过去几年，事件型视觉传感器（EVS）在半导体与人工智能领域持续受到高度关注。与传统 CMOS 图像传感器（CIS）不同，这种仿生视觉器件只感知场景中的动态变化，而非连续采集静态图像。其每个像素独立工作，仅在光照变化超过阈值时触发事件信号，这种架构带来了连续时序感知、数万帧级超高等效帧率、以及超宽动态范围等独特优势。

凭借这些特性，EVS 被视为汽车安全、工业自动化、医疗成像、消费电子等领域的理想方案。但尽管历经多年研究与多次商业化落地，其市场普及度仍不均衡，尤其在消费级市场始终难以规模化放量。

近日，AlpsenTek（锐思智芯）创始人兼 CEO 邓坚，从系统级视角深入解析了 EVS 规模化落地的痛点，并指出混合视觉传感器（HVS）才是更务实、更可行的破局路径。

AI 时代需要对外部世界进行多维、多模态的理解。邓坚表示，以智能驾驶为例，一个稳健的视觉系统理想上需要五大维度信息：二维图像平面、深度信息、颜色 / 光谱数据，以及至关重要的时间与运动信息。这五大维度共同构成了现代机器视觉的基础。

传统图像传感器提供空间细节，ToF 等测距传感器补充深度，光谱传感器拓展色域，但时间与运动信息却难以高效获取。传统视频依赖固定帧率，数据冗余极高，提取有效运动线索需要巨大算力开销。

事件型视觉的逻辑完全不同。 邓坚解释道，它受人类视网膜启发，只将变化编码为稀疏事件信号，直接、高效、连续地捕捉运动信息，是对传统帧成像传感器的完美补充。

自 2019 年成立以来，AlpsenTek 一直致力于将事件感知 + 帧成像两种技术范式融合在单一芯片中。其混合视觉传感器 HVS 实现了像素级融合，并计划未来进一步集成测距、光谱等模态，打造面向下一代 AI 系统的 全栈式视觉传感器。

在此背景下，这场专访围绕 HVS 的技术定位、价值、应用、集成逻辑与产业化前景，展开了五个关键问题的深度探讨。

HVS 混合视觉传感器的核心定位是什么？

HVS 的本质，是在单颗传感器内同时集成传统成像与事件视觉。EVS 虽已被广泛认知，具备低数据量、高响应速度、宽动态范围等优势，但 HVS 的核心差异在于：它首先是一颗图像传感器，而非单纯的事件传感器。

据 AlpsenTek 介绍，HVS 通过在同一像素阵列中集成图像采样电路与事件检测电路，实现了独家像素级融合架构，并依托 iampCOMB、GESP、IN‑PULSE DiADC 等像素内处理技术，以及 TILTech、PixMUX 等时序交织读出方案，支持传统图像模式、事件模式、混合模式三种工作状态。

邓坚强调，HVS 应被视作CIS 的进化升级，而非平行替代技术。在多数场景中，它可作为主成像传感器使用，而非辅助配件。

与纯 EVS 相比，HVS 走的是平衡路线：

纯事件传感器帧率可轻松破万，适合对成本不敏感的超高速场景；

HVS 则在帧率、动态范围、像素尺寸、功耗、数据量、成本之间实现最优权衡。

目前 AlpsenTek 的 HVS 可轻松实现等效 1000fps 帧率 + 120dB 动态范围，同时保持远低于纯事件传感器的成本，更适合大批量消费市场。

邓坚同时指出，传感器集成是行业大趋势：在智能手机中，ToF、光谱等功能已逐步融入主摄。AlpsenTek 的路线同样遵循这一方向 ——事件感知最终会成为图像传感器的一部分，而非独立外挂器件。

从系统层面看，HVS 解决了视觉系统中一个核心痛点：数据配准。运动信息无比重要，但只有 EVS 能高效捕捉；而运动数据最终必须与图像数据在时空坐标内精准映射。HVS 凭借像素级同源，在这一点上具备天然优势。

HVS 能做什么？核心应用场景理论上，所有适合事件相机的场景，都能通过 HVS 实现升级；而 HVS 可输出标准图像的能力，又极大拓宽了落地边界。

在汽车领域，事件传感的高动态、快响应、低延迟、低数据冗余特性，尤其适合光照剧烈变化的车载环境。邓坚将其总结为抢占式感知：传统图像传感器需要完整曝光与解析，系统响应存在延迟；事件传感则能快速提供粗粒度关键信息（如快速移动障碍物），触发后续高精度语义分析，显著提升响应速度、安全性与能效。

在智能手机领域，HVS 可实现高时序分辨率运动捕捉，即使在暗光下依然稳定。运动信息可大幅提升去模糊、HDR、视频帧插值等图像增强效果；在 AI 视频剪辑中，事件信号能在帧间提供连续时序参考，提升流畅度与一致性。

