登录四年砸下10亿，万有引力用三款专用芯片，证明MR还没死
作者｜徐珊
编辑｜靖宇
三年前，在和一位业内人士讨论限制 AR 眼镜无法走入市场的最大问题到底是什么时，是我第一次听到万有引力的名字。
当时，我们推导思路是这样的：想要减重，眼镜上的计算单元要更小、更轻；想要 AR 眼镜有拿得出手的实际用途，展现出更丰富的内容，要有更合适的芯片解决算力问题；想要 AR 眼镜的价格更便宜，关键零部件芯片的价格也需要更低。
说来说去，AR 眼镜需要有一颗专用芯片成为我们当时一致达成的共识。「现在有谁在做这个方面吗？」，万有引力在当时就已经成为一部分业内人士关注的对象之一。
但造芯之路，从来都不会太容易。尤其是，万有引力当时就立下打造 MR 芯片的目标，而并非「改造」出一颗可穿戴 SoC，这条更艰难的路径，注定让外界推测两三年内很难看到真正的成果。
三年时间里，Meta 放弃了造 MR 芯片的计划，微软解散了元宇宙 MR 工业团队，苹果 Vision Pro 直接上了 Mac 的 M5 芯片，AI 大模型的爆发又让芯片玩家们开始关注国产 GPU 和推理芯片。当巨头纷纷离场、热点快速更迭时，万有引力却不得不独自承受着巨大的行业质疑，等待验证。
打造 MR 芯片还有必要吗？当我三年后来到万有引力新品发布会现场时，竟然先开始质疑起三年前的结论。然而，当万有引力创始人兼 CEO 王超昊在台上宣布首款芯片的具体参数时，所有的质疑都迎刃而解。
万有引力创始人兼 CEO 王超昊｜来源：万有引力
此次发布会，万有引力共推出了三款 MR 芯片：极智 G-X100 芯片，采用 5nm 工艺，专用空间计算芯片，可以瞬时感知，减少眩晕，还可以保持高清显示同时降低功耗。
GravityXR VX100 芯片，主要特点是非常小，可以减轻眼镜类产品镜腿宽度，增强舒适感。
极颜 G-EB100，该款芯片是聚焦空间渲染与显示的芯片，除了支持 MR 头显，也能用在机器人领域，如机器人高逼真度灵动脸，投射实时表情眼神，低功耗完成 3D 模型实时重建与驱动，以及 3D 显示图像处理与增强。
万有引力推出三款空间计算芯片｜来源：极客公园
当我们走入展区，可以发现万有引力正计划将一颗空间计算芯片带入更有想象力市场。比如说机器人遥操、数据仿真等。我们和少数媒体对话万有引力联创、CMO 王爽后，发现万有引力想要走的芯片之路和大众想象有些不太一样，他们并不追求所谓的最强 MR 芯片，而是给大家在兼顾轻量化和空间计算能力上提供一个新的选择。
一、4 年、10 个亿、3 款芯片
「MR 芯片是一条绕不开的路。想要打造一款 5 纳米芯片，我们总共花费 1092 天，除了我们 200 多名内部员工之外，还有 258 家合作伙伴和我们一起打磨这颗芯片。」万有引力创始人兼 CEO 王超昊先生在发布会上说道。
极智 G-X100 是此次大会的重点产品，采用 5nm 先进制程，Chiplet 异构封装架构，能够实现彩色透视端到端延迟低至 9ms。该芯片还支持注视点计算与双目 8K、120Hz 输出，并且功耗可以维持在 3W 功耗上下。
除了参数，这款芯片能带来哪些具体变化？
首先是超低延迟。据王超昊介绍，极智G-X100 芯片达到了 10 毫秒以下的光子到光子（P2P）延迟，打破了世界纪录。更快的传输意味着实时感应更强，能够显著减轻眩晕感。
「从相机到 SP，到虚实混合的引擎，到 DPU，到最后显示输出，这一个链路我们全部是自研，在芯片上闭环。」王超昊在解释如何实现时说道。
其次，极智G-X100 能够支持很好地 MR 虚实融合效果，其 VST 在色彩还原、夜景噪音等画面处理能力较强，还可以呈现出高动态范围画面。
最后，极智 G-X100 能够为复杂的空间感知和 AI 推理任务提供充足算力支撑，也为眼动、手势、手柄等自然交互提供了支撑。芯片端首次使用了面向 MR 的动态注视点渲染技术，可智能分配渲染资源，大幅降低整体 GPU 负载，在保证视觉质量的同时显著提升能效。据测算，极智 G-X100 能将整个显示处理和传输的功耗降至原有的 45%。
