“鬼成像”这三个字，曾让王霄鹏在融资路演中屡屡碰壁。有人第一反应是玄学概念，也有人虽然听明白了原理，却依然难以真正相信。

这项听上去像惊悚片名词的前沿技术，正式名称是“量子关联成像”。它不依赖传统镜头去“看见”目标，而是利用光场不同维度之间的统计相关性，从一片看似无序的“雪花噪声”中，重建出真实物体的图像、距离，甚至材质等关键信息。

在普通人眼里，它听起来像科幻；在科学家眼里，它属于前沿方向；在客户眼里，它又显得昂贵 —— 这正是它走出实验室之前必须跨越的三重门槛。

但在一个暴雨倾盆的夜晚，这项技术也许正在改变一个骑两轮电动车出行者的命运：

你骑行在货车后方，雨水、路灯和车灯倒映在积水中，前方视野混成一片。就在这时，前车突然急刹。等你意识到危险时，也许已经来不及了。

但在你尚未做出反应之前，车上的感知系统已经先一步识别风险，并开始辅助减速。

并不是因为这辆电动车“看得更清楚”，而是因为它具备了一种全新的机器视觉与智能感知能力。

2024 年，长期研究量子成像的王霄鹏在深圳创立亿维瑞光，希望把这项量子技术做成可规模化量产的传感器，应用到汽车、机器人、低空飞行器，甚至普通的两轮电动车上。

五年过去，部分产品型号已经进入小批量阶段，公司也完成了数千万元的天使 + 轮融资。

那么，一项诞生于前沿科研领域的量子技术，究竟需要经历哪些环节，才能真正变成客户愿意采购、工厂能够稳定生产、普通用户也能用得上的传感器产品？

这中间横亘的，不只是技术难题。以下是我们与亿维瑞光创始人兼 CEO 王霄鹏的对话。

终于有人为我们正名了

蓝字计划：你是怎么走上量子成像这条路的？是因为“量子”概念火热才选择这个方向吗？

王霄鹏：不是。我之前去澳大利亚读书，我的导师非常开放。我们那个实验室做过 Wi-Fi 相关技术，导师说，你可以自己选想研究的课题，只要别去做文科就行。

2013 年，我在《文汇报》头版看到一篇关于“鬼成像”的报道，里面提到韩申生团队做的量子雷达。我一看就觉得，这个方向太有意思了，这就是我真正想做的事。

刚好我有个发小是上光所韩老师的学生，我就直接联系他。

我说：“韩老师，我想做这个，行不行？”

他说：“行，你弄。”

大概就是这样一个过程。说到底，就是一个普通人找到了自己真正想做的方向，然后一路钻研下去。

（注：上光所指的是中科院上海光学精密机械研究所，韩申生则是量子成像领域国内领军学者）

蓝字计划：但在 2013 年就选择量子成像，那时候你会觉得它未来能发展成一个产业吗？

王霄鹏：当时完全没想到量子会成为热门赛道，因为那时我们主要还是在做特殊场景应用。很多先进技术一开始本来就是为特殊需求服务，之后才逐步走向更广阔的市场。

蓝字计划：2024 年诺贝尔物理学奖表彰了量子纠缠研究，这件事给你们带来了什么影响？

王霄鹏：终于有人替我们正名了，最大的帮助就在这里。

以前我们出去做 PPT，会说这是诺奖级别的研究成果，但别人不一定信。诺奖之后，一些投资人会觉得，原来你讲的这套东西确实是真的，不是伪概念。

蓝字计划：但投资人相信了，客户会因此更愿意买单吗？

王霄鹏：并没有。对客户来说，还是该怎么判断就怎么判断，诺奖不会自动转化成订单。

客户真正关心的是，你有没有实物样机，产品能不能稳定工作，具体解决什么问题，价格又是多少。所以诺奖只解决了一部分“这是不是伪科学”的疑问，并没有解决“客户为什么要买”的核心问题。

