清华天眸芯再登Nature系列封面：AI终于不用再“看不清”这个世界了
刚看到清华大学类脑计算研究中心团队发表在《Nature Sensors》创刊封面上的论文《Brain-inspired visual sensing–perception for open-world environments》。
2024年天眸芯登上Nature封面，完成了互补视觉从0到1的感知范式突破。时隔两年，团队带着同一方向的最新进展再次登上Nature系列期刊封面。
论文直达：
核心观点一句话概括：高速运动模糊、强光过曝、闪烁干扰这些长期困扰AI的视觉退化问题，终于有了从传感器层面解决的方案，而不用再靠大模型硬猜。
传统视觉芯片像复印机一样均匀采样所有画面——车子开远光高速驶来时，芯片因为承载过多无用信息直接“死机”。天眸芯借鉴人类视觉机制，把视觉信息拆解为RGB、空间差分和时间差分三类互补原语，在极低带宽下实现每秒10000帧、130dB高动态范围采集。
但真正硬核的是这次的新突破：AI在极端退化环境下，不同通路给出的证据经常冲突——该信谁？团队提出了无需真值标注的自监督表征学习框架，让模型学会在退化信息中判断可信度，并形成可泛化的内部视觉模型。实测数据显示，基于天眸芯的视觉里程计在曝光错误和快速视角变化中保持稳定轨迹；极端环境下的单目深度估计和视频实例分割也获得了显著提升。
一个值得思考的问题：中国大陆在AI与芯片领域登上Nature封面的标志性成果只有三项——天机芯、天眸芯、DeepSeek-R1，清华类脑团队独占两项。当OpenAI和Google在卷模型参数时，这条从第一性原理出发、坚持十余年的原创技术路线，正在从感知入口重新定义AI看世界的方式。
各位做视觉、机器人、自动驾驶的同行，你们觉得这种“从传感器端解决问题”的思路，能真正绕开大模型在极端场景下的感知瓶颈吗？