此外，为了更好发挥 极智 G-X100 芯片用途，万有引力还打造一个感知子系统，通过双目 160 万彩色摄像头，13 路传感器等模块，可以高效支持 SLAM 空间定位、3D 感知和手眼交互。
万有引力 G-X100 ｜来源：万有引力
如果说极智 G-X100 是为 MR 设备打造的专业芯片，那么极眸 G-VX100 则更像是为 AI 眼镜量身定制。该芯片配备可量产 ISP 后处理算法，以及全球领先的单边小至 4.2mm 超窄封装，可以轻松放置在眼镜鼻梁处或者超细镜腿处，为 AI/AR 眼镜、AI 耳机、AI 助手等各种智能设备提供小型化、轻量化的可能性。目前，极眸 G-VX100 已支持 1600 万像素超清拍摄和 4K 30fps 视频录制，并集成了空间视频拍摄与眼动追踪功能
值得注意的是，这款芯片采用了超低功耗专用子系统，并结合万有引力打造的多模态唤醒技术「MMA（Multi-Modal Activation）」，实现分级唤醒计算，智能调配算力，最高可支持 16 小时的续航时长。
有关 MMA，王超昊举了两个比较有想象空间的例子。「如果我们要全天候卡路里记录，我们就可以用到 MMA。当我们看到盘子、杯子的时候就记录下来，存在眼镜里。到用户查询的时候或者到晚上的时候，这些数据就可以传回到手机，在手机端或者云端大模型生成卡路里记录的报告。」同样的逻辑，如果用户钥匙找不到了，眼镜会提醒用户：「我看到你的钥匙两个小时前留在了沙发前的茶几上。」
当然，随着摄像头开始与各种 AI 硬件结合，极眸 G-VX100 或许会出现在多样化 AI 硬件上。不过，目前该芯片刚刚返回实验室并完成点亮，预计送样还需要一段时间。
万有引力 极智 G-X100 ｜来源：万有引力
最后，万有引力还介绍了极颜 G-EB100，该芯片除了支持 MR 头显，还可以用在机器人领域。比如说，让机器人实现高逼真度灵动脸，投射实时表情眼神，低功耗完成 3D 模型实时重建与驱动，以及 3D 显示图像处理与增强。目前已经服务包括歌尔股份、智元机器⼈等行业头部企业。
万有引力 EB 100 ｜来源：万有引力
万有引力的三款芯片均具有高度的针对性，旨在解决 MR 领域的具体问题，从减轻眩晕、增加续航时长，到提高机器人灵动性等。并且，万有引力在打造芯片时，还针对空间计算的特有功能提供了开放式系统设计。从产品定位和参数来看，万有引力精准把握了空间计算领域当下三大核心场景，解决了其中最重要问题，用这三款产品，为自己四年的坚持交出了一份有力的答卷。
二、空间计算芯片能做什么？万有引力正在「另辟蹊径」
在发布会上，万有引力首先推出了一款基于 G-X100 芯片的参考设计，以具体产品形态来展现其技术设想。
这款名为 G-X100-M1 的 MR 眼镜参考设计模组，综合了各项集成优势，成功将设备重量控制在 90 多克。它拥有 90 度 FOV（视场角），实现了 9 毫秒的端到端超低延迟，具备 36 PPD 的 MR 分辨率，并支持 1600 万像素、自然定位、3D 感知和手眼交互。
与此前市面上的 MR 眼镜相比，该款参考设计在重量和 FOV 上略占优势。在现场体验中，我们发现画面清晰、运行流畅不掉帧，但体感上，重量的减轻效果并不如预想中明显。更具体的性能指标和最终的用户体验效果，可能还需要等待搭载该芯片的实际终端产品推出后才能做出准确判断。
在展区现场，我们得以一窥未来万有引力计划合作的企业和重点推动的应用方向。
在智能眼镜方面，我们看到了李未可、雷鸟等智能眼镜厂商。据透露，目前这些厂商正在等待芯片送样测试，并保持着开放合作的态度。在内容生态上，我们看到了沙核科技等合作伙伴。如果 MR 在文娱方向上能够有效减轻眩晕问题，或许能够迎来更大的用户市场。
比较有意思的是，智元机器人同样出现在展区内，并搭载了 MR 头显。用户戴上 MR 头显后，可以通过手势交互来进行远程遥操作控制。
参会者尝试用遥操控制机器人举起水瓶｜来源：极客公园