蓝字计划：为什么你博士毕业之后，没有立刻创业，而是先去了自动驾驶公司？

王霄鹏：因为我一直认为，任何技术如果无法真正落地，价值其实非常有限。

但刚毕业的时候，我并没有产业经验。如果贸然创业，用行业里的话说就是“没有能见度”：你不知道客户是谁，不知道供应链如何运作，也不知道一项实验室技术走向产品化需要经历哪些步骤。

蓝字计划：所以你是想先站到客户视角去看一遍？

王霄鹏：对，我先去了一家创业公司。去成熟大厂，你可能只是在既有流程里完成某一小段工作；创业公司虽然很辛苦，但能让你看到相对完整的产业链条。

我后来去了一家 L4 自动驾驶公司，负责激光雷达等传感器的测试、选型、性能定制和供应商沟通。

这段经历让我看到了市场最真实的痛点，也让我认识了一批产业合作伙伴。

蓝字计划：站到传感器采购和测试这一侧之后，你看到的最大问题是什么？

王霄鹏：就是太贵了。

当时一台 L4 自动驾驶车，不算一些额外部分，成本大约在 120 万元。继续往下拆，会发现其中相当大的一部分成本都落在传感器上。

这显然不是一个适合大规模普及的商业模式。所以我就在想，能不能做一种更低成本的传感方案：既能解决关键问题，又不会明显增加整车成本，甚至还能把原有系统成本降下来。

2024 年前后，我出来创办了亿维瑞光，想看看能不能把自己研究多年的量子成像技术真正推向市场。

我创业的想法其实很简单：做一点别人不愿意做的事，做一点别人做不了的事。读了这么多年书，总不能把学到的东西浪费掉。

东西做出来，客户却不想要

蓝字计划：创业这五年里，最艰难的时刻是什么？

王霄鹏：最难的时候，是我们把样机做出来给客户演示，结果客户直接跟我说，他不想要。我后来花了很长时间想明白一件事：技术先进，和客户愿意采用，是两码事。

客户不会因为你的技术领先，就去重构一套已经成熟的系统。他要承担安全风险、验证成本、供应链风险和售后责任。

蓝字计划：那在什么情况下，他才愿意替换原来的方案？

王霄鹏：我们今天会反复讲两个公式：性能上 1+1>2，成本上 1+1<2。

你给客户增加一个新模块，整体性能必须比原来的组合更强；同时，总成本还要更低。只有这两个条件同时满足，客户才有动力去替换已经成熟的传感器方案。

蓝字计划：所以真正困难的，并不是把实验室技术做成样机？

王霄鹏：把原理验证出来，以及把系统接到车上，其实都不是最难的。最难的是找到准确的客户价值点。

蓝字计划：技术能工作，和它真正成为商品之间，差的到底是什么？

王霄鹏：技术逻辑闭环，只能证明这件事可以实现。工程化还要同时满足车规温度、寿命、振动、价格、年降等要求；商业化还必须回答一个问题：客户为什么非用你不可？

一个东西再先进，如果客户不愿意为它付费，那它最多只是一个公益品，或者说只是一个展示品、艺术品。

商业化从来不是因为技术先进、别人听不懂就自然能跑通。真正关键的是站在客户角度思考：他为什么愿意把钱交给你？

蓝字计划：但如果客户首先关注的是降本，你们最终会不会只变成一个“更便宜的传感器”？

王霄鹏：也可以说，我们是在做世界模型的数据入口，很多人对这个角度很感兴趣。换句话说，我们真正想做的是重构下一代光学感知体系。

从牛顿、高斯时代延续下来的光学理念，经过三四百年，我们今天仍然在使用。传统光学系统追求的是拍出一张清晰图像，而下一代系统应该是任务定义型的。

以前拍山，就是把山拍清楚；拍水，就是把水拍清楚。下一代系统则可以围绕具体任务来设计：如果任务是识别人，就在光学侧围绕识别人去设计；如果任务是判断材料，就围绕材料特征去设计。

