Intelligent Opto-Electronics 论文推荐同济大学精密光学工程技术研究所程鑫彬教授团队为解决概率性逻辑门级联导致的成功率瓶颈问题，提出了一种变分量子嵌入学习框架，将包含多光子后选择的整个嵌入过程重构为一个统一的、可训练的非幺正映射矩阵进行整体优化，从而在保持线路可扩展性的同时高效生成纠缠。通过三个任务验证了该方法的通用性，为集成光子线路中实现量子嵌入提供了一条有效路径。文章 | Ren GH, Wang DL, Yan LZ, et al. Quantum embedding learning on variational photonic quantum circuits. Intell Opto-Electron 1, 250010 (2025). 第一作者：任冠衡；王东来通信作者：张卉；马逸明；程鑫彬点击文章标题查看全文研究背景在人工智能和大数据席卷全球的今天，经典计算机的算力正逐渐接近物理极限。为了突破这一瓶颈，科学家们将目光投向了量子计算。其中，量子机器学习（QML）被认为是最具潜力的方向之一。在量子机器学习中，一个至关重要的“翻译”步骤叫做“量子嵌入”：它负责将现实世界中的经典数据（如图像、数值等）映射到高维的量子态空间（希尔伯特空间）中。在这个高维空间里，原本杂乱无章的数据会变得更加线性可分，从而让计算机更轻松地完成复杂的分类或识别任务。在众多实现量子计算的硬件平台中，光子平台以其能够在室温运行、抗环境噪声能力强以及易于大规模芯片集成等独特优势脱颖而出。然而，光量子计算也面临着一个困难：光子之间的相互作用具有概率性，往往需要通过“后选择”机制（即只保留成功的运算结果）来实现逻辑门。这意味着，如果像搭积木一样简单地把多个逻辑门级联起来，总体的成功概率会随着深度增加而出现指数级骤降，导致复杂的深度量子算法难以在目前的光子芯片上落地。因此，如何高效地在光子平台上实现量子嵌入，并绕过这种“成功率陷阱”，成为了推动量子人工智能走向实用化的关键一步。本文亮点同济大学精密光学工程技术研究所程鑫彬教授团队提出了一种专门针对集成光子平台优化的变分量子嵌入学习框架，旨在解决概率性逻辑门级联导致的成功率瓶颈问题，为噪声中等规模量子（NISQ）时代的光量子机器学习提供了一条可行路径。在研究方法上，研究团队摒弃了传统将量子线路视为多个独立逻辑门序列的观念，将整个嵌入过程重构为统一的、可训练的非幺正映射矩阵。通过将线路演化与多光子后选择过程视为一个受归一化约束的整体算符，有效地规避了传统级联架构中成功率指数级下降的难题。在数学建模上，该框架利用玻色子不可分辨性产生的矩阵算符（Permanent）来计算输出概率分布，并通过变分优化算法动态调整权值矩阵，使光子线路能够自适应地学习目标任务的最优数据映射策略。图 1 基于变分光量子电路的量子嵌入学习架构示意图为了验证该框架的通用性与高效性，科研人员在三个代表性任务中进行了深入实验。首先在全贝尔态投影任务中，成功设计出一种能够单次测量判别所有四个贝尔态的光子投影器，在复杂量子信息的精确操控与高维数据的高通量处理等场景中具备极大潜力。图 2 完整贝尔投影算子的测量结果其次在量子支持向量机（qSVM）的非线性数据集分类实验中，该框架表现出卓越的特征映射能力，且在模拟去极化噪声环境下展现了比PEFM（Pauli-Encoding Feature Map）和PQK（Projected Quantum Kernel）等传统方案更强的鲁棒性，仅损失极小的精度即可维持稳定运行。图 3 双量子比特量子嵌入与分类结果最后在量子 K-means 聚类任务中，利用量子增强的距离估计技术实现了对复杂数据拓扑结构的自动识别与精准聚类。研究结论表明，通过整体优化变分映射矩阵，可以在有限深度的光子芯片上获得极强的非线性表达能力与噪声耐受力。这一成果不仅在理论上统一了光量子算法的合成与嵌入学习过程，更在实践上为光量子芯片在状态区分、数据分类及聚类分析等领域的应用提供了工具，对于加速集成光量子处理器在未来人工智能任务中的商业化落地具有深远意义。目前该工作以“Quantum Embedding Learning on Variational Photonic Quantum Circuits”为题发表在Intelligent Opto-Electronics 2025年第2期。图 4 量子K均值（QKMeans）结果【基金支持】该工作得到了国家自然科学基金项目(项目号62505228, 62405173)的支持。研究团队简介同济大学“精密光学工程技术研究所”（团队负责人：国家自然科学基金青年A类、长江学者王占山教授和国家自然科学基金青年A类程鑫彬教授）依托1个国家级和3个省部级平台，长期从事精密光学工程领域内的教育教学、基础科学、关键技术和工程应用研究。微纳光学与智能感知课题组张卉教授（高层次青年人才）长期从事基于光子集成芯片的光计算与量子人工智能研究。近年来，在Nat. Commun., Sci. Adv., Light. Sci. Adv., Phys. Rev. Lett.等期刊发表论文30余篇。长按识别此二维码，直达全文点击下载PDF文章荐读点击标题阅读报道或文章IOE | 量子边模纠缠技术突破——打开高速量子信息处理新维度【山西大学郑耀辉团队】Shi SP, Wu YM, Liu X, et al. Sideband entanglement preparation and their applications in quantum information science. Intell Opto-Electron 1, 250002 (2025). OEA | 超表面集成量子模拟运算：开启相位重构的新思路【湖南大学罗海陆教授团队】Li QY, Liang MG, Liu SQ et al. Phase reconstruction via metasurface-integrated quantum analog operation. Opto-Electron Adv 8, 240239 (2025). 智能光电 Intelligent Opto-Electronics（智能光电，IOE）由天府兴隆湖实验室主办，光电IP联合编辑部和光电期刊集群编辑部出版，是卓越行动计划领军期刊Opto-Electronic Advances（OEA，IF 22.4）的衍生姊妹刊，于2025年7月正式创刊并开始发表研究性论文，为开源的国际化期刊。该刊作为光电期刊品牌的新成员，采用国产自主的OEJ出版平台，探讨光电技术与人工智能之间的共生关系，致力于为全球科研工作者、工程师和学者提供一个展示前沿研究成果、促进学术交流与合作的开放平台。期刊官网：https://www.oejournal.org/ioe投稿链接：https://mc03.manuscriptcentral.com/ioe联系邮箱：ioe@xlll.cn光电期刊集群Opto-Electronic Journals Group敬请关注www.oejournal.orgOEE光电工程提能拓展计划中文核心SCOPUS关注工程应用OEA光电进展卓越行动计划SCI, EIJIF 22.4引领创新前沿OES光电科学卓越行动计划ESCISCOPUS面向基础科学OET光电技术卓越行动计划开放投稿聚焦核心技术OE光电新刊筹备总览学科发展OER光电研究评论虚拟期刊汇集综述评论IOE智能光电英文新刊开放投稿携手智能科技OEP光电+英文新刊开放投稿学科交叉融合OED光电发现英文新刊开放投稿探索生命和自然编辑 | 孙艺滢 彭诗涵 审核 | 杨淇名 张文丽转载或合作请联系：gdgc@ioe.ac.cn

2026 年 2 月 3 日，斯坦福大学刚毕业的两位博士 Kexin Huang（黄柯鑫）和 Yuanhao Qu（屈元昊）创立的 Phylo 公司宣布完成 1,350 万美元种子轮融资，由 Andreessen Horowitz（简称 a16z）与 Menlo Ventures 旗下与 Anthropic 合作的 Anthology Fund 联合领投。这笔投资的背后，是一款名为 Biomni 的开源生物医学 AI 智能体——它正试图重新定义生物学家与计算工具之间的关系。黄柯鑫师从斯坦福计算机科学教授 Jure Leskovec，后者的研究组在图神经网络和大规模机器学习领域影响深远；屈元昊则师从斯坦福病理学教授、《麻省理工科技评论》“35 岁以下科技创新 35 人”中国区入选者丛乐（Le Cong），丛乐是 CRISPR 基因编辑技术的先驱之一，这两位导师同时也是 Phylo 的科学联合创始人。此外，2022 年诺贝尔化学奖得主 Carolyn Bertozzi、CRISPR 技术先驱张锋（Feng Zhang）、计算生物学领军人物 Fabian Theis 等人也作为科学顾问加入了 Phylo。前 Benchling 首席战略官 Malay Gandhi 担任创始顾问，为公司的产品化和商业化路径提供指导。图丨Phylo 创始团队（来源：Phylo）在本轮融资宣布之前，我们与黄柯鑫进行了一次深入对话。他谈到了自己进入 AI for Biology 领域的契机、Biomni 的核心理念，以及他对这个交叉学科未来走向的判断。从数学到 AI 科学家黄柯鑫的研究兴趣并非始于 AI 热潮。他本科主修数学和计算机科学，大三时在洛克菲勒大学参与暑期实习，在 Lawrence Sirovich 教授指导下接触了计算生物学。但真正让他下定决心深耕这个方向的，除了学术兴趣，还有一些个人层面的考量。他意识到，如果计算方法真的能在生物医药领域产生影响，那它解决的可能不只是抽象的科学问题，而是与自己切身相关的健康命题。“我当时就想，能不能把自己的计算训练真正用到实际的事情上，做一些有影响力的工作，”他回忆道。这份对真实世界问题的关切，驱动他在此后近十年间持续探索 AI 在生物医药领域的应用。他先后在辉瑞、基因泰克、GSK、IQVIA、丹娜法伯癌症研究所等机构从事研究，积累了对产业界需求的深入理解。图丨黄柯鑫（来源：受访者）在斯坦福攻读博士期间，黄柯鑫师从图机器学习领域的知名学者 Jure Leskovec，发表了一系列高影响力工作。其中 TxGNN 是一个用于药物重定向（drug repurposing）的图神经网络基础模型，发表于《自然·医学》，能够在零样本条件下为缺乏现有疗法的疾病识别潜在治疗药物。另一项名为 GEARS 的工作专注于基因扰动效应预测。这些研究的共同特点是：用 AI 模型去理解和模拟生物系统中复杂的因果关系，而非仅仅拟合统计相关性。但黄柯鑫坦言，他始终有一个困扰。这些模型在论文中表现优异，却很难真正被生物学家使用。他做了大量工作，发布了各种机器学习模型和基础模型，在 benchmark 上效果都很好，但总觉得离“真的能用起来”还有距离。展示给生物学家看时，对方的反应往往是“这很酷”，可真让他们日常使用却无从下手。问题在于，这些预测模型对于科学家的日常研究任务来说是一种“增值服务”而非刚需，它们没有融入既有的工作流程。转折点出现在 2024 年。大语言模型驱动的 AI 智能体（AI Agent）概念兴起。黄柯鑫意识到，这或许是打通模型与实际应用之间鸿沟的关键。智能体能够直接影响生物学家的日常工作，因为它本质上是在自动化那些繁琐的常规任务——做生信分析、查数据库、查文献、汇总信息。这些事情占据了研究人员大量时间，却并不需要太多创造性思维。于是 Biomni 项目应运而生。Biomni：生物学的集成开发环境软件工程师有 IDE（Integrated Development Environment，集成开发环境），设计师有 Figma，分析师有 Excel，但生物学家从未拥有过一个真正属于自己的统一工作环境。