在现场，我尝试通过遥操控制机器人将矿泉水放入笔筒内，再拿起笔筒。最初的体验难点在于视野和深度感知。当画面中机器人手指以 2D 形式呈现握住水瓶时，加上缺乏力量反馈，很难准确判断是否握紧了水瓶。
另一个明显的挑战是延迟问题。在体验过程中，手部移动无论是过快还是过慢，机器人手臂端的变化总是伴随着一定的延迟感。
不过，整体适应过程很快，大约在两分钟后，我就能相对快速地拿起水瓶并将其放入狭小的笔筒中。现场的工作人员告诉我们机器人头部可以直接「内置」MR 头显，让外观设计更加简洁。
此外，我们还看到了王超昊在发布会上简单提到的 P2P 测试设备。该设备主要用于测试MR设备上视频穿透路光子到光子的延迟时间。我们也观察到，万有引力通过 G-EB100 芯片的能力，加强了类似苹果头显上「Eyesight」功能的玩法，能实现目光追随和更灵动的显示效果。
极颜 G-EB100 优化数字人裸眼3D渲染能力｜来源：极客公园
从展区体验来看，万有引力显然非常清楚空间计算芯片在哪些关键领域能够发挥作用，并进行了提前布局。无论是 AI 智能眼镜、机器人遥操，还是 MR 文娱，这些领域几乎都是各个赛道中发展前景广阔、增速较快的细分市场。如果能够成功突破这几个关键市场的头部客户，将为万有引力在空间计算领域站稳脚跟打下坚实的基础。
三、对话万有引力联创，三年预期百万出货量
会后，我们与对万有引力联创兼 CMO 王爽进行了独家对话。对话中，我们首先了解到：万有引力此次推出的三款芯片均为协处理器，可与手机、电脑、或高通 AR2 等主芯片协同处理。
这为硬件厂商提供了灵活的芯片部署选择。厂商既可以在设备上放置主芯片和万有引力的协处理器，也可以将原有主芯片从头显端转移到手机或手持终端上，而仅在头显上放置 G-X100 芯片。后者不仅能减轻头显重量，还能维持出色的空间计算能力。
万有引力联创兼 CMO 王爽 | 来源：极客公园
事实上，这也是目前 MR 行业常见的一种解决方案。由于通用 MR 芯片的 P2P 延迟通常在 15 毫秒上下，影响用户体验，因此不少上下游厂商推出的所谓 MR 芯片，多数都采用了协处理器架构，官方宣称的 P2P 延迟时间多在 10 毫秒上下。
除此之外，我们还与王爽深入探讨了万有引力在此时入局的核心竞争力、未来三年的核心发展规划以及出货量预期等问题。最终，我们看到了万有引力在面对行业巨头时差异化生存逻辑：他们不追求做大包大揽通用芯片，而是专注于做好专用协处理器，试图以更开放合作模式，去争取那「百万级」的市场机会。
以下是极客公园整理后的对话形式，精编了核心信息：
1、万有引力目前在行业里的核心竞争力是什么？
王爽： 我们的核心竞争力在于软硬一体的解决方案。XR 是一个全新的产品品类，涉及极高的用户整体体验要求。我们不能单纯靠每年增加多少算力或接口来定义芯片，这样定义不出好产品。我们在定义芯片前，先搭建了一个基于 FPGA 的硬件验证平台，让算法工程师和架构师在真实佩戴场景中反复验证体验。在这个过程中，我们再去判断，哪些算法适合固化进芯片里，哪些更适合保留为软件，方便后续迭代。因为芯片里相当一部分功能都是自研的硬化 IP，一旦流片，核心架构就很难再调整，所以前期的验证就尤为重要。也正是这套从体验出发、软硬一起反复打磨的流程，保证了我们芯片定义的准确性。同时，我们将这套经过验证的参考设计开放给行业应用开发者。
2、目前有哪些公司预定使用了咱们的新芯片？
王爽： 具体名字目前比较敏感，不便透露。因为很多合作方是阿尔法客户，希望能够提前抢跑。可以确认的是，在 XR 方向有一家客户已经开始跑原型样机（Proto Build），另一家客户正在做产品需求沟通，还有一个客户在排期中。前期我们会集中精力支持行业头部的标杆客户进行深度合作，之后再向外拓展。
3、为什么现在大家都觉得需要专门 MR 芯片，而不是用通用的 CPU/GPU？
王爽： 算法虽然重要，但它是运行在芯片之上的。MR 设备对重量、功耗、散热要求极高。通用计算平台虽然灵活，但在这些指标上的效率不是最优的。将特定算法「硬化」进专用芯片，能极大提升能效。这也是我们作为创业公司的机会——大厂倾向于做通用平台且生态封闭，而我们对 MR 终端理解更深，且提供全栈解决方案，允许合作伙伴共建生态。
