作者：算力之心

原文链接：https://mp.weixin.qq.com/s/3EOJSJq01DGXESodZtH6sw

声明：本文为转载内容，读者可通过原文链接获得更多信息。如作者对转载形式有任何异议，请联系我们，我们将按照作者要求进行修改。转载仅用于信息分享，不构成任何投资建议，不代表吴说观点与立场。

矿圈的人，没有不知道神马矿机的。

比特大陆第一，神马第二。这不是什么新鲜排名，而是过去七八年里，全球比特币矿机市场的基本格局。做出这台机器的人叫杨作兴，清华工程物理系博士，一个从晶体管开始画芯片的"技术怪人"。

2019 年，他在成都矿业峰会上放话：比特币会涨到 100 万美金。台下矿工欢呼，手机举成一片。那时候的神马 M20 系列刚发货二十万台，被矿工叫做"高算力矿机里的 AK47"。

没人想到，几年后，这个矿机大佬转身去做了一款 AI 摄像头。

一、比特大陆的"叛逃者"与神马矿机的崛起

杨作兴的矿圈故事，得从比特大陆说起。

2015 年，他以兼职身份帮比特大陆设计了 S7 和 S9 矿机芯片。S9 后来成了比特币挖矿的中坚力量，比特大陆也因此坐上全球矿机老大的位置。但股权分配没谈拢，杨作兴 2016 年离开，揣着 50 万在深圳创立了比特微，也就是后来的神马矿机。

这段故事在矿圈流传甚广。有人说他是被比特大陆逼走的，有人说他是野心太大。但无论如何，他带走了一样东西：全定制芯片设计方法学。这是他从晶体管开始一笔一笔手绘出来的技术路线，也是后来神马矿机能跟比特大陆掰手腕的底气。

起步并不顺。赶上币价暴跌，出师不利，但杨作兴手里攥着那张王牌：全定制芯片设计方法学。简单说，别人用标准库和自动工具画芯片，他从晶体管开始一笔一笔手绘。

这条路孤独又艰难，早年找投资人，几乎所有人都觉得他是骗子。"改了 100 多次商业计划书，见了 100 多个投资人，最终仍然一无所获。"

但他没放弃。2018 年神马 M10 上市，2019 年 M20 系列横空出世，功耗比 48W/T、算力最高 68T，矿工直呼"战斗机"。到 2019 年底，市场上 10 款高利润矿机里，5 款是神马的。比特大陆终于有了一个像样的对手。

后来的故事矿圈都知道：2019 年底杨作兴因涉嫌职务侵占被批捕，2020 年初取保候审。比特大陆的知识产权纠纷像一把悬在头顶的剑。但神马矿机没死，M30、M50、M60 系列一路迭代，至今稳坐全球第二。

二、矿圈转 AI，各家走的路完全不同

矿业这个行当，周期性太强。币价涨时，矿机供不应求；币价跌时，仓库里堆满废铁。杨作兴比谁都清楚，光靠比特币，这条路走不远。

但矿圈转 AI，各家选的路完全不同。

比特大陆搞起了 AI 芯片"算丰"，瞄准云端训练和推理，跟英伟达正面刚。比特小鹿吴忌寒的思路是：矿机芯片和 AI 芯片底层都是 ASIC，技术迁移顺理成章。

嘉楠科技走了另一条路。他们做了 K230 边缘 AI 芯片，主攻 RISC-V 架构的智能终端，瞄准的是物联网和端侧推理。张楠赓的逻辑是：边缘 AI 才是中国芯片的突破口。

亿邦国际则一头扎进矿机，AI 布局几乎为零。创始人胡东的判断是：矿机周期还没结束，先把主业做扎实。

杨作兴的选择很不一样。他没有去碰大模型训练，也没有做通用 AI 芯片，而是把全定制芯片的方法论，从比特币矿机迁移到了 AIoT，做了一个 AI 智能摄像头品牌"神眸"。

