1. 首頁 > 生活百科 > >

四年砸下10億，萬有引力用三款專用芯片，證明MR還沒死

aigpu算力

四年砸下10億，萬有引力用三款專用芯片，證明MR還沒死

文章圖片

四年砸下10億，萬有引力用三款專用芯片，證明MR還沒死

文章圖片

四年砸下10億，萬有引力用三款專用芯片，證明MR還沒死

文章圖片

四年砸下10億，萬有引力用三款專用芯片，證明MR還沒死

文章圖片


作者｜徐珊
編輯｜靖宇
三年前 ， 在和一位業內人士討論限制 AR 眼鏡無法走入市場的最大問題到底是什么時 ， 是我第一次聽到萬有引力的名字 。
當時 ， 我們推導思路是這樣的：想要減重 ， 眼鏡上的計算單元要更小、更輕；想要 AR 眼鏡有拿得出手的實際用途 ， 展現出更豐富的內容 ， 要有更合適的芯片解決算力問題；想要 AR 眼鏡的價格更便宜 ， 關鍵零部件芯片的價格也需要更低 。
說來說去 ， AR 眼鏡需要有一顆專用芯片成為我們當時一致達成的共識 。 「現在有誰在做這個方面嗎？」 ， 萬有引力在當時就已經成為一部分業內人士關注的對象之一 。
但造芯之路 ， 從來都不會太容易 。 尤其是 ， 萬有引力當時就立下打造 MR 芯片的目標 ， 而并非「改造」出一顆可穿戴 SoC ， 這條更艱難的路徑 ， 注定讓外界推測兩三年內很難看到真正的成果 。
三年時間里 ， Meta 放棄了造 MR 芯片的計劃 ， 微軟解散了元宇宙 MR 工業團隊 ， 蘋果 Vision Pro 直接上了 Mac 的 M5 芯片 ， AI 大模型的爆發又讓芯片玩家們開始關注國產 GPU 和推理芯片 。 當巨頭紛紛離場、熱點快速更迭時 ， 萬有引力卻不得不獨自承受著巨大的行業質疑 ， 等待驗證 。
打造 MR 芯片還有必要嗎？當我三年后來到萬有引力新品發布會現場時 ， 竟然先開始質疑起三年前的結論 。 然而 ， 當萬有引力創始人兼 CEO 王超昊在臺上宣布首款芯片的具體參數時 ， 所有的質疑都迎刃而解 。
萬有引力創始人兼 CEO 王超昊｜來源：萬有引力
此次發布會 ， 萬有引力共推出了三款 MR 芯片：極智 G-X100 芯片 ， 采用 5nm 工藝 ， 專用空間計算芯片 ， 可以瞬時感知 ， 減少眩暈 ， 還可以保持高清顯示同時降低功耗 。
GravityXR VX100 芯片 ， 主要特點是非常小 ， 可以減輕眼鏡類產品鏡腿寬度 ， 增強舒適感 。
極顏 G-EB100 ， 該款芯片是聚焦空間渲染與顯示的芯片 ， 除了支持 MR 頭顯 ， 也能用在機器人領域 ， 如機器人高逼真度靈動臉 ， 投射實時表情眼神 ， 低功耗完成 3D 模型實時重建與驅動 ， 以及 3D 顯示圖像處理與增強 。
萬有引力推出三款空間計算芯片｜來源：極客公園
當我們走入展區 ， 可以發現萬有引力正計劃將一顆空間計算芯片帶入更有想象力市場 。 比如說機器人遙操、數據仿真等 。 我們和少數媒體對話萬有引力聯創、CMO 王爽后 ， 發現萬有引力想要走的芯片之路和大眾想象有些不太一樣 ， 他們并不追求所謂的最強 MR 芯片 ， 而是給大家在兼顧輕量化和空間計算能力上提供一個新的選擇 。

