期。算法必须跟着芯片走，才有可能上量、进场景、拿真实反馈，形成单点算法公司难以复制的闭环。
这个判断在 2022 年变成了一道真实的选择题。桌上摆着两份投资意向：一个来自财务机构，一个来自产业资本。前者估值更高，后者背后则是端侧视觉芯片公司富瀚微。
团队最终选择了后者。" 我们想换取算法进入芯片与客户体系的机会。" 曹磊说。
后来的事验证了这个选择：瀚联产业基金与富瀚微先后投资双深，双方逐步从资本关系走向软硬件协同。双深科技如今大部分收入来自基于富瀚微芯片的模型授权，与机器人厂商的合作，走的也是 " 富瀚微定制芯片、双深科技出算法 " 的路。算法、芯片、客户场景，严丝合缝地咬合在了一起。
回头看这五年，这支团队在技术上，五年只走一条主线，把每一层都握到自己手里；产业上，在关键路口选了匹配，而不是划算。
抢下入口
五年的积累，双深科技押注的不是某个技术模块的领先，而是一个更大的判断：在大模型真正走进物理世界之前，视觉必须先能从 " 调用 " 变成 " 在线 "。
GPT 证明了文本接口的通用性，但物理世界没有现成的文字说明。它由光线的明暗、物体的运动、遮挡与深度的变化和时间的流逝构成，连续发生，不会暂停。
当视觉从 " 调用式 "（你问我答）变成 " 在线式 "（一直在看），AI 与物理世界的交互方式会被改写。
双深科技对未来的判断是：下一代视觉系统将以小模型持续感知，以事件驱动大模型，以结构化状态连接行动，原始像素、潜空间特征和语义记忆会在同一条链路中协同流动。
到那时候，VLM 不再只是一个理解图片的模型，而会成为始终在线的感知进程。
谁提供了这层感知，谁就握住了智能进入物理世界的入口。在计算产业的历史上，入口层的价值往往更有想象空间：ARM 定义了移动芯片的架构，CUDA 定义了 AI
计算的接口，它们不直接做应用，但没有它们，应用无从谈起。
如果 Always-on VLM 这条路跑通，双深科技有机会成为物理世界里与之对应的那一个接口。
而这个入口的价值，最终取决于它通向多大的世界。
双深科技过去五年进入的每一个场景，都不是独立存在的。安防提供的是规模化芯片载体。随富瀚微年出货过亿颗的芯片进入真实设备，端侧算法开始大规模部署、反馈和迭代。
工业质检考验的是超大规模图像的长期留存与可追溯，神经压缩能够直接对应客户的存储成本。商业航天则把低带宽、低功耗和高可靠性推向极限，迫使系统在资源稀缺的条件下保留最有价值的信息。
这些场景共同指向了机器人。这个场景的要求更为严苛：极端环境下的稳定成像、有限算力下的实时推理、对连续空间的深度理解，三者缺一不可。
双深科技正在以 " 芯片 + 算法 + 模组 " 的方案推进与头部机器人厂商的验证，短期为
VLM、VLA 提供清晰、低延迟且带空间信息的输入，长期形成从采集到交互的完整视觉系统。
在这条路上，双深科技已经抢到了先手。但窗口期不会永远敞开。共识一旦形成，资金雄厚的玩家会带着场景进场。不过，视觉链路不是资本可以速成的生意：成像、压缩、芯片、理解，每一环都要以年计地打磨，双深科技过去五年做的，正是这件事。
曹磊说，视觉的拐点不会只由一个更大的模型触发。它需要成像、编码、芯片和模型同时成熟，让高性能、实时在线和可承受的成本第一次同时成立。
而双深科技想成为的，正是让这种 " 同时 " 得以成立的那一环。
成立刚一年，这家具身公司靠 " 鸿蒙式 " 打法拿下超万台订单 | 元桌派 A 一下
登录后才可以发布评论哦
打开小程序可以发布评论哦