科学文献分散在各种付费墙后面的 PDF 里，数据存储在 Excel 表格中，分析流程依赖 R 和 Python 脚本，数据库被困在形形色色的网页门户后面。科学家们不得不像急诊室的外科医生一样，手动缝合来自不同来源的碎片化信息，这个过程既低效又难以复现。Phylo 想要构建的，是生物学领域的 IDE。Biomni 正是这一愿景的首个具体化产品。Biomni 的技术架构由两部分组成。第一部分是 Biomni-E1，一个统一的生物医学“行动空间”。研究团队系统分析了 bioRxiv 上 25 个生物医学子领域的 2,500 篇近期论文，用 LLM 驱动的“行动发现智能体”从中提取完成各类研究任务所需的工具、数据库和软件。经过人工专家验证后，他们构建了一个包含 150 个专业生物学工具、105 个软件包和 59 个数据库的环境，涵盖从湿实验 protocol 设计、AI 预测模型到领域知识 know-how 的方方面面。图丨Biomni 中统一生物医学行动空间和 Agent 环境的概览（来源：bioRxiv）第二部分是 Biomni-A1，一个通用型智能体架构。它接收用户的自然语言查询，通过检索系统选取相关工具，运用 LLM 推理生成分步计划，然后以可执行代码的形式完成每一步操作。与传统的函数调用方式不同，这种代码驱动的方法能够灵活处理循环、并行和条件逻辑，适应生物学研究中高度异质化的工作流程。在论文中，研究团队展示了 Biomni 在多个真实场景中的表现。一位研究人员将 458 个 Excel 文件，包含 30 位受试者数月的可穿戴设备数据交给 Biomni，要求分析餐后体温变化模式。Biomni 自主生成并执行了 10 步分析流程，发现受试者进食后平均体温上升 2.19°C，且个体间存在显著差异。这项分析若由人工完成，预计需要三周；Biomni 用了 35 分钟。单细胞多组学数据的处理更能体现系统的复杂任务执行能力。面对包含约 33.6 万个细胞核的 snRNA-seq 和 snATAC-seq 数据集，Biomni 完成了从数据加载、基因调控网络推断到转录因子活性分析的完整流程。它不仅重现了原论文中已知的调控关系，还发现了 AUTS2、ZFHX3 和 PBX1 等转录因子在骨骼发育中此前未被充分认识的作用。整个过程耗时五个多小时，期间 Biomni 自行处理了变量名不匹配等执行问题，所有中间输出、代码、图表、日志，都被组织在可复现的文件夹结构中。另一个代表性的案例是一项分子克隆任务。在该任务中，Biomni 被要求设计将靶向人类 B2M 基因的 sgRNA 克隆到 lentiCRISPR v2 Blast 载体中的完整 protocol。它自主完成了质粒分析、sgRNA 设计、引物设计、Golden Gate 组装条件设定和菌落筛选策略制定。一位科学家严格按照 Biomni 生成的 protocol 进行实验，次日便观察到菌落生长，Sanger 测序确认 sgRNA 正确插入。在与人类专家的盲测对比中，Biomni 的表现与拥有 5 年以上经验的资深研究员相当，远超初级研究人员。图丨Biomni 设计湿实验室实验方案（来源：bioRxiv）通用架构的逻辑Biomni 选择了通用型（general-purpose）架构，而非为每个任务构建专门的智能体。为什么不针对不同任务做专门优化？黄柯鑫向我们解释了他的考量。“生物学里任务种类繁多，每个都不一样，甚至同一个任务换个问法就完全不同了。可以给每个任务都做一个专门的智能体，但这种方式根本没法规模化。”他们当时就在想，能不能设计一个通用型的架构，用一套系统解决各种各样的问题。更深层的理由在于跨学科发现的可能性。他观察到，很多重要的科学发现往往发生在两个子领域的交界处，需要调用不同领域的知识和信息。专门化的智能体都是任务导向的，而通用型智能体可以桥接不同子学科，这样就有机会做出一些新发现。这一观点与科学史上的诸多案例相呼应：CRISPR 的发现源于对细菌免疫系统的基础研究，而非定向的基因编辑技术开发；免疫检查点疗法的突破也来自对 T 细胞信号通路的基础探索。当然，通用架构也有局限。黄柯鑫承认，在某些需要高度专业 know-how 的任务上，比如只有资深专家才掌握的实验技巧，当前的 AI 智能体仍难以企及。那些高精尖任务，需要很强的隐性知识积累，目前还做不到。当然也有人质疑，生物学强调因果链条，而大语言模型本质上是在做模式匹配和相关性推断，它真的能胜任科学发现吗？对于这一问题，黄柯鑫的看法是：“很多时候我们也不确定那是不是真正的因果关系。本质上可能还是相关性，只不过当相关性足够强的时候，我们才认为它是因果。”生物学作为一门经验科学，知识增长本身就是通过大量证据的积累来实现的。今天发现 A 与 B 强相关，明天发现 B 与 C 强相关，逐步串联起来才形成对疾病机理的理解。从这个角度看，当前推理模型展现的能力或许已经足够支撑科学发现了。让 Biomni Lab 成为电脑上的标签页根据官方数据，自 Biomni 项目发布开源以来，其在不到一年已被超过 7,000 个实验室采用，包括全球 20 大制药公司中的 18 家。Phylo 的商业化路径是在开源版本基础上推出企业级产品 Biomni Lab，提供额外的安全控制、自定义 Agent 支持等功能。a16z Bio + Health 团队领投此轮的合伙人 Jorge Conde 在投资备忘录中写道，他们认为 Biomni Lab 可以成为每个实验室、每台电脑上永远打开的那个标签页。当一个统一的环境成为所有科学研究的窗口时，发现的速度和连贯性将发生根本性改变。在采访的最后，黄柯鑫谈到了他的长期愿景：五年、十年后，生物学家打开电脑第一件事就是使用类似 Biomni 这样的平台。早上先看昨晚智能体完成的任务结果，然后用自然语言写几条指令让它继续分析，自己则去做实验或者思考更有意思的问题。这种人机协作模式类似于 PI（首席研究员）与研究团队的关系，一个科学家可以同时指挥十几二十个 AI agent 并行执行不同任务。常规分析都能被覆盖，这样，人类就可以专注在产生有意思的想法上。这次融资距离 Biomni 论文发布仅八个月。从学术项目到商业公司的速度之快，也反映出当下 AI for Science 赛道的火热。但正如黄柯鑫所言，当前最大的非技术瓶颈或许是教育和信任——让更多生物学家理解并接受这种全新的研究方式，学会与 AI 智能体协作，并在过程中保持科学家应有的审慎。这是一种完全不同的工作模式，需要时间。参考资料：1.https://phylo.bio/2.https://biomni.stanford.edu/paper.pdf运营/排版：何晨龙

本文是专业学术论文解读，不做医疗建议。打哈欠是我们日常生活中再常见不过的事情。困了打一个，早上醒来打一个，甚至看到别人打哈欠自己也忍不住跟着来一个。从哺乳动物到两栖动物、爬行动物及其他脊椎动物，打哈欠这一行为在进化史上被极其完整地保留了下来。长期以来，大众对打哈欠的认知往往停留在“氧气不足”或“感到无聊”的层面。虽然学术界曾提出过“体温调节”、“皮质醇调节”等假说，但始终缺乏直观且有力的生理证据来揭示其核心机制。我们不禁要问：如果仅仅是为了换气，为何进化会选择如此复杂的肌肉协作？近日，由澳大利亚神经科学研究所的亚当·马蒂纳克（Adam Martinac）带领的研究团队在 bioRxiv 上发表了一项研究。他们在 MRI 技术（磁共振成像）辅助下发现，打哈欠绝非一次简单的深呼吸，而是大脑专属的 “保养程序”，它能让大脑周围的液体（脑脊液）倒流向脊柱方向，帮大脑清除废物、降温。图 | 亚当·马蒂纳克（来源：澳大利亚神经科学研究所）为了试图解开打哈欠的确切功能及其对身体影响的谜团，马蒂纳克及其同事招募了 22 名健康的成年志愿者，男女比例各占一半，11 男 11 女，平均年龄 30 多岁。这并非一项简单的实验。由于哈欠具有自发性且极难在固定指令下产生，研究团队在 MRI 扫描仪内安装了屏幕，循环播放人类和动物打哈欠的诱导视频。志愿者需要完成四种动作：正常呼吸，作为基础对照、自然打哈欠，通过视频诱发、有意识地抑制哈欠，以及强制性张口深呼吸，模拟哈欠的空气吸入量，用于对比。每种动作至少重复 3 次。实验的核心监测点位于上颈椎水平（C3 椎骨平面）。研究人员可以实时量化脑脊液、颈内静脉血以及颈动脉血的流速与流向。图 | 研究观察了血液和脑脊液流入和流出大脑的情况（来源：上述论文）鉴于打哈欠和深呼吸的物理形态相似，研究人员原本预期它们的流体动力学模式也应该大同小异。然而，MRI 图像揭示了二者本质的区别。正常呼吸时，脑脊液和血液表现为低频、低幅度的震荡，紧随心跳和呼吸节奏波动，整体净流量变化极小。当你深吸气时，胸腔压力降低吸引静脉血下行流出大脑。为了维持颅内压力平衡，脑脊液通常会向上流入大脑填补空间。此时，血液向下，脑脊液向上，二者是反向运动的。而在打哈欠的吸气阶段，这种平衡被打破了，脑脊液不再向上流动，而是反过来与静脉血步调一致，同步高速流离大脑，向脊柱方向排去。研究还发现，女生打哈欠时，脑脊液和静脉血共同外流的概率比男生高（74% vs 24%）。对此，马蒂纳克团队给出了“科学且尴尬”的解释：这可能与 MRI 机器的副作用——外周神经刺激（PNS）有关。在强磁场环境下，男性的身体架构更容易受到感应电流的刺激，导致腹部和躯干肌肉产生非自主的微弱抽搐。实验中，几乎所有男性志愿者都报告了强烈的肌肉颤动感，而女性则大多无感。这种肌肉颤动干扰了正常的胸腔压力梯度，从而打乱了男受试者脑内的流体流向。因此，研究者认为，女性的数据其实更接近人类在自然状态下打哈欠的真实生理表现。那么，为什么打哈欠时，会出现这种独特的“倒流”模式？研究团队给出了极具说服力的生理逻辑。脑脊液不仅给脑细胞输送葡萄糖、氧气等营养，还能带走 β-淀粉样蛋白等代谢垃圾。哈欠引发的脑脊液与静脉血同步涌动，极大地增强了溶质的输送效率。尤其在长时间睡眠后，大脑积聚了大量腺苷（引起困意的化学物质），打哈欠就像指令到位，通过强力冲刷帮大脑迅速清除垃圾，恢复清醒状态。 此外，大脑工作时会发热，温度比体温高 0.3-0.9℃，打哈欠时脑脊液和静脉血一起外流，能把热量带到肺部散掉，同时吸进冷空气，给大脑快速降温。更有趣的是，研究发现，每个人都有自己的“固定程序（Yawning Signature）”。通过追踪志愿者舌头的运动轨迹（从舌尖到舌根的形变），研究者发现：虽然人与人之间的打哈欠动作千差万别，但同一个人在不同时间打哈欠，其舌头的运动路径、翻转角度和时间跨度几乎完全重叠，相似度平均高达 86%。即便你为了礼貌努力憋住哈欠，虽然嘴唇闭合，但 MRI 显示你脑干内的神经电信号和舌根肌肉的收缩依然会强制执行这套程序 。这有力地证明了哈欠受脑干中“中枢模式发生器（CPG）”的严格控制。它不是学来的技能，而是像心跳、吞咽一样，被刻在基因里的自动化行为。研究还观察到，约 81% 的哈欠后会紧跟一个吞咽动作，这进一步说明了哈欠与脑干基本生存机能的深度耦合。这项研究告诉我们，打哈欠不是无聊或懈怠的表现，而是身体极其珍贵的自我修复。它通过独特的生物力学设计，为大脑降温、清除垃圾、充能。所以，当你下次在会议或课堂上忍不住张大嘴巴时，请坦然面对，那能让你以更好的状态重新投入工作。参考链接：1.https://www.biorxiv.org/content/10.64898/2025.12.17.695005v1.full.pdf运营/排版：何晨龙本文是专业学术论文解读，不做医疗建议。