甚至不一定经过传统意义上完整的图像计算流程，就可以直接输出识别结果。

这既是在改变光学系统的设计方式，也是在为智能系统提供更优的数据入口，这不正是世界模型想要的吗？

「鬼成像」不靠猜

蓝字计划：如果用普通人更容易理解的方式解释，量子关联成像和传统激光雷达最大的区别是什么？

王霄鹏：传统激光雷达更像是在做连线题。发一个点出去，接收一个点回来，再通过飞行时间计算距离。中间如果遇到雨、雪、雾霾或者遮挡，这条“线”就很容易被干扰。

我们更像是在做拼图，或者说是铺开了一张网。

目标进入这张网之后，会改变整张网的状态。我们不一定非要看到全部细节，只要获取其中一部分信息，也有机会恢复出整体。

蓝字计划：只看到一部分，却能恢复整体，这听起来不就像“猜”吗？

王霄鹏：不是。这里恢复出来的是实际存在的物理信号，不是基于概率去生成一幅“看起来合理”的图像。

我们的特征来自真实的物理特征，算法只是负责把这些物理信号求解出来。

生成式 AI 可以生成一幅非常合理的画面，但合理不等于真实。我们首先要保证输入的物理信息是真实存在的，然后才讨论后续是否与 AI 结合。

蓝字计划：那它相比传统传感器，最终多获得了什么能力？

王霄鹏：它不是简单地打一束点光出去、收一个点回来。它是把目标作为一个整体，在高维探索空间中同时获取图像和距离，还可以加入光谱、偏振等多维信息。

差异化优势主要体现在两个方面。

第一是性能提升，包括分辨率提升和抗干扰能力增强。

第二是非堆叠式融合，一套系统就能输出不同维度的信息，比如三维、光谱、偏振等。

蓝字计划：你们叫“量子关联成像”，但刚才很多内容听起来更像统计、相关性和信号处理。它和大家熟悉的量子通信、量子纠缠到底是什么关系？

王霄鹏：底层规律有相通之处，但任务完全不同。量子通信是传递信息，我们是捕获信息。

传递信息，相当于我跟一个人说话；捕获信息，则是我不跟他说话，只观察他在做什么。早期量子关联成像确实会更多谈“纠缠光”。但今天做工程产品，我们更多使用“统计相关性”这个表述。

简单理解，就是群体层面存在相似性，而每一个个体又不完全相同。我们利用光场中不同维度之间的相似与差异，从中提取目标信息。

蓝字计划：那“鬼成像”这个名字又是怎么来的？

王霄鹏：传统相机是所见即所得。量子关联成像的原始信号看上去可能只是一片雪花噪声，需要经过计算处理之后，目标才会从雪花里“显现出来”。

所以早期杨振宁把它叫 Ghost Imaging，中文被翻译成“鬼成像”。但这并不意味着它会看见并不存在的“鬼”，也不是像生成式 AI 那样靠猜测去补出一幅合理图像。