一、4 年、10 個億、3 款芯片「MR 芯片是一條繞不開的路 。 想要打造一款 5 納米芯片 ， 我們總共花費 1092 天 ， 除了我們 200 多名內部員工之外 ， 還有 258 家合作伙伴和我們一起打磨這顆芯片 。 」萬有引力創始人兼 CEO 王超昊先生在發布會上說道 。
極智 G-X100 是此次大會的重點產品 ， 采用 5nm 先進制程 ， Chiplet 異構封裝架構 ， 能夠實現彩色透視端到端延遲低至 9ms 。 該芯片還支持注視點計算與雙目 8K、120Hz 輸出 ， 并且功耗可以維持在 3W 功耗上下 。
除了參數 ， 這款芯片能帶來哪些具體變化？
首先是超低延遲 。 據王超昊介紹 ， 極智G-X100 芯片達到了 10 毫秒以下的光子到光子（P2P）延遲 ， 打破了世界紀錄 。 更快的傳輸意味著實時感應更強 ， 能夠顯著減輕眩暈感 。
「從相機到 SP ， 到虛實混合的引擎 ， 到 DPU ， 到最后顯示輸出 ， 這一個鏈路我們全部是自研 ， 在芯片上閉環 。 」王超昊在解釋如何實現時說道 。
其次 ， 極智G-X100 能夠支持很好地 MR 虛實融合效果 ， 其 VST 在色彩還原、夜景噪音等畫面處理能力較強 ， 還可以呈現出高動態范圍畫面 。
最后 ， 極智 G-X100 能夠為復雜的空間感知和 AI 推理任務提供充足算力支撐 ， 也為眼動、手勢、手柄等自然交互提供了支撐 。 芯片端首次使用了面向 MR 的動態注視點渲染技術 ， 可智能分配渲染資源 ， 大幅降低整體 GPU 負載 ， 在保證視覺質量的同時顯著提升能效 。 據測算 ， 極智 G-X100 能將整個顯示處理和傳輸的功耗降至原有的 45% 。
此外 ， 為了更好發揮 極智 G-X100 芯片用途 ， 萬有引力還打造一個感知子系統 ， 通過雙目 160 萬彩色攝像頭 ， 13 路傳感器等模塊 ， 可以高效支持 SLAM 空間定位、3D 感知和手眼交互 。
萬有引力 G-X100 ｜來源：萬有引力
如果說極智 G-X100 是為 MR 設備打造的專業芯片 ， 那么極眸 G-VX100 則更像是為 AI 眼鏡量身定制 。 該芯片配備可量產 ISP 后處理算法 ， 以及全球領先的單邊小至 4.2mm 超窄封裝 ， 可以輕松放置在眼鏡鼻梁處或者超細鏡腿處 ， 為 AI/AR 眼鏡、AI 耳機、AI 助手等各種智能設備提供小型化、輕量化的可能性 。 目前 ， 極眸 G-VX100 已支持 1600 萬像素超清拍攝和 4K 30fps 視頻錄制 ， 并集成了空間視頻拍攝與眼動追蹤功能
值得注意的是 ， 這款芯片采用了超低功耗專用子系統 ， 并結合萬有引力打造的多模態喚醒技術「MMA（Multi-Modal Activation）」 ， 實現分級喚醒計算 ， 智能調配算力 ， 最高可支持 16 小時的續航時長 。
有關 MMA ， 王超昊舉了兩個比較有想象空間的例子 。 「如果我們要全天候卡路里記錄 ， 我們就可以用到 MMA 。 當我們看到盤子、杯子的時候就記錄下來 ， 存在眼鏡里 。 到用戶查詢的時候或者到晚上的時候 ， 這些數據就可以傳回到手機 ， 在手機端或者云端大模型生成卡路里記錄的報告 。 」同樣的邏輯 ， 如果用戶鑰匙找不到了 ， 眼鏡會提醒用戶：「我看到你的鑰匙兩個小時前留在了沙發前的茶幾上 。 」
當然 ， 隨著攝像頭開始與各種 AI 硬件結合 ， 極眸 G-VX100 或許會出現在多樣化 AI 硬件上 。 不過 ， 目前該芯片剛剛返回實驗室并完成點亮 ， 預計送樣還需要一段時間 。
萬有引力 極智 G-X100 ｜來源：萬有引力
最后 ， 萬有引力還介紹了極顏 G-EB100 ， 該芯片除了支持 MR 頭顯 ， 還可以用在機器人領域 。 比如說 ， 讓機器人實現高逼真度靈動臉 ， 投射實時表情眼神 ， 低功耗完成 3D 模型實時重建與驅動 ， 以及 3D 顯示圖像處理與增強 。 目前已經服務包括歌爾股份、智元機器?等行業頭部企業 。
萬有引力 EB 100 ｜來源：萬有引力
萬有引力的三款芯片均具有高度的針對性 ， 旨在解決 MR 領域的具體問題 ， 從減輕眩暈、增加續航時長 ， 到提高機器人靈動性等 。 并且 ， 萬有引力在打造芯片時 ， 還針對空間計算的特有功能提供了開放式系統設計 。 從產品定位和參數來看 ， 萬有引力精準把握了空間計算領域當下三大核心場景 ， 解決了其中最重要問題 ， 用這三款產品 ， 為自己四年的堅持交出了一份有力的答卷 。

