苹果与微软技术大牛联手：Lyte获亿元融资，4D端到端感知系统助力物理AI突破

在过去的一年里，“物理AI”已然跃升为人工智能领域的下一个战略高地，并迅速凝聚成行业共识。此前，业界普遍认为“物理AI”的短板在于具身智能数据的匮乏以及世界模型的不成熟。然而，即便是在被视为相对成熟的“感知”层面，现状也远未达到支撑复杂物理交互的要求。

长期以来，感知能力往往被拆解为孤立的零部件问题，而非系统性的工程挑战。许多硬件团队不得不耗费数年时间，从零开始搭建感知技术栈：从繁杂的供应商名单中筛选传感器、校准系统、反复调试同步误差。这种“重复造轮子”的过程极大拖慢了创新效率。

事实上，系统化的感知能力在消费电子领域早已被攻克并实现大规模商用，最具代表性的便是微软的Kinect和苹果的FaceID。如今，这两项划时代技术的幕后推手走到了一起，共同创立了科技初创公司——Lyte。

Lyte的目标是将先进的4D传感、RGB成像和运动感知能力整合至单一平台，仅需一个接口即可提供高度统一的空间与视觉数据。这种设计理念让机器的“眼睛”能够直接与“大脑”对话，旨在构建物理AI行业急需的底层感知基础设施。

据悉，Lyte近日已成功完成1.07亿美元的早期融资，投资方阵容豪华，包括Avigdor Willenz、Fidelity、Atreides Management、Exor Ventures、Key1 Capital和Venture Tech Alliance等知名机构。

Kinect与FaceID缔造者集结，定义AI端到端感知新范式

Lyte由苹果深度传感与感知技术的首席架构师Alexander Shpunt（CEO）、Arman Hajati及Yuval Gerson联合创立。

Lyte创始核心团队

CEO Alexander Shpunt曾是3D传感先驱公司PrimeSense的联合创始人兼CTO。自2005年起，他便深耕于“如何教会机器感知深度”这一课题。他致力于让机器像人类一样洞察空间——捕捉的不再是平面像素，而是物体的多维属性、精确距离以及三维空间中的复杂关联。

为此，他和团队研发了“光编码技术”：通过红外投影仪将隐形点阵覆盖整个场景，再由摄像头捕捉点阵扭曲并利用三角定位法实时生成深度图。2010年，该技术成功商业化，诞生了在60天内狂销800万台的微软Kinect。

2013年，PrimeSense被苹果收购，Shpunt团队随之加入苹果并持续迭代技术。2017年，FaceID随iPhone X问世，这项技术如今已服务于全球数十亿台设备。

早在2021年，Alexander Shpunt便敏锐洞察到“物理AI”的萌芽。AI不再局限于文本处理和图像识别，而是开始进入仓库导航、机械作业、自动驾驶等实体场景。AI正从云端走向现实世界。

然而，挑战也随之升级。在手机上，感知的小瑕疵或许只是体验不佳；但在仓库或公路上，感知层的一丝误差都可能导致灾难性后果。Shpunt坚信，“物理AI”落地的关键在于对物理世界极其可靠的理解，机器人必须学会在动态且复杂的非受控环境中安全生存。

于是，他集结了苹果时期的核心班底再次创业。CTO Arman Hajati曾主导多代iPhone和Apple Watch的触觉引擎架构；工程副总裁Yuval Gerson精通微机电系统（MEMS）；硬件负责人Reza Nasiri Mahalati则在多模态传感模块的软硬件一体化集成方面拥有深厚造诣。

从3D到4D：引入“瞬时速度”解决感知延迟

据预测，到2030年，AI机器人市场规模将突破1250亿美元。但麦肯锡调研显示，逾60%的工业企业因缺乏传感器集成等核心能力，难以独立实现自动化转型。

Lyte采取垂直整合策略，将传感硬件、定制芯片和感知软件封装进统一平台，为具身智能机器人提供清晰、稳健的感知层，彻底解决传统方案中传感器堆叠导致的系统冗余问题。

传统的结构光技术虽在室内和人脸识别中表现卓越，却有其天生局限：有效距离短，且只能捕捉“位置”而无法捕捉“趋势”。

对于移动中的机器，这显然不够。一台在繁忙仓库穿梭的叉车，不仅要被“看见”，它的行驶速度和方向也必须被实时获知。传统传感器依赖软件算法对比前后帧来推算运动，这种计算滞后在动态环境下极具风险。

Lyte团队在Kinect和FaceID的开发经验基础上，为感知引入了关键的第四维度——速度。他们研发的“相干视觉”技术不再是简单的图案投射，而是发射连续信号并测量回波。这种物理层的革新，使得位置与速度能在同一瞬间被直接捕捉，无需后续繁琐计算。

简单来说，过去的速度感知靠算法补齐（有延迟），而Lyte的方案靠物理直取（零延迟）。

LyteVision：实现机器视觉与决策的高效协同

依托“相干视觉”核心技术，团队打造了LyteGalaxy空间智能平台。这不仅是一个传感器集合，更是一个深度融合了计算单元、软件算法的完整感知技术栈。

LyteVision感知系统展示

其旗舰硬件LyteVision在2026年CES展会上荣获机器人技术“最佳创新奖”。该系统将4D传感、RGB成像和惯性测量单元（IMU）集成在单一模块中，通过单一连接实现视觉与空间数据的同步输出。

LyteVision的优势在于其“三步走”的集成逻辑：

1. **原始感知**：集成4D相干视觉、可见光与IMU，实现模块化的即插即用。

2. **融合处理**：通过定制芯片在硬件层完成多传感器融合，提供毫秒级同步的纯净数据，让开发者省去调试同步的麻烦。

3. **深度理解**：通过打通传感器到云端的完整路径，配合AI模型处理，确保机器在瞬间做出决策并执行指令。这种端到端的闭环，让“眼睛”与“大脑”真正实现无缝衔接。

由于其高度的通用性，LyteVision能够广泛赋能各种形态的AI平台，从人形机器人、四足机器人到自动驾驶出租车（Robotaxi），为不同设备提供统一的世界观。

物理AI正值破晓，感知层变革蕴含巨量机遇

随着物理AI的崛起，AI对感知的需求正从静态识别向动态交互、实时理解跨越。以往AI只需“认出”脸，现在它必须在复杂的真实环境中“生存”。

Lyte团队通过软硬件垂直整合，将感知系统的复杂性内化，输出给用户的是极简且高效的产品。这种“端到端”的思路与特斯拉的纯视觉方案殊途同归——即通过高度集成化和数据闭环来驱动能力进化。

目前，“物理AI”仍处于爆发前期。除了我们此前讨论的操作系统、数据短板和模型缺陷外，感知层的革新同样是关键的一环。Lyte的出现证明，感知技术远未触及天花板，在智能、感知与运动控制的每一个维度，都潜藏着颠覆性的创业机会。