量子技术，先“装”成一个摄像头

蓝字计划：你们现在其实有两条产品路线，一种主动发光，一种不主动发光。最简单来说，它们有什么区别？

王霄鹏：主动式有自己的光源。我们使用半导体激光器等成熟器件，把经过调制的光场发射出去，再接收返回信号。

主动式的自由度很高，扫描范围多大、探测什么目标、使用哪些维度，都可以围绕具体任务来定义。而且它的性能上限肯定更高，我个人也更偏爱主动式。

被动式则不主动发光，而是在普通摄像头的光路中加入我们的调制器，再从环境光里提取图像、距离和其他信息。

被动式的优势在于体积小、成本低，可以直接集成到摄像头里。

一个典型模组可以理解为镜头、一片石英调制器、一个普通 CMOS，算法则部署到客户已有的域控制器中进行计算。

蓝字计划：所以从技术角度你更喜欢性能更强的主动式，但真正到客户那里，他们反而更偏爱被动式？

王霄鹏：对，原因其实很直接：被动式更便宜、更容易集成、改动风险也更小。

蓝字计划：一项号称要改变下一代光学感知的技术，第一步反而是先让自己看起来尽量像一个普通摄像头？

王霄鹏：实体产业一定是渐进式替代，不可能一下子全部换成量子技术，万一翻车了怎么办？

更现实的路径是，先把我们的方案加进去，同时保留原有传感器作为冗余。经过一段时间验证，确认效果和可靠性之后，再逐步减少传统器件。

今天做产业不能只讲终局。技术终局也许可以很激进，但客户导入必须足够谨慎。

蓝字计划：也就是说，技术目标可以是革命性的，但产品导入方式不能太激进？

王霄鹏：可以这么理解。被动式从外形上看就是普通摄像头，但内部增加了物理标签，可以直接读取一部分距离等信息，而不是完全依赖训练数据去猜深度。

它既保留了视觉方案原有的形态，也补足了传统视觉缺少的物理维度。

蓝字计划：这就涉及汽车行业争论很大的一个问题。马斯克一直坚持纯视觉路线，你们怎么看？如果被动式外形上仍然是摄像头，你们算不算“纯视觉”？

王霄鹏：马斯克说纯视觉是方向，我们认同。有些客户说激光雷达才是真正赢家，我们也认同。

听起来好像矛盾，但关键在于怎么定义视觉。光本身就包含图像、距离、光谱、偏振等多种信息。如果把视觉理解成广义的光学感知，我们当然认同。

但如果所谓纯视觉，只是普通摄像头采图，再完全依靠训练数据和模型推断，那就会遇到很多数据驱动难以跨越的瓶颈。

我们不是纯粹的数据驱动解算方法。我们会在物理层给信息“打标签”，距离等一部分信息可以直接从物理信号中读取，而不是全部依赖模型去猜。

蓝字计划：如果摄像头和激光雷达你们都不排斥，那量子成像到底要替代谁？

王霄鹏：我们不讲完全替代，每一种产品在市场上都有自己的生态位。

在这一代自动驾驶体系里，激光雷达作为主雷达，我认为是不错的选择。下一代 L4 需要更多物理维度，现有架构可能不一定最适合，但这不意味着它明天就会消失。

我们的路线大致有两种。一种是进入摄像头，让视觉系统获得深度、光谱、偏振等更多信息；另一种是进入激光雷达，改变它的扫描方式和信息获取方式。

我们不是靠让别人消失来证明自己，而是先给客户带来新的能力。

第一站可能不是汽车

蓝字计划：汽车一直是你们重点讲述的市场，但真正最先实现大规模落地的，会是汽车吗？

王霄鹏：不一定。我们关注的方向还包括消费电子、工业、机器人和低空飞行器，甚至医疗器械也可以应用。

不同市场的推进节奏不一样。车企周期相对更长，我们会耐心陪跑；工业客户推进得更激进；消费电子则更多是由我们主动推动。

汽车是中长期收入来源和行业标杆，工业更适合短中期落地，消费电子则可能让普通用户更早接触到这项量子技术。

蓝字计划：那现在谁最有可能先跑出来？

王霄鹏：两轮电动车是我们目前非常重视的一个方向。坦率讲，这个市场真的很好。

我们现场交流的数据是，全球每年新增两轮电动车大约 8000 万辆，一个中国头部品牌的出货量，就可能接近一家大型汽车公司。

现在两轮车也在走向智能化。它未必需要完全自动驾驶，但碰撞预警、辅助制动和安全兜底都有非常现实的需求。

