無需電源的AI眼睛：硅納米結構實現超低功耗圖像處理

探索宇宙奧秘 · 理性思考

訓練一個AI模型消耗的電力足以供普通家庭使用數十年，而當AI開始"看"世界，攝像頭的能耗又成為智能設備的阿喀琉斯之踵?，F在，美國圣路易斯華盛頓大學的一組研究人員找到了一條捷徑：他們讓光自己在納米硅片上完成圖像識別，整個過程不消耗一絲額外電能。這項發表于2026年1月21日《Nano Letters》的成果，首次實現了真正意義上的被動式非線性光學圖像處理，為機器視覺摘下了一直戴著的"電枷鎖"。

傳統計算機處理圖像，必須先將光信號轉換為電信號，再經過復雜的數字運算。全光學計算的夢想是讓光直接操控光，跳過耗電的模數轉換。但這里有一個物理難題：真正強大的圖像處理需要"非線性"運算，即輸出與輸入不成正比，類似于數字電路中的閾值判斷。

此前，實現光學非線性要么需要激光器級別的強光，要么需要外接電源激活特殊材料。Lawrence團隊的突破在于利用了硅的一個日常特性：吸光發熱。他們在硅片上刻蝕出數千個納米級"天線"，這些結構像微型烤箱一樣高效吸收入射光（捕獲率高達40%），卻因極高的品質因子（High-Q）而對溫度極度敏感。

當光照強度達到閾值，硅結構升溫，其光學性質發生突變，原本不透明的"暗像素"瞬間變得幾乎完全透明。這種"吸收-透明"的翻轉完全被動發生，無需電極，無需偏置電壓，僅憑光子自身的能量就能完成圖像的亮度篩選和特征提取。

用光學元件處理圖像并非新概念。早在20世紀中葉，科學家就利用透鏡的傅里葉變換特性進行模擬圖像處理，邊緣檢測、空間濾波等線性運算早已成熟。這些系統只能做"加減法"，無法完成神經網絡所需的"判斷"——即基于光強的非線性響應。

過去十年，超表面（metasurfaces）技術讓光學元件扁平化、微型化，但非線性處理始終是"電老虎"。2024年，麻省理工學院團隊曾利用相變材料實現光學非線性，但需要持續供電維持材料狀態。此次華盛頓大學的工作首次證明，僅憑硅材料的本征熱光效應，在室溫下就能實現低光強、高分辨率的非線性濾波。

這相當于給光學神經網絡補上了最后一塊拼圖：輸入層（超表面透鏡）、隱藏層（線性變換）和激活函數（此次實現的被動非線性）終于可以全部在光域完成，為超低延遲、零靜態功耗的純光AI芯片鋪平了道路。

浙江大學陳紅勝團隊在可重構超表面和近場光學方面成果顯著，其設計的動態超表面已實現太赫茲波段的實時調控；南京大學祝世寧院士團隊深耕拓撲光子學與超材料，在光量子信息處理領域保持領先；中科院長春光機所在窄帶濾光超表面和成像應用上具備工程化優勢。清華大學、華中科技大學等也在硅基光電子集成領域布局甚廣。

值得慶幸的是，這項技術路線完全兼容CMOS工藝——這意味著中國成熟的硅基芯片制造能力可以直接遷移。一旦國內團隊在熱光非線性機制或新材料（如硫系玻璃、ITO）上取得突破，完全有可能實現彎道超車。畢竟，讓AI"看見"而不"發燒"，是整個行業的共同追求。

Zhao, B., et al. (2026). High-Resolution and Ultralow-Power Nonlinear Image Processing with Passive High-Quality Factor Metasurfaces. Nano Letters. DOI: 10.1021/acs.nanolett.5c05424