9月9日至11日，由中国国际光电博览会（CIOE中国光博会）和深圳国际VR/AR博览会（SIVA）联合主办，深圳协伴展览有限公司、深圳市增强现实技术应用协会、追焦XR协办的SIVA 2026（2026深圳国际VR/AR博览会）在深圳（宝安）国际会展中心重磅启幕。作为AR/VR领域全产业链核心盛会，今年主要议题涵盖空间计算、光学、AI&AR眼镜产业、沉浸大空间的四场论坛峰会与闭门会、SIVA Awards颁奖典礼也同步举行。

在9 月 9 日下午举办的全球空间计算产业发展论坛上，万有引力联合创始人、芯片研发负责人陈一敏，以“以高性能空间计算芯片驱动新一代智能终端”为主题发表了演讲。

全球空间计算产业于 2026 年迎来新的发展阶段，轻薄分体式形态成为新的发展趋势，终端售价格降低的同时，产品体验大幅提升。另一方面，以轻量化眼镜形态为主的空间计算设备开始走向市场，系统、内容生态、应用场景、AI 融合稳步发展。2026年空间计算产业与物理AI、世界模型等加速融合发展，带来全新的景象。

陈一敏从头显重量、价格和功耗等产品痛点切入，介绍公司面向MR与AI AR眼镜的双主线芯片布局。他强调芯片定义应“从产品的需求反推而得”，以G-X100为例，说明如何通过专用计算支撑分体式设计与低延迟体验。

随后，陈一敏围绕G-VX100介绍轻量眼镜对芯片尺寸、视觉处理和持续运行能力的要求，并以端侧判断、多级唤醒等功能说明全天候AI的实现思路。从MR的空间感知到AI眼镜的实时响应，他呈现了万有引力以专用处理器改善终端体验的技术路径。

以下为演讲实录（有删减）：

各位来宾，大家下午好！

万有引力是一家专注空间计算芯片研发的公司。刚才案总提到，行业一直在等待新的突破，希望有人能够解决当前空间计算设备产品重量大、价格高的问题。我想说，不用再等了。万有引力的芯片和解决方案已经交付客户。很快，大家就能在市场上看到由我们客户推出的MR整机产品，覆盖企业级、消费级以及空间数据采集等场景。今天，我重点介绍万有引力的空间计算芯片。

MR，即混合现实；AR，即增强现实。未来两类产品或许会逐渐融合，但现阶段仍然是两种不同的产品形态。从底层技术看，两者高度相通，但对芯片的功能定义和性能侧重仍有明显差异。

因此，我们采取了双主线的产品布局：一条主线面向高性能MR设备，聚焦空间计算与空间智能；另一条主线面向轻量化AI及AR眼镜，为全天候佩戴的智能终端提供专用芯片。

过去几年，我们陆续推出G-X100、G-VX100和G-EB100，形成了面向不同空间计算终端的芯片产品矩阵。下面首先介绍我们的旗舰芯片——G-X100。G-X100是一款面向MR设备的专用空间计算处理器。为什么要采用先进制程，专门为MR打造一颗芯片？答案来自终端产品最核心的需求。

行业已经形成共识：未来的MR设备不可能长期以六七百克的形态佩戴在用户头部。用户需要更轻、更舒适的产品，这意味着MR设备将逐步走向分体式设计。今天，我们在展台上展示了一款基于G-X100打造的参考样机，整机重量仅93克，能够提供超高清、低延迟的沉浸式体验。

所谓分体式，就是将操作系统、应用程序和三维图形渲染等负载较重、但对即时响应要求相对较低的任务，转移到手机、计算盒或其他通用计算平台上；同时，将真正决定MR体验、对延迟高度敏感的视频透视、空间感知和传感器处理等任务，保留在头显端。

G-X100能够在眼镜端完成多路传感器数据的采集、同步、融合和加速处理，从而减轻主处理器的负担。如果将视频透视和空间计算能力全部转移到外部设备，这些复杂功能就需要针对手机、电脑及不同操作系统反复进行适配，不利于产品开发和产业生态建设。因此，我们选择打造一颗功能完整、直接部署在头显端的专用芯片。

接下来要解决的是功耗问题。轻量化头显留给空间计算芯片的功耗通常只有2至3瓦。要在如此有限的功耗内实现完整功能，需要同时满足三个条件：采用先进制程、使用专用架构，并对每一条计算链路进行系统级功耗优化。基于这些目标，我们研发了G-X100。目前，这款芯片已经正式交付客户。

G-X100采用先进工艺和chiplet封装。封装内部包括一颗负责主要空间计算任务的计算die，以及一颗负责连接摄像头、传感器和显示设备的IO die。针对这款芯片，我们还定制了高效的内存颗粒及接口IP。整机厂商无需再额外挂载LPDDR，不仅可以降低系统设计复杂度，也有助于控制成本、功耗和整机尺寸。在当前的内存市场环境下，这一点尤其重要。

第三个关键问题是延迟。在MR领域，“光子到光子延迟”是一项核心指标。简单来说，它代表真实世界中的事件发生后，经过摄像头采集、芯片处理和屏幕显示，最终被用户看到所需要的时间。用户通过MR设备看到的真实环境，本质上是由摄像头拍摄并在屏幕上实时重建的数字画面。延迟过高，会影响沉浸感，甚至引起眩晕。

G-X100实测光子到光子延迟低至9毫秒，达到全球领先水平。这得益于我们对整条视频透视链路的深度优化。行业常见方案通常以整帧、分片或图块为单位处理图像，而G-X100将处理流水线细化至图像行甚至像素级，使视频透视链路能够在芯片内部形成高效闭环。即使同时开启多项算法和功能，延迟依然能够稳定维持在9毫秒左右。