导读空芯光纤气体激光技术作为一种新型激光技术，兼具光纤激光与气体激光输出波长灵活可调、转换效率高、光束质量优异、输出线宽窄等优势，为光纤激光波长拓展以及功率提升提供了全新思路。国防科技大学王泽锋教授围绕光纤激光技术的国防应用，在新型激光、基础理论、核心器件、关键技术等方面取得了系列创新成果，获“2024年度中国光学学会·科技创新奖·王大珩光学奖”。《光学学报》作为中国光学学会会刊，特邀王泽锋教授团队发表综述，就空芯光纤气体激光技术发展脉络进行了详细梳理。封面解读本封面的核心元素是两段空芯光纤，分别代表了两种工作原理的HCFGL。空芯结构提供了光与气体介质相互作用的理想环境，周围的CO₂、HBr等分子是光纤内的增益气体，基于粒子数反转原理可实现3.1~4.8 μm中红外波段的激光输出；文字“Visible to mid-IR”则体现基于受激拉曼散原理实现宽波段输出的能力。封面所展示的技术结合了光纤激光器和气体激光器的优点。文章链接：王泽锋, 周智越, 刘佩聪, 裴闻喜, 李炫熹, 石婧, 陈琪, 雷罗昊, 李天宇, 孙广荣, 吕国瑞, 李昊, 田鑫, 徐亚美, 汪书怡, 杨林永, 陈子伦. 空芯光纤气体激光技术：现状与展望（特邀）[J]. 光学学报, 2026, 46(2): 0200005.1.背景介绍光纤激光器凭借光束质量好、效率高、结构紧凑等诸多优势已广泛应用于多个领域，基于Yb3+、Er3+、Tm3+三种主流的稀土离子掺杂，其发展主要集中在1 μm、1.5 μm和2 μm波段。由于石英光纤声子能量等因素的限制，光纤激光器在其他波段、特别是中红外波段的波长拓展以及功率提升发展受限。空芯光纤（HCF）作为一种新型光纤将光场主要限制在空芯区域传输，大幅降低与基质材料的重叠，具备低损耗、低非线性、高损伤阈值等优势；其既能高效低损耗传输激光，又为光与气体相互作用提供了理想环境。在此基础上发展的空芯光纤气体激光（HCFGL），融合了光纤激光器与气体激光器的核心优点，为传统实芯光纤激光实现波长拓展、以及功率提升提供了全新解决路径，有望在空间通信、材料加工、生物医疗和光电对抗等领域发挥重要作用。2.关键技术发展HCF迅速发展，窄线宽光纤激光泵浦源性能日益提升，HCF耦合技术不断突破，为HCFGL的发展提供了强大动力。2.1 低传输损耗空芯光纤的发展如今HCF在多个波段的传输损耗已突破实芯光纤的极限，HCF性能的提升极大程度地促进了HCFGL的发展。在500~600 nm可见光波段，HCF的传输损耗已经低至1 dB/km；1.5 μm通信波段的传输损耗更是仅有惊人的0.091 dB/km，打破了传统实芯光纤的损耗极限；尽管声子能量对长波长激光损耗较大，但HCF在中红外波段的最低损耗也达到了18 dB/km（@3.16 μm）。2.2 窄线宽光纤激光泵浦源发展1 μm、1.5 μm和2 μm波段的窄线宽光纤激光是HCFGL最常用的泵浦源。基于Yb3+掺杂光纤，1 μm波段窄线宽光纤激光的最高功率已突破7 kW；掺铥光纤激光器是产生2 μm窄线宽光纤激光的主要手段，其最高输出功率也已达到2 kW；1.5 μm光纤激光的功率水平虽不及二者，目前也能实现数百瓦功率输出。2.3 空芯光纤耦合技术的发展能否实现空芯-实芯低损耗、高效率耦合是HCFGL往高功率、高效率发展的关键因素。目前主要的耦合方式包括空间耦合、拉锥耦合、熔接耦合等。空间耦合技术成熟，但是抗干扰能力较差；拉锥耦合能够提升系统的紧凑性和稳定性，但是工艺复杂、耐高功率能力差。熔接技术能实现低损耗高可靠性耦合，但是回光反射抑制问题仍有待解决。3. 空芯光纤气体激光进展C2H2、HBr、CO等气体是基于粒子数反转的HCFGL常见增益气体。得益于这些气体分子的吸收/发射特性，该类HCFGL输出中红外波段激光有着得天独厚的优势。通过泵浦填充CO的HCF，HCFGL的最长输出波长已经突破4.8 μm，这是目前为止报道的石英基光纤激光器的最长输出波长，彰显了HCFGL卓越的波长拓展能力；该类激光器在中红外波段的功率提升能力同样出色，基于C2H2和HBr粒子数反转的HCFGL分别在3.1 μm和4.16 μm处实现了21.8 W和10 W的连续波激光输出，21.8 W代表着该类HCFGL的最高输出功率，而10 W则书写了4 μm以上光纤激光功率新纪录；通过HCF中HBr/CO两种气体混充，HCFGL实现了3808 nm到4842 nm的阶跃调谐激光输出，超过1000nm的跨度是目前光纤激光最大的调谐范围，展现了HCFGL宽波段输出能力。图1 基于粒子数反转的HCFGL代表性实验装置示意图和结果。(a) 4.8 μm空芯光纤CO气体激光；(b) 高功率空芯光纤C2H2气体激光；(c) 高功率空芯光纤HBr气体激光；(d) 大范围阶跃调谐输出的空芯光纤HBr/CO混充气体激光基于SRS原理的HCFGL输出波长灵活，理论上可以实现任意波长的激光输出。H2、CH4、D2是此类激光器常见的气体，目前，该类HCFGL输出波长已覆盖紫外到中红外波段。2002年，该类HCFGL第一次得到报道，利用HCF代替传统气体腔，将激光阈值降低了多个数量级，开辟了HCFGL新纪元（Benabid F, Knight J C, Antonopoulos G, et al. Science, 2002）；通过泵浦HCF中CH4和D2可以直接输出1.5 μm高功率、窄线宽激光，为光纤通信、遥感探测所需光源提供了新思路；通过CH4和D2气体级联转换或直接借助H2振动SRS过程，还可以有效输出中红外波段激光；该类HCFGL目前最高输出功率已突破110 W，高功率输出潜力巨大。图2 基于SRS的HCFGL代表性实验装置示意图和结果。(a) 首个HCFGL；(b) 1.5 μm波段空芯光纤甲烷气体激光；(c) 级联结构的中红外波段HCFGL；(d) 110 W高功率HCFGL4.总结与展望HCFGL在激光波长拓展、功率提升等方面均表现出了巨大优势，为解决常规实芯光纤激光存在的技术瓶颈提供了全新思路。未来，围绕HCFGL的性能提升与实用化目标，可从多维度实现技术突破：降低HCF传输损耗、优化高功率窄线宽泵浦源性能、开发光谱合束技术，可将HCFGL输出功率推向新高度；深入研究气体分子物理特性、探索电激励等新型泵浦方式、尝试多气体混充，提升HCFGL波长拓展以及宽范围调谐能力；攻克空芯-实芯光纤低损耗高强度耦合难题，同步全光纤光电器件研发，加速HCFGL全光纤化进程。上述技术突破将为HCFGL综合性能突破以及其在光电对抗、激光通信、前沿光谱探测等领域的广泛应用筑牢根基。— 作者及其团队简介 —王泽锋，教授、博导，南湖之光实验室（国家级重点实验室）日常工作负责人，国防科技大学高功率光纤激光方向负责人，入选国家级科技创新领军人才、国防科技卓青，获王大珩光学奖中青年奖、全国优秀博士学位论文提名奖，国家某重大科技专项重点项目首席科学家。带领团队主要从事高功率光纤激光、超快激光加工、空芯光纤气体激光、智能激光对抗等研究，先后主持国家/国防项目20多项，取得多项创新成果，相关成果成功应用到相关装备中，部分成果完成转化，服务国民经济建设。一作或通信作者发表SCI论文100多篇（Nature Communications 1篇，Light：Science & Applications 4篇，Optica 1篇），一作出版著作5部，授权发明专利80多项，相关成果获湖南省技术发明一等奖1项、军事技术发明二等奖1项、中国光学十大进展1项。主讲《光纤光学》、《新型激光技术》等课程，培养博士28人、硕士30人、本科100多人。如有光学论文写作/实验笔记经验、绘图工具介绍，或其他优质稿件，欢迎投稿至ioptics@clp.ac.cn。字数控制在2000-3000字为佳，稿件一经录用，我们将提供具有竞争力的稿酬。期待你的来稿！END由于微信公众号试行乱序推送，您可能没办法准时收到“爱光学”的文章。为了让您第一时间看到“爱光学”的新鲜推送， 请您：1. 将“爱光学”点亮星标（具体操作见文末）2. 多给我们点“在看”点在看联系更紧密

“中国造”AI 芯片再发 Nature。芯片良率达 92.1%，反复弯折到 180 度，连续弯 4 万多次计算能力丝毫没下降。连续进行 100 亿次乘法运算，一个错误都没出现。通过了 −40°C 至 80°C 的冷热冲击及高湿和光照老化，并在常规条件下长期放置 6 个月以上，性能依然稳定。芯片成本最低只有 0.016 美元，比一块糖果还要便宜。（来源：https://www.nature.com/articles/s41586-025-09931-x）这便是清华大学任天令教授团队打造的一种名为 FLEXI 的超薄可弯曲 AI 芯片，它薄如蝉翼厚度只有大约 25 微米，轻得几乎感觉不到，却能像人脑一样思考，也能处理复杂的数据。它可以被反复折叠，卷曲 4 万多次而不会损坏，甚至可以缝进衣服、贴在皮肤上，也能植入医疗设备之中成为我们身体的第二层智能皮肤。图 | 任天令（来源：受访者）FLEXI 芯片非常适合运行 AI 任务，比如识别图像、理解语音和分析心电图等。因为这些任务本质上就是做大量的乘法累加计算。同时，FLEXI 芯片可以一并运行成千上万次这样的运算，真正做到又快又准。首次在柔性平台实现存内计算架构，真正面向 AI 与神经网络应用谈及芯片成本，论文第一作者、清华大学闫岸之博士告诉 DeepTech：“0.016 美元是一个基于批量生产估算的工程数据。柔性工艺本身的物料成本并不高。我们主要考虑的是非一次性成本，也就是大批量生产时的平均成本。这包括了每片面板的材料费、沉积、光刻等工艺的设备分摊费用等。像掩膜版这类一次性投入，在量产规模下可以被摊薄到很低。”图 | 闫岸之（来源：闫岸之）目前，FLEXI 芯片已在健康监测场景中完成应用验证。研究团队围绕该芯片开展多生理信号健康监测研究，通过采集心率、呼吸、体温和皮肤湿度等数据训练神经网络模型，并将模型部署至 FLEXI 芯片上，实现高能效的片上本地推理分析。比如，它能在单次心跳中识别出心律不齐的迹象，准确率高达 99.2%；也能判断一个人是在静坐、走路、跑步还是情绪紧张，准确率超过 97.4%。这意味着未来我们可以拥有更智能、更贴身的健康助手，及时发现身体异常，甚至能够预防疾病发生。比如，未来你手上的健康手腕不仅能够记录心跳和步数，还可以实时分析心电图，在心跳出现异常之前发出预警；你穿的衣服则有可能感知你的体温、汗水和呼吸，随后自动地调节温度，并能在你疲劳时提醒你休息。而这些，都有可能依赖 FLEXI 这块可弯曲的 AI 芯片加以实现。谈及能够发在 Nature 的原因，闫岸之表示：“我认为核心还是工作本身扎实且具有突破性。这一点从同期 Nature 新闻评论中也能看出，柔性电子领域的知名学者比利时鲁汶大学 Kris Myny 教授评价我们的工作填补了空白，是当前最先进的柔性平台之一。在性能指标上，无论是频率、能效还是能量延迟积，我们都显著超越了此前已报道的柔性芯片。”他继续说道：“我们首次在柔性平台上实现了存内计算架构，真正面向 AI 与神经网络应用。其次，我们是首个将时钟频率提升到 10MHz 以上的柔性芯片，而此前同类芯片多在 1MHz 左右。此外，我们也是首个采用工业标准进行系统化机械与老化测试的柔性芯片研究，从可靠性角度建立了新的评估范式。”（来源：https://www.nature.com/articles/s41586-025-09931-x）打破传统芯片思路，在内存里直接做数学传统电脑或者手机芯片里的大脑分为两部分：计算中心（CPU）和记忆仓库（内存）。每次处理数据时，CPU 都要从内存里搬运数据过来，算完再存回去，这个过程很慢很耗电，就好比每做一道数学题都要跑一趟图书馆查公式一样。FLEXI 芯片采用了一种名为存内计算的新设计，能够把计算单元直接建在记忆仓库里，让数据在原地就能完成计算。这就等于把公式和计算器带在身边，不用来回跑图书馆，那自然就能飞快做题，而且还特别省电。闫岸之表示，要为柔性设备赋予真正的智能，必须引入存内计算这样的高能效架构。