你的手机想在拥挤的地方保持信号，为什么这么难？
想象这个场景：
你在一个体育馆里、或者在一个会议中心、或者在一家工厂的IoT密集区——周围有成千上万个无线信号同时飞行，WiFi、蓝牙、4G、5G、各种物联网设备，全部挤在同一片频谱空间里，彼此干扰。
你的手机想从这片混乱里”听清楚”它应该听的那个信号，难度大到什么程度？
今天的做法是这样的：
手机的射频接收器先把这片模拟的无线电波，用一个模数转换器变成数字数据。然后把这些数字数据送进一个数字处理器，让它跑一堆算法去”理解”这些信号。整个过程大概要花几毫秒的时间。
在这几毫秒里，很多东西可能已经变了——信号强度变了、干扰来源变了、频道条件变了。等AI处理完数据、给出决定的时候，世界已经往前走了一步。这就是为什么在复杂、拥挤的无线环境里，连接往往很脆弱。
一家叫 VectorWave 的公司，问了一个激进的问题：
为什么非得先把模拟信号转成数字，再让AI理解？为什么不能直接在原始的无线电波上，让AI做推理？
它们给出的答案改变了延迟的数量级。
VectorWave：让AI”听”原始无线电波
这是 VectorWave 最激进的地方。
它做的东西叫 “神经形态模拟计算平台（neuromorphic analog compute platform）”。这个名字很拗口，但核心思路就四个字：在模拟域里算。
具体来说，VectorWave 设计了一个专用芯片，接在射频接收器的最前端。信号一进来——还是原始的、模拟的、未被数字化的电磁波形——这个芯片就直接对它做 AI 推理。不用转成数字、不用等待处理管道、不用任何预处理。
结果是什么？延迟从毫秒级，直接掉到纳秒到皮秒级——快了几百倍到几千倍。
比如，传统方式可能需要 10 毫秒才能”做出决定”；VectorWave 可以在 10 纳秒做出决定（1 纳秒 = 十亿分之一秒）。
从物理世界来讲，这意味着什么？它意味着 AI 和现实本身之间的时间差消失了。信号的世界还在实时变化，AI 的反应也在实时跟随。
为什么这个想法这么”硬”？因为它违反了现代计算的常识
如果你接触过任何计算机系统，你知道的规则是：所有东西都要数字化。声音要数字化、图像要数字化、无线信号也要数字化，然后计算机才能处理。
这条规则统治了半个多世纪，已经深深刻进了所有硬件设计者的脑子里。
VectorWave 反其道而行：不数字化，直接在模拟域做运算。
这需要完全不同的芯片设计、不同的算法、不同的物理理解。光是想到这一点就不容易，真正做出来更难。
不过 VectorWave 的创始人，有把握做成这件事。
创始人：MIT 博士，军工背景，论文发在《科学进展》
VectorWave 的创始人是 Dr. Ronald Davis。
他在 MIT 的博士项目期间，就开始研究”怎样在模拟射频信号上直接跑 AI”这件不可思议的事。后来他去了美国陆军研究实验室（U.S. Army Research Laboratory），继续深化这套思想。
这背景很说明问题。军事通信对”低延迟、高可靠、抗干扰”的需求极其苛刻——在战场上，毫秒级的延迟可能就意味着死和生。所以陆军研究实验室正好是这类”极端条件下的通信”研究的最前沿。
Davis 在那里做出来的，最后被发表在 《科学进展》（Science Advances）——这是顶级学术期刊，他的论文题目就是”世界上第一个能在原始射频信号上进行 AI 推理、无需任何预处理或数字化的硬件加速器”。
科学界的认可 + 军工级的可靠性背景 = VectorWave 这个项目不是玩票，而是有真实学术和工程根基的东西。
融资和商业化
公司于 2024 年成立，用来商业化 Davis 在 MIT 和陆军研究实验室开发的技术。
