图源/企业

本文约3200字，建议阅读7分钟

作者丨欧雪

编辑丨袁斯来

当联合影像营收做到20亿时，外界仍然不太了解这家公司。

2014年，张枫刚创办联合影像的时候，做的是一门他觉得“相对简单”的生意——手机摄像头模组。

他在手机行业沉浮多年，经历了从品牌到白牌、再到运营商、又回到品牌的完整周期，所以选择从自己最熟悉的地方出发。他也很清楚，这是一件“比较简单的、没有什么门槛的事。”

很长一段时间中，联合影像作为头部手机品牌供应商活得很稳定。但作为一个行业老兵，张枫很清楚手机供应链竞争的惨烈。甚至在2016年，智能手机市场还如日中天时，张枫就开始琢磨一个问题：手机的利润空间，还能维持多久？

“我非常清楚，越往后的阶段，整个手机产业链的价值会越来越低。”张枫的判断很直接。议价能力全在品牌上游，作为一个小供应商，联合影像没有什么话语权。

创业两年左右，张枫就开始看新兴市场。他一直在思考，视觉模组还能用在哪里？到2017、2018年，张枫有了大概的想法并开始行动，决心将联合影像从手机的价值网里迁移了出来。

张枫知道自己的能力边界只在视觉赛道。无论产品形态如何延伸，最终都收拢在以视觉为基底的能力框架之内。

2018年，联合影像踩中了第一个关键赛道——清洁机器人，并成为科沃斯扫地机传感器的关键供应商。“扫地机器人还没现在这么火，但我看到了一个至少千亿级的市场。”张枫回忆。

2021年，张枫又开始和当时体量很小的宇树合作。目前，机器人相关业务已占公司整体营收近三分之一，头部机器人客户覆盖超过一半。2025年，联合影像整体年营收达到20亿元左右。

近日，联合影像完成了新一轮数亿元级融资。本轮融资由产业资本与市场化机构共同参与，投资方包括敦鸿资产、杭州具身智能产业基金、富阳产投、智平方。

即便已经有了一定成果，张枫却把联合影像目前的发展阶段比作“上小学”。前十年在他看来更像是在摸索，虽然早期就实现了盈利，营收规模也逐步增长，但公司始终缺少一个清晰的战略方向。直到几年前，他才觉得真正进入了创业状态。

从一个摄像头模组厂，到为AI、具身公司提供视觉基础设施，联合影像走了12年。它凭借自己的敏锐，在当下的技术浪潮中提前占好了位置。

抓住那些创业公司

经历过手机市场的淬炼后，张枫很清楚，绑定大客户虽然能带来托底，但也将自己的命运交到了别人手上。他宁可花费更多的精力，去和看似边际效应不强的创新公司合作。

他们接触了上万家中小创新公司，覆盖美西、中国、韩国这些创业活跃的区域。

而这些创新公司找上门来，大多是为了做原型机。“因为AI的发展，很多想法需要变成一个初代原型机给投资人看，因此需求非常旺盛。”

为了承接这个需求，联合影像把“做原型机”做成了服务线，内部叫“agent”。从PRD、代码输出到BOM输出都是自研，“语义进去，代码出来”，后端再配合手工环节和全球交付，形成了一条可复用的服务链条。

张枫把这套机制比作一个漏斗模型：网口铺大之后设置筛选机制，一旦发现大case就迅速扑上去，甚至直接划出一条产品线。目前公司已有七到八条产品线。

张枫举了个今年的案例。美国头部的一家电动滑板车公司找过来，因政府政策要求，新车要做智能化升级，包括行人检测、安全提醒等功能。需求很明确：两路camera、一个AI box、一套算法，还要解决防水防尘、防震和连接方式等一系列工程问题。

“客人要的是端到端，其他供应商只能做其中一段。”因此，联合影像第一次握手就拿下了这个单子，他们可以把全链路展示清楚，硬件、算法、连接、结构件都全栈自研。这张订单最终落地2000多万美金，是公司历史上最大一笔。

这种端到端能力靠的是前十年在制造端打下的底子。硬氪了解到，联合影像拥有深圳2万平米工厂、威海2.5万平米工厂、越南基地，还有完整的影像实验室和NPI能力。

联合影像今天的产品逻辑，与早期的“卖模组”已大相径庭。

早期，联合影像以视觉模组切入智能终端与智慧家居，2018年布局扫地机器人，现已是国内扫地机、割草机、泳池清洁机器人最大的视觉方案供应商之一，客户包括科沃斯、云鲸、追觅、9号机器人等。

