"鬼成像"—— 三个字，曾经让王霄鹏在融资路演时遇到很多的困难。有人以为是玄学，有人尽管听懂，却难以相信。

这个听起来像恐怖片术语的技术，正式名称叫 "量子关联成像"。它不靠镜头 "看见" 目标，而是利用光场中不同维度的统计相关性，从一片看似随机的 "雪花噪声" 中，把真实物体的图像、距离甚至材质信息 "拼" 出来。

普通人觉得玄幻，科学家觉得前沿，客户觉得贵 —— 这是它走出实验室之前的三重困境。

但在一个暴雨如注的夜晚，这项技术可能正在改变一个骑两轮电动车的普通人的命运：

你跟在货车后面，雨水、路灯和车灯在积水里混成一片，前面的货车突然急刹。等你意识到危险，可能已经晚了。

可就在你还没反应过来的时候，车上的感知系统已经发现危险，并开始帮你减速。

不是因为电动车 "看得更清楚"，是它拥有了一种新的机器视觉能力。

2021 年，研究量子成像多年的王霄鹏在深圳创立亿维瑞光，想把这项技术做成可以规模量产的传感器，装进汽车、机器人、低空飞行器，甚至一辆普通的两轮电动车。

五年过去，部分型号已进入小批量阶段，公司也完成数千万元天使 + 轮融资。

所以一项诞生于前沿科研的量子技术，究竟要经过什么，才能变成一颗客户愿意买、工厂能生产、普通人真正用得上的传感器？

这中间隔着的，不只是技术。以下是我们与亿维瑞光创始人兼 CEO 王霄鹏的对话。

终于有人为我们正名了

蓝字计划：你怎么走上量子成像这条路的？是因为"量子"热门才选择它的吗？

王霄鹏：不是。我之前去澳大利亚读书，我的导师非常开放。我们那个实验室做过Wi-Fi相关技术，导师说，你可以选择自己想做的题，只要别去做文科就行。

2013年，我在《文汇报》头版看到一篇"鬼成像"的报道，里面提到韩申生做的量子雷达。我一看就觉得，这个好，这一定是我想做的东西。

正好我有个发小是上光所韩老师的学生，我就直接联系他。

我说："韩老师，我想干这个，行不行？"

他说："行，你弄。"