传统 CPU 的能效和算力难以支撑神经网络任务，而数字存算结构既能提供高并行计算能力，又具备良好的鲁棒性，适合在机械应力多变的环境中使用。你可能以为芯片都是在硅晶圆上刻出来的硬邦邦的小方块。但是，FLEXI 芯片使用一种名为低温多晶硅的材料，像印刷报纸一样印在柔软的塑料薄膜上的。这种材料和传统硅材料相比，虽然性能稍逊，但优点是可弯曲、成本低、适合大规模生产。该团队通过优化制造工艺，让它既柔软又高效，还能集成成千上万个微型晶体管。他们还从以下三个方面进行了同时优化：材料工艺、电路设计、AI 算法，让芯片在保持低功耗的同时，还能高速运行神经网络。他们甚至设计了一套轻量化的 AI 模型，可以直接一次性烧录进入芯片，无需反复读写，极大提升了效率。（来源：https://www.nature.com/articles/s41586-025-09931-x）实现传统刚性芯片难以达到的性能闫岸之告诉 DeepTech：“相比于传统刚性芯片使用的高纯度单晶硅，我们采用的低温多晶硅在半导体参数上虽然有所差距，但在柔性芯片体系中，我们在精度和能效上已经做到了当前最先进的水平。这背后主要是通过我们在论文中提到的 CLCO 策略——也就是工艺、电路、算法多层级协同优化来实现的。”在工艺层面，他们通过大量的实验和模拟，充分掌握了薄膜厚度、晶体管参数等在制造过程中的分布规律，特别是针对柔性 CMOS 工艺进行了多次迭代优化。在电路层面，他们采用了数字存内计算架构，这在器件一致性较差的柔性工艺中，相比模拟方案更能抵抗工艺波动和环境变化的影响，同时也省去了功耗较大的模数转换模块。在算法层面，他们采用了一次性部署的轻量化神经网络方案，即使是在仅 1 Kbit 存储的芯片上也能完整运行，避免了外存数据搬运带来的功耗和延迟，显著提升了芯片在实际边缘场景中的可用性。闫岸之补充称，本次芯片在 AI 应用上的核心思路是一次性部署，即让整个神经网络完全运行在存算芯片内部，避免与外存频繁交换数据。为此，他们采用量化感知训练等方法，在压缩模型规模的同时尽量保持精度，实现了又小又准。他们还测试了包括手写数字识别、语音唤醒、心律失常检测等多个任务，在 1 Kbit 芯片上实现心律分类 99.2% 的准确率。此外，还通过多生理信号融合，实现了对人体日常活动模式的识别。（来源：https://www.nature.com/articles/s41586-025-09931-x）对于应用前景，闫岸之有着更多畅想。他表示：“医疗健康是一个重要的方向，除此之外，我认为它在柔性机器人领域会有很大潜力。”利用 FLEXI 芯片可以大面积延展的特性，能够为机器人制作电子皮肤，解决现有机器人近距离感知能力不足的问题。例如结合红外传感器，实现非接触式的距离感知与避障。此外，它也非常适合用于脑机接口这类神经探针设备。柔性材质能更好地贴合生物组织，实现高通量神经信号采集与前端实时处理。对于近年来发展迅速的可变形机器人，FLEXI 芯片在复杂曲面上具有天然优势，可用于局部运动控制、环境识别等任务，甚至可以应用于微型飞行器的导航与通信。未来，清华大学团队希望能将芯片集成在电子皮肤、可植入神经探针、甚至语音交互贴片等场景中，让人机交互更自然、更高效。能够取得今天的成果，自然离不开团队。闫岸之最后表示：“任天令教授等始终尊重科研探索的客观规律，同学们在长期研究中难免遭遇挫折、走入弯路甚至经历失败，老师从不会苛责，反而耐心引导，鼓励我们沉下心来独立思考、深入探索。团队倡导交叉研究与大胆探索，不同研究方向的同学可随时交流探讨，遇到科研难题也能根据需求组建团队协同攻关，这是这样开放务实的科研氛围，让我们敢于探索、勇于尝试，诸多创新想法也得以生根发芽、落地推进。”参考资料：相关论文 https://www.nature.com/articles/s41586-025-09931-x运营/排版：何晨龙

今天凌晨，谷歌母公司 Alphabet 公布了 2025 年第四季度财报：总营收 1138 亿美元，同比增长 18%；净利润 345 亿美元，同比增长 30%；稀释每股收益 2.82 美元，同比增长 31%。三项核心指标全部超出华尔街一致预期。全年营收达 4,028 亿美元，Alphabet 也因此成为历史上首家年营收突破 4,000 亿美元的科技公司。财报发布后，CEO 桑达尔·皮查伊（Sundar Pichai）随即在 X 平台上分享了这一成绩，并特别强调：“AI 技术栈推动了我们的进步，Gemini 的采用速度比历史上任何其他模型都要快。”（来源：X）这也是这份财报的主要意义之一。过去两年，围绕大型科技公司最核心的争论始终只有一个：AI 的巨额投入到底能不能变成真金白银？Alphabet 这份 Q4 财报给出了目前为止最清晰的阶段性回答：能，而且正在加速影响。只是需要付出对应的代价。要理解 AI 对 Alphabet 的影响，Google Cloud 是最关键的指标。本季度谷歌云业务收入 177 亿美元，同比增长 48%。这个增速相当惊人，对比上个季度是 34%，再上个季度是 28%。可以看出，增长曲线不是在放缓，而是在陡峭上扬。华尔街此前预期云业务增长约 36%，实际结果几乎高出 12 个百分点。更值得注意的是利润端的变化。Google Cloud 的经营利润率从一年前的 17.5% 跃升至 30.1%，单季度经营利润达到 53 亿美元，几乎是去年同期的 2.5 倍。对于长期被 AWS 和 Azure 压制、稳居“老三”的 Google Cloud 来说，这不仅意味着跑得快，更说明它正变得越来越稳健。图 | GoogleCloud营收柱状图和经营利润柱状图 （来源：财报）具体来看，驱动力主要来自三个方向：一是企业客户对 AI 基础设施（如 GPU 和 TPU 算力）的强劲需求；二是基于 Gemini 模型的企业级 AI 解决方案开始规模化落地；三是传统云计算产品继续保持稳定增长。Pichai 在财报中透露了一个直观的规模指标：包括 Gemini 在内的自研模型，通过 API 每分钟处理超过 100 亿个 token。这意味着，谷歌的 AI 模型早已不是实验室里的演示品，而是以工业级规模为付费客户提供服务。但 AI 对 Alphabet 收入的渗透远不止云计算。这家公司最古老也最核心的现金牛——搜索广告，在本季度意外贡献了 631 亿美元收入，同比增长 17%，增速甚至比上季度的 14% 还要快。过去一年半，“AI 将杀死谷歌搜索”几乎成了科技圈的共识。每当 ChatGPT、Perplexity 或 SearchGPT 亮相，总有人预言“搜索引擎的末日”即将到来。但目前，至少从财务数据上看，这个末日还远远没有到来。Alphabet 在财报中将当前描述为 AI 驱动的"扩张性时刻"。AI 不是在分流搜索用户，而是在创造新的搜索场景和更高的用户参与度。Gemini App 的月活用户已突破 7.5 亿，这本身已经是一个超级应用的体量。换句话说，AI 不只是一个亮点，它正在同时拉动两大核心引擎：云计算的爆发式增长，以及搜索广告的持续加速。而这两大业务合计占 Alphabet 总营收的七成以上。当一项技术能同时驱动一家公司最重要的两块收入来源时，说它正在重塑这家公司，并不夸张。不过，有些出人意料的是，财报公布后 Alphabet 股价并没有应声上涨，而是在盘后一度暴跌 7%。市场反应的答案大概率指向一个因素：财报宣布 2026 年资本支出预计（Capital Expenditure，简称 CapEx）在 1,750 亿至 1,850 亿美元之间。这是什么概念？做个对比就清楚了。2025 年全年，Alphabet 的资本支出为 914 亿美元，已经让市场感到紧张。此前华尔街普遍预期 2026 年会有所增长，多数分析师的预测区间在 1,160 亿到 1,400 亿美元。而 1,800 亿美元的中值，比最乐观的预期还要高出约 400 亿。相当于每天要花将近 5 亿美元建设 AI 基础设施：数据中心、服务器、自研芯片、网络设备……图 | Alphabet 近五个季度资本支出（单位：百万美元）。从Q4 2024到Q4 2025，单季CapEx从143亿美元攀升至279亿美元，同比增速从30%加速至95%（来源：财报）就在一周前，Meta 刚刚宣布 2025 年资本支出指引为 600 亿至 650 亿美元，已引发关于“AI 是否烧钱过度”的激烈讨论。如今 Alphabet 的 1,800 亿，反倒让 Meta 的数字显得保守。市场的真正焦虑，或许并不在于 Alphabet 花不花得起这笔钱。毕竟，公司在 2025 年创造了 1,647 亿美元的经营现金流，账上还有 1,268 亿美元现金及有价证券，甚至在去年 11 月还发行了 248 亿美元债券来充实“弹药库”。问题的关键在于回报率：当资本支出以每年翻倍的速度增长，而收入增速维持在 15%–18% 区间时，这两条曲线终将交汇。不过，目前盘后的恐慌情绪在随后交易中有所缓解，跌幅已经收窄至约 1.81%。（来源：Yahoo）除了 AI 主线，财报也透露出一些值得留意的细节。YouTube 全年收入突破 600 亿美元，平台规模超过 Netflix。其中广告收入为 114 亿美元，同比增长 9%，略低于市场预期的 118 亿。9% 的增速是近几个季度的低点，部分原因是 2024 年美国大选带来的政治广告高基数效应。但在流媒体竞争日益激烈的背景下，YouTube 正通过订阅服务转型，逐步构建更稳定的收入结构。“其他押注”（Other Bets）板块的亏损则显著扩大，从去年同期的 12 亿美元增至 36 亿美元，主要拖累来自自动驾驶公司 Waymo。本季度，Alphabet 确认了 21 亿美元的 Waymo 员工股权补偿费用。就在几天前，Waymo 还宣布完成 160 亿美元新一轮融资，估值达 1,260 亿美元。其中绝大部分由 Alphabet 自己出资。Waymo 的战略价值毋庸置疑，但它正成为财报上一个越来越显眼的亏损项。资产负债表的结构性变化同样值得关注：长期债务从一年前的 109 亿美元激增至 465 亿美元。这家历史上几乎不举债的公司，如今正以前所未有的速度加杠杆。可以看出即便是全球最赚钱的科技巨头，仅靠自身现金流也已难以支撑这场 AI 军备竞赛的烧钱节奏。抛开这些细节，这份财报的核心可以归结为一句话：AI 正在以可验证的方式为 Alphabet 创造收入，但对应的投入正在以更快的速度增长。乐观的解读是，我们正处于 AI 基础设施建设周期的早期。就像 2000 年代中期的云计算和 2010 年代的移动互联网一样，前期的大规模基建投入将在未来数年释放指数级的回报。Cloud 48% 的增速、搜索广告的持续加速、Gemini 生态的快速扩张，都在支撑这个叙事。不过科技史上也不乏“投入永远追不上回报”的案例。当所有超大规模云厂商都在翻倍加码 AI 资本支出时，产能过剩和价格战的风险不容忽视。更何况，Alphabet 还面临美国反垄断诉讼对搜索业务的潜在冲击。一旦核心现金牛受损，1,800 亿美元的年度 CapEx 就可能从前瞻性投资变成财务负担。无论如何，2025 年 Q4 的财报已经证明了：AI 变现正在发生。而 2026 年的财报，将展示这场变现的速度，能否真正追上投入的脚步。这是 Alphabet 面临的问题，也是整个科技行业在未来 12 个月必须回答的问题。参考资料：1. 2025q4-alphabet-earnings-slides2. 2025q4-alphabet-earnings-release

