睿创微纳以多维感知+AI为核心战略，构建了覆盖芯片、探测器、机芯、整机、配套软件的全栈自研技术体系，积淀了深厚的感知AI核心技术，并实现技术成熟迭代与规模化商用落地。在此基础上，公司全面升级AI战略，打造具备“专、精、特、新”差异化优势的红外大模型，推动红外技术从感知迈向认知。

睿创微纳红外大模型：让红外从”看见“走向“理解”

面向气体检测、电力测温、工业巡检、夜视安防、新能源安全等刚需场景，睿创微纳研发红外大模型，补齐传统红外设备“看得见、看不懂、不会判”的短板，为行业交付具备专家级推理、智能告警、辅助决策能力的智能化红外终端，精准匹配各垂直行业的高端智能化升级需求。

睿创微纳红外大模型依托端侧SOC本地化部署的差异化优势，构建软硬一体化智能解决方案，全方位赋能各垂直行业客户，加速红外产业智能化升级。

专：稀缺红外数据自建，构建专属治理体系

500万高价值多模态训练数据

可见光数据可通过互联网低成本海量获取，而红外成像必须依托专业红外设备，投入大量人力物力在特定行业、特定工况下专项采集，天然具备高稀缺、高成本、非通用的属性。

针对行业数据短板，团队搭建自动化专属数据采集体系，聚焦测温、夜视、气体检测等核心领域，定向覆盖多天气、多工况、多设备状态场景，配套精细化语义、温度、定位等全维度半自动标注治理，建成超500万级稀缺红外多模态数据集与同源评测集，形成自研、自建、自用的闭环数据体系，为红外原生大模型提供不可替代的专属数据支撑。

精：红外编码器预训练和桥接，提升认知精确度

定制红外专属模型训练体系

针对通用模型红外特征挖掘不充分、场景适配性弱的行业痛点，睿创微纳搭建红外专属预训练体系，自研适配红外成像机理的专用视觉编码器，深度契合红外信号特征与热分布规律，系统性提升红外感知精准度。

跨模态桥接适配，实现可插拔视觉-语言融合能力

依托自研红外专用视觉编码器，创新搭建可插拔跨模态对接架构，自研红外视觉编码器可灵活适配、桥接各类开源通用语言大模型，具备极强的通用性与拓展性。

为解决通用语言模型无法理解红外热辐射、温度分布、热源态势等专属物理语义的问题，睿创微纳构建高质量红外专属QA数据集，对桥接后的红外视觉语言模型进行定向后训练微调适配，让通用语言模型习得红外场景专属知识与研判逻辑，精准匹配红外视觉特征输出，实现红外专属视觉表征与通用语言语义的深度对齐、高效融合，构建适配红外物理感知场景的高精度视觉-语言认知能力。

特：开源LLM即插即用，行业特定场景数据后训练

沉淀垂直行业知识，贴合实景业务逻辑

区别于通用大模型的泛化场景认知，红外行业各类应用场景具备极强的专业性与独特性，通用模型无法匹配工业测温、气体检测、夜视巡检的专属细分场景业务规则与研判标准。公司深耕石油石化、能源电力、工业自动化等垂直行业领域，沉淀测温研判、气体泄漏风险、工艺监控、户外夜视态势感知等专属行业知识，将业务经验与场景逻辑融入模型研发。

并非面向通用识别任务，而是高频刚需场景的专项优化

相比通用大模型对场景的概括性理解，工业现场更强调对工业组件的准确识别、风险预警，以及对报警严重性的准确衡量，不能出现误报更不能漏报。

针对能源化工场站复杂的业务需求，睿创微纳通过红外、可见光、气体成像、测温等多模态数据，将模型能力下沉到具体业务场景中，提升识别、判断和告警的可用性，例如：

在气体储运场景中，睿创微纳针对甲烷、二氧化硫、乙醇、氟利昂（R-134a，R-152a）、六氟化硫、氨气、乙烯、丙烯、甲醇等多类气体的红外探测经验，对不同气体的成像特征、扩散形态、背景干扰进行强化训练优化，使模型能够更准确识别疑似泄漏区域，辅助判断泄漏气量浓度，量化泄露风险，减少人工巡检中“看不见、发现晚、难复核”的问题。

在设备运维场景中，面向变压器、开关柜、接线端子等关键组件，睿创微纳不仅通过语义准确分割目标，还将红外测温数据与双光图像数据进行多维映射，将温升异常、局部过热等异常隐患，把风险控制在早期阶段。同时，针对高温背景及高温动态目标等现场干扰，模型通过针对性干扰抑制降低无效告警，帮助运维人员从“狼来了”的困境中解脱出来，更从“事后排查”转向到“提前发现、定位处置”。