大概就是这么一个过程。总结起来，就是一个普通人找到了自己真正想干的事情，然后一路往下研究。

（注：上光所指的是中科院上海光学精密机械研究所，韩申生则是量子成像领域国内领军学者）

蓝字计划：但2013年就选择量子成像，那时候你觉得它未来会成为一个产业吗？

王霄鹏：当时根本没想到量子会爆发，因为当时我们主要做的还是特殊场景应用。很多先进技术，本来就是先服务于一些特殊场景，再慢慢往更广泛的市场走。

蓝字计划：2022年诺贝尔物理学奖表彰了量子纠缠研究，它给你们带来了什么？

王霄鹏：终于有人为我们正名了，最大的帮助就是这个。

以前我们出去做PPT，会说这是诺奖级的成果，但别人未必相信。诺奖以后，一些投资人会觉得，原来你讲的这个东西确实是真的，不是假的。

蓝字计划：但投资人相信了，客户会因此买单吗？

王霄鹏：并没有。对于客户来说，该怎么样还是怎么样，诺奖不会自动变成订单。

客户真正关心的是，你有没有实物，产品能不能工作，能解决什么问题，价格是多少。所以诺奖解决了一部分"这是不是伪科学"的问题，没有解决"客户为什么要买"的问题。

蓝字计划：为什么你博士毕业以后，没有马上创业，而是先去了自动驾驶公司？

王霄鹏：因为我认为，任何一项技术如果没有办法落地，其实是不值钱的。

但刚毕业时，我没有产业经验。如果贸然创业，用行业里的话说就是"没有能见度"：不知道客户是谁，不知道供应链怎么运转，也不知道一项技术从实验室到产品要经过哪些环节。

蓝字计划：所以你是想先站到客户那一边看看？

王霄鹏：对，我先去了一家创业公司。去成熟大厂，你可能只是跟着流程完成一小段工作；创业公司会很痛苦，但能看到相对完整的链条。

我后来去了一家L4自动驾驶公司，负责激光雷达等传感器的测试、选型、性能定制和供应商沟通。

这段经历让我看到了市场真正的痛点，也让我认识了一批产业伙伴。

蓝字计划：站到传感器采购和测试这一边以后，你看到的最大问题是什么？

王霄鹏：东西太贵了。

当时一台L4自动驾驶车，不算一些额外部分，成本大约是120万元。继续往下拆，会发现相当一部分成本都在传感器上。

这显然不是一个能够大规模普及的商业模式。我就在想，能不能做一个更便宜的传感方案：它能够解决问题，不会显著增加成本，甚至能把原来的系统成本降下来。

2021年前后，我出来做了亿维瑞光，看看能不能把研究多年的技术真正拿去服务市场。

我创业的想法其实很简单：做一点别人不想干的事，做一点别人做不了的活。读了那么多年书，总不能把学的东西浪费掉。

东西做出来，客户却不想要

蓝字计划：创业五年里，最困难的时刻是什么？

王霄鹏：最难的时候，是我们把样机做出来给客户演示，客户却跟我说，他不想要。我后来花了很长时间想这个问题，技术先进和客户采用是两回事。

客户不会因为你的技术先进，就重构一套已经成熟的系统。他要承担安全风险、验证成本、供应链风险和售后责任。

蓝字计划：那什么情况下，他才愿意换？

王霄鹏：我们今天会反复讲的两个公式：性能上1+1>2，成本上1+1<2。

你给客户加一个新东西，性能要比原来的组合更好；同时，整体成本还要更低。只有同时满足这两件事，才有动力让他替换已有的成熟传感器。

蓝字计划：所以真正困难的，不是把实验室技术做成样机？

王霄鹏：把原理做出来，以及把它接到车上，都不是最难的，最难的是找准客户价值。

蓝字计划：技术能工作，和它真正成为商品，中间差的是什么？

王霄鹏：技术逻辑闭环，只能说明这件事可以做。工程化要同时满足车规温度、寿命、振动、价格、年降等要求；商业化还要回答客户为什么必须用你。

一个东西很先进，但客户不愿意付费，那它就只是一个公益品，或者说只是一个艺术品。

商业化不是技术先进、别人听不懂，就能跑通。真正重要的是站在客户角度想：他为什么要把钱给你？

蓝字计划：但如果客户首先在乎的是降本，你们最后会不会只变成一个"更便宜的传感器"？

王霄鹏：可以说是世界模型的数据入口，很多人对这个角度很感兴趣。换句话说，我们真正想做的是改变下一代光学感知。

牛顿、高斯时代的光学理念，三四百年以后我们还在用。传统光学系统追求的是拍一张清晰的图像，下一代系统应该是任务定义型的。

以前拍山，就是把山拍清楚；拍水，就是把水拍清楚。下一代系统可以围绕具体任务设计，如果任务是识别人，就在光学侧围绕识别人设计；如果任务是判断材料，就围绕材料特征设计。