比如骑车跟在一辆货车后面，货车突然急刹，驾驶员来不及反应，系统就可以先一步帮助减速。

蓝字计划：两轮车的控制逻辑，应该也不能直接照搬四轮汽车吧？

王霄鹏：对。四轮车遇到危险可以直接刹停，但两轮车如果突然刹死，骑行者可能会失去平衡。

所以两轮车必须重新定义：什么才算危险、怎样识别危险、系统又该如何介入。

客户在这件事上希望尽快批量交付，甚至有些客户给出的时间目标比我们自己还激进，但我们反而会劝他们稍微慢一点。

只有双方都准备好了，才适合真正走向规模化交付。按照我们的判断，2027 年第二季度可能是更合适的量产节点。

蓝字计划：如果量子成像最先大规模出现在两轮电动车，甚至割草机上，会不会反过来让汽车客户觉得，这是一项相对“低端”的技术？

王霄鹏：客户只关心一件事：这个价格你能不能做，用了以后我能不能赚钱，别人做不了而你能做，那就值得上。

我前段时间和一家出货量很大的割草机公司聊。对方报了一个市场上根本买不到现成产品的价格，问我们能不能做，我说，我们好像还真能做。

客户不会因为这项技术先用于割草机，就觉得它低端。技术最终一定要落在产品上，凡是能创造价值的场景，就是好场景。

蓝字计划：那你们先做两轮电动车和割草机，是因为乘用车周期太长，创业公司需要先建立收入吗？

王霄鹏：我们现在确实是多条线同时推进，但每条线的打法不一样。

车企是耐心陪跑，因为周期长、安全要求高；工业客户更加灵活，我们希望它推进得快一些；消费级市场则主要由我们主动推动，给客户的产品经理展示不同效果，让他们找到产品感觉。

汽车是中长期收入和标杆，工业是短中期落地抓手，消费级则可以让普通用户更快接触到量子关联成像技术。

这三条线并不是平均用力，而是分别承担不同任务。

蓝字计划：所以现在真正的问题已经不是“技术能不能工作”，而是哪一个市场最先愿意为它买单。按照目前进度，最早什么时候能看到真正意义上的量产？

王霄鹏：不同市场差别很大。汽车的导入周期一般是 12 到 18 个月，其中大约 10 个月可能都在做高密度验证，包括 DV、PV 和各种测试。

消费级最快可能 6 个月，工业级则处在两者之间。

传统车企的技术突围

蓝字计划：哪些车企对这项技术最感兴趣，是新势力，还是传统车企？

王霄鹏：传统车企在导入上反而更积极。我们目前接触的国内传统车企中，大约有 5 家在做不同程度的测试验证。欧洲也有一家车企非常积极，每个月都会来推进项目，有时甚至是他们在催着我们做项目管理。

当然，测试验证、首发意向和正式定点并不是一回事，真正量产还要走完整流程。

蓝字计划：所以这 5 家车企现在具体推进到哪一步了？最靠前的是测试阶段，还是已经有人想做首发？

王霄鹏：目前这 5 家传统车企都在进行不同程度的测试验证。不少客户也都明确表达过，希望能够做首发。

但首发意向和正式定点依然是两件不同的事，真正走到量产，还要经历完整的验证与导入流程。

蓝字计划：如今汽车行业已经把激光雷达价格卷得很低了，你们还能靠什么继续降本？

王霄鹏：传统激光雷达拆开来看，激光器要钱、接收器要钱、扫描器要钱、处理器要钱、供电也要钱。被动式方案则可以做得非常简单。

我们在石英上用半导体方式加工出调制结构，再把它放进客户镜头里。完整模组可以是镜头、一片石英、一个普通 CMOS，算法部署在客户域控制器中。

零部件更少，直接成本自然就更低。更底层的原因是，这个调制器采用了不同的信息获取原理，让一套器件可以承载更多能力。

比如有些车型要装 4 颗补盲雷达。一颗补盲雷达现场口径大约 80 美元，4 颗加起来，对整车成本影响就很大。

我们希望用几百元级别的整车方案，逐步减少这类器件的数量。

还是我前面说的，B 端客户首先关注的是成本小于 2；如果你再告诉他性能还能大于 2，他才会觉得这件事真正值得做。

蓝字计划：很多新技术都会强调自己的硬件成本优势，但汽车产业真正的总成本不只是 BOM，还包括验证、适配和供应链切换。你们怎么让车企相信，采用一套新的智能感知方案后，整体成本仍然是下降的？

