数据来源声明：本文核心数字来源于Crunchbase News（2026年9月2日，web_fetch验证HTTP 200）关于Lyte融资的原始报道，以及Crunchbase发布的H1 2026 Physical AI融资统计数据（$474亿，521笔交易）。Lyte公司创始团队背景来自Crunchbase原文。所有前瞻性分析为作者推断，不构成投资建议。

引言：AI革命的下一块「基础设施」，你可能还没注意到

2026年9月，一家公司完成了一轮融资，悄悄说明了AI革命的走向：它不叫OpenAI，不叫Anthropic，甚至不是你每天使用的任何软件。

这家公司叫Lyte，总部在加利福尼亚州桑尼维尔，核心产品是机器人用的「感知系统」——帮助机器人理解它们在空间中的位置，感知周围什么东西在移动。

Lyte于2026年9月2日完成了$1.65亿的Series C融资，估值达$16亿。领投方是Maverick Silicon，同时包括富达管理研究公司（Fidelity Management And Research Co.）等知名机构投资者参投。公司总融资额已达$2.72亿。

这笔钱本身并不是最重要的信号。真正的信号是它所揭示的更大趋势：在2026年上半年，全球「Physical AI」（具身智能/物理AI）领域的创业公司融资总额达到了$474亿，涵盖521笔交易——这是2025年下半年同期（$120亿，470笔）的4倍，也是2025年上半年（$264亿，436笔）的近80%增幅。

这不是偶然的爆发。这是一次结构性的资本迁移，指向AI革命进入下一阶段所需要的基础层：感知物理世界。

第一层理解：为什么「会思考的AI」需要「会感知的AI」

过去四年，AI革命的主战场是语言和认知：GPT-6 Astra能写代码、能推理、能看图、能规划。Claude Opus 4.8能完成复杂的多步骤任务。这些模型的能力已经达到或超过了许多专业领域的人类水平。

但这里有一个根本性的缺口：这些模型存在于数字世界里。

当AI需要操作物理世界——抓取物品、在仓库中导航、在手术中辅助医生、在工厂流水线上安装零件——它首先需要回答一个比「该做什么」更基础的问题：「我在哪里？周围发生了什么？」

这就是Lyte所在的层次：4D感知技术（融合深度、RGB、运动感知的传感器系统）加上自定义芯片和AI软件，让机器人能够实时、精确地理解自身在三维空间中的位置和环境变化。

Lyte的CEO兼联合创始人Alexander Shpunt对Crunchbase News说：「Physical AI将创造全新的机器人品类，而每一个机器人都需要理解它周围的世界。这需要一种新的感知能力：对几何形状和运动状态进行精确的、实时的理解，让机器能够足够信任这些信息来采取行动。我们创建Lyte，就是为了成为这个未来的感知基础。」

这句话里有一个精准的表达：「足够信任……来采取行动」。这不只是一个技术描述，也是一个商业定位——感知系统是物理AI应用的信任基础。没有可靠的感知，再强大的决策模型也无法在物理世界稳定运行。

第二层理解：Lyte的创始人背景，是一把理解行业逻辑的钥匙

Lyte由三位前苹果工程师联合创立：Alexander Shpunt、Arman Hajati 和 Yuval Gerson，三人均来自苹果的先进感知与视觉技术团队。

Shpunt此前还联合创立了PrimeSense——一家3D传感技术公司，其核心技术驱动了微软Kinect体感设备，苹果于2013年收购PrimeSense，这项技术后来成为iPhone Face ID面容识别系统的技术基础。

从Kinect，到Face ID，到如今Lyte的机器人感知系统，这条技术演进线索本身就是一个关于感知技术商业化路径的案例研究：

Kinect时代（2009-2013年）：3D感知被证明在消费电子领域可行，但受限于成本和算法，精度和可靠性不足以支撑关键任务。

Face ID时代（2017年后）：苹果将3D感知做到了消费级量产，成本和可靠性都达到了「足够信任来解锁手机」的门槛。但这是一个固定场景、受控环境的应用。

Physical AI时代（2026年）：感知技术需要在非结构化环境（仓库、工厂、手术室、街道）下工作，面对的是复杂的动态场景，要求的精度和可靠性更高——同时成本必须足以支撑大规模部署。