甚至不经过传统意义上的完整计算，就可以直接输出识别结果。

这既是在改变光学系统的设计方法，也是在给智能系统提供更好的数据入口，这不就是世界模型想要的东西吗？

「鬼成像」不靠猜

蓝字计划：如果用普通人能听懂的方式解释，量子关联成像和传统激光雷达最大的不同是什么？

王霄鹏：传统激光雷达更像做连线题。发一个点出去，接收一个点回来，再通过飞行时间计算距离。中间如果有雨、雪、雾霾或者遮挡，连线就容易被挡住。

我们更像做拼图，或者像铺了一张网。

目标落在这张网里，会改变整张网的状态。我们不一定要看到所有部分，只获取一部分信息，也有机会恢复出整体。

蓝字计划：只看到一部分，却能恢复整体，这听起来不就很像"猜"吗？

王霄鹏：不是。这里恢复的是实际存在的物理信号，不是根据概率去生成一幅"看起来合理"的图。

我们的特征是真实的物理特征，算法负责把这些物理信号求解出来。

生成式AI可以生成一幅非常合理的画面，但合理不等于真实。我们首先要保证物理输入是真的，再决定后面要不要和AI结合。

蓝字计划：那它相比传统传感器，最终多获得了什么？

王霄鹏：它不是简单地打一个点出去、收一个点回来。它把目标当作一个整体，在一个高维探索空间里获取图像和距离，还可以加入光谱、偏振等信息。

差异化优势主要有两个方面。

第一是性能提升，包括分辨率和抗干扰能力。

第二是非堆叠式融合，一套系统能够输出不同维度的信息，例如三维、光谱、偏振。

蓝字计划：你们叫"量子关联成像"，但刚才讲的很多内容听起来更像统计、相关性和信号处理。它和大家通常理解的量子通信、量子纠缠到底是什么关系？

王霄鹏：底层规律有相通的地方，但任务不一样。量子通信是传递信息，我们是捕获信息。

传递信息，是我跟一个人说话；捕获信息，是我不跟他说话，只观察他在干什么。早期量子关联成像确实会谈"纠缠光"。但我们今天做工程产品，更多使用"统计相关性"这个说法。

