基于二十余年的神经形态计算、脑启发算法和事件视觉研究，我们打造了可规模化落地的事件驱动感知与边缘智能平台，以“原生事件流 + 脉冲循环卷积神经网络（SCRNN）”为核心，在毫瓦级功耗下实现毫秒级响应。以神经突触可塑性学习（Neural Synaptic Plasticity Learning)为核心算法，突破传统帧式视觉与冯·诺依曼架构的能效瓶颈，通过模拟生物神经元的时空动态特性，为机器人与智能硬件提供可部署、可验证、可持续演进的感知基础能力，填补大模型与物理执行之间的高速感知运动闭环。