Lyte的团队正是从这条路上走过来的人。他们知道在什么时候感知技术从「研究玩具」变成「生产基础设施」，也知道其中最难的工程挑战是什么。

第三层理解：$474亿的Physical AI融资潮，资本在押注什么

Crunchbase数据显示，2026年上半年全球Physical AI融资的爆发，并不只是Lyte一家。这是整个赛道的系统性扩张。

融资规模变化：

  • 2025年上半年：$264亿，436笔交易
  • 2025年下半年：$120亿，470笔交易
  • 2026年上半年：$474亿，521笔交易

这个数字有几点值得深度解读：

第一，2026年H1的$474亿，比2025年全年合计（$264+$120=$384亿）还高出23%。这不是增长加速，而是量级突变。

第二，数量（521笔）增长比金额慢得多，意味着单笔融资规模在快速扩大。这通常意味着赛道从「探索期」进入「扩张期」——投资者开始集中资本在已验证的商业模式上加速。

第三，以仓储和制造业作为初始市场（Lyte的策略）是当前Physical AI的主流路径。这两个行业有几个关键特征：

  • 环境相对受控（比户外公路场景更易管理）
  • 痛点明确且量化（人工成本、生产效率）
  • 愿意为「可靠性」付高价（相比消费场景）
  • 具备大规模复制能力（工厂和仓库的标准化程度高）

Lyte目前的客户主要集中于仓储和制造业，正是因为这两个市场提供了最清晰的ROI论证路径。

三个不同的押注，同一个底层逻辑

在2026年Physical AI融资潮中，有三类公司在获得资本的青睐，但它们押注的技术路线不同：

路线A：自定义感知芯片（Lyte属于此类）——专门为机器人感知场景设计的硬件，优势是延迟低、功耗小、针对特定传感器数据做了优化。挑战是需要垂直整合能力，硬件周期长。

路线B：通用视觉模型——将大型视觉语言模型直接部署到机器人上，用AI理解复杂场景。优势是泛化能力强，能处理未见过的场景。挑战是计算需求巨大，实时性难以保证。

路线C：传感器融合中间件——不做硬件，但提供将多种传感器数据（摄像头、激光雷达、IMU等）融合成统一空间表示的软件层。优势是不绑定具体硬件，部署灵活。挑战是需要硬件合作伙伴，难以控制端到端质量。

Lyte选择了路线A——同时做定制化感知硅芯片、4D传感器阵列和AI感知软件，三者集成为一个系统。这与Nvidia的GPU+CUDA垂直整合策略有异曲同工之妙：在硬件、固件和软件层面的深度整合，能带来性能和能效上的系统级优势，但需要巨大的前期投入和强大的工程能力。

这也解释了为什么领投方是Maverick Silicon：这家VC专注于半导体和硬件，带来的不只是资金，也带来了在芯片供应链和制造合作方面的深度资源。

最大的不确定性：感知技术的「最后一公里」能否跨越？

所有关于Physical AI的乐观预测，都面对一个共同的挑战：从「在受控实验室环境下工作」到「在混乱的真实世界中持续可靠运行」，这个跨越比任何人预期的都更难。

感知系统在仓库测试环境的成功，并不自动转移到以下场景：

  • 光线条件急剧变化（从明亮仓库到暗角落）
  • 意外的反光表面（金属包装、液体溢出）
  • 传感器被污染（灰尘、雾气、雨水）
  • 高动态的人机混合环境（工人、叉车同时在场）

Shpunt在Crunchbase的采访中用了「足够信任来采取行动」这个表述，这个「足够信任」本身就是一个需要持续工程努力的目标，而不是一个已经达到的状态。

Lyte的商业策略也透露出这个现实：目前聚焦仓储和制造业的结构化环境，而不是立即进军家庭服务机器人或医疗辅助机器人这些对可靠性要求更高、环境更复杂的领域。这是一个务实的路线选择，但也意味着「最广阔的市场」还在等待感知技术再次跨越可靠性门槛。

第四层理解：「物理AI基础层」的商业价值定价逻辑

为什么$16亿的估值对应$1.65亿的融资（意味着约11倍P/Sales或估值倍数）？理解感知层公司的定价逻辑，需要从底层经济学出发。

AI感知层公司在价值链中的定位，类似于网络安全领域的「身份认证基础设施」：

  1. 部署进入壁垒高：机器人感知系统一旦集成到工厂或仓库的自动化系统中，切换成本极高——更换传感器意味着重新校准整个系统，重新培训所有下游模型，甚至可能需要停产。这创造了类似EHR的黏性。

  2. 每机器人单价可观，但受益于规模：一套工业级4D感知系统（传感器+芯片+软件许可）的年成本，在一万美元量级或以上是合理预期。如果全球工业机器人安装基数在2030年达到1000万台（来自IFR/机器人联合会的行业预测），感知层的总市场规模在千亿美元级别。