昨天刚宣布完 SpaceX 收购 xAI，马斯克团队又有新动作了。据多家媒体报道，马斯克团队近期密集走访中国多家光伏重镇企业，考察项目覆盖设备、硅片、电池组件等全产业链环节，重点瞄准异质结（HJT，Heterojunction Technology）和钙钛矿技术路线。此前市场上就已经流传了相关消息：SpaceX 与国内 HJT 整线设备龙头迈为股份敲定约 5 亿美元的设备订单，对应约 7GW 异质结年产能。虽然迈为股份对此始终不置可否，但公司股价已在短短两个月内翻了三倍多。与此同时，特斯拉团队也在密集对接中国光伏设备厂商。这一系列动态，和日前马斯克在达沃斯论坛宣布的能源目标直接相关。1 月 22 日，在达沃斯论坛上，马斯克抛出了一个宏大计划：SpaceX 与特斯拉将在未来三年内，于美国本土建设总计 200GW 的光伏产能，其中太空光伏与地面光伏各占 100GW。（来源：World Economic Forum）这个数字意味着什么？2024 年美国全年光伏新增装机量约为 50GW，马斯克的计划相当于在三年内将美国的光伏产能翻两倍。更值得关注的是，这 200GW 产能的核心应用场景并非传统的地面发电，而是指向两个新兴领域：AI 数据中心供电和太空算力中心。马斯克认为，当前 AI 的爆发式增长正在制造前所未有的能源缺口。一个大型 AI 数据中心的年耗电量可达数十万 MWh，传统地面电网已经难以承载这种规模的需求增长。与此同时，SpaceX 的星链计划正在进入规模化部署阶段，每颗卫星都需要稳定可靠的供电系统。在稳定供给方面，太空光伏相比地面光伏有着显著优势：太空中没有大气层遮挡、没有昼夜交替、没有天气干扰，年发电小时数是地面的 7 到 10 倍。在近地轨道，光伏组件可以实现 24 小时不间断发电，这对于需要持续运转的太空数据中心和卫星星座而言是刚需。马斯克进一步推断，到 2030 年，SpaceX 将每年部署约 100 万颗太阳能 AI 卫星，届时"部署 AI 成本最低的地方将是太空"。图 | SpaceX 发射部署卫星（来源：X）这番预测并非空口白话。就在 1 月 30 日，SpaceX 向美国联邦通信委员会（FCC）正式提交申请，计划发射多达 100 万颗 Starlink 卫星，以构建一个环绕地球的"轨道数据中心系统"。根据 SpaceX 的描述，这将是一个拥有前所未有计算能力的卫星星座，用于驱动先进的 AI 模型及其所依赖的应用。 配合上 SpaceX 与 xAI 的整合，将形成"火箭发射+太空算力+AI 模型"的闭环生态——SpaceX 通过星舰低成本发射卫星，在轨数据中心为 xAI 提供海量算力；而特斯拉的储能与能源管理技术，则有望支持这些数据中心在太空中高效利用太阳能持续运行。这一协同效应给了马斯克一个完美的“太空能源”故事，也为 SpaceX 计划于 6 月进行的 IPO 提供了强有力的估值支撑。不过，这一切实现起来并不简单。因为太空环境也对光伏组件提出了极其苛刻的要求：需要承受正负 150 摄氏度的剧烈温差循环、高能宇宙辐射、高真空环境，同时还必须实现极致的轻量化以降低发射成本。传统的砷化镓电池虽然效率高、抗辐射性能好，但成本高昂，难以支撑大规模部署。这正是马斯克选择 HJT 技术路线的原因。异质结电池具备薄片化、轻量化的特点，可以降低发射载荷，显著降低单位功率的发射成本。同时，HJT 的低温工艺使其具备更好的柔性兼容性，适配新一代卷展式太阳翼。更重要的是，HJT 是钙钛矿叠层电池的最优底电池，具备长期技术演进潜力。从这个角度看，马斯克团队考察光伏企业并非一时兴起，而是其太空能源战略的关键一环。那么，为什么是中国呢？过去十几年，中国光伏产业完成了从"三头在外"到全球领先的蜕变。所谓"三头在外"，是指原材料、设备、市场都依赖海外。而如今，中国已经建立起全球最完整、最具竞争力的光伏产业链。在硅片环节，中国企业的产能占全球的 92%，形成了绝对的主导地位。在电池和组件环节，中国同样占据超过 80% 的全球市场份额。更关键的是，在光伏设备领域，中国企业同样走在前列。以 HJT 整线设备为例，迈为股份是全球少数具备完整供应能力的厂商，其设备占据市场大量份额，并实现了对外出口。图 | 全球光伏供应链市场占比（来源：IEA）成本同样是不可忽视的竞争优势。据欧盟委员会测算，中国光伏制造总成本相较欧洲低 35%，较美国低 20%。以光伏组件为例，中国生产的产品较美国和欧盟生产的产品节约成本超过 50%。这种成本差距不是某个单一环节的优势，而是全产业链系统性效率的体现。对于马斯克而言，中国光伏的吸引力还体现在另一个维度：HJT 设备的自动化程度极高，所需人工较少，非常适合在美国本土生产。据接近马斯克团队的消息人士透露，他们正在考虑采购 HJT 电池生产线，"因为 HJT 电池产线的自动化程度比较高，需要的人工比较少，适合在美国生产"。这意味着，马斯克此次的策略可能是：从中国采购设备，在美国建厂生产。这既能享受美国《通胀削减法案》对本土光伏制造业的补贴支持，又能利用中国设备的技术优势和成本优势。从产业链的角度看，SpaceX 直接采购中国光伏组件的可能性较低，但采购设备的概率较大。一位曾接洽过马斯克团队的光伏企业人士表示："见到了马斯克团队的技术专家，他们主要是为了了解中国相关产业的现状，我认为 SpaceX 不太可能从中国厂家采购光伏组件，买设备的概率比较大。"目前，已有多家中国企业进入了 SpaceX 的供应链体系。东方日升已累计向 SpaceX 交付星链卫星电池片 5 万片，计划在 2026 年月度出货量达到 10 万片。乾照光电长期为星链提供砷化镓太阳电池片。赛伍技术已确认供应给 SpaceX，是星链太阳翼封装的关键材料供应商。双良节能为 SpaceX 发射基地液氧加注系统提供高效换热器。如果马斯克的 200GW 产能计划能够落地，对中国光伏设备企业而言将是一个重大利好。据机构测算，200GW 产能对应未来三年年均 60 至 70GW 的设备采购需求，涉及硅片、电池、组件等多个环节，利润体量可能达到 80 至 100 亿元。太空光伏组件的高溢价特性也值得关注。地面光伏组件单价约 0.7 元/W，而太空组件单价可达 100 元/W 以上，是地面产品的 100 多倍。这意味着，一旦进入太空光伏供应链，企业的盈利能力将获得质的提升。有分析指出，东方日升的 HJT 太空电池单瓦盈利超过 1 元，是其地面产品的 10 倍。但机遇背后也存在风险和不确定性。一方面是出口管制问题。虽然 HJT 设备目前未列入官方管制清单，但如果交易涉及可能用于军事目的的情况，仍需进行严格的合规审查。SpaceX 作为与美国国防部、NASA 有着紧密合作关系的企业，其采购行为必然受到更多关注。另一方面则是技术竞争的长期性。中美在商业航天领域的竞争日趋激烈。中国向国际电信联盟提交了超过 20 万颗卫星的频率与轨道资源申请，国家航天局商业航天司设立并发布行动计划，千帆星座、中国星网等项目正在加速推进。太空光伏作为卫星星座的核心能源解决方案，其重要性不言而喻。此外，马斯克的 200GW 计划能否真正落地还存在疑问。有券商直言这可能是马斯克"画的大饼"。从历史经验看，马斯克的计划也往往伴随着时间延迟和规模调整。因此，太空光伏的故事最终能走多远，还需要时间给出答案。参考链接：1.https://iea-pvps.org/wp-content/uploads/2025/04/Snapshot-of-Global-PV-Markets_2025.pdf运营/排版：何晨龙

Banner本文由论文作者团队投稿导读分布式光纤声波传感技术凭借其独特的超长距离连续监测能力，正逐步成为地质灾害预警、结构健康监测等关键领域的杀手锏解决方案。然而，测量速度和动态应变测量范围是一组矛盾，两者之间的权衡严重制约了这一技术在复杂环境中的应用拓展。近日，华中科技大学唐明教授、赵志勇副教授团队联合智利费德里科圣玛利亚理工大学研究人员提出频梳相关光谱反射仪（OFC-SCR）分布式光纤声波传感技术，成功实现了对测量速度/动态应变测量范围权衡的指数级突破，同时验证了系统在高灵敏度性能下的强鲁棒性。这一技术为该领域开辟了一种全新的实施范式，大幅推进了分布式光纤声波传感的综合性能，相关研究成果以“Frequency-comb enabled spectrum-correlation reflectometry for distributed fiber-optic sensing”为题发表于Light: Science & Applications。分布式光纤声波传感技术利用光纤本身作为传感介质，通过探测背向瑞利散射光来实现对光纤沿线的实时分布式振动监测。凭借光纤介质优异的长距离覆盖和抗电磁干扰特性，该技术在地球物理勘探与灾害预警、重大基础设施安全保障等领域逐步展现出不可替代的价值。光谱分析和相位解调是实现对外界扰动定量探测的两条主流技术路线，然而现有技术不可避免地存在测量速度和动态应变测量范围之间的权衡。光谱分析方法依赖耗时的逐频扫描过程以获取宽带光谱信息，测量速度缓慢，难以捕捉高频扰动；相位解调方法则受制于相位累积恢复过程的回转速率，应变测量范围小，难以满足复杂工程应用需求。因此，如何在保持高灵敏度的同时，实现高速、宽动态范围的分布式光纤振动探测，已成为该领域亟待解决的关键难题。面对以上矛盾，研究团队创新性提出频梳相关光谱反射仪分布式光纤声波传感技术。光频梳是由数字域生成的一系列等间隔、相干性良好的离散谱线组成，这为传感系统的宽带瑞利光谱解调提供了一种兼顾超高精度和灵活可调优势的解决方案。依据瑞利散射理论模型和奈奎斯特采样定理，研究团队引入频梳探测光替代传统单频光源，提出了频率交织的双边带光频梳配置方案（图1），利用频梳探测光对光纤本征的瑞利散射光谱进行并行采集，使系统的有效采样率不再受探测频率数量限制，由此突破了探测速度和动态应变测量范围难以兼得的关键瓶颈，使光谱测量从串行迈向并行，从根本上颠覆了传统逐频扫描的工作机制，系统的动态响应能力相比传统逐频扫描探测技术路径实现了数量级的跨越。图1：频率交织的双边带光频梳配置方案原理图图2所示为频梳相关光谱反射仪实验系统图。由于所用探测光为频梳信号，单次测量即可获得宽带的瑞利散射光谱，如图3（a）所示，将测量光谱依次与参考光谱做互相关运算，即可实现宽带、超高灵敏度的动态应变测量，如图3（b）所示。由于频梳相关光谱反射仪的信号解调不依赖相邻采样点间的信号连续性，动态应变测量范围只由频梳的调制带宽决定，不受相位累积恢复过程的回转速率限制，相同参数条件下的高频应变测量范围比传统相位解调方案至少提升了一个数量级。图2：频梳相关光谱反射仪实验系统图图3： (a) 瑞利散射光谱随时间变化过程；(b) 光谱互相关结果随时间变化过程研究团队还进一步研究了该方案对高频振动信号的探测能力（图4）。基于一个频梳序列重频为50kHz的传感系统，实现了对接近奈奎斯特采样频率（25KHz）的24kHz高频振动信号的探测，如图4所示，相比同样带宽和频率分辨率条件下的传统光谱分析方案频响极限高出一个数量级。此外，实测结果在接近系统25kHz奈奎斯特采样频率极限的同时，还将系统的噪声基底抑制在11.4pε/√Hz水平，在频率响应和探测灵敏度两方面同时具备突出表现，其综合性能显著优于既有的光谱分析方案。图4：(a) 振动区域应变解调结果；(b) 振动信号解调时域波形；(c) 振动信号解调结果PSD谱总结与展望本研究提出的频梳相关光谱反射仪（OFC-SCR）同时具备高速率、大范围、高精度与强鲁棒性等突出优势，显著拓展了分布式光纤声波传感的性能边界。团队提出的“频梳并行探测+谱间相关解码”测量思想是一种具有普适性的光谱传感机制，有望带来光纤传感领域的一次范式革新，攻克传统逐频扫描传感系统的顽疾。展望未来，随着光频梳器件与数字信号处理的进一步发展，该技术有望在地球物理勘探、地质灾害预警、重大基础设施安全保障等关键领域实现规模化应用，并推动分布式光纤传感向更高灵敏度、更广覆盖范围及更强环境适应性的方向迈进。