印度芯片初创融了 2400 万美元:把 AI 塞进图像传感器,系统成本砍七成
Bharat Semi 完成 2400 万美元种子轮,做的是一颗把采集、处理与 AI 推理合在一…
文章目录
视觉 AI 的成本结构,正在被一颗传感器撬动。印度半导体初创公司 Bharat Semi 宣布完成 2400 万美元种子轮融资,资金将用于扩充工程团队、完成产品开发并把 AI 图像传感器推向市场。这家公司成立近五年、目前还没有营收,但已经拿到美国国防科技公司 General Atomics 和印度 Kaynes Semicon 的设计中标。

一分钟速览
- Bharat Semi 完成 2400 万美元全股权种子轮,Info Edge、South Park Commons、Indus Bridge 领投
- 产品是可编程图像传感器,把图像采集、处理与 AI 推理放在同一颗芯片上
- 公司称相比「传感器 + ISP + SoC」的传统组合,系统成本最多可降 70%
- 第一代传感器已进入原型阶段,目标 2027 年首次商业化量产
- 团队约 75 人,分布于印度与美国,计划在欧洲招聘工程师
一颗芯片干三件事
传统摄像头模组的构成很固定:图像传感器负责感光,图像信号处理器负责降噪、白平衡与色彩还原,系统级芯片负责跑算法。三段式的好处是每一环都能单独选型,坏处是数据要在芯片之间搬来搬去,功耗、延迟和物料成本一起往上走。
Bharat Semi 的做法是把三步压进一颗可编程传感器:感光之后直接在片内处理,AI 推理也在片内完成,不需要再把视觉数据送去独立处理器。联合创始人 Vrinda Kapoor 在接受采访时给出的数字是,相比常规方案,系统成本至少可以降低 70%。她把公司的目标概括为一句话:从传感器走向「sense-making」。
这个方向在学术上不算新,产业上却一直难落地。难点在于片内算力与功耗的平衡:传感器像素阵列的读出速率很高,如果每一帧都跑一遍神经网络,功耗会失控。可编程是关键——它意味着同一颗芯片能按场景切换算法,而不是为每个客户流一次片。
谁在投,钱怎么花
本轮为全股权融资,由 Info Edge Group、South Park Commons 和 Indus Bridge Ventures 领投,Valour Capital、Micromax、Gaingels 以及一批个人投资人参与。资金用途写得务实:扩工程团队、完成产品开发、把传感器送到客户手里。
创始团队的组合值得一看。Kapoor 是 South Park Commons 的研究员,此前在医疗科技领域工作;联合创始人兼董事总经理 Vinayak Dalmia 做过麦肯锡和私募;首席技术官 Boyd Fowler 此前在图像传感器厂商 OmniVision 担任同一职位。一个懂算法与场景、一个懂资本与运营、一个懂传感器工艺,这个配置解释了为什么一家 pre-revenue 公司能拿到国防客户的设计中标。
团队目前约 75 人,分布在印度和美国,其中 10 到 12 人在圣克拉拉的美国业务部门,负责工程与商务拓展。公司计划到 2027 年中把美国员工增至 20 人左右,并已在欧洲开始招工程师。
客户与时间表
已披露的设计中标来自两个方向:美国的 General Atomics,以及印度的 Kaynes Semicon。前者是国防科技公司,后者是印度本土的电子制造服务商。这两个客户也基本勾勒出产品的落地顺序——先吃对性能与自主可控要求高、对价格不敏感的场景,再往消费级走。
产品节奏是:第一代传感器已进入原型阶段;第二代会集成更强的 AI 能力,预计 2027 年中进入原型,2027 年底交付客户。也就是说,真正的商业化量产节点在 2027 年。对一家 2021 年底成立的公司来说,这个周期不算慢,但也意味着未来两年它必须靠融资和设计中标撑住现金流。
目标市场列了四个:智能家居、工业自动化、监控、航空航天。Kapoor 举的例子很具体:空调能检测到房间无人并自动调节;无人机在没有昂贵计算硬件的情况下,也能就地处理视觉信息。这些场景的共同点是,把数据传回云端既慢又贵,甚至不可能——端侧必须自己做完判断。
为什么是现在
第一个推力是供应链。印度政府已承诺投入数十亿美元发展本土半导体产业,希望在美国企业寻求供应链多元化时成为替代制造枢纽。现实是,印度至今仍未建立起大型芯片制造能力,但在设计环节,一批初创公司正在起量。Bharat Semi 属于后者:它不建厂,做的是芯片设计。
第二个推力是端侧 AI 的算力下放。过去两年,视觉模型越做越小,量化与蒸馏让十亿参数级的模型能塞进毫瓦级预算。传感器厂商因此有了一个新故事:不必等主控芯片升级,直接在感光层把活干完。
第三个推力是国防与无人机需求。这类客户对供应链来源敏感,也愿意为「单芯片、低功耗、可编程」付溢价。General Atomics 的设计中标,某种程度上是对技术路线的一次背书。
冷静看
需要打问号的地方也不少。第一,70% 的成本降幅是对比「传感器 + ISP + SoC」的组合,实际落地时客户往往已经有现成主控,替换意味着重新设计整块板子,迁移成本不在这个数字里。第二,可编程传感器的灵活性依赖工具链,如果编译器与模型转换做得不好,客户宁可继续用通用方案。第三,2027 年量产是一个不短的窗口,期间索尼、安森美、豪威这些老牌厂商完全可以把类似能力做进下一代产品。
更现实的问题是规模。2400 万美元对芯片设计公司只够跑完一轮流片和客户验证,若要进入消费电子供应链,后续融资压力不小。印度本土的制造配套也还在建设期,封装测试大概率仍要依赖海外。
但这条路线本身值得关注。当所有人都在抢 GPU 和 HBM 的时候,把智能推到感光层,是另一种降低成本、扩大覆盖面的思路。它不会取代数据中心的算力,却可能让大量「不值得上云」的视觉任务第一次变得划算——这恰恰是端侧 AI 真正的增量市场。
本文地址:https://www.163264.com/21353