外人看来，这跨度有点大——从几百瓦功耗的矿机，到几毫瓦功耗的摄像头，完全不是一个世界。但杨作兴的逻辑很清晰：都是算力，都是 ASIC，都是把功耗和成本压到极致。

"一个静态双锁存器是 24 个三极管，我们用动态单锁存器只要 4 个，"他算过一笔账，"面积和功耗是普通方法的六分之一。手动布局能让芯片利用率从 50%提升到 95%以上。"

第一代芯片，功耗降到业界三分之一，用在理想 AI 眼镜和神眸云台摄像机里。第二代直接干到业界的十分之一——智能停车记录仪能做到车子熄火后监控半个月，太阳能一体化摄像机配 1 瓦太阳能板加 9000mAh 电池，实现"有光就有电"的 365 天在线。

"我们的目标，是让摄像头半年充一次电，结合弱光太阳能技术，最终实现永久续航。"

这听起来像是技术极客的执念。但杨作兴的野心远不止做一家硬件公司。

三、1.2 万亿只摄像头与世界大模型

在 2026 年 5 月北京亦庄的 AI Partner 大会上，杨作兴抛出了一个惊人的数字：要把世界完整反映到大模型里，需要 1.2 万亿只摄像头，或者叫传感器。如果十年建成，每年就是 1000 亿只。

什么概念？目前全球以安防为主的摄像头年出货量仅 3-4 亿只。三个数量级的差距。

他的故事分三步：第一步，用极致低功耗让摄像头无处不在；第二步，这些摄像头成为物理世界的"数字感官"，持续给 AI 大模型喂实时数据；第三步，基于这些数据构建一个"世界大模型"，为人类在虚拟世界里的"第二人生"提供支持。

"如果大模型只学习互联网上的存量知识，而不接入实时的物理世界信息，很容易产生幻觉。"

这不是空谈。神眸的销售额从 2024 年的 8000 万，跳到 2025 年的 6 亿，增长近 8 倍。杨作兴预测，2026 年底这个数字会到 40 亿。洛图科技的数据也佐证了这一点：神眸在 2025 年抖音国内电池摄像机品类排行榜里进了前三，2026 年新发布的智能停车记录仪上市两个月就跻身国内行车记录仪线上全渠道销额前十。

短期靠"神眸"品牌产品线，长期靠"神灯"端侧推理芯片业务。杨作兴为这场豪赌准备了 50 亿总预算，从 2021 年到现在已经烧了 22 亿。

ASIC 时代来了吗？杨作兴的判断很直接："算法急剧变化的时候，GPU 比较合适，因为能随时改。但算法稳定后，肯定会走向 ASIC。"

他把算力演进划了四个时代：英特尔代表的 CPU 时代，TI 代表的 DSP 时代，英伟达代表的 GPU 时代，以及研极微代表的 ASIC 时代。CPU 灵活性最强但效率最低，ASIC 效率最高但灵活性最差。算法稳定后，专用芯片必然取代通用芯片。

这个判断，Groq 的 200 亿美金收购已经给了注脚。2025 年底，这家推理算力创业公司被天价买走，证明资本市场认可了这条逻辑。

杨作兴选择与三星战略合作解决先进工艺供应链问题，在海外单日出货量已达 1000 台，主攻欧美。他把自己定位成"世界先进生产力探险家"——工业革命 100 年才一次，算力就是第四次工业革命。

四、演讲原文：算力浪潮下，AI 智能影像的无线化变革

（以下为杨作兴在 2026 年 5 月北京亦庄 AI Partner 大会上的演讲原文，经 36 氪整理编辑）

大家下午好，今天非常开心，去年在上海参加了 36 氪的 AI+大会，今天是第二次。一年时间过去了，AI 发生了非常大的变化，大家都异常兴奋。36 氪 AI+大会，明显感觉到今年跟去年相比有很大的变化，在此感谢主办方 36 氪。