简单理解，就是群体层面存在相似性，每一个个体又不完全一样。我们利用光场里不同维度的相似和差异，从中提取目标信息。

蓝字计划：那"鬼成像"这个名字又是怎么来的？

王霄鹏：传统相机是所见即所得。量子关联成像的原始信号看上去可能是一片雪花，需要经过处理以后，目标才从雪花里"长出来"。

所以早期杨振宁把它叫Ghost Imaging，中文翻译成"鬼成像"。但它不意味着会看见不存在的鬼，也不是生成式AI靠猜测补出一幅合理的画面。

量子技术，先"装"成一个摄像头

蓝字计划：你们现在其实有两种产品路线，一种主动发光，一种不主动发光。最简单地说，它们有什么区别？

王霄鹏：主动式有自己的光源。我们用半导体激光器等成熟器件，把经过调制的光场发出去，再接收返回信号。

主动式的自由度很高，扫描多大范围、探测什么目标、使用哪些维度，都可以围绕任务定义。并且它的性能上限肯定更高，我个人也更喜欢主动式。

被动式不主动发光，而是在普通摄像头的光路里加入我们的调制器，再从环境光中提取图像、距离和其他信息。

被动式的优点是很小、很便宜，可以直接集成进摄像头。

一个典型模组可以理解为镜头、一片石英调制器、一个普通CMOS，算法放到客户已有的域控制器里算。

蓝字计划：所以技术上你更喜欢性能上限更高的主动式，但真正到了客户那里，他们反而更喜欢被动式？

王霄鹏：对。原因也很简单，被动式便宜，容易集成，改动风险小。

蓝字计划：一项号称要改变下一代光学感知的技术，第一步反而是让自己看起来尽量像一个普通摄像头？

王霄鹏：实体产业一定是渐进式更替，不可能一下子全部换成量子技术，万一翻车了怎么办？

比较现实的路径是，先把我们的东西加进去，保留原来的传感器作为冗余。验证一段时间，确认效果和可靠性以后，再逐步减少传统器件。

今天做生意不能只讲终局，技术终局可能很激进，但客户导入必须谨慎。

蓝字计划：也就是说，技术上想革命，产品导入上却不能革命？

王霄鹏：可以这么理解。被动式从外形上就是普通摄像头，但里面增加了物理标签，可以直接读取一部分距离等信息，而不是全部依赖训练数据猜深度。

它既保留了视觉方案的形态，也补上了传统视觉缺少的物理维度。

蓝字计划：这就涉及一个现在汽车行业争论很大的问题。马斯克一直坚持纯视觉路线，你们怎么看？如果被动式外形上还是摄像头，你们算不算"纯视觉"？

王霄鹏：马斯克说纯视觉是方向，我们认同。有些客户说激光雷达才是真正的赢家，我们也认同。

听起来矛盾，其实关键在怎么定义视觉。光里面本来就包含图像、距离、光谱、偏振等各种信息。如果视觉被理解为广义光学感知，我们当然认同。

但如果纯视觉只是普通摄像头采图，再全部依靠训练数据和模型推断，就会遇到很多数据驱动难以逾越的障碍。

我们不是一个纯数据驱动的解算方法。我们会在物理层给信息打标签，距离等一部分信息可以直接从物理信号里读取，而不是全部靠模型猜。

蓝字计划：可如果摄像头、激光雷达你们都不排斥，那量子成像到底要替代谁？

王霄鹏：我们不讲完全替代，每一款产品在市场上都有自己的生态位。

在这一代自动驾驶里，激光雷达作为主雷达，我认为是不错的。下一代L4需要更多物理维度，现有架构可能不一定合适，但这不代表它明天就消失。

我们的路线可以有两种。一种是进入摄像头，让视觉系统获得深度、光谱、偏振等信息；另一种是进入激光雷达，改变它的扫描和信息获取方式。

我们不是靠让别人消失来证明自己，而是先给客户提供新能力。

第一站可能不是汽车

蓝字计划：汽车一直是你们重点讲的市场，但真正最先大规模落地的，会是汽车吗？

王霄鹏：不一定，我们关注的方向还包括消费电子、工业、机器人和低空飞行器，包括医疗器械也可以应用到。

不同市场的推进方式不一样。车企的周期比较长，我们会耐心陪跑；工业客户推进得更激进；消费电子则主要由我们主动推动。

汽车是中长期的收入和行业标杆，工业更适合短中期落地，消费电子则可能让普通用户更早接触到这项技术。

蓝字计划：那现在谁最有可能先跑出来？

王霄鹏：两轮电动车是我们现在很重视的一个方向。坦率地说，这个市场是真好。

现场交流的数据是，全球每年新增两轮电动车大约8000万辆，一个中国头部品牌的出货量，就可能接近一家大型汽车公司。

现在两轮车也在智能化。它不一定需要完全自动驾驶，但碰撞预警、辅助制动和安全兜底都有现实需求。

比如骑车跟在一辆货车后面，货车突然刹车，驾驶员来不及反应，系统可以先帮助减速。

蓝字计划：两轮车的控制逻辑，应该也不能直接照搬汽车吧？

王霄鹏：对。四轮车遇到危险可以直接刹停，两轮车如果突然刹死，人可能会失去平衡。

所以两轮车需要重新定义它该怎样识别危险、怎样介入。

客户在这件事上希望很快批量交付，甚至有客户给出的时间目标比我们自己还激进，但我们反而会劝他们稍微慢一点。

双方都准备好了以后，才适合真正批量交付。按照我们的判断，2027年第二季度可能是更合适的规模化节点。

蓝字计划：如果量子成像最先大规模出现在两轮电动车甚至割草机上，会不会反过来让汽车客户觉得，这是一项比较"低端"的技术？

王霄鹏：客户只在乎这个价格你能不能做，用了以后我能不能赚钱，别人做不了，你能做，那就上。

我前段时间和一家出货量很大的割草机公司谈。对方报了一个市场上买不到产品的价格，问我们能不能做，我说，我们好像可以做。

客户不会因为这个技术先用在割草机上，就觉得它低端。技术最终要落到产品上，能创造价值的场景，就是好场景。

蓝字计划：那你们先做两轮电动车和割草机，是因为乘用车的周期太长，创业公司需要先有收入吗？

王霄鹏：我们现在确实是多条线一起推进，但每条线的打法不一样。

车企是耐心陪跑，因为周期长、安全要求高；工业客户更灵活，我们希望它快一点；消费级则主要由我们主动推动，给客户产品经理看不同的效果，让他们找产品感觉。

汽车是中长期收入和标杆，工业是短中期落地，消费级可以让普通用户更快接触到技术。

三条线并不是平均用力，是各自承担不同任务。

蓝字计划：所以现在真正的问题已经不是"技术能不能工作"，而是哪一个市场最先愿意为它买单。按照目前进度，最早什么时候能看到真正意义上的量产？

王霄鹏：不同市场不一样。车的导入周期一般是12到18个月，其中大约10个月可能都在做密集验证，包括DV、PV和各种测试。

消费级最快可能6个月，工业级在两者之间。

传统车企的技术突围

蓝字计划：哪些车企对这项技术最感兴趣，新势力还是传统车企？

王霄鹏：传统车企对导入会更加积极。我们目前接触的国内传统车企里，大约有5家在做不同程度的测试验证。欧洲也有一家车企很积极，每个月都会来推进项目，有时反而是他们催着我们做项目管理。