王霄鹏：轻量化迁移部署，无论是硬件还是软件，并且成本低也是客户的评价。

政策很热，落地要准

蓝字计划：你们现在同时接触汽车、工业、消费电子和医疗等多个市场，公司会不会很快扩张到几百人规模？

王霄鹏：不一定会变成一家人数特别多的公司。我们现在有两条研发线，一条是传统研发线，一条是大模型辅助研发线。

我会让不同模型承担不同角色，有的做项目经理，有的做深度研究，再让它们互相验证。我做过横向测试，在部分任务上，大模型研发线能比传统团队快大约三个月。

蓝字计划：所以你的判断是，未来一家硬科技公司即便业务越来越多，也不一定需要像过去那样同步扩张研发团队？

王霄鹏：对。我认为未来的组织架构里，大模型会成为非常重要的一根支柱，而且它的成本也远低于传统团队。

当然，我们不是把一个模型扔进去，让它把所有事情都做完。不同模型各有专长，我们会让它们承担不同工作，再彼此交叉验证。

核心研发环境也是内外网隔离的，不能直接访问互联网。需要查资料时再切换到外网，核心技术仍然在隔离环境中开发。

蓝字计划：但研发跑得更快，车规认证和工厂交付也能同步提速吗？

王霄鹏：不能。大模型不能替代一切。我们可以用它提高分析、设计和研发效率，但客户导入还是要有人到现场。

我们第一款现有构型产品导入时，客户直接把我拉到工厂，封闭开发了大约两周，现场有什么问题就解决什么问题。

车企的感知、硬件和采购团队都会直接与我们对接。数据协议、模型迁移、硬件适配、测试和整改，不可能只靠模型自动完成。

大模型是支柱，但它不是公司本身。

蓝字计划：像你们这样的前沿科技公司，通常很容易把估值讲到几十亿元。为什么你们不这样做？

王霄鹏：如果走常规量子项目的资本叙事路线，像我们这样已经开始商业化落地的公司，可能早就能讲到 30 亿、50 亿元估值了。

但我们没有走那条路，我们更偏产业落地，股东也基本都是产业方。我们的思路是，先拿足够的钱完成一个里程碑，再用这个里程碑去拿下一笔钱。

蓝字计划：那你们真正看重的“里程碑”是什么？

王霄鹏：融资和估值其实都是跟着产业节奏变化的。比如拿订单之前，可能会有一次变化；真正拿到订单之后，会有一次变化；第一批产品真正开始上量后，还会再有一次变化。

所以我们不是先把一个很高的估值讲出来，再回过头去找业务。

蓝字计划：也就是说，你不是排斥高估值，而是不希望估值跑在产业进度前面？

王霄鹏：我们的核心还是产业落地，而且我们对股东也比较挑。商业不只是投资人怎么拼盘，也包括股东与股东阵营之间如何匹配。

蓝字计划：所以下一轮融资，你们更欢迎什么样的投资人？

王霄鹏：我们很喜欢产业投资人。钱当然重要，但生产能力、客户资源、渠道能力和订单资源也同样重要。

纯财务投资人也不是完全不考虑，但如果能带来订单或者产业资源，对我们当然更有价值。

再加上今年“十五五”相关规划中，量子科技被列入重点布局的未来产业方向。接下来国家层面会继续推动量子产业化落地，越来越多投资人也开始注意到我们。

蓝字计划：但政策越热，客户会不会反而比你们推进得更快？

王霄鹏：会。有些客户给出的批量交付时间，甚至比我们自己的判断还要更快。政策和市场机会确实会让一个行业迅速升温，但真正进入生产和量产环节，该做的工程工作一项都不能少。

