2025 年，计算光学成像持续突破，深度融合深度学习，推动成像技术从 “硬件主导” 到 “信息驱动” 的跨越，从“记录现实”升级为“重构需求”。这一变革正赋能航天安防、生物医学等前沿领域，其释放出的潜力将超乎想象。随着人们对未知探索的深入，对高质量生活的追求，以及对准确信息的需要。计算成像技术将不断突破边界，在更广阔的科技前沿绽放光彩。

9月10-12日，第26届中国国际光电博览会在深圳举行，同期举办的”计算光学成像技术创新论坛”中的圆桌论坛环节，北京理工大学 张楠教授、南京微纳科技研究院 汪远院长、浙江舜为科技有限公司光学总监 陈杭先生、滁州光芯智谱科技有限公司总经理 肖树林先生，围绕计算成像领域前沿展开探讨。这不仅是思想的碰撞，更是一场学术界与产业界的深度对话，旨在将观众的真实诉求和疑问，直接传递给行业专家。

核心议题一：AI与光学的结合点与未来方向

作为本次论坛的主持人，北京理工大学 张楠教授率先抛出核心议题：“AI 与光学的结合点在哪里？计算光学成像的下一站又在何方？”

舜为科技 陈杭总监表示：传统光学已近瓶颈，须通过微纳光学与光算结合来突破。例如在可穿戴设备中，AI 与微纳光学进行融合，能有效解决 “又小又轻” 与 “高性能” 之间的固有矛盾，可极大推动产品迭代。

南京微纳科技研究院 汪院院长表示：当前物理光学中，有大量信息（如偏振、光谱、量子态）尚未被充分利用。计算光学的使命，不仅是提升成像质量，更是要拓宽 “看” 的维度，将成像拓展至传感、感知和光信息处理，快速找到并解决产业痛点。

光芯智谱肖树林总经理指出：当前最大的问题是产业应用。传统计算光学的 “先重构图像，再分析” 模式对 AI 并不友好。他表示未来可以针对具体 AI 任务（如目标检测），直接设计端到端的光谱成像算法，效率更高。

主持人北京理工大学张楠教授表示：面对全球对设备智能化、微型化、集成化、多功能化的需求，企业正在积极探索 AI 带来的变革，尤其在光学领域，思考如何充分利用AI算法与端到端设计新方法，可能将成为应对未来机遇与挑战的重要方式。

在探讨完AI 与光学的结合点与未来方向后，主持人张楠教授提出议题二：“在极简光学设计与强大 AI 算法之间，产业该如何选择？是做复杂的硬件，还是简单的硬件配合复杂的算法？”

陈杭总监坦言，从可穿戴产品角度看，他更倾向简化硬件，强化算法。让光学硬件满足基本信息输入即可，将复杂的处理任务交给分布在设备端、芯片端和云端的算力，能最大化简化产品，提升综合性价比。

汪远院长表示赞同陈总观点，但也有补充。他表示：一方面，算力可以弥补硬件不足，例如利用微电子和软件发展，通过单镜头+算法实现低成本高性能成像，是计算成像的重要趋势。另一方面，从物理光学角度上看，在一些应用场景中，部分计算可在光学层面完成，利用光子并行处理优势，实现更高速度和更低能耗。

肖树林总经理认同两位老师的看法，补充提出可以由场景决定方案。在手机等低功耗场景，可在硬件上多做工作；在算力要求不高的场景，则简化物理光学，提升对应算法。未来的终极目标是希望发展出能适应多种场景的通用方案。

主持人张楠教授提到目前CIOE中国光博会许多企业正在 AI 浪潮下尝试转型。这个问题希望引发以硬件为主的企业思考如何转型，并进一步考虑在打造独特产品时如何权衡算法与硬件。他强调，技术落地的关键在于抓住市场痛点，并指出成功没有唯一的路径，必须根据具体产品和应用需求，在算力、时间、成本、信息等维度进行系统权衡，寻找最佳的软硬件优化组合方案。

探讨完硬件与算法的权衡智慧后，张楠教授抛出议题三：“如何看待 “AI + 光学” 与 “光学 + AI” 的双向奔赴？尤其是光计算最近在学术界和产业界的重大突破。”

肖树林总经理认为光计算在能耗上优势巨大，但目前仍以学术研究为主。可以设想把计算光学网络应用到计算光谱上，以大幅提升性能。

汪远院长以两个应用案例进行回答：一个是偏振方面，可以利用偏振信息，轻松识别水面、玻璃等，极大降低机器人的计算负担。另一个是红外光谱用于城市热检测，挖掘红外图像中的 “彩色” 信息，可以实现温度、湿度的精细化监测，助力智慧城市。汪院长认为，对于微纳结构制造来说，光计算在这块领域的应用前景非常广阔。

陈杭总监在此问题上对未来发出畅想，希望能以现有的制造能力，在光学显示器件上集成计算功能，让它既是显示器件又可以承担计算能力。

汪远院长补充道，他非常认同具身智能的想法，并强调在光学传感和识别中，获取信息和设计系统都离不开计算。以超表面为例，其作为光芯片，设计本身就需要海量计算。过去依赖理论推导，现在则更多采用 “痛点驱动” 的方式，直接用 GPU 求解，效率更高。因此，计算贯穿始终：既用于系统设计前的优化，也用于获取信息后的处理。