论文信息Lin, Z., Zhao, Z., He, H. et al. Frequency-comb enabled spectrum-correlation reflectometry for distributed fiber-optic sensing. Light Sci Appl 15, 11 (2026).https://doi.org/10.1038/s41377-025-02080-wBanner编辑：赵阳审核：郭巳秋高被引文章统计如下数据来自Web of Science，Light: Science & Applications的高被引文章数量在国内同类期刊中稳居领军地位。截至目前：超过3000次引用的文章有1篇https://doi.org/10.1038/lsa.2014.99超过2000次引用的文章有2篇https://doi.org/10.1038/s41377-019-0194-2超过1000次引用的文章有5篇https://doi.org/10.1038/lsa.2014.30https://doi.org/10.1038/lsa.2016.133https://doi.org/10.1038/s41377-020-0341-9超过900次引用的文章有8篇https://doi.org/10.1038/lsa.2017.168https://doi.org/10.1038/lsa.2017.141https://doi.org/10.1038/s41377-021-00658-8超过800次引用的文章有9篇https://doi.org/10.1038/lsa.2014.48超过700次引用的文章有11篇https://doi.org/10.1038/lsa.2013.28https://doi.org/10.1038/s41377-018-0078-x超过600次引用的文章有20篇‍https://doi.org/10.1038/s41377-020-0326-8https://doi.org/10.1038/s41377-020-0264-5https://doi.org/10.1038/s41377-018-0060-7https://doi.org/10.1038/lsa.2015.30https://doi.org/10.1038/s41377-022-00714-xhttps://doi.org/10.1038/lsa.2015.67https://doi.org/10.1038/lsa.2014.46https://doi.org/10.1038/s41377-020-0268-1https://doi.org/10.1038/lsa.2014.60超过500次引用的文章有32篇https://doi.org/10.1038/lsa.2017.39https://doi.org/10.1038/lsa.2017.146https://doi.org/10.1038/lsa.2015.131https://doi.org/10.1038/lsa.2013.26https://doi.org/10.1038/lsa.2015.97https://doi.org/10.1038/lsa.2014.42https://doi.org/10.1038/lsa.2016.17https://doi.org/10.1038/lsa.2015.97https://doi.org/10.1038/s41377-019-0148-8https://doi.org/10.1038/lsa.2016.76https://doi.org/10.1038/lsa.2014.94https://doi.org/10.1038/s41377-020-00421-5https://doi.org/10.1038/lsa.2014.58‍超过400次引用的文章有60篇https://doi.org/10.1038/s41377-022-00897-3https://doi.org/10.1038/s41377-018-0091-0https://doi.org/10.1038/lsa.2012.1https://doi.org/10.1038/s41377-021-00639-xhttps://doi.org/10.1038/s41377-021-00501-0https://doi.org/10.1038/lsa.2017.134https://doi.org/10.1038/s41377-020-00353-0https://doi.org/10.1038/lsa.2014.22https://doi.org/10.1038/s41377-020-0331-yhttps://doi.org/10.1038/s41377-019-0201-7https://doi.org/10.1038/s41377-018-0013-1https://doi.org/10.1038/lsa.2015.59https://doi.org/10.1038/lsa.2015.137https://doi.org/10.1038/s41377-021-00527-4https://doi.org/10.1038/s41377-021-00497-7https://doi.org/10.1038/s41377-022-00717-8https://doi.org/10.1038/lsa.2016.243https://doi.org/10.1038/s41377-019-0205-3https://doi.org/10.1038/s41377-021-00469-xhttps://doi.org/10.1038/s41377-018-0038-5https://doi.org/10.1038/s41377-021-00551-4https://doi.org/10.1038/s41377-018-0090-1https://doi.org/10.1038/lsa.2016.144https://doi.org/10.1038/s41377-020-00367-8https://doi.org/10.1038/lsa.2013.6https://doi.org/10.1038/lsa.2017.16https://doi.org/10.1038/s41377-019-0191-5https://doi.org/10.1038/s41377-022-00851-3超过300次引用的文章有116篇超过200次引用的文章有203篇超过100次引用的文章有515篇超过50次引用的文章有976篇欢迎课题组投宣传稿请扫码联系值班编辑

Opto-Electronic Advances封面论文推荐哈尔滨工业大学马欲飞教授团队从解调方式、波长扫描技术以及探测元件等角度出发，致力于提升测量速度，使得系统的探测速度可达ms量级，有力地推动光致热弹光谱技术在快速测量领域的发展。封面文章 | Wang YZ, He Y, Qiao SD et al. Fast step heterodyne light-induced thermoelastic spectroscopy gas sensing based on a quartz tuning fork with high-frequency of 100 kHz. Opto-Electron Adv 9, 250150 (2026). 第一作者：王元治、何应通信作者：马欲飞点击文章标题查看全文研究背景在生产生活中，工业废气中排放的二氧化硫、氮氧化物等会形成酸雨，危害土壤和水体生态系统，还会对人体呼吸系统造成损害。气体监测技术可用于监测大气、工业排放中的有害气体，帮助相关部门及时掌握环境质量状况，采取有效措施控制环境污染。同时，气体检测技术在医疗、安全监测、星际探测等领域都发挥着重要作用。光致热弹光谱技术(Light-induced thermoelastic spectroscopy, 简称LITES)是一种非接触式的高灵敏度气体检测技术, 该技术的原理是激光穿过特异性气体照射在石英音叉表面引起其热弹性形变，并产生机械振动，机械振动导致石英晶体产生压电信号、用于反演气体浓度。LITES技术由于其具有特异性强、灵敏度高且全波段光谱检测等特点，优势显著，是近年来气体传感领域的研究热点之一。但一直以来，LITES传感器的测量周期普遍停留在秒量级以上，这就像用 “慢镜头” 观察快速变化的场景——当遇到化学反应中气体浓度的瞬间波动、燃烧场的动态变化，或是人体快速呼吸时的气体成分改变等 “快节奏” 场景时，传统LITES技术难以精准捕捉细节，严重限制了其在快速检测领域的应用。因此，如何让LITES技术 “提速”，实现毫秒级的快速测量，成为亟待突破的关键问题。本文亮点针对目前LITES传感系统测量速度慢的问题，哈尔滨工业大学马欲飞教授团队在其前期扎实的研究基础上，从石英音叉响应机制出发，对LITES气体传感系统进行了创新优化，采用外差解调、阶跃式波长扫描和高频石英音叉对系统进行升级，大幅提升LITES传感器的测量速度，以适应动态场景下的快速测量需求。研究人员采用了一种高频石英音叉作为探测元件，与标准石英音叉相比，该石英音叉具有较窄的叉指间隙和较短的叉指长度，其共振频率可达~100 kHz。实验采用外差解调技术搭建传感器系统，与传统的谐波解调技术相比，该技术使音叉处于瞬态响应下，大大缩短了系统的检测时间，同时能够校准音叉的频率。搭建的实验装置和两种音叉的结构参数如图1所示。图1 传感器结构示意图。(a) H-LITES系统；(b)高频音叉结构图；(c)标准音叉结构图C2H2-LITES传感器的信号测试结果对比如图2所示，可见高频音叉的“拖尾时间”明显减小。通过指数拟合可以看出，基于高频音叉的LITES系统响应速度相比标准音叉提升了约10倍，测量周期仅33 ms时即可保证音叉信号衰荡完全(信号衰减为0.1%)，且不同周期间不会发生串扰。图2 (a)高频音叉H-LITES信号拟合；(b)标准音叉H-LITES信号拟合研究人员提出了一种新颖的波长扫描技术—阶跃外差式LITES技术(step heterodyne light-induced thermoelastic spectroscopy, 简称SH-LITES)。在标准H-LITES技术中，使用梯形波扫过吸收线，梯形波前半段会让激光器波长完整覆盖整个目标吸收线。在实际测量时，反映气体浓度的信号峰值只出现在吸收峰两侧的特定位置，其他位置的波长扫描并无必要。SH-LITES技术只在峰值出现的波长附近进行扫描，这样可省去对无效位置的扫描，在不改变音叉响应时间的前提下，测量周期进一步缩短。两种扫描方式如图3所示。图3 1f信号 (红)、H-LITES波长扫描方式(黄)和SH-LITES波长扫描方式(蓝)该工作还对比了在15 ms到39 ms之间不同扫描周期下H-LITES和SH-LITES的信号表现，如图4所示。对于H-LITES来说，它的信号幅值和扫描周期是 “深度绑定” 的，这是由于能量耗散问题，当缩短扫描周期时，信号就会出现串扰，幅值也跟着快速下降，周期越短衰减越明显。而SH-LITES在该范围内信号幅值并不会随着周期缩短而持续衰减。即使将周期压缩到15 ms，信号幅值还能稳定在57.7 μV，这个数值仍然优于H-LITES在33 ms周期下的54.2 μV。该结果表明，SH-LITES技术在时间效率上有所提升，扫描周期可以降低至15 ms。图4 不同扫描周期下H-LITES和SH-LITES信号幅值对比如图5所示，SH-LITES系统以H2O作为检测气体，测量表征了人体呼吸状态的变化情况，研究对比了商用音叉H-LITES传感器和高频音叉SH-LITES传感器的测量结果。