我是杭州研极微董事长、神眸品牌创始人杨作兴。AI 是世界风暴的中心，这个风暴中心我们能不能再往深里看，风暴中心的眼是什么，我们认为是新质生产力。

目前，全球市值最高的公司是英伟达，它超越了苹果、微软、亚马逊、台积电，正是因为它掌握了新质生产力——GPU 算力。

在算力浪潮下，神眸有哪些机遇呢？

我们观察到，随着技术的发展，手机、电脑、平板很早就脱离了电线。但只是视觉传感器的摄像头，却一直有电线，且大大增加了摄像头安装的费用。我们可以看到，在室外布摄像头，要先立一个杆子，1 万—10 万元，挖个坑埋线又要 1 万元，安装时间在一礼拜以上，摄像头维护费用 3000 元一年，公安系统的一年摄像头的维护费用非常昂贵。

我们做的事情，就是要实现摄像头零安装成本、零使用成本、零维护成本，这个事要做成，就要让摄像头的功耗降低一到两个数量级，降低功耗。

芯片低功耗涉及到方法学的突破，我们采用了全定制芯片设计方法学，这个是我们公司主导发起的，它有三点不同：

第一，我们采用定制单元设计。行业传统方案采用台积电或者三星的标准单元库，无论在学校还是在公司做芯片设计，我们通常是用静态双锁存器，不能用动态逻辑，不能用单锁存器，这个东西 EDA 工具不能很好地检查它。但我们是反过来做的，我们用的动态单锁存器，一个静态双锁存器是 24 个三极管，我们用动态单储存器是 4 个三极管，面积和功耗是普通方法的六分之一；

第二，采用手写网表。传统方法用高级语言写代码，手写网表好比软件工程师用汇编写代码。DeepSeek 有大的突破的其中一个原因是他们采用 PTX 进行编程，比别人会好很多，我们采用手写网表会有几倍的优势；

第三，我们采用手动布局。传统方法采用自动布局，自动布局通常的利用率是 50%-60%，我们超过 95%。

通过这几种方式，功耗成本乘积降低一个数量级，这个方法学也用在摄像头 SOC 芯片中。我们的第一代芯片，实现业界三分之一功耗，用在了理想 AI 眼镜，还有我们神眸自己的产品系列，比如智能云台摄像机 BC4PRO+、双目枪球 AOR 电池云台摄像机 PT4、以及运动影像系列产品生活记录仪 V1。

第二代芯片，实现业界十分之一的功耗，已经应用在了神眸智能停车记录仪 DC1 产品上。这是业界首创针对停车场景研发的产品，超长续航、免布线，安装也很方便。第二代芯片还应用在了神眸太阳能一体化智能摄像机 BC7 上，我们首次采用 1 瓦的太阳能板，实现一天 24 小时、一年 365 天持续巡航。除了 SOC 以外，在 CIS、PMU、Wi-Fi、4G 都做了低功耗设计。

我们要让产品整个系统实现十分之一的功耗，每个部件都要达到十分之一才行，光 SOC 降到十分之一是不够的。

目前安防为代表的摄像头一年只有 3 亿只—4 亿只，不包括手机摄像头，我们觉得 2035 年会到 100 亿只。手机摄像头已经超过 50 亿只，一个手机上有三四个摄像头，每年有十亿部以上的手机。手机摄像头是为人服务的，而物联网的摄像头是为万物服务的，它的量会远远大于手机上摄像头的量。

尤其是当神眸推出了这套没有电线的摄像头之后，我们预估到 2035 年会到 100 亿只摄像头，大家觉得很多，其实只要每年保持 30%的增长速度就可以。

2045 年我们认为会到 1000 亿只。因为我们预测 2040 年第四次工业革命人工智能会全面完成，最后人类目前绝大部分工作会被 AI 替换掉，那我们去哪里？我们会在虚拟世界里工作或娱乐以及找到成就感。我们需要世界大模型，这个大模型非常大，每个人每走一步会看到不同的景象。这个世界大模型接地，否则它就会飘了，产生幻觉，如何接地？

