2026-11-06 · 瀚钦（丹东）智能科技有限公司
结论先行：用激光打蚊子的想法，美国团队 2010 年就做出来了；把它做成卖出去的产品的，是一家中国公司。中间隔的这十几年，不是技术，是工程化和供应链——这正是大多数企业 AI 落地卡住的那一段。
最近，一款来自江苏常州的 AI 激光灭蚊设备在海外火了：Photon Matrix，出自常州光之矩智能科技有限公司。据多家媒体报道，它在海外众筹平台把 2 万美元的目标做到了超 300 万美元，全球数千人下单、订单突破数千台，单价 600 多美元仍被抢购；《纽约时报》也做了报道。一条实景灭蚊视频在 TikTok 的播放量，一夜之间从 1 万飙到 7000 多万。
| 项目 | 具体内容 |
|---|---|
| 产品 | Photon Matrix 激光灭蚊设备，常州光之矩智能科技（2025 年 9 月成立） |
| 市场表现 | 海外众筹超 300 万美元（目标 2 万美元）；订单数千台（各稿披露在 3000-5000 台之间）；预售价约 600-650 美元；订单覆盖 70 多个国家，美国用户约占七成 |
| 技术组合 | 激光雷达 + 毫米波雷达 + AI 视觉协同；每秒数万至十万次扫描；6 米内对 2-20 毫米蚊虫识别率 90% 以上；0.003 秒锁定并发射脉冲激光烧穿蚊翅；每秒最高击落 30 只以上，纯物理灭杀无化学残留 |
| 安全设计 | AI 摄像头识别人和宠物即停射；识别反光表面防乱反射；红外支持夜间；独立雷达在全黑环境探测人员；购买者须通过 15 道安全测试题并登记指纹才能激活 |
| 研发投入 | 近 4 年研发；自建蚊子养殖室，累计消耗上万只测试蚊虫；申请专利超 23 项；研发投入 1200 万元；团队平均年龄约 30 岁 |
| 供应链 | 95% 以上配件纯国产，其中 80% 来自长三角 |
| 下一步 | 首批 4000 台量产中；计划延伸至农业除虫、仓储防护等 B 端场景 |
说明：本文素材为多篇报道合辑，个别数字（订单量、扫描频率、识别率、最终零售价）各稿略有出入，以官方披露为准；产品效果与安全性以监管审批结果为准。
报道里最值得咀嚼的一个细节是：用激光打蚊子的想法并不新鲜。2010 年，微软前首席技术官创办的 Intellectual Ventures 就发布过类似系统——但从未量产。十五年后，把这个想法跑完「最后一公里」的中国公司，靠的是什么？创始人王川的答案是供应链：
「如果核心配件依赖海外，那研发进度、成本管控都会举步维艰。成熟的本土供应链，让我们技术迭代、产品落地都得心应手。」
95% 配件国产、80% 来自长三角——激光雷达是自动驾驶汽车养熟了的部件，毫米波雷达、AI 摄像头都有现成产业带。所谓「降维打击」，前提是每个维度上都有便宜的零件可买。这就是想法和产品之间的距离：想法只值一次演示，把几百个零件凑成能量产、能售后、能过安全认证的整机，才叫落地。
第二个值得企业细读的细节，是研发卡壳的地方。团队预估 3 个月做出来，结果一做 3 年多；前两版激光雷达方案，屏幕上始终捕捉不到任何蚊虫信号，合作方一度判定这是「理论可行、但无法落地」的空想。最后找到的问题核心非常具体：
蚊虫的回波信号极其微弱，极易被设备判定为环境噪点并直接过滤。
针对这个问题重构识别逻辑、优化算法，第三版方案才捕捉到转瞬即逝的回波。数百次迭代之后，才轮到结构优化、散热调控、安全防护这些「后置工序」。
