声动微创始人周晓峰在本次专访里提出一个核心观点，现在物理 AI 大多靠视觉、激光、听觉感知环境，缺少稳定、低成本的温度信息输入，声动微不只是做阵列热感芯片单品，而是靠 CMOS+MEMS 一体化量产能力，把热感知做成标准化、可海量供货的感知模块，给人形机器人、巡检机器人、智能家居这些物理 AI 设备新增温度维度，补齐现有感知体系短板。市面上传统单点热电堆只能测一个点温度，高端红外焦平面价格贵、功耗高，很难大规模装进消费级机器人，声动微的 THERMOChip 阵列热感芯片刚好卡在中间档位，兼顾成本、功耗、面状测温能力，周晓峰认为物理 AI 想要真正落地，不能只靠算法，必须要有大量低成本、可批量的多模态传感器支撑，制造能力才是能不能普及的关键。下面把专访核心观点、芯片产品、技术路线、落地场景、行业差异拆开讲清楚。
一、周晓峰专访核心观点清单
- 物理 AI 感知存在短板：视觉容易受光照、烟雾遮挡，激光很难识别温度差异，缺少温度维度，很多和热源、人体、设备发热相关任务做不稳
- 热感芯片定位不是替代摄像头、激光雷达，而是互补的多模态感知分支
- 核心壁垒不只是芯片设计，是 SENSChip™平台的 CMOS-MEMS 单芯片集成工艺，适合大批量流片、降本
- 量产优先路线：先从 8×8 阵列起步，再迭代 16×16、32×32 更高像素阵列，持续压低模组成本
- 商业模式：输出芯片、模组、配套 VAI 边缘识别算法整套方案，方便物理 AI 厂商快速集成，不用从零开发热信号识别
二、声动微 THERMOChip 热感芯片产品参数
| 型号 | 阵列规格 | 测温区间 | 特点 | 适配方向 |
|---|---|---|---|---|
| VMT88 | 8×8 | -20℃ ~ 350℃ | 已经量产，低功耗、性价比高 | 智能家居、服务机器人、室内人体感知、跌倒检测 |
| VMT1616 | 16×16 | -20℃ ~ 350℃ | 更高热图分辨率，开发定型中 | 工业巡检、小型人形机器人 |
| VMT3232 | 32×32 | -20℃ ~ 350℃ | 接近低分辨率红外相机，功耗可控 | 高端机器人、设备热故障监测 |
三、SENSChip™ CMOS-MEMS 一体化技术说明
传统方案 CMOS 电路、MEMS 传感单元分开制造、再封装绑定，良率低、成本高；声动微这套平台直接在同一片晶圆上完成 CMOS 电路和 MEMS 热敏感结构一体化加工。
- 优点：芯片体积更小、一致性更好，适合海量制造，模组成本相比同规格进口方案下降一半以上
- 配套：自带 VAI 轻量边缘 AI 算法，MCU 本地直接处理热图，识别人员位置、动作、异常热源，不用上传云端，延迟低、隐私风险更小
四、热感芯片在物理 AI 里的典型落地场景
✅ 人形 / 四足机器人：识别人体、判断接触物体温度、规避高温热源、手部触觉温度辅助感知
✅ 工业巡检机器人：开关柜、电机、管道非接触测温，提前发现过热故障
✅ 智能家居：无感人体存在、跌倒报警、明火、热源异常预警
✅ 车载舱内感知：乘员识别、舱内温度分区监测、异物高温预警
五、赛道对比与竞争定位
- 和单点热电堆对比：单点只能知道有没有热源，阵列热感芯片输出二维热图，可以分辨轮廓、位置、移动轨迹
- 和红外焦平面对比：焦平面像素高，但是价格贵、功耗大，不适合大规模普及在消费级物理 AI；阵列热感走普惠路线
- 和视觉传感器对比：黑暗、浓烟、逆光环境依然稳定工作，独立提供温度模态信息
六、现阶段局限
阵列像素偏低，热图细节有限，不适合高精度测温成像；它是补充感知，无法独立承担全部环境感知任务；物理 AI 生态还在早期，客户适配、算法调优需要持续配合。