拆得开，未必抄得走

蓝字计划：现在已经有企业从激光雷达转向量子成像，而且你们的器件要交给外部工厂生产，产品也会交给客户测试。你们不担心核心技术被拆解和复制吗？

王霄鹏：核心技术和生产制造是解耦的。

工厂拿到的是成熟图纸和生产参数，但很难反推出系统为什么要这样设计、下一代产品又会如何演化。

大家都学过传统电路，所以拿到一块电路板，很容易做反向分析。但量子关联成像的整体设计，并不是传统课程里普遍教授的内容。

就算把产品拆开，它也不会自动把缺失的那些知识补给你。

蓝字计划：所以真正难以复制的，不是某一个别人造不出来的器件，而是你们知道整套系统为什么要这么设计？

王霄鹏：对，我们真正掌握的是总体设计能力。

它不是某一个单独器件，也不是某一个单独算法，而是一整套系统如何运作，前端光学、调制器、硬件和后端解算该怎样协同配合。

有些企业会做镜头，有些企业会做微纳加工，有些企业会做 ISP 和图像后处理。

但单独把任何一块拿出来都不够。

量子关联成像本质上是一个软硬一体、整个光学系统协同设计的问题，很多具体经验最终都会沉淀成 know-how。

这些东西有些写不进专利，也写不进论文，我们很多工具链也都是自己开发的。

蓝字计划：但如果量子成像真的进入规模化市场，大公司一定会投入更多资金、人力和供应链资源。你判断亿维瑞光现在这段领先窗口还能保持多久？

王霄鹏：这一点上我们还是有信心的，而且我们也在持续往前推进，脚步不会停。

———

在与王霄鹏深入对谈之后，我们又与电子元件、光学元件领域的行业专家讨论了他们对这项新技术的看法。

一位长期从事汽车电子元件的专家认为，如果量子关联成像能够真正实现量产，它可能改变的不只是传感器性能，也包括现有供应链结构。

传统激光雷达需要激光器、接收器、扫描器和电机等多个部件；如果新的技术路线能够减少机械结构，产品就可能做得更小、成本更低，也不会再产生转动噪声，甚至可以从车顶移动到舱内或隐藏式位置。

这也可能冲击一部分现有电子元件厂商，但他并不排斥这种变化。

他认为，企业今天做什么产品并不重要，市场需要什么，就应该做什么。不能因为现在做电机，就拒绝一个未来可能替代电机的新方向。企业真正该做的是升级自己的产品与业务能力。

不过，另一位光学元件领域的专家提醒，单个部件能够加工出来，与整套系统能够稳定量产，是两件完全不同的事。

他指出，虽然单个光学元件的工艺也许并非极其神秘，现有汽车、投影、测绘、通信和卫星光学产业都具备一定基础。然而，真正的难点在于整套系统，不同镜片、光源、角度和间距之间存在高度耦合关系，只要其中一个参数出现偏差，最终效果就可能完全不同。

小型化同样意味着取舍。体积缩小之后，性能、成本和装配难度都会发生变化。进入手机或汽车，不是把一个器件简单塞进去就结束了，客户往往还需要重新调整自己的光路和系统设计。

从汽车产业链的角度来看，技术原理成立、样件能够正常工作，只是产品化的起点。接下来还要验证分辨率、精度、探测距离、高低温、振动、寿命，以及不同批次之间的一致性。

单个器件通过测试，并不代表整个模组通过；模组通过，也不意味着整车验证已经结束。

“时间就是生命，可靠性也是生命。”

他们的判断最终都指向同一个核心问题：量子关联成像眼下需要证明的，已经不只是“能不能看见”，而是能不能以承诺的成本，被稳定地制造出来，并在几年甚至更长时间内持续可靠地工作。

的确，对于一项前沿量子技术来说，真正的产业落地从来不只是被更多人听懂，而是被客户买下，并最终进入普通人的日常生活。