2025 年年中，VectorWave 完成了 250 万美元的种子轮融资，由 J2 Ventures（一家重点关注国防和通信领域的投资机构）和 Coalition Ventures 联合领投。
更重要的是：2025 年 12 月，思科前高管 Ben Taylor 加入公司担任 CEO。
这不是小事。Ben Taylor 在思科干过，对通信行业的产品化、商业化、客户关系有深刻理解。从”MIT 实验室里的科学成果”变成”能真的装在芯片里卖给客户”这一步，往往就是这样的”懂行人”出场的时候。
目前，VectorWave 已经从隐身状态走出来（2026 年 3 月公开发布），
正在和通信系统厂商合作，验证技术在真实场景里的可行性。
这个点子，为什么值得关注？
第一，它的切口是”物理现实”本身。
传统的 AI 都是数字的、离散的、发生在虚拟空间里。而无线电波是模拟的、连续的、发生在物理空间里。大多数 AI 研究者甚至都不会想到”让 AI 直接在物理层面思考”这种事——这听起来违反直觉。但 VectorWave 问的是：为什么不行？一旦你接受了这个想法，后面的逻辑就顺畅了。
第二，它解决的是一个”只会越来越严重”的问题。
无线频谱越来越拥挤（5G、6G、卫星通信、IOT爆炸），干扰只会越来越复杂。在这样的环境里，”谁能最快做出决定”就成了生死攸关的竞争力。VectorWave 的纳秒级延迟，在未来十年会越来越值钱。
第三，它有一个巨大的潜在市场，却几乎没人在做。
整个 5G/6G 产业、卫星通信、军事通信、工业 IoT、频谱管理——这些都需要”在拥挤环境里快速反应”。但做模拟芯片、用非常规思路的公司少到可怜。VectorWave 如果能成，它就是在一个巨大市场里几乎没有竞争对手的位置。
它面临的真实挑战
半导体芯片的验证极其困难。 VectorWave 的芯片是模拟+神经形态的混合，这是一个极少有人走的路。要证明它在真实通信环境里（噪声、干扰、温度变化都非常复杂）能稳定工作，需要大量的田间测试和工程调试。这条路没有捷径。
它的市场可能比想象中小。 虽然”频谱管理”听起来很大，但真正愿意为新的射频架构改变现有系统的客户，可能比 VectorWave 预期的要少。整个通信硬件产业非常保守——任何新技术要被采用，都需要通过严格的认证和测试。这会拖长商业化周期。
250 万美元种子轮，对这种硬科技来说不算多。 模拟芯片设计、流片、验证，都是烧钱的事。VectorWave 需要在有限的资金耗尽前，拿下至少一两个大客户、或者关键的技术里程碑验证。融资压力会很大。
写在最后
我们的大脑，是世界上最强大的”模拟计算机”。
它不用把感官信息先数字化，再做处理。它直接感知这个世界，直接在模拟的神经信号上思考，然后直接给出反应。这就是为什么大脑这么高效、这么低功耗。
过去几十年，计算机工程做的一件大事，就是”把模拟的世界全部数字化，然后在数字域里处理”。这条路很成功，但也有个隐蔽的代价：你永远比现实迟到几个时钟周期。
VectorWave 做的事情，是回到一个更古老的思路：为什么不让计算回到物理现实本身？
这需要极强的物理直觉、极强的硬件设计能力、和对问题本质的深刻理解。正因为这些，VectorWave 这样的公司不会很多。一旦有一家真的做成了，它就会是那个”改变整个产业”的标杆。
未来某一天，当你在体育馆里、在工厂里、在军事战场上，无论无线环境多拥挤，你的设备依然能保持坚实的连接——在那个设备的某个角落，可能就藏着一颗来自波士顿、能”听懂”原始无线电波的芯片。
那时，人类对”边缘 AI”的理解，就会进入一个新时代。
VectorWave 已于 2026 年 3 月公开发布。可前往 vectorwave.com 了解更多技术信息。