当然，测试验证、首发意向和正式定点不是一回事，真正量产还要走完整流程。

蓝字计划：所以这5家车企现在到底走到哪一步了？最靠前的是测试，还是已经有人希望首发？

王霄鹏：目前5家传统车企都在做不同程度的测试验证。不少客户都有明确跟我们讲，希望能够做首发。

但首发意向和正式定点还是两件事，真正走到量产还需要完整的验证和导入流程。

蓝字计划：今天汽车行业已经把激光雷达价格卷得很低了，你们还能靠什么继续降本？

王霄鹏：传统激光雷达拆开以后，激光器要钱、接收器要钱、扫描器要钱、处理器要钱、供电也要钱。被动式方案可以非常简单。

在石英上用半导体方式加工出调制结构，放进客户镜头里。完整模组可以是镜头、一片石英、一个普通CMOS，算法放到客户域控制器里。

零部件少，直接成本自然就低。背后的原因是，调制器使用了不同的信息获取原理，让一套器件承载了更多能力。

比如有些车型要装4颗补盲雷达。一颗补盲雷达现场口径大约80美元，四颗对整车成本影响很大。

我们希望用几百元级别的整车方案，逐步减少这些器件。

还是我前面说的，B端客户首先在意成本小于2；你再告诉他性能还能大于2，他才会觉得这件事不得了。

蓝字计划：很多新技术都会强调自己的硬件成本优势，但汽车产业真正的成本不只是BOM，还有验证、适配和供应链切换。你们怎么让车企相信，采用一套新的感知方案，整体成本依然是下降的？