近年，公司向AI视觉升级，结合边缘AI与场景理解，2021年起拓展至机器人与AI硬件赛道，现已成为具身智能、人形机器人及AI硬件领域头部供应商，客户涵盖宇树、智平方、自变量、Rokid等。

当前，行业从单点感知走向多模态理解，公司视觉方案也从标准模组交付升级为涵盖光学、算法、SoC适配及规模制造的系统工程，满足各类机器人在空间感知、避障导航和端侧部署上的需求。

公司产品在人形机器人应用展示（图源/企业）

张枫向硬氪表示，他现在用两个维度收敛业务边界：品类上以视觉为主、音频为辅；技术栈上硬件有两目、3D、高速接口、USB接口等不同类型，算法则有CNN、云台控制、防抖等特定方案。

目前，联合影像的SKU已达数百个，预计年底将突破1000个。

张枫将这些看作“复利效应”。更多产品线、更多技术栈，积累更多成功案例；成功案例又指向更多成功案例。原型机有量产转化，标准品独立站也有量产转化，越转越快。

押注AI

如果说“漏斗模型”是联合影像商业层面的创新，技术路线则是它在机器人视觉赛道快速突围的根本原因。

联合影像的短板和很多硬件公司类似：没有顶尖的科研型创新。跟在位者拼传统算法，在他看来是不现实的，“永远跟不上，他永远比我会有更多订单”。于是联合影像选了另一条路：跳过传统算法，直接用AI做技术突围。

这在深度相机和工业相机两条产品线上体现得最明显。

深度相机领域，国内头部玩家是奥比中光，他们走的是传统算法路线，积累了十几年的大量场景数据。联合影像没有这样的积累，干脆直接押注深度学习。

硬氪了解到，联合影像深度相机在户外阳光、低纹理平面、黑色镜面及强反光场景下的成像表现。结果显示，Eagle系列在复杂光照、弱纹理和高反射条件下，仍能输出显著超越可比产品的深度信息。

针对机器人底盘、头部、躯干、手腕和末端执行器等不同安装位，他们的产品可匹配不同baseline、FOV、帧率和成本区间。这一思路核心在于，把光学、结构、传感器与柔性制造组等织成一套可交付系统。

深度相机：具身机器人的视觉底座（图源/企业）

同样的，工业相机产品上，张枫明确要求都必须带端侧AI能力，“没有端侧AI的，或者客户不接受AI方案的，就不做。”

两种技术路线的差异也很直观：传统算法高度依赖工程师针对每一个异常场景逐一手动调参、写规则补丁；深度学习则是在数据驱动下自我迭代，泛化能力更强。

代价是前期研发周期长。张枫透露，算法团队做了近一年半，才达到奥比中光传统算法的水平。但一旦跨过这个阈值，后续的迭代速度和场景适应性就完全不一样了，能耗也更低。这是一条前期慢、但长期有想象空间的路。

除了加入AI能力，张枫还想让联合影像直接到AI产业链最上游，布局数据采集环节。但他不碰数据、不卖数据，而是服务数据公司，卖设备，做采集方案。

2026年8月18日，联合影像与五一视界合资成立AperData，发布数据采集基础设施。硬件覆盖三个视角：头戴式AperEgo（第一人称全景采集，四目总水平视场超270°）、腕部相机AperWristCAM、夹爪采集器AperFinger（集成视觉、深度、力觉等六大维度）。软件端AperOS把采集、质检、处理、解算到数据集交付串成完整链路。

这套方案和传统方式的区别是，将质量检查前移到采集端。清晰度、曝光、丢帧率、多通道同步都在端侧即时检查，无效片段在端侧直接筛除，有效数据再上传。这大幅减少了无效数据的传输和存储成本。

AperData发布至今已获超10000套订单，8月底首批量产交付，首发价5100元/套。

公司具身机器人数据采集设备（图源/企业）

联合影像早已不是那个微笑曲线低端的小供应商。它们转型成功的关键，来自于张枫的决断。他敢于放弃舒适区，将辛苦挣来的资金投入到创新业务中。

回过头来看，张枫2016年提的那个问题——手机这张“价值网”还能做多久——在当下更为尖锐。但不管硬件产品的周期如何起伏，视觉能力作为一项底层技术，总要找到新的应用载体去承接它的价值。联合影像恰好在这个转换节点上，找到了自己的位置。