二、空間計算芯片能做什么？萬有引力正在「另辟蹊徑」在發布會上 ， 萬有引力首先推出了一款基于 G-X100 芯片的參考設計 ， 以具體產品形態來展現其技術設想 。
這款名為 G-X100-M1 的 MR 眼鏡參考設計模組 ， 綜合了各項集成優勢 ， 成功將設備重量控制在 90 多克 。 它擁有 90 度 FOV（視場角） ， 實現了 9 毫秒的端到端超低延遲 ， 具備 36 PPD 的 MR 分辨率 ， 并支持 1600 萬像素、自然定位、3D 感知和手眼交互 。
與此前市面上的 MR 眼鏡相比 ， 該款參考設計在重量和 FOV 上略占優勢 。 在現場體驗中 ， 我們發現畫面清晰、運行流暢不掉幀 ， 但體感上 ， 重量的減輕效果并不如預想中明顯 。 更具體的性能指標和最終的用戶體驗效果 ， 可能還需要等待搭載該芯片的實際終端產品推出后才能做出準確判斷 。
在展區現場 ， 我們得以一窺未來萬有引力計劃合作的企業和重點推動的應用方向 。
在智能眼鏡方面 ， 我們看到了李未可、雷鳥等智能眼鏡廠商 。 據透露 ， 目前這些廠商正在等待芯片送樣測試 ， 并保持著開放合作的態度 。 在內容生態上 ， 我們看到了沙核科技等合作伙伴 。 如果 MR 在文娛方向上能夠有效減輕眩暈問題 ， 或許能夠迎來更大的用戶市場 。
比較有意思的是 ， 智元機器人同樣出現在展區內 ， 并搭載了 MR 頭顯 。 用戶戴上 MR 頭顯后 ， 可以通過手勢交互來進行遠程遙操作控制 。
參會者嘗試用遙操控制機器人舉起水瓶｜來源：極客公園
在現場 ， 我嘗試通過遙操控制機器人將礦泉水放入筆筒內 ， 再拿起筆筒 。 最初的體驗難點在于視野和深度感知 。 當畫面中機器人手指以 2D 形式呈現握住水瓶時 ， 加上缺乏力量反饋 ， 很難準確判斷是否握緊了水瓶 。
另一個明顯的挑戰是延遲問題 。 在體驗過程中 ， 手部移動無論是過快還是過慢 ， 機器人手臂端的變化總是伴隨著一定的延遲感 。
不過 ， 整體適應過程很快 ， 大約在兩分鐘后 ， 我就能相對快速地拿起水瓶并將其放入狹小的筆筒中 。 現場的工作人員告訴我們機器人頭部可以直接「內置」MR 頭顯 ， 讓外觀設計更加簡潔 。
此外 ， 我們還看到了王超昊在發布會上簡單提到的 P2P 測試設備 。 該設備主要用于測試MR設備上視頻穿透路光子到光子的延遲時間 。 我們也觀察到 ， 萬有引力通過 G-EB100 芯片的能力 ， 加強了類似蘋果頭顯上「Eyesight」功能的玩法 ， 能實現目光追隨和更靈動的顯示效果 。
極顏 G-EB100 優化數字人裸眼3D渲染能力｜來源：極客公園
從展區體驗來看 ， 萬有引力顯然非常清楚空間計算芯片在哪些關鍵領域能夠發揮作用 ， 并進行了提前布局 。 無論是 AI 智能眼鏡、機器人遙操 ， 還是 MR 文娛 ， 這些領域幾乎都是各個賽道中發展前景廣闊、增速較快的細分市場 。 如果能夠成功突破這幾個關鍵市場的頭部客戶 ， 將為萬有引力在空間計算領域站穩腳跟打下堅實的基礎 。