企业上 AI 的卡点，往往也具体到这个程度：不是「我们没有 AI」，而是某个具体的信号被你的老系统当噪点过滤了——客户咨询里的某类问题没被记录、设备的某些参数根本没联网、报表里那列「备注」从没人清洗过。落地难，难的不是模型，是把这种颗粒度的问题找出来、承认它存在、然后迭代到它被解决。这个团队最大的资产，不是那 23 项专利，是「愿意为一个小信号试几百次」的组织方式。
这个项目的爆发点也很有意思：众筹初期日均筹款只有约 2000 美元，团队一度「心里很没有底」。转机是创始人带着原型机到河边草坪，随手录了一段实战灭蚊视频——真实、直观、极具冲击力，一夜之间播放量 7000 多万，订单随之暴涨。
注意这条视频的性质：不是宣传片，是实测记录。对企业 AI 项目同样成立——向老板、向客户证明 AI 有用，最有力的从来不是方案书里的预期收益，而是一段带前后对比的真实作业记录：原来要 3 小时的活，现在 1 小时，过程全程可见。做 AI 落地，每个场景都应该留下这样的「实拍证据」。
还要专门说安全。这台设备用的是 4 类激光——最高功率等级，通常用于工业场景。光之矩的应对是一整套叠加防护：识别到人和宠物立即停射、识别反光表面、红外夜间工作、独立雷达在全黑环境探测人员，外加 15 道安全测试题加指纹激活才能开机。曾任劳伦斯伯克利国家实验室激光安全官的专家评价，这套多重防护可能使设备达到安全使用要求。
这个思路对任何上 AI 的企业都适用，而且我们此前反复写过：能力越强的系统，责任设计要越重——识别到风险立即中断的自动阀、需要人激活的指纹环节、买之前先答对 15 道题的使用门槛。给一线员工配 AI，配的不是「更强的手」，是「带保险的手」。
如果您想找一个「技术可行、只差工程化」的场景开始落地——欢迎约一次免费业务诊断；也可以先看我们的私有化部署方案与人工智能应用人才培训。
一只蚊子，值得一家公司死磕四年、烧掉 1200 万元吗？Photon Matrix 用 300 万美元众筹额和数千台订单给出了回答。而它真正值得写进企业复盘的，不是「中国 AI 灭蚊神器」这个标题，而是这条路径本身：老想法 + 成熟供应链 + 死磕一个具体信号 + 重安全设计 + 一段真实的实拍证据。这五样凑齐，「理论可行」才能变成「量产在手」——做产品如此，做企业的 AI 落地，同样如此。
注：本文事实与引语来自关于常州光之矩智能科技 Photon Matrix 的多篇公开报道（含海外众筹平台数据、《纽约时报》报道及国内媒体采访，订单量等数字各稿略有出入，以官方披露为准）；文中企业落地建议为本站观点，不构成对任何产品的推荐或效果背书。
关系在路径而不在产品。它完整示范了「理论可行」到「量产在手」之间缺什么：成熟供应链（95% 配件国产，让每个维度都有便宜零件可买）、对具体问题的死磕（三年只为一个被当噪点的回波信号）、重安全设计（能力越强责任设计越重）、以及真实演示证据（一条实拍视频胜过一万页 PPT）。企业上 AI 卡住的恰恰是这几段，而不是模型能力本身。
三个入手点：一是盘点老问题——哪些事技术早就可行、只是一直没人把它工程化，比如票据归档、工艺记录、巡检留痕这类重复性工作；二是盘自己的「AI 供应链」——现成的开源模型、国产算力、成熟部署工具链，先盘清这些现成件再谈自研；三是选一个可量化的小场景起步，接受为「小信号」迭代几十次的心理准备，把它推到稳定可用，比同时铺十个半成品 demo 有价值得多。
直接可用的产品暂时有限——它的第一批 B 端延伸方向是农业除虫、仓储防护，且尚未在国内零售。但它的技术组合值得记下：激光雷达、毫米波雷达、AI 视觉的融合识别，正是「多模态感知 + 本地计算」的典型架构，这类能力正在快速变便宜。对传统企业的实际含义是：仓库、车间、园区里那些「靠人盯」的场景，正在逐步具备低成本智能化的条件，做信息化规划时可以开始预留这一层。