第四项能力是凝视点优化计算。系统能够根据用户的视线位置，重点提升注视区域的清晰度和等效分辨率，降低非注视区域的计算量，在提升视觉体验的同时进一步控制功耗。

下一页列出了G-X100的主要功能。市场上一些体积较小的芯片只能实现其中部分能力，但对于一台全功能MR设备而言，这些功能缺一不可。

G-X100是国内率先实现商业化的全功能空间计算芯片之一。它将视频透视、空间感知、传感器融合、低延迟处理和自然交互等能力集成在一颗芯片中，并形成完整的端侧处理闭环。

在这些功能中，我想重点介绍我们对物理世界的感知能力——“洞悉万物”。

G-X100可以连接两颗彩色摄像头、13路传感器以及其他感知器件，通过精确的硬件级同步、信号控制和异构计算平台，对物理世界进行实时、全面的捕捉与计算。

为什么这项能力如此重要？去年年底，李飞飞教授发表文章，提出“空间智能是人工智能的下一个前沿”。我将文章中关于XR的一段论述概括为一句话：空间智能与XR设备的结合，将带来前所未有的沉浸式体验。

在大语言模型时代，用户可以通过手机或电脑自然地使用人工智能，因为大语言模型的输入和输出主要是文字、语音与图像。但对于世界模型和空间智能而言，输入不再只是静态的信息，而是实时变化的物理环境，以及用户的动作、视线和交互意图；输出也不再局限于文字或图片，而可能是实时生成、可以进入并与之交互的三维内容。

这意味着，手机和电脑未必是承载世界模型最自然的终端。MR设备能够持续感知真实环境，理解用户意图，并将数字内容与物理空间实时融合，因此有望成为世界模型和空间智能的重要入口。

介绍完MR，我们再来看AI及AR眼镜。现在市场上的很多AI眼镜，似乎与空间计算关系不大。但在不久的将来，越来越多的AR眼镜将具备空间感知和空间智能能力。随着大视场角Micro-LED波导眼镜以及低功耗处理技术不断成熟，MR与AR之间的界限将逐渐模糊。AI/AR眼镜同样是空间计算产业的重要组成部分。

两年前，我们看到AI眼镜快速发展，市场上出现了大量产品。但第一代产品也暴露出不少问题，例如图像质量不高、芯片尺寸较大、功耗偏高。我们很快意识到，AI和AR眼镜需要的不是一颗从手机、运动相机等相邻领域简单改造而来的芯片，而是一颗根据眼镜形态和使用场景重新定义的专用处理器。

基于这一判断，我们推出了G-VX100——一颗专门面向AI及AR眼镜的视觉处理器。这种“专门打造”，首先体现在尺寸上。我们将芯片设计为狭长形态，单边宽度仅4.2毫米。这个尺寸是什么概念？目前，一些眼镜方案会在鼻梁位置部署传感器协处理器，将多路摄像头数据汇集后，再通过一路高速连接传输至SoC上，从而减少穿过铰链的高速线路，让镜腿做得更细。这类协处理器的单边尺寸通常也是4.2毫米左右。但G-VX100不仅尺寸相当，还是一颗全功能ISP，支持全天候Always-on AI功能。在我们的参考设计中，G-VX100可以直接放置在眼镜鼻梁位置。

下一代AR眼镜会越来越多地加入眼动追踪功能。借助G-VX100，两颗眼动摄像头以及一至两颗对外摄像头、三到四组MIPI线，都可以在眼镜前框完成汇集和处理，从而减少穿过铰链的高速线路，提高铰链的量产可靠性，也让镜腿更加轻薄。

除了尺寸小，G-VX100还具备完整的影像处理能力。它支持4K、30fps的视频拍摄，最高支持1600万像素照片和连续拍摄；一颗芯片可以同时连接四路摄像头，并保持较低功耗。在拍摄1080P、每秒30帧视频时，芯片功耗约为260毫瓦；拍摄4K视频时，功耗约为500毫瓦。急速抓拍从启动摄像头到输出第一张图像，时间可以控制在200毫秒以内，同时在一些AI场景，TTFT的指标也在很大程度上受益于该能力。

接下来，我重点介绍G-VX100与AI结合的一项能力——全天候AI。大家可能看过这样一个应用场景：用户白天佩戴眼镜，系统自动识别一天中摄入的食物；到了晚上，用户打开手机，就能查看当天摄入的热量。

目前，一些所谓的“Always-on（全天候在线）”产品，本质上更接近一台持续记录的设备。它能够采集信息，但如果要让人工智能实时分析、判断并给出反馈，往往需要眼镜、手机和云端始终保持连接。眼镜采集到低帧率、低分辨率的图像后，需要持续传输至手机或云端进行计算，再将结果传回眼镜。这种全链路持续运行的方式，效率较低，也会增加通信功耗和云端计算成本。如果完全不进行实时判断，只保留记录功能，产品又会退化为一台记录仪，难以真正体现AI的价值。

针对这一问题，G-VX100设计了一套专门的Always-on AI子系统。从数据采集到识别计算，整个链路都针对低功耗进行了优化，并支持多级智能唤醒。芯片内部可以运行轻量化筛选模型，先判断用户视野中是否出现值得关注的事件。只有在检测到相关内容后，系统才会启动下一阶段处理，例如增强局部细节、开启视频拍摄，或者自动生成生活记录视频。这些功能都可以由用户自主设定，并在芯片端自动完成，不需要云端持续参与。只有遇到计算量较大、发生频率较低的任务时，眼镜才会按需调用手机或云端能力。

通过这种端侧优先、按需唤醒的处理方式，我们可以显著降低系统功耗和数据传输量，同时提升Always-on AI的响应速度、隐私性和实际使用体验。

以上就是我今天分享的主要内容，谢谢大家！