我们就需要用无数摄像头把世界的实时状态输入到大模型里，要把世界完整反映到大模型里需要 1.2 万亿只摄像头，十年建成，每年就是 1000 亿只。

在大模型时代我们神眸还要做的事情——神灯，即大模型推理算力。

算力是当今最新质生产力，没有之一。目前英伟达是我们这个领域的王者，别的公司是不是还有机会？可以从两个方面来看：

第一，训练算力，工程师通过训练算力迭代越来越好的大模型；第二，推理算力，用户每天要问大模型，问 DeepSeek 问题，它给你一个答案，这个是推理算力。

训练算力，难有超越的机会，虽然国内很多公司也在做 GPU，主要原因是 CUDA 接口，所有大模型框架都是基于 CUDA 写的。

上一次生态大会的时候，我记得国内一家著名的大模型公司老板说，他们用了华为的卡，花了三个月把它适配好。三个月，对大模型相当于一代的时间，要不是特别大的革命友谊，没有谁为了你去花三个月的时间去适配的。

推理算力方面机会很大，有两个原因：第一，推理算力不依赖 CUDA 接口；第二，每个大模型有独特的算法。针对算法、算子的不同，数据通路的不同，我们可以做很多定制，这些定制的芯片天然比 GPU 通用芯片，在功耗和成本方面有相当大的好处。而且推理算力需求量远远大于训练算力。

全世界就算有一百个世界级优秀的大模型团队，一个团队一万张卡，也就一百万张卡。推理算力是面对 60 亿自然人以及未来比 60 亿还多的机器人，他们也用算力，这样的需求量远远大于训练算力，这也是英伟达会花 200 亿美金收购 Groq，一家做推理算力创业公司的原因。

如果我们把推理算力做好，我们创业企业还是有傲立潮头的机会。怎么把推理算力做好？有三个关键点：

一、能不能找到跟你适配的优秀大模型，要么是开源的，如果是闭源的，能形成战略合作伙伴；二、是否有先进的半导体工艺；三、芯片设计方法学，特别是低功耗设计方法学是不是有独到的地方。

这三方面我们都还不错。我们的全定制芯片设计方法学，实现别人功耗的十分之一，一代工艺进步可以节省 30%功耗，两代半导体工艺的优化可以节省 50%左右，四代半导体工艺的进步可以到原来的八分之一，十分之一的功耗相当于在工艺上补了四到六代。我们现在是三星最先进工艺的顶级合作伙伴，我们能够定制半导体工艺。

虽然大部分 token 来源于闭源模型，但开源模型的趋势还是非常好的，而且中国大模型公司虽然跟世界上最先进的大模型公司还有一点差距，但超越是迟早的事，也是必然的。

结合这三点，我们还是有很大的机会，特别是在 CNN（卷积神经网络）时代。我们做神眸自研芯片的时候，已经基于 CNN 做了自己的编译器，把 CNN 模型映射到我们的芯片里。这种编译器我们做得非常好，我们每天都在迭代，迭代了五年，经受了商业化的考验。

另外，我们自己也用大模型做 AI 客服、AI 编程，为神眸客户提供 AI 应用服务。我们自己也在用 AI，虽然这个量不是特别大，但是我们内部从 SOC 芯片到大模型芯片、传感器芯片、产品、云端应用，能够自主形成闭环，在内部飞速的自我迭代，所以在这方面我们还是非常希望的。

谢谢大家。

从清华物理博士到矿机大佬，再到 AI 芯片创业者，杨作兴走了近二十年。

他做过比特币时代的"AK47"，现在想做 AI 时代的"水电煤"——让算力像水电一样便宜、普惠。

矿圈的人看他，像看一个老朋友换了赛道。但本质上，他没换。从比特币芯片到视觉 AI 芯片，他一直在做同一件事：用全定制的方法，把功耗和成本压到极限。

只不过这一次，他赌的不是币价，而是 1.2 万亿只摄像头背后的世界。