在周界防护和夜视巡检场景中，睿创微纳红外大模型强化了复杂光照和无光环境下的异常入侵行为识别能力，将正常工作目标与异常徘徊的可疑目标区别开，适应能源场站夜间值守、重点区域周界防护的需求，不仅降低漏报，还提升有效报警率，进而提升场站的安全管理效率。

通过面向标杆场景的定向后训练，睿创微纳红外大模型将红外测温、气体检测等行业知识与真实业务流程结合起来，不只是“识别画面里有什么”，更进一步理解场景，进而决策“这些现象在工业现场意味着什么、是否需要告警”。这使其能够更贴合能源与工业场景的实际需求，为气体安全、设备运维和场站安防提供更可靠的智能化支撑。

场景定向后训练，形成差异化特色能力

针对电力工业测温、石化气体检测、野外夜视安防三大核心场景，定制专属行业标注数据开展定向后训练，完成模型场景化专属优化。在测温场景实现设备温升异常、故障隐患的精准研判；在气体场景实现泄漏识别、定量分析与风险评级；在夜视场景强化复杂无光环境下的目标识别与抗干扰能力，形成通用模型不具备、贴合工业实战的专属场景解决方案。

新：架构范式革新，开创端侧商用新路径

模型架构创新，突破通用视觉范式瓶颈，构建红外物理量原生认知体系

现有视觉大模型通常适配8位图像输入，且在测温矩阵理解上存在上下文超限、算力开销激增的技术难题。睿创微纳重构模型底层架构与训练逻辑，创新搭建“RAW原始信号—温度矩阵—场景语义”一体化理解体系，实现红外高比特原始数据、精细化温度矩阵的原生高效接入与表征。依托专属物理表征建模能力，可高效支撑精准测温、气体泄漏分析、低空目标感知、车载夜视、异常热源研判等多维度下游任务，推动红外智能从传统可见光图像识别范式，升级为面向真实物理世界的量化感知与精准认知范式。

在此基础上，睿创微纳深度推进红外-可见光双光融合架构设计，构建双模态原生协同认知能力。相比单一红外感知，双光融合具有难以替代的场景价值：红外擅长捕捉温度分布与热辐射异常，可在夜间、烟雾、遮挡等极端条件下发现目标与隐患，但缺乏纹理、色彩、结构等语义细节；可见光则提供丰富的外观特征、设备标识与场景上下文，是理解物理世界的天然参照。二者融合可实现“热异常定位+目标身份确认+场景语义研判”的闭环认知，通过设计合理的双光数据配比与跨模态对齐训练策略，模型在强化红外物理量原生认知的同时，可见光理解能力不退化，真正实现双模态协同增益，为复杂工业场景提供更精准、更可靠、更低误报的智能决策支撑。

端云协同创新，构建高效安全推理闭环

打破行业主流云端单一部署模式，搭建“云端迭代、端侧落地、双向赋能”的全新架构体系，形成“训练在云、推理在端”的完整业务闭环。云端负责模型统一迭代优化与版本升级，边缘支持轻量化热更新，端侧承担实时推理执行任务，业务决策全程本地化、离线化，核心数据不出设备、不依赖外网，兼顾低时延、高可靠性与现场数据安全，适配工业、安防等严苛生产作业场景，保障大模型在真实业务环境高效稳定运行。当前，团队训练的4B和2B模型版本，可在边端算力平台高效运行，达到24/43 tokens/s，未来将继续支持瑞芯微等主流端边感知SOC平台。  

落地形态创新，实现零门槛全域适配部署

依托蒸馏、量化、剪枝等全套模型压缩与优化技术，打造可灵活裁剪的算法家族，能够按需适配手持终端、机芯模组、边缘算力盒等多类硬件形态，适配不同设备功耗与性能约束，实现“多形态硬件、一体化智能赋能”。整机预置全套AI能力，支持开机即用、零部署零调试，大幅压缩交付周期与落地成本。

睿创微纳红外大模型以“专、精、特、新”四维差异化创新为核心支撑，依托自主可控的稀缺数据体系、定制化训练范式、垂直场景赋能与底层架构革新全链条技术体系，打通红外专属数据积淀、高精度模型迭代、行业场景适配、端侧规模化商用的完整技术闭环，突破通用视觉模型的行业适配壁垒，引领红外感知技术范式升级，为红外产业智能化、规模化落地提供核心技术赋能与全新发展路径。