一台具身机器人站在仓储货架前，摄像头每秒吞吐的画面里，九成以上是静止的货架背景。传统芯片不管这些，它仍在全量采样、传输、计算。电量就在这种“盲目全局扫描”中一点点漏光。这是端侧智能最真实的日常困境。
希鸥网观察到，成立于2025年5月的时维感知（杭州）科技有限公司，近日完成数千万元天使轮融资，投资方为奇绩创坛、零以创投和鹏晨投资。这家公司锚定神经形态感知与计算系统赛道，为具身硬件提供低功耗、低时延的信息处理底座，差异化钩子在于其自研的脉冲编码芯片ASC-01已完成首次流片、封装、点亮及测试全流程。
传统端侧AI沿用的是云端大模型的“减法逻辑”——压缩参数、裁剪网络。这套思路在时维感知团队看来存在根本缺陷。物理世界的交互是稀疏的、事件驱动的，而传统芯片以固定频率全量吞吐数据，无效算力空转直接转化为“功耗墙”和“延迟瓶颈”。机器人要实时响应，电池却撑不住，这是结构性矛盾。
时维感知的解法是从生物神经系统提取工程灵感。生物神经元只在刺激变化时才产生脉冲，静态时几乎不耗能。公司自研神经形态底层架构，将信息传递转化为离散异步神经脉冲，计算单元仅在有效脉冲事件到达时才被激活，实现“无事件不计算”。静态背景下动态功耗趋近于零，这是范式层面的切换而非优化。
更关键的是全链路协同。时维感知没有把宝押在单颗芯片的算力峰值上，而是从芯片微架构的分布式存储路由优化，到自研脉冲神经网络架构，再到打通“感知—决策—执行”系统闭环，三层同步推进。这种打法从物理根源削减了跨模块数据传输冗余，缩短端到端响应周期，目标是“全链路事件驱动”，让每一瓦特功耗产出最大化的有效智能。
希鸥网认为，端侧智能的竞争维度正在发生位移。过去两年行业比拼的是模型参数和芯片算力峰值，但具身智能走向规模化落地后，客户真正买单的是系统级能力——感知时延、功耗效率、环境适应性与整机成本。时维感知选择在“存算一体”和“存内计算”之外另辟脉冲编码路径，赌的是计算范式底层跃迁的时间窗口。谁先跑通全栈协同，谁就有机会定义端侧仿生智能的基础设施标准。
创业公司最稀缺的资源从来不是想法，而是人。时维感知的核心团队来自剑桥大学、新加坡国立大学和浙江大学，骨干工程师则来自海康威视、迈瑞医疗。学术研究追求前沿突破，产业工程讲究可制造性与成本控制，这两种文化在同一家公司里天然存在张力。能把它们捏合在一起的组织，才有可能跨越从流片到量产的死亡谷。用对人，比做对事更前置。
选人时看什么？技术能力可以习得，价值观和品格却极难重塑。芯片设计一次流片动辄数百万元，脉冲神经网络的训练路径没有成熟开源方案可抄，系统集成涉及光学、电子、算法多学科交叠。在这些岗位上，一个价值观不匹配的资深工程师造成的损耗，远超其薪资成本。时维感知团队把学术底蕴和工程实战经验并列为核心护城河，本质上是在押注复合型人才的稀缺性。
端侧仿生智能不会一夜之间替代传统架构。存量设备仍在用旧范式运转，客户对新方案的可靠性验证周期漫长。但方向已经清晰：具身机器人、可穿戴设备、泛自主智能终端的爆发，必然要求本地安全闭环和毫秒级响应。时维感知完成天使轮只是拿到了入场券，下一阶段的关键动作是把脉冲编码芯片从“点亮测试”推进到“规模部署”，在具体场景里跑出可复制的功耗与时延数据，用工程结果说服客户切换计算范式。
金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。如需修改或发布文章，请加微信号：sheisceo