王霄鹏：轻量化迁移部署，无论是硬件还是软件，并且成本低也是客户的评价。

政策很热，落地要准

蓝字计划：你们现在同时接触汽车、工业、消费电子和医疗等多个市场，公司会不会很快扩到几百人？

王霄鹏：不一定会成为一家人特别多的公司。我们现在有两条研发线，一条是传统研发线，一条是大模型辅助研发线。

我会让不同模型承担不同角色，有的做项目经理，有的做深度工作，再让它们相互验证。我做过横向测试，在部分任务上，大模型研发线能领先传统团队大约三个月。

蓝字计划：所以你的判断是，未来一家硬科技公司即使业务越来越多，也不一定需要按照过去的方式同步扩张研发团队？

王霄鹏：对。我认为未来组织架构里，大模型会成为非常重要的一根支柱，它的成本也比传统团队低很多。

当然，我们不是把一个模型扔进去，让它把所有事情都做完。不同模型各有所长，我们会让它们承担不同工作，再互相验证。

核心研发环境也是内外网隔离的，不能直接访问互联网。需要查资料时再切换到外网，核心技术仍然在隔离环境里开发。

蓝字计划：但研发跑得更快，车规认证和工厂交付也能跟着跑得更快吗？

王霄鹏：不能，大模型不能代替所有东西。我们可以用大模型提高分析、设计和研发效率，但客户导入还是要有人到现场。

我们第一款现有构型产品导入时，客户直接把我拉到工厂，封闭开发了大约两周，有什么问题就解决什么问题。

车企的感知、硬件和采购团队都会直接跟我们对接。数据协议、模型迁移、硬件适配、测试和整改，不可能只靠模型自动完成。

大模型是支柱，不是公司本身。

蓝字计划：与你们类似的前沿科技公司，很容易把估值讲到几十亿元。为什么你们不这样做？

王霄鹏：走常规量子项目的资本路线，像我们这样已经开始商业化落地的公司，可能早就讲到30亿、50亿元了。

但我们没有走那条路线，我们偏产业落地，股东也基本是产业方。我们的思路是，拿足够的钱完成一个里程碑，再用这个里程碑拿下一笔钱。

蓝字计划：那你们真正看重的"里程碑"是什么？

王霄鹏：融资和估值其实都是跟着产业节奏走的。比如拿订单之前，可能会有一次变化；真正拿到订单以后，会有一次变化；第一批产品真正上量以后，还会再有一次变化。

所以我们不是先把一个很高的估值讲出来，再去找业务。

蓝字计划：也就是说，你并不是排斥高估值，而是不希望估值跑在产业进度前面？

王霄鹏：我们的核心还是产业落地，而且我们对股东也比较挑。商业不只是投资人怎么拼盘，也是股东和股东阵营之间怎么匹配。

蓝字计划：所以下一轮，你们更欢迎什么样的投资人？

王霄鹏：产业投资人我们很喜欢。钱当然重要，但生产、客户、渠道和订单资源也很重要。

纯财务投资人也不是完全不考虑，但如果能带来订单或者产业资源，对我们当然更有价值。

再就是今年"十五五"相关规划中，量子科技被列入重点布局的未来产业方向。接下来国家层面会继续推动量子产业化落地，越来越多的投资人也开始注意到我们。

蓝字计划：但政策越热，客户会不会反而跑得比你们更快？

王霄鹏：会，有的客户甚至给出的批量交付时间比我们自己的判断还要快。政策和市场机会可以让一个行业迅速热起来，但真正进入生产和量产，该做的工程工作还是要做。

拆得开，未必抄得走

蓝字计划：现在已经有企业从激光雷达转向做量子成像，而且你们的器件要交给外部工厂生产，产品也会交给客户测试。你们不担心核心技术被拆解和复制吗？

王霄鹏：核心技术和生产是解耦的。

工厂拿到的是成熟图纸和生产参数，但很难反推出系统为什么这样设计、下一代会怎么演化。

大家都学过传统电路，所以拿一块电路板，很容易反向分析。量子关联成像的总体设计不是传统课程里普遍教授的东西。

就算把产品拆开，它也不会自动把缺的那些课补给你。

蓝字计划：所以真正难抄的，不是某一个别人加工不出来的器件，而是你们知道整套系统为什么这样设计？

王霄鹏：对，我们真正掌握的是总体设计。

它不是一个单独的器件，也不是一个单独的算法，而是一整套系统怎么运作，前端光学、调制器、硬件和后端解算应该怎么互相配合。

有些企业会做镜头，有些企业会做微纳加工，有些企业会做ISP和图像后处理。

但单独把任何一块拿出来都不够。

量子关联成像本质上是一个软硬一体、整个光学系统协同设计的问题，很多具体经验最后会沉淀成know-how。

这些东西有些写不到专利里，也写不到论文里，我们很多工具链也是自己开发的。

蓝字计划：但如果量子成像真的进入规模化市场，大公司一定会投入更多钱、人和供应链资源。你判断亿维瑞光现在这段领先窗口还能保持多久？

王霄鹏：这一点上我们还是有信心的，但我们也在持续性往前走，脚步不会停歇。

———

在与王霄鹏对谈之后，我们又与电子元件、光学元件领域的行业专家讨论了一下对这项新技术的看法。

一位长期从事汽车电子元件的专家认为，如果量子关联成像能够真正量产，它可能改变的不只是传感器的性能，也包括现有的供应链结构。

传统激光雷达需要激光器、接收器、扫描器和电机等多个部件；如果新的技术路线能够减少机械结构，产品可能变得更小、成本更低，也不再产生转动噪声，甚至可以从车顶移到舱内或隐藏位置。

这也可能冲击一部分现有电子元件厂商，但他并不排斥这种变化。

他认为企业今天做什么产品不重要，市场需要什么，就应该做什么。不能因为现在做电机，就拒绝一个未来可能替代电机的方向。企业要做的是升级自己的产品和业务。

不过，另一位光学元件领域的专家提醒，单个部件能够加工，与整套系统能够稳定量产，是两件完全不同的事。

他认为单个光学元件的工艺不一定特别神秘，现有的汽车、投影、测绘、通信和卫星光学产业都有基础。真正困难的是整套系统，不同镜片、光源、角度和间距之间高度耦合，一个参数出现偏差，最后的效果可能完全不同。

小型化也意味着取舍。体积缩小以后，性能、成本和装配难度都会发生变化。进入手机或者汽车，不是把一个器件简单塞进去就结束了，客户可能还要重新调整自己的光路和系统设计。

从汽车产业链的角度看，技术原理成立、样件能够工作，只是产品化的开始。接下来还要验证分辨率、精度、探测距离、高低温、振动、寿命和不同批次的一致性。

单个器件通过测试，不代表整个模组通过；模组通过，也不意味着整车验证已经结束。

"时间就是生命，可靠性也是生命。"

他们的判断指向同一个问题：量子关联成像现在需要证明的，已经不只是"能不能看见"，是能不能以承诺的成本，被稳定地生产出来，并在几年甚至更长时间里持续工作。

的确，对一项前沿量子技术而言，真正的落地从来不是被更多人听懂，而是被人买下，并在普通人的生活里得到应用。