4、现在市场大玩家都在用高通，小玩家用展锐等可穿戴芯片「改造」，你们作为后来者，客户为什么要选万有引力的芯片？
王爽： 我们是专用的协处理器，与高通、展锐、瑞芯微的主芯片是搭配关系，而不是替代关系。主芯片负责运行安卓系统和应用，我们的芯片负责所有空间计算任务，像是传感器处理、画面渲染叠加等。这种双芯片架构可以让主计算单元，比如说手机、PC、盒子与眼镜分离，将眼镜重量从苹果 Vision Pro 的 600 克降到 100 克左右，同时提供极低延迟至 9 毫秒的视频透视体验。
5、如果采用分体式减轻了重量，但会存在一条无法被忽视的「连接线」，这个问题怎么看？
王爽：这是一个权衡。无线方案目前的带宽和功耗难以支撑高质量的 MR 体验。只要眼镜提供的体验足够好，想要画质对标苹果，且佩戴足够轻，也就是 100 克以下的话，用户对线的包容度是很高的。如果是为了单纯的扩展屏连根线，用户会抱怨；但为了极致的轻便和高性能虚实融合，这根线是可以接受的。
6、相比通用芯片，这颗专用芯片的成本和性价比如何？
王爽： 我们的芯片集成了相当于高端显卡，类比 RTX 5080 的空间计算能力。如果用通用芯片跑这些算法，成本和功耗会极高。通过硬化算法，我们在提供同等性能的前提下，成本和性价比是非常有优势的。
7：万有引力在生态建设方面，是怎么支持开发者的？
王爽： 我们主要面向整机厂开放生态，而不是直接面对应用开发者。我们的开放性体现在「Runtime」层，特别是核心的 Service 层如追踪、融合算法。像高通等大厂往往将这层封闭，必须用他们的算法；而我们允许客户在我们的芯片平台上跑他们自己的算法。我们提供的是一个灵活的基座，既有完整的参考设计，也支持客户高度定制。
8、你们内部是如何评判这款芯片是否成功？
王爽： 两个维度。技术上，只要各项指标如延迟、重量控制能否达到最初设计预期，就是成功；商业上，能获得行业头部整机厂的认可并进行深度技术合作，也是成功的标准。
9、你们现在对未来的出货量有什么预期？下一代芯片什么时候出？
王爽：我们战略目标是先导入头部客户，预期能达到三年内百万级的出货量。关于新产品，我们在做现有产品的量产导入的同时，也在研发下一代芯片，预计明年年底流片。因为核心 IP 已经搭建好，后续迭代速度会快很多。
10、创业这几年遇到的最大困难是什么？又是如何解决的？
王爽： 最大的困难有两个。第一是去年的资本寒冬，当时芯片刚流片出去还没回来，团队压力很大，好在投资人与我们愿景一致，相信团队，陪我们度过了艰难期。第二是产品定义的抉择。几年前主流方向是做一体机，但我们想做轻便的、分体式的协处理器芯片。这意味着要增加昂贵的高速接口 IP 且占用芯片面积。当时很多人质疑为什么不支持主流的一体机架构，但我们坚信为了把眼镜做到「百克级」并保证高性能，关注低延迟 VST、眼动追踪等方向，必须把部分高功耗计算从头显上剥离。事实证明，这个坚持是对的。
11、现在的「空间计算」是否需要极高的算力来对全世界进行建模？
王爽： 空间计算不需要把全世界一次性建模。它核心在于终端设备感知、理解用户当下所处的环境，并进行虚实融合等计算。大型的空间理解在云端，终端主要负责实时的环境感知。专用芯片能让这一过程更高效。比如我们在户外或特定商圈，通过位置信息展示虚拟内容，这是端云结合的结果，而不是全靠终端硬算。
12、近期「百镜大战」中 AI 眼镜很火，想从中脱颖而出需要具备什么能力？
王爽： AI 眼镜是大模型最佳的硬件入口。要脱颖而出有三点：第一，要有大模型能力，要么自家有，要么能接入优质公网模型；第二，画质要好，用户习惯了手机的高清拍摄，不能接受眼镜拍出来的照片是糊的；第三，也是最重要的一点，必须轻薄好看。欧美用户可能接受厚重的墨镜，但在亚洲，大量用户是近视眼且不习惯日常戴墨镜。谁能把眼镜做得既智能又像普通眼镜一样轻便，谁就能赢。
