立即询价 速腾聚创 4 月 21 日发布 “创世” 架构与双旗舰激光雷达芯片
发布时间：2026-04-22
一、核心背景与战略意义本次发布为速腾聚创首次系统性公开自研芯片战略演进路线与核心技术成果，标志激光雷达行业从 “机械 / 半固态硬件竞争” 正式转向芯片化、图像化、全数字化的技术新纪元。公司 CEO 邱纯潮现场提出：“数字化铸底，图像化定向，芯片定义未来。三维感知的未来，是图像化、强芯片能力、全系统价值的新时代。RoboSense 的目标是三维感知新纪元的定义者。”二、“创世”（EOCE
一、核心背景与战略意义
本次发布为速腾聚创首次系统性公开自研芯片战略演进路线与核心技术成果，标志激光雷达行业从 “机械 / 半固态硬件竞争” 正式转向芯片化、图像化、全数字化的技术新纪元。公司 CEO 邱纯潮现场提出：“数字化铸底，图像化定向，芯片定义未来。三维感知的未来，是图像化、强芯片能力、全系统价值的新时代。RoboSense 的目标是三维感知新纪元的定义者。”
二、“创世”（EOCENE）数字化 SPAD-SoC 架构详解
“创世” 是一套可快速迭代、跨领域通用的SPAD-SoC 芯片级平台，覆盖车载、机器人、工业、消费电子，支撑芯片家族化研发与量产。架构分五大核心层：
- 基础工艺层：采用28nm 车规级制程，芯片核心面积较上代缩小 40%、功耗降低 30%。
- SPAD 感光层：搭载第三代超敏 SPAD，光子探测效率达全球最高 45%，弱光感知能力大幅提升。
- 3D 堆叠层：第二代 3D 堆叠工艺，噪声表现更低、集成度更高。
- 核心计算层：配置4320 核异构计算阵列，支持每秒4950 亿次点云采样处理，带宽支撑千万级像素感知。
- 算法与安全层：硬件集成抗干扰引擎，抗阳光噪声、抗雷达对射串扰能力达 99.9%；内置ASIL B 功能安全架构，可在 - 40℃至 125℃极端车规环境稳定运行。
三、旗舰芯片 1：凤凰（Phoenix）—— 2160 线车规级主雷达芯片
定位：全球首颗单片原生集成 2160 线的车规级 SPAD-SoC，面向智能驾驶主雷达场景。
- 核心参数
- 线数 / 分辨率：2160 线，点云分辨率2160×1900（超 400 万像素摄像头细腻度）
- 探测距离：最远 600 米，可清晰识别 150 米外 13×17 厘米的物体
- 设计：单芯片 + 单光路，无多芯片拼接，结构极简、可靠性更高
- 认证：已通过AEC-Q100 车规认证
- 量产：2026 年内量产上车，已获全球多家主流车企定点
- 技术突破：彻底摆脱传统激光雷达 “多芯片拼凑高线数” 模式，实现原生高清、低噪、长距的一体化芯片方案。
四、旗舰芯片 2：孔雀（Peacock）—— 全固态大面阵补盲芯片
定位：业界首款可量产640×480 全固态面阵SPAD-SoC，面向车载补盲、近距感知、机器人、空间智能。
- 核心参数
- 分辨率：640×480（VGA 级），高密度 SPAD 面阵，无机械运动部件
- 视角：180°（水平）×135°（垂直），超广无盲区
- 精度：毫米级，最近探测距离5 厘米
- 应用：车载近距补盲、服务机器人避障、人形机器人、工业空间感知
- 量产：2026 年第三季度规模化出货
- 技术突破：将全固态大面阵 SPAD 与高性能计算核心单片集成，实现纯固态、超广视角、近距高精度的三维图像化感知。
五、行业影响与技术价值
- 代际领先：两款芯片均实现车规级量产级代际领先，打破海外厂商在高端 SPAD 芯片的垄断。
- 成本与规模：芯片化遵循摩尔定律，性能持续提升、成本快速下探，推动激光雷达大规模普及。
- 感知升级：激光雷达从 “稀疏点云” 升级为图像级三维感知，与摄像头、毫米波雷达形成更强协同，支撑高阶智驾与机器人感知需求。
相关新闻
一则关于苹果芯片代工格局变动的消息引发半导体行业广泛关注：有证券机构披露，苹果计划让英特尔代工部分M系列处理器及非Pro版iPhone芯片，其中2027年发货的低端M系列芯片、2028年推出的iPhone标准版芯片，有望率先采用英特尔18A-P先进工艺。然而，这一看似“台积电+英特尔”双保险的战略布局，却遭到了行业专家的强烈质疑。核心争议点在于英特尔全面押注的“背面供电（BSPD）”技术，其在提升
2026-02-04
Arm 官宣：自研 AGI CPU 直接卖芯片，Meta 成首个大客户
成立 35 年的 Arm 彻底颠覆商业模式 —— 从纯 IP 授权商转型自研自产自销芯片厂商，发布首款面向 AI 数据中心的自研芯片Arm AGI CPU，并官宣 Meta 为全球首个核心客户，正式入局万亿级 AI 算力市场，正面硬刚英特尔、AMD、英伟达。一、战略巨变：Arm 35 年首次下场卖芯片，告别 “只授权不造芯”1. 商业模式根本性转折此前 Arm 仅靠IP 授权
2026-03-25
随着AI时代的到来，AI所需的海量运算处理和电力消耗等成为全球性课题。“储备池计算”作为解决方案之一而备受关注。与模仿大脑的万能“神经形态设备”不同，“储备池计算”利用自然现象模仿小脑，因此可以实现高速处理且功耗低。TDK和北海道大学联合开发了面向边缘A1的模拟储备池A1芯片原型。在2025年10月举行的CEATEC 2025上，我们展示了一个演示机，让参观者可以实际体验其成果。高级AI的计算挑战
2025-11-26
