物理AI先要真数据！中星微技术用XPU和SVAC把感知做实

一条道路突然积水，城市管理人员最想知道的是哪里被淹、是否影响通行、要不要马上派人处理，而这些答案，过去往往要靠人从一段段监控画面里找出来。

11月2日，在横琴举行的“中国芯”大会上，中星微技术股份有限公司总工程师、数字感知芯片技术全国重点实验室助理主任施清平作了《从万物感知到物理智能：XPU云边端协同智能计算与Token服务》专题报告。

中星微给出的路线是，把第一轮视频分析放进摄像机，用国产XPU芯片生成识别线索，再根据SVAC国家标准将线索随视频传到后端，供检索、复核和调度。

01｜国产XPU，边拍边算

面对先进制程受限与摩尔定律面临物理极限，团队以“智能摩尔之路”与XPU多核异构架构技术路线开辟新范式。

一台智能摄像机内部，图像处理、视频编码、AI推理和安全处理都要接触同一批数据，每个环节如果都重新复制画面，数据搬运就会占用带宽、增加功耗，也让识别结果更晚送达。

中星微技术的XPU把图像信号处理器、视频处理单元、神经网络处理器和CPU组织到一条流水线上，通过数据驱动调度、片上互连和共享内存，让不同单元分工并行，减少重复拷贝。

在施清平展示的监控摄像机场景对比中，XPU方案的芯片处理延迟低于对照方案，差距主要来自数据搬运环节。

摄像机里的AI，快在算得及时，也快在让画面少搬几次。 

02｜五代芯片，走到了哪一步？

从2016年的星光智能一号，到2025年的星光智能五号，中星微用近十年把摄像机芯片的任务从视频编码和端侧识别，扩展到语言与视觉大模型协同。

一号VC0718支持SVAC1.0编码，二号VC0718P升级至SVAC2.0，三号VC0768和四号VC0728进一步覆盖不同的图像处理与推理需求。

中星微五代芯片

2025年发布的“星光智能五号”是我国首枚全自主可控、单芯片同时运行通用语言与视觉大模型的嵌入式AI芯片，突破端侧算力瓶颈。

星光智能五号（VC0778）搭载16 TOPS NPU，支持SVAC2.0、H.264和H.265编码。

在中星微展示的应用方案中，摄像机可以在持续编码的同时识别目标、动作和事件，并生成描述画面内容的向量，为后端搜索和分析留下线索。

03｜SVAC，让线索跟着视频走

SVAC是国家标准GB/T 25724《公共安全视频监控数字视音频编解码技术要求》英文名称的首字母缩写。公安部一所和中星微技术是这一标准的联合组长单位。

摄像机识别出一个事件之后，后端还需要知道它发生在哪个画面、什么时间、哪个位置，以及相关信息在流转中是否被改动，这正是SVAC在中星微方案中承担的任务。

后端可以先读取随视频传输的智能分析结果，再按需调取原始画面复核，同时通过签名核验数据来源与完整性。

2025年，SVAC技术体系被电气电子工程师学会（IEEE）采纳并应用至国际标准IEEE 3122-2025，为端—边—云协同的分布式人工智能生态提供了标准支撑。

目前，下一代标准仍在探索、尚未发布，施清平说方向之一是完善AI分析结果和多源感知信息的携带方式，让标准服务于更广泛的物联感知场景。考虑到标准制定、发布和产业化都需要时间，未来几年国内公共安全视频监控系统建设仍会以SVAC2.0为主流。

这套标准从一开始就带着三件H.264、H.265做不到的事：编码的同时用国密算法完成加密和签名，把智能识别结果、传感器信息、时间和位置一起写进码流，以及整套技术自主可控。

施清平在采访里说得直白：H.264、H.265做节目广播还行，但要给数据本身加密只能走VPN，数据防伪做不到，也没定义怎么把各类数据一起带走。SVAC也因此成为符合强制性国家标准GB 35114《公共安全视频监控联网信息安全技术要求》中B/C级高安全等级要求的唯一视音频编解码标准。