三、對話萬有引力聯創 ， 三年預期百萬出貨量會后 ， 我們與對萬有引力聯創兼 CMO 王爽進行了獨家對話 。 對話中 ， 我們首先了解到：萬有引力此次推出的三款芯片均為協處理器 ， 可與手機、電腦、或高通 AR2 等主芯片協同處理 。
這為硬件廠商提供了靈活的芯片部署選擇 。 廠商既可以在設備上放置主芯片和萬有引力的協處理器 ， 也可以將原有主芯片從頭顯端轉移到手機或手持終端上 ， 而僅在頭顯上放置 G-X100 芯片 。 后者不僅能減輕頭顯重量 ， 還能維持出色的空間計算能力 。
萬有引力聯創兼 CMO 王爽 | 來源：極客公園
事實上 ， 這也是目前 MR 行業常見的一種解決方案 。 由于通用 MR 芯片的 P2P 延遲通常在 15 毫秒上下 ， 影響用戶體驗 ， 因此不少上下游廠商推出的所謂 MR 芯片 ， 多數都采用了協處理器架構 ， 官方宣稱的 P2P 延遲時間多在 10 毫秒上下 。
除此之外 ， 我們還與王爽深入探討了萬有引力在此時入局的核心競爭力、未來三年的核心發展規劃以及出貨量預期等問題 。 最終 ， 我們看到了萬有引力在面對行業巨頭時差異化生存邏輯：他們不追求做大包大攬通用芯片 ， 而是專注于做好專用協處理器 ， 試圖以更開放合作模式 ， 去爭取那「百萬級」的市場機會 。
以下是極客公園整理后的對話形式 ， 精編了核心信息：
1、萬有引力目前在行業里的核心競爭力是什么？
王爽： 我們的核心競爭力在于軟硬一體的解決方案 。 XR 是一個全新的產品品類 ， 涉及極高的用戶整體體驗要求 。 我們不能單純靠每年增加多少算力或接口來定義芯片 ， 這樣定義不出好產品 。 我們在定義芯片前 ， 先搭建了一個基于 FPGA 的硬件驗證平臺 ， 讓算法工程師和架構師在真實佩戴場景中反復驗證體驗 。 在這個過程中 ， 我們再去判斷 ， 哪些算法適合固化進芯片里 ， 哪些更適合保留為軟件 ， 方便后續迭代 。 因為芯片里相當一部分功能都是自研的硬化 IP ， 一旦流片 ， 核心架構就很難再調整 ， 所以前期的驗證就尤為重要 。 也正是這套從體驗出發、軟硬一起反復打磨的流程 ， 保證了我們芯片定義的準確性 。 同時 ， 我們將這套經過驗證的參考設計開放給行業應用開發者 。
2、目前有哪些公司預定使用了咱們的新芯片？
王爽： 具體名字目前比較敏感 ， 不便透露 。 因為很多合作方是阿爾法客戶 ， 希望能夠提前搶跑 。 可以確認的是 ， 在 XR 方向有一家客戶已經開始跑原型樣機（Proto Build） ， 另一家客戶正在做產品需求溝通 ， 還有一個客戶在排期中 。 前期我們會集中精力支持行業頭部的標桿客戶進行深度合作 ， 之后再向外拓展 。
3、為什么現在大家都覺得需要專門 MR 芯片 ， 而不是用通用的 CPU/GPU？
王爽： 算法雖然重要 ， 但它是運行在芯片之上的 。 MR 設備對重量、功耗、散熱要求極高 。 通用計算平臺雖然靈活 ， 但在這些指標上的效率不是最優的 。 將特定算法「硬化」進專用芯片 ， 能極大提升能效 。 這也是我們作為創業公司的機會——大廠傾向于做通用平臺且生態封閉 ， 而我們對 MR 終端理解更深 ， 且提供全棧解決方案 ， 允許合作伙伴共建生態 。
4、現在市場大玩家都在用高通 ， 小玩家用展銳等可穿戴芯片「改造」 ， 你們作為后來者 ， 客戶為什么要選萬有引力的芯片？
王爽： 我們是專用的協處理器 ， 與高通、展銳、瑞芯微的主芯片是搭配關系 ， 而不是替代關系 。 主芯片負責運行安卓系統和應用 ， 我們的芯片負責所有空間計算任務 ， 像是傳感器處理、畫面渲染疊加等 。 這種雙芯片架構可以讓主計算單元 ， 比如說手機、PC、盒子與眼鏡分離 ， 將眼鏡重量從蘋果 Vision Pro 的 600 克降到 100 克左右 ， 同時提供極低延遲至 9 毫秒的視頻透視體驗 。