AlpsenTek 已推出面向手机的紧凑型 HVS 方案，可与主摄直接对齐，降低多传感器异构数据的配准复杂度，这也是与头部手机 OEM 深度合作的成果。

从成像全链路看，HVS 贯穿拍摄前、拍摄中、拍摄后：

拍摄前：辅助测光、对焦；

曝光中：连续记录运动与变化；

拍摄后：优化帧配准，支撑高级图像处理。

2023 年，AlpsenTek 推出首款量产 HVS 芯片 APX003（原 ALPIX‑Eiger），目前主要落地两大方向：

高速传感场景：机器人、运动相机等；

边缘 AI 低功耗场景：XR、手机前置、智能家居、交通监控等。

邓坚反复强调：HVS 本质就是一颗 AI 传感器。用高帧率视频训练 AI 系统效率极低，大量无效数据带来巨大存储与算力成本；而事件传感可在传感器端直接完成数据提纯，过滤无效信息，让物理 AI、具身智能实现更高效的实时交互。

为什么一定要做像素级融合？

既然可以采用多传感器组合，为何还要执着于像素级融合？

核心矛盾在于：事件传感器与图像传感器的底层架构天然不匹配。事件传感器基于光强变化做微分触发，图像传感器则基于积分成像，二者采样机制、数据结构、时序逻辑完全不同。

邓坚明确表示：HVS 不是图像传感器 + 事件传感器简单拼贴，而是自带事件功能的新一代图像传感器，像素阵列可与主流 CIS 对标。 AlpsenTek 已实现 1.89μm 像素尺寸 HVS 量产，而部分商用纯事件传感器像素仍大于4μm。

同时他也提醒：并非像素越多越好。事件信息本身稀疏、粗粒度，过高的事件分辨率只会增加数据量与成本，却不会带来等效收益。因此 AlpsenTek 采用图像分辨率与事件分辨率独立配置的策略，可根据场景灵活定制。

像素级融合的核心价值是原生时空对齐。图像与事件数据来自同一像素，配合专用读出电路，空间与时间配准天然完成，省去外部同步与复杂后配准算力开销。而双传感器方案在异构数据、不同帧率、时空对齐上存在先天难题，这也是早期纯事件传感器难以进入消费设备的重要原因。

支持事件数据，需要整套算法框架与数据结构重构，开发成本极高，投资回报率往往不成正比， 邓坚说道。

HVS 何时能实现大众市场规模化？

早期事件传感器厂商的探索，留下了重要启示：独立事件传感器在集成难度、数据处理、产品定位上均存在障碍，多数厂商也缺乏与手机 OEM 的深度协同。

邓坚将这一过程类比 ToF 传感器 —— 从技术出现到手机大规模普及，同样经历了数年培育期。而现在，HVS 的产业化时机已经成熟：

需求侧：AI 应用对高效运动感知、低功耗的需求爆发；

供给侧：HVS 技术成熟，可提供明确 ROI。

HVS 在传感器端完成数据精简，高度契合边缘设备需求，目前已在可穿戴、AIoT、智能交通、安防等领域批量出货。

我们预计 2026–2027 年将是 HVS 快速增长期。 邓坚判断，AlpsenTek 是目前业内唯一实现此类传感器量产的公司，且已完成完整的算法与系统生态搭建。

更关键的是，HVS 可基于标准 CIS 工艺流程制造，无需专用产线，随着需求放量，产能不会成为瓶颈。

HVS 技术与生态成熟度如何？

2025 年 4 月，AlpsenTek 完成 B 轮融资，投资方包括智慧互联产业基金、普信资本、中车时代投资等。在此之前，公司已完成四轮融资，股东阵容包括联想、OPPO、歌尔股份、虹软科技、舜宇光学、中科创星、清科、光远投资等一线产业与财务资本，足见市场对 HVS 路线的长期信心。

从 2019 年成立到 2023 年首款芯片量产，AlpsenTek 攻克了像素集成、干扰抑制、工艺优化、摄像头模组机械限制等一系列工程难题。

除硬件外，公司同样重视软件与系统生态：团队大量人力投入混合传感算法与系统开发，提供传感器 + 开发板 + 参考设计 + SDK + 数据集完整方案。

算法覆盖三层：

面向 2bit 事件数据的硬件优化核心算子；

驱动层模型与 SDK（运动 / 人体检测、姿态 / 手势识别等）；

客户自定义应用层框架。

同时，公司还提供专用场景事件数据集，大幅降低客户开发门槛。

AlpsenTek 与全球顶尖学术机构合作，支持计算机视觉顶会与前沿研究，推动多模态感知生态成熟。

HVS 生态是一项长期工程。” 邓坚总结道，“随着更多玩家入局、应用成熟、迭代加速，整个生态将进入正向循环。