  3. Lyte的定位是「感知即服务」而非一次性销售：公司的软件许可+硬件组合暗示了经常性收入模式。这对估值倍数有正向影响——投资者愿意为经常性收入给出更高的倍数。

  4. 垂直一体化的战略价值：同时掌握感知芯片（硬件）和感知软件的公司，不只有技术优势，还有话语权——它们能影响整个机器人感知标准的演进方向，正如英伟达的CUDA定义了GPU计算的标准一样。

这四个因素合在一起，解释了$16亿估值背后的逻辑：这不是一个「可能成功的技术公司」，而是一个有机会成为整个Physical AI时代感知基础设施标准定义者的候选人。

对立面：反驳Physical AI感知层的几个理由

这个故事也有另一面，值得诚实地审视。

反驳1：大模型可能跳过专用感知层。一种可信的反对观点认为，随着多模态大模型（如GPT-6 Astra）的能力继续提升，机器人可以直接依赖通用视觉理解模型，而不需要专用的感知硬件。大模型的模式识别能力足够强大，能处理摄像头原始输入，无需昂贵的定制传感器。

这个反驳是认真的，但有一个关键弱点：它混淆了「能理解」和「能在100毫秒内可靠运行」的区别。在仓库环境中，机器人需要在移动过程中实时感知障碍物，延迟容忍度可能只有20-50毫秒。在这个约束下，把所有数据传到云端模型处理是不现实的。感知层的核心价值不只是「理解」，而是边缘端的实时可靠感知。

反驳2：$474亿的融资可能反映了泡沫而非真实需求。几乎所有「AI基础设施」的投资都有类似的逻辑：「每个机器人都需要这个」。这种宏大叙事在融资轮次中有天然的吸引力，但具体的商业路径仍需验证。Lyte目前聚焦仓储和制造业，这两个行业的机器人渗透率依然偏低——真正的市场规模，取决于机器人硬件本身的普及速度。

反驳3：感知技术可能最终成为商品。苹果的Face ID技术让3D感知在智能手机上成为标准功能，这个过程恰恰把原本的专有技术商品化了。如果感知基础技术向标准化发展，专用感知层公司的定价权会受到挤压。

Lyte的应对策略是选择了比Face ID更困难、更专业的应用场景——动态环境中的精确3D感知是一个比「在暗室里扫描稳定人脸」复杂得多的工程问题。但商品化的压力长期来看是真实的。

结论：感知层是Physical AI基础设施竞争的下一个主战场

从GPU到模型权重，从数据中心到推理芯片，AI基础设施的每一层都在经历激烈竞争和巨大的资本投入。Physical AI的到来，让基础设施战场延伸到了一个新的维度：让机器感知物理世界的能力。

Lyte的$1.65亿融资和$16亿估值，是这个新战场的一个数据点。但更重要的是它背后那条逻辑链：

语言AI（LLM）+感知AI（Physical AI感知层）+执行机构（机械臂、移动平台）= 能在物理世界自主行动的智能体

其中，感知层是目前最关键、但受关注最少的一环。当$474亿的资本在2026年上半年涌入这个赛道时，市场正在说：这个环节的突破即将到来，而最先掌握感知基础层的公司，将在未来机器人时代拥有类似英伟达在AI计算时代的战略地位。

机器人时代的基础设施竞争，不只是谁有最好的「大脑」（推理模型），也是谁有最可靠的「眼睛」（感知系统）。Lyte正在竞争做这双眼睛的提供者——一个$474亿融资潮已经确认了的赛道，一个物理AI时代可能最关键的基础层。

Lyte的三位前苹果工程师曾经帮助机器「学会用Face ID识别人脸」。他们现在想做的事，是帮助机器「学会理解整个世界」。这是一个更大的目标——但历史告诉我们，感知技术的每一次商业化跨越，都比外界预期的更彻底地改变了下游产业。而在2026年，这个跨越正在发生。

参考资料：

  1. Crunchbase News — “Former Apple Engineers’ Physical AI Startup Lyte Raises $165M At $1.6B Valuation”（2026年9月2日，https://news.crunchbase.com/venture/robotics-ai-startup-lyte-seriesc-raise-maverick/，web_fetch验证HTTP 200）
  2. Crunchbase数据 — H1 2026 Physical AI startup funding: $47.4B across 521 deals（来源同上文引用）
  3. Crunchbase数据 — H2 2025 Physical AI: $12B/470 deals；H1 2025: $26.4B/436 deals（来源同上文引用）
  4. Lyte AI官方信息 — 创始人背景、产品定位、初始市场（来源：Crunchbase News原文及Lyte.ai）