5、如果采用分體式減輕了重量 ， 但會存在一條無法被忽視的「連接線」 ， 這個問題怎么看？
王爽：這是一個權衡 。 無線方案目前的帶寬和功耗難以支撐高質量的 MR 體驗 。 只要眼鏡提供的體驗足夠好 ， 想要畫質對標蘋果 ， 且佩戴足夠輕 ， 也就是 100 克以下的話 ， 用戶對線的包容度是很高的 。 如果是為了單純的擴展屏連根線 ， 用戶會抱怨；但為了極致的輕便和高性能虛實融合 ， 這根線是可以接受的 。
6、相比通用芯片 ， 這顆專用芯片的成本和性價比如何？
王爽： 我們的芯片集成了相當于高端顯卡 ， 類比 RTX 5080 的空間計算能力 。 如果用通用芯片跑這些算法 ， 成本和功耗會極高 。 通過硬化算法 ， 我們在提供同等性能的前提下 ， 成本和性價比是非常有優勢的 。
7：萬有引力在生態建設方面 ， 是怎么支持開發者的？
王爽： 我們主要面向整機廠開放生態 ， 而不是直接面對應用開發者 。 我們的開放性體現在「Runtime」層 ， 特別是核心的 Service 層如追蹤、融合算法 。 像高通等大廠往往將這層封閉 ， 必須用他們的算法；而我們允許客戶在我們的芯片平臺上跑他們自己的算法 。 我們提供的是一個靈活的基座 ， 既有完整的參考設計 ， 也支持客戶高度定制 。
8、你們內部是如何評判這款芯片是否成功？
王爽： 兩個維度 。 技術上 ， 只要各項指標如延遲、重量控制能否達到最初設計預期 ， 就是成功；商業上 ， 能獲得行業頭部整機廠的認可并進行深度技術合作 ， 也是成功的標準 。
9、你們現在對未來的出貨量有什么預期？下一代芯片什么時候出？
王爽：我們戰略目標是先導入頭部客戶 ， 預期能達到三年內百萬級的出貨量 。 關于新產品 ， 我們在做現有產品的量產導入的同時 ， 也在研發下一代芯片 ， 預計明年年底流片 。 因為核心 IP 已經搭建好 ， 后續迭代速度會快很多 。
10、創業這幾年遇到的最大困難是什么？又是如何解決的？
王爽： 最大的困難有兩個 。 第一是去年的資本寒冬 ， 當時芯片剛流片出去還沒回來 ， 團隊壓力很大 ， 好在投資人與我們愿景一致 ， 相信團隊 ， 陪我們度過了艱難期 。 第二是產品定義的抉擇 。 幾年前主流方向是做一體機 ， 但我們想做輕便的、分體式的協處理器芯片 。 這意味著要增加昂貴的高速接口 IP 且占用芯片面積 。 當時很多人質疑為什么不支持主流的一體機架構 ， 但我們堅信為了把眼鏡做到「百克級」并保證高性能 ， 關注低延遲 VST、眼動追蹤等方向 ， 必須把部分高功耗計算從頭顯上剝離 。 事實證明 ， 這個堅持是對的 。
11、現在的「空間計算」是否需要極高的算力來對全世界進行建模？
王爽： 空間計算不需要把全世界一次性建模 。 它核心在于終端設備感知、理解用戶當下所處的環境 ， 并進行虛實融合等計算 。 大型的空間理解在云端 ， 終端主要負責實時的環境感知 。 專用芯片能讓這一過程更高效 。 比如我們在戶外或特定商圈 ， 通過位置信息展示虛擬內容 ， 這是端云結合的結果 ， 而不是全靠終端硬算 。
12、近期「百鏡大戰」中 AI 眼鏡很火 ， 想從中脫穎而出需要具備什么能力？
【四年砸下10億，萬有引力用三款專用芯片，證明MR還沒死】王爽： AI 眼鏡是大模型最佳的硬件入口 。 要脫穎而出有三點：第一 ， 要有大模型能力 ， 要么自家有 ， 要么能接入優質公網模型；第二 ， 畫質要好 ， 用戶習慣了手機的高清拍攝 ， 不能接受眼鏡拍出來的照片是糊的；第三 ， 也是最重要的一點 ， 必須輕薄好看 。 歐美用戶可能接受厚重的墨鏡 ， 但在亞洲 ， 大量用戶是近視眼且不習慣日常戴墨鏡 。 誰能把眼鏡做得既智能又像普通眼鏡一樣輕便 ， 誰就能贏 。

    推薦閱讀