图5 (a) H2O-LITES传感器系统；(b)呼吸用气室结构示意图实验测量了纯空气、正常呼吸、快速呼吸和缓慢呼吸四种状态下水汽浓度的变化，结果表明基于高频音叉的SH-LITES传感器相比于基于标准音叉的H-LITES传感器捕捉到了更多的细节，在快速呼吸状态下基于标准音叉的H-LITES传感器信号已经发生了失真，而基于高频音叉的SH-LITES传感器仍然能够较好地反映浓度的变化，这表明该传感器在快速测量领域优势显著。图6 呼吸检测H2O浓度变化。(a) SH-LITES检测；(b) H-LITES检测该研究从解调方式、波长扫描技术以及探测元件等角度出发致力于提升测量速度，使得系统的探测速度可达ms量级，能够有力地推动光致热弹光谱技术在快速测量领域的发展。研究成果以“Fast step heterodyne light-induced thermoelastic spectroscopy gas sensing based on a quartz tuning fork with high-frequency of 100 kHz”为题发表作为封面文章在Opto-Electronic Advances 2026年第1期。研究团队简介何应，工学博士，哈尔滨工业大学航天学院副教授、硕导。哈工大“神舟青年”人才引进计划入选者，激光空间信息全国重点实验室成员。主要研究方向包括直接吸收光谱、光声光谱、新型全波段光探测器件等，共发表学术论文20余篇，ESI高被引论文5篇，授权国家发明专利8项。主持国家自然科学基金、黑龙江省自然科学基金等各类项目5项。曾获中国光学工程学会科学技术奖自然科学二等奖、王大珩光学奖学生奖。担任SCI检索期刊Photonics编委、Microwave and Optical Technology Letters客座编辑，PhotoniX、《红外与激光工程》、《光子学报》青年编委。担任中国光学学会激光光谱专委会青年委员。马欲飞，哈尔滨工业大学航天学院教授、博士生导师，美国光学学会会士 (Optica Fellow)，从事激光传感和激光技术研究，作为负责人主持国家自然科学基金重点、国家自然科学基金优青、国家载人航天预研、华为公司委托项目等30余项。黑龙江省首批优秀青年基金获得者，哈尔滨工业大学青年拔尖人才，哈尔滨工业大学青年科学家工作室学术带头人，2021-2024年度爱思唯尔中国高被引学者，入选“全球前2%顶尖科学家榜单”，“全球顶尖科学家前10万榜单”。担任光声领域旗舰期刊Photoacoustics领域主编、Optics Express副主编、Microwave and Optical Technology Letters领域主编、Opto-Electronic Advances编委、Chinese Optics Letters编委、Optical Engineering编委等、《光子学报》编委。以第一作者/通信作者在Light: Science & Applications、Opto-Electronic Advances、PhotoniX、Applied Physics Reviews、Laser & Photonics Review、Opto-Electronic Science、Light: Advanced Manufacturing、Ultrafast Science、Photonics Research等期刊上发表学术论文百余篇，其中ESI热点论文、ESI高被引论文80余篇，期刊特邀/封面/最佳引用/编辑精选论文40余篇，研究成果入选“2024中国光学十大社会影响力事件(Light10)”，获中国光学工程学会自然科学二等奖、军队科技进步二等奖、教育部学术新人奖、Chinese Optics Letters期刊2022年度、2023年度主编推荐奖、光学学报2023年度主编推荐奖、Light: Advanced Manufacturing期刊2023年度杰出论文奖、Sensors期刊2024年度杰出论文奖等多项奖励。研究团队成员合照长按识别此二维码，直达全文点击下载PDF文章荐读点击标题阅读报道或文章OEA | 无需相位控制的光反馈量子级联激光器实现高性能光腔衰荡光谱测量【香港中文大学任伟和上海科大王成联合团队】Nie QX, Peng YB, Chen QH et al. Agile cavity ringdown spectroscopy enabled by moderate optical feedback to a quantum cascade laser. Opto-Electron Adv 7, 240077 (2024). 光电进展Opto-Electronic Advances (OEA，光电进展) 是一本同行评议的英文学术月刊，创刊于2018年3月，已被SCI、EI、Scopus、DOAJ、CA和ICI等数据库收录，影响因子22.4，位于JCR Q1区，中科院一区TOP，入选中国科技期刊卓越行动计划二期英文领军期刊项目。由中国科学院主管，中国科学院光电技术研究所主办并出版，面向全球发行。OEA主要报道光电领域的前沿创新科研成果。期刊栏目包括原创论文、综述和快讯等，欢迎投稿！投稿地址：https://mc03.manuscriptcentral.com/oea期刊官网：https://www.oejournal.org/oea联系邮箱：oea@ioe.ac.cn光电期刊集群Opto-Electronic Journals Group敬请关注www.oejournal.orgOEE光电工程提能拓展计划中文核心SCOPUS关注工程应用OEA光电进展卓越行动计划SCI, EIJIF 22.4引领创新前沿OES光电科学卓越行动计划ESCISCOPUS面向基础科学OET光电技术卓越行动计划开放投稿聚焦核心技术OE光电新刊筹备总览学科发展OER光电研究评论虚拟期刊汇集综述评论IOE智能光电英文新刊开放投稿携手智能科技OEP光电+英文新刊开放投稿学科交叉融合OED光电发现新刊筹备探索生命与自然编辑 | 彭诗涵 张诗杰审核 | 杨淇名转载或合作请联系：gdgc@ioe.ac.cn

2026 年，你理想中的 AI 助手是什么样的？回想过去，Siri 的出现曾让人眼前一亮。语音唤醒、简单问答、调用软件执行基本操作……这些能力在当时已经足够惊艳。但近两年，随着大模型能力的飞速发展，我们对 AI 助手也有了更高的期待：它不应该只是一个“你说一句、它答一句”的对话机器，而应该更接近真人交流的状态——能够自由流畅主动对话、可以随时被打断、在合适的时机主动提醒，甚至做到边听、边看、边思考、边回答。然而现实是，即便是当前最先进的模型，在“说话”时依然会“闭上眼睛、捂住耳朵”。你可以向它提问，但它只能被动回应，无法主动察觉环境变化并及时介入。这与我们心中那个类人的 AI 助手，仍有不小的距离。要想达到与人更相似的交互效果，模型首先需要具备持续听和看的能力。但这带来了一个两难困境：持续处理音视频流需要巨大的算力，云端部署虽能提供充沛算力，却不可避免地引入延迟问题；更关键的是，当 AI 助手需要时刻感知你的环境时，无法回避将音视频实时上传云端带来的隐私风险。在这些背景下，端侧 AI 是一条理想的解决路径。本地运算既能保障响应速度，又能从根本上规避数据外泄的风险，这在机器人、自动驾驶等需要实时决策的场景的可控性来说尤为重要。然而，如何在算力有限的端侧设备上跑出足够强的智能，始终是行业共同面临的难题。面壁智能是该领域的探索者之一。作为一家将“高效”作为第一性原理的大模型公司，它专注于提升智能密度，即用更小的参数实现更强的性能。其 MiniCPM 系列模型以“以小博大”著称，全平台下载量已突破 1,800 万，早在 2024 年就已将 GPT-4o、GPT-4V 级别的核心能力成功部署到手机、汽车等端侧设备上。图丨刘知远（左）和姚远（右）（来源：受访人）今天，面壁智能发布的 MiniCPM-o 4.5，是他们在端侧全模态交互方向上的最新答卷。DeepTech 独家专访了清华大学计算机系长聘教授、面壁智能联合创始人兼首席科学家刘知远与清华大学人工智能学院助理教授、面壁智能多模态首席科学家姚远，深入探讨了新模型的技术突破、背后的技术理念，以及他们对下一代智能交互的展望。9B 参数，如何实现“听说同步”？MiniCPM-o 4.5 是面壁智能继去年发布的 MiniCPM-o 2.6 之后推出的重要升级。面壁团队此次首创了原生全双工技术，采用端到端的全模态架构，结合全双工多模态实时流机制、主动交互机制、可配置语音建模设计，让参数规模仅为 9B 的 MiniCPM-o 4.5 在交互体验上实现了大幅提升。（来源：面壁智能）所谓“全双工”，通俗来说就是模型可以同时看、听和说，对话不需要像传统模型那样轮流进行。而“全模态”，则是指模型能够同时处理视频、音频、文本等多种信息输入，并以文本和语音形式输出回应。两者结合，意味着 MiniCPM-o 4.5 能够在“说话”的同时继续观察和倾听环境变化，并根据新的信息实时调整回应策略。（来源：面壁智能）这和人类的真实对话更加相似。我们可以从生活中的场景中来理解这种能力：就像推销员对顾客讲解商品时，并不会滔滔不绝地讲话，而是一边说话一边观察对方的反应，并能够根据实际情况实时插话、调整或互动。相比之下，传统多模态大模型只能处理离线静态数据，且在全模态方面往往只能处理文本+单一模态（例如视觉/语音）。更关键的是，当模型开始生成回复时，它必须先完成整个回应过程，才能重新接收外部信息。用面壁智能技术团队的话来说，就像人在说话时捂住眼睛和耳朵，是一种“对讲机”式的对话。这种设计在实际使用中会造成诸多不便。比如，当你让 AI 描述眼前的画面，而画面内容突然发生变化时，它无法感知这种变化，只能基于几秒钟前的旧信息继续幻觉般的描述，甚至可能“胡说八道”。再比如，在智能驾驶场景中，如果 AI 正在播报导航信息，却无法同时感知路况变化，可能错过重要的安全提醒时机。MiniCPM-o 4.5 通过全双工技术架构，为这个问题提供了一种新的解决方案。该模型将并行处理的视频流和音频流切成极小的切片，采用脉冲式信息处理方式。具体来说，模型不再是一口气吞下整个视频或音频文件，而是将多模态信息实时交替地输入到语言模型主干中，在信息建模方面实现毫秒级时间线上同步所有输入和输出流。它更像是在探索一种伴随态 AI，而不只是聊天机器人。伴随态的优势是，不持续提问也会收到持续反馈以及行为随环境变化而调整，让模型可以做到即时自由的对话，而非只是一问一答的机械交互。例如，现在只需一句指令，就能让模型对白板画画进行实时描述。（来源：面壁智能）这种持续感知和主动提醒的能力有望在一些场景中，为用户带来全新体验，例如在车机/移动场景，帮助司机减少频繁左顾右盼寻找停车位或店铺。此前，面壁智能的 MiniCPM-V 系列曾展示这样一个案例：在车载记录仪上，告诉用户刚才路过了几家怎么样的店铺，但它还是一种概念的验证，更像是一种“事后总结”；而本次发布的模型 MiniCPM-o 4.5 则实现了对当下状态即时提醒和实用价值。在车机智能座舱场景，你只要告诉模型“帮我找停车位”或“看到咖啡店告诉我”，模型可根据实际情况即时反馈和提醒，这样司机可减少左顾右盼找停车位或店铺的精力，进而更专注地开车。值得注意的是，市面上已有一些模型具备类似的实时对话或可打断的能力，但它们中的大多数需要依靠 VAD（语音活动检测，Voice Activity Detection）等外部工具来实现。VAD 的作用是检测环境中是否有人在说话，一旦检测到语音信号，系统就会强行中断模型的输出，然后重新开始一轮“听→处理→说”的流程。姚远对 DeepTech 解释道：“当前通行的模型被打断停下来的机制，可以理解为并不是它‘感知’到的，其实是 VAD 听到后告诉它‘你别说了’。”