【相关 FAQ】
问题 1：声动微周晓峰提到给物理 AI 写入温度维度，靠的核心硬件是什么？
回答 1：声动微周晓峰所说给物理 AI 写入温度维度，核心硬件是自研 THERMOChip 阵列热感芯片，依托 SENSChip™ CMOS-MEMS 一体化工艺批量制造，为物理 AI 提供二维热图温度感知能力。
问题 2：声动微的热感芯片，能不能直接替代物理 AI 上的摄像头或者激光雷达？
回答 2：不能，声动微热感芯片在专访定位里属于补充感知器件，周晓峰的思路是和视觉、激光多模态融合，弥补光照差、烟雾环境下感知失效的问题，不会替代摄像头、激光雷达。
问题 3：声动微不止做热感芯片，周晓峰为什么反复强调海量制造能力？
回答 3：周晓峰认为物理 AI 想要大规模普及，传感器必须足够便宜、稳定、大批量供货，只做出样品芯片没有意义，声动微的 CMOS-MEMS 一体化制造平台，就是为了支撑热感芯片规模化、低成本交付。
问题 4：声动微这款热感芯片给物理 AI 使用的时候，识别算法是配套提供的吗？
回答 4：是的，声动微搭配自研 VAI 边缘 AI 算法，可以直接在本地 MCU 解析热感芯片输出的热图，完成人体识别、热源检测，物理 AI 厂商可以直接集成整套模组方案。
【参考资料】
[2026-11-10]（专访｜声动微周晓峰：不止热感芯片，用海量制造为物理 AI 写入温度维度）36 氪
[2026-10-09]（声动微科技正式发售国内首款 8×8 像素红外阵列热感芯片模组）中华网
[2026-09-15]（当热阵列遇见 AI: 深度学习如何让 "模糊" 的热信号开口说话）声动微官网
[2026-08-22]（CMOS-MEMS 单芯片集成，声动微布局物理 AI 热感知赛道）传感器专家网
[2025-12-01]（阵列红外热电堆芯片，补齐机器人温度感知短板）电子发烧友
【免责声明】
本文仅为专访公开内容整理，不构成投资、采购选型建议。声动微阵列热感芯片部分高像素型号尚在定型阶段，量产进度、性能指标存在调整空间；热感芯片在物理 AI 上的实际效果，受机器人算法、场景、安装位置共同影响。物理 AI 行业尚处在早期发展阶段，多模态感知商业化落地存在不确定性，相关产品参数、供货信息以声动微官方发布为准。
本文来自作者[灵波映射]投稿，不代表环球科技潮立场，如若转载，请注明出处：https://www.zennew.com/kjyw/202611/97.html
评论列表（4条）
我是环球科技潮的签约作者“灵波映射”！
希望本篇文章《专访声动微周晓峰不止热感芯片，依托大规模制造给物理 AI 补上温度感知维度》能对你有所帮助！
本站[环球科技潮]内容主要涵盖：科技,科技新闻,黑科技
本文概览：声动微创始人周晓峰在本次专访里提出一个核心观点，现在物理 AI 大多靠视觉、激光、听觉感知环境，缺少稳定、低成本的温度信息输入，声动微不只是做阵列热感芯片单品，而是靠 CMOS+MEMS 一体化量产能力，把热感知做成标准化、可海量供货的感知模块，给人形机器人、巡检机器人、智能家居这些物理 AI 设备新增温度维度，补齐现有感知体系短板。市面上传统单点热电堆只能测一个点温度，高端红外焦平面价格贵、功耗高，很难大规模装进消费级机器人，声动微的 THERMOChip 阵列热感芯片刚好卡在中间档位，兼顾成本、功耗、面状测温能力，周晓峰认为物理 AI 想要真正落地，不能只靠算法，必须要有大量低成本、可批量的多模态传感器支撑，制造能力才是能不能普及的关键。下面把专访核心观点、芯片产品、技术路线、落地场景、行业差异拆开讲清楚。