线索跟着视频走，还能证明没被换过，这才是SVAC在云边端里最吃重的位置。 

04｜摄像机输出什么Token？

施清平举了一个例子，如果要从历史监控里找出“老人牵着一条狗”的画面，可以由摄像机先对画面生成可检索的表征，再由后端筛出候选片段，交给多模态模型进一步判断。

在这套方案里，摄像机可以输出两类结果，一类是目标、动作和事件等结构化信息，另一类是描述画面内容的向量表征，供后端按不同条件搜索和分析。

这就是报告所说的视觉Token服务，端侧生成可供检索和计算的信息，边缘网关负责汇聚多台设备的数据和本地处理，云端大模型与智能体负责复杂解析、跨设备检索和业务编排。

摄像机先筛一遍，后端就能把算力用在真正需要复核的画面上。

05｜从看见现场，到处理事件

据施清平介绍，中星微技术团队正把XPU的端侧感知能力延伸到智能体应用。

2026年，基于XPU芯片的“星元智能体”发布，把云边端串成一套分布式协同智能计算体系，覆盖城市治理等三百余种场景。大模型负责理解和编排，前端负责把现场变成可检索的线索，两边各做各擅长的事。

以道路施工为例，摄像机发现疑似破路作业后，系统可以结合发生时间、位置和施工报备记录进行核对，再把疑似未报备的事件交给业务人员核查。

在积水、道路占用和社区设施巡检等场景，摄像机可以持续提供现场线索，智能体再按业务规则组织检索、核验、派单和反馈。

从数字感知走向物理智能，这套方案要在真实部署中回答三个问题：端侧能否稳定边拍边算，前端筛选能为后端省下多少重复计算，系统给出的线索能否及时进入处置流程。

年初4月29日，第九届数字中国建设峰会期间，中星微技术联合数字感知芯片技术全国重点实验室、数字中国研究院（福建）发布基于国产XPU芯片的“星元智能体”。

实验室主任、中国工程院院士邓中翰表示，团队正推进多核异构XPU架构研发，赋能公共安全、城市治理等领域。

中星微技术展示了星算100智算卡及星元智能体，打造“XPU芯片+算法模型+端边云产品+行业应用”体系，推动国产AI算力落地。

06｜物理AI，先让数据是真的

城市治理只是落点之一，中星微技术把更大的赛道放在物理AI上。

物理AI包括感知、决策、反馈和执行，感知是第一环，也一直是中星微的跑道。公司的全国重点实验室就叫“数字感知芯片技术”，从万物感知、万物互联走到物理AI，十几年做的都是端边侧感知芯片。

和大模型集中在后端不同，感知要面对海量前端数据。施清平估算，95%到98%的视频从采集、传回、存下到删掉根本没人看过，全送到后端算，成本谁都承受不起。所以前端得先算一遍，把画面变成可检索的线索。

比算力更要紧的是数据真实性。四个环节分属不同系统，数据在中间来回传递，一旦被篡改或伪造，决策和执行就全跟着错。

施清平举过煤矿的例子：安全事故一查往往有数据伪造，有的甚至建两套系统，一套自己用，一套给检查看。车路协同也一样，一句“前方撞车”若被恶意篡改成“一路畅通”，后车就不会减速。

SVAC在这里承担的是通道角色：把各类信息按时间和空间对齐、与视频融合编码，再在信源端加密、签名，端、边、云之间交换的感知数据才有统一来源和可信凭据。

XPU负责前端低延迟反应，SVAC负责数据可信流转，云边端把上传和下传打通。施清平把这比作人的神经末梢和肌肉记忆：看到就能反应，不必每次都等大脑。

物理AI的大模型和语言模型还有一点不同，决策时间要短，还得懂物理世界的规则。水杯放在桌边会掉下去，人一眼就知道，大模型只是被反复告知过。这需要从算法、芯片到架构一起做，团队把降低幻觉的前瞻研究命名为“元计算”，也准备挂到物理AI场景里。

赛道很大，中星微选的入口很具体：先把感知做真、做快。

（素材来源：中星微技术“中国芯”大会专题报告、施清平采访及公开资料）