换句话说，VAD 只能检测到有声音，但无法理解声音的内容和意图。比如你正在和 AI 对话，旁边有人咳嗽一声，或者电视里传来人声，系统就可能误判为用户在说话，导致 AI 莫名其妙地停下来；又比如，你只是“嗯”了一声表示自己在听，系统也可能把这当成打断信号。而且 VAD 的判断存在滞后，它无法从语义上判断用户是否真正说完了，只能机械地依赖声音信号：在检测到人声停止后，还需等待一段时间确认没有后续语音，才会判定说话结束。这种“硬等”的机制导致系统响应总是慢半拍，造成不流畅的用户体验。与之不同，MiniCPM-o 4.5 的感知和判断能力是模型内生的。在持续接收视觉和听觉信息的同时，模型会同步不断进行语义理解与“用户是否正在说话”“自己是否需要说话”的高频判断。因此，它在保持感知的同时，可以根据环境瞬时的变化实时反应，以最合适的时机、最恰当的内容回复，让大模型对于信息的感知与传递不会慢半拍。（来源：面壁智能）这个特性可进一步应用在具身智能领域，为机器人提供持续感知的大脑底座。目前，具身智能机器人在控制方面已展现出良好的能力，领域内的共识是：多模态大模型是具身智能的核心认知底座之一，有望为后者提供对多模态世界的基本理解、知识、规划能力。在未来，机器人可能可以对微波炉“叮”的声音、敲门、水龙头漏水等事件具有持续的感知力，并在更多场景中提供及时响应与主动服务。当然，这些展示的案例只是展示模型的能力，后续还需要产品方面更深入的打磨和调优，以保障用户在使用模型过程中的高度可控。刘知远对 DeepTech 解释道：“就像《星际穿越》里的机器人塔斯，它能主动说话、讲笑话，但当主角觉得幽默不合时宜，一句‘调低幽默值’，它就会立刻收敛。”未来，MiniCPM-o 4.5 或许也能具备类似的可控性。除了对话响应能力大幅提升外，在基础能力方面，MiniCPM-o 4.5 延续了前代产品的亮眼表现，在流式全模态能力、视觉能力和语音能力方面保持同尺寸领先水平。（来源：资料图）语音交互是本次升级的重点之一。通过深度挖掘海量互联网对话数据、专业级语音录制资源，以及端到端模型结构的优化，MiniCPM-o 4.5 在音色自然度、语调丰富性、语音稳定性等方面显著提升。尤为突出的是，它有效解决了长语音合成中常见的错字率高、效果不稳定等问题——即使生成大于 1 分钟的长语音，依然保持较好的稳定性、一致性与流畅感。更值得一提的是，该模型支持推理阶段的声音克隆：仅通过系统提示词和几秒钟的语音样本，即可模拟特定人物的语音风格与表达习惯。（来源：面壁智能）让智能真正跑起来的，不只是算法有了模型还不够，为了打通到应用落地的“最后一公里”，面壁智能本次还透露了将在年中发布的基于 NVIDIA Jetson 系列模组的“松果派”（Pinea Pi）开发板套件。其产品定位是 Agent 原生的端侧多模态开发板，目的是让开发者用简单方式快速开发端侧智能硬件，将端侧智能设备的定义权交到用户和开发者手中。（来源：资料图）目前，开发者想要完成 AI 智能硬件开发，需要面对英伟达等芯片公司提供的 C++、CUDA 和 TensorRT 等复杂技术栈，开发门槛较高。而市面上的开发板大多是芯片公司提供的裸板，外设需要开发者自行购买、适配驱动、手动搭建多模态 Pipeline。松果派则希望改变这一现状。它被设计为“开箱即用”的完整解决方案，预装了完整的多模态 AI 开发环境，包含摄像头、麦克风等必要外设，以及经过优化的驱动程序和中间件。从商业模式角度看，松果派采用了类似早期香橙派、树莓派的策略。通过标准化、开放的硬件形态教育市场，吸引开发者加入生态。除了硬件，面壁智能还将配套推出了高效推理框架和演示系统。未来两者都将开源，为开发者提供完整的开发工具链。始于非共识的创新：他们没有继续押注更大的云端模型，而是端侧在刘知远看来，端侧 AI 并不是短期押注某个产品的形态，而是过去数十年信息革命向智能革命演进过程中，必然会出现的一层结构。“这并不是因为它更容易做，”他说，“而是真正能承载智能革命的大规模落地，一定发生在距离用户最近的地方。”刘知远指出：就像 PC 发展早期一样，当计算能力足够强大时，计算会从大型机向个人设备转移。AI 的发展也将遵循同样的规律。因此，他提出“未来计算三分天下”的观点：超算用于科研探索，云计算支撑通用服务，而端侧计算（端算）将成为体量最大、最贴近人类日常的智能形态。届时，“超智-云智-端智”可能呈现金字塔式的分布结构。从规模 × 频率 × 场景密度进行判断，刘知远认为，端侧的核心价值不是算力，而是贴近现实：尽管单个端侧设备的智能不一定最强，但从体量分配来看，端侧智能承载的是整个人类社会的日常运转，因而必然会超过超智和云智。 2022 年底，OpenAI 正式发布 ChatGPT，大模型由此进入爆发期。随后，领域内开始争相复现大模型的能力：堆参数、租算力成为扎堆的方向。而在此之前，刘知远已做出了另一种选择。早在 2018 年，他已明显察觉到 AI 向“通用”的关键转折点迈进，开始从专用系统迈向通用和强大的系统。他对大模型发展模式的判断是：与集成电路、计算机、搜索引擎等技术历史上的变革类似，一旦技术成熟，创新的主体一定不再只是高校，而是系统性研发——通过科技公司的推动缩短从前沿探索到产业应用的链条。2020 年底，大模型还未火爆，刘知远当时正与唐杰（现清华大学教授）、黄民烈（现清华大学教授）、文继荣（现中国人民大学高瓴人工智能学院院长）等在智源开发“悟道”大模型。直到 2021 年 3 月发布完悟道 1.0 之后，刘知远萌生创业的想法，并于 2022 年 8 月联合创立面壁智能。“当时最直接的动力，是看到大模型展现出的通用能力：one for all（一个模型覆盖多任务），远远超出我们当年在各自细分方向上的经验。那时候，我们在学术方向还在研究自然语言处理里的具体任务，比如机器翻译、关系抽取、脑图估计等等。”刘知远回忆道。与后来行业普遍选择押注更大的云端模型不同，面壁智能从一开始就将重心放在端侧 AI 上。这在当时，是一条明显的“非共识”路径。而这种路径在刘知远看来是正是驱动创新的源泉：99% 的人都认为正确的方向，往往已经没有太大的空间。他认为，有人做了 A，不是再 copy 做 A+。“最底层、最可贵的地方在于，应与之协同构建出共生共荣的生态，这种非共识的创新性正是中国创业公司稀缺之处。”无论从投资还是产业发展角度，继续在同一条路径上扎堆、跟风并不是一个明智的做法：是一条必然内卷的路线，当下的时代应该多开拓和创新。从 2000 年前后的互联网发展的历史浪潮中，也可以印证这一点：当时百度、搜狐等企业“百花齐放”，20 多年后的今天，放眼全球社会各方面都已浸透互联网的身影，并催生了各种衍生产业。2010 年，中国的创业风向已经由过去的“Copy to China”转变到创新商业模式，逐渐发展出淘宝、美团、滴滴等一系列企业。到 2020 年之后，伴随着大模型与 AI 的这一波浪潮，可以看到的是：包括 AI for Science 在内的模式创新，正成为驱动整个产业变革、形成新生产力的核心力量。“我们正在做的事情只不过是顺应了技术的发展浪潮、顺应了时代的发展。”刘知远表示。产学研协同的落地逻辑：从技术迭代到 AGI 的长期探索当然，产业化这条路与学术界“少量跑通即可闭环”有本质的不同。姚远指出，学术界强调从最前沿探索遥远的可能性，而产业化必须抗住海量数据的检验。因此，如何找到学术界的前沿方向与工程可落地的交集，极其考验工程直觉。假如一条主线模型是通向 AGI 必须持续推动的核心，他们会从各篇论文里“采蜜”式地挑精华，一旦技术本身不够简洁、没有直击本质，反而堆了很多臃肿设计，它就会妨碍这条主线长期迭代。这一代从面壁模型迭代中也可以看到：从 MiniCPM-1 到 MiniCPM-o 系列，每一代都会引入新的教师模型。团队不仅让模型的基础能力保持优异，更在不断拓展其能力边界。沿途积累的所有关键技术技巧与优化策略，都被持续集成并兼容到最新的代码库中。姚远表示：“目前的 o 4.5 版本已全面兼容之前所有版本的技术，这说明它们彼此之间具备高度的可叠加性。”刘知远指出，如果将 AGI 看成是一张拼图，最关键的一块未必是高等数学，也未必是专业能力，而是具备很强的人类智商水平。因此从这个角度来看，全模态的全双工是可能很慢但值得努力的方向，也是通往未来 AGI 的关键拼图之一。“既然大家都还没做出来，那么让端侧、全双工在真实系统里跑起来就是我们的机会。”他认为，从整个人类的未来长远发展来看，AI 扮演的角色是：替代人类花费大量机械、重复的脑力劳动去完成的事情，而人类则花更多精力去做顶层规划、做创新、去思考更有意思的事情。“Agent 在中文里有一个传神的名称叫代理，AI 更重要使命是陪伴人类完成自身共同进步的工作，这也是对促进新质生产力发展来说长远和重要的标志。”他们并不担心 AI 走得太快，而是认为过去 100 多年，人类整体的科学与创新其实在减速，就好像是《三体》中智子将科技锁死了。“我们已经很久没有建立关于世界、宇宙的‘新坐标’了，尽管人类在很多方面已竭尽全力，但很难进到知识的边界再去拓展版图，它的科学基础仍然是一两百年前的东西。”刘知远指出，这背后的逻辑是：人类已无法成为全人类知识的主人，未来唯有依靠 AI，让我们重新执掌全人类的知识，进而实现对世界的全面认知。结语全模态的意义不止是交互，很可能是模型增长的新路径。未来，它可能会以伴随态出现在我们生活的方方面面：盲人辅助、智能车机、帮助记录上课/会议并自动整理、语音提问即时答疑……新方向让我们看到了更多的可能性：大模型正在从问答模式向持续参与现实世界转变。但需要看到的是，技术目前仍处于早期探索阶段，我们并不是要将生活的全部全都交给它，而是通过风险把控和配套人工辅助核验等机制，共同解锁 AI 的能力边界。当 AI 具备类人的感知交互，人与智能的边界正在被重新定义。运营/排版：何晨龙

Chinese Optics Letters 2026年第1期Editors’ Pick:Lichao Peng, Youshuo Cui, Yuzhuo Li, Guangxiao Hu, Yanzhou Chen, Yunkun Zhao, Yun Wang, Zhonghuai Wu, Kemi Xu, Weiqian Zhao, "Experimental demonstration of dual-wavelength single-photon polarimetric imaging LiDAR," Chin. Opt. Lett. 24, 011102 (2026)该研究以低照度弱信号条件下的多维信息感知为目标，研究了结合双波长探测与偏振成像的单光子激光雷达。在弱回波信号的条件下，利用超导纳米线单光子探测器实现了毫米级分辨率的目标深度及偏振图像重构，为近红外与中红外波段下的目标识别提供了重要技术探索与储备。传统光学成像往往仅依赖于光强维度，缺乏对光矢量特性的刻画。偏振成像能够通过分析光与物质相互作用产生的偏振状态变化，提供超越传统强度成像的特征信息。结合高灵敏度极弱光信号探测，为远距离弱小目标特异识别提供技术支撑。目前现有的偏振激光雷达研究已能通过解算光的矢量特性实现部分材质的区分，但在实际应用中，目标的属性识别仍面临多重挑战。除了光与物质相互作用导致的偏振态改变外，物质分子的转动与振动能级差异使得不同材料在近红外至中红外波段表现出独特的光谱吸收与反射特性。仅依赖单一维度的探测往往难以实现对复杂背景下相似目标的精准剥离。获取涵盖时间、空间、强度、偏振以及光谱特征的多维融合信息显得尤为关键, 可以解决复杂环境下目标识别难、信息获取单一等难题。为解决上述问题，北京理工大学徐可米教授团队的研究人员设计了超导纳米线单光子探测技术的红外双波长偏振光子计数雷达，进行了弱光条件下的偏振成像实验，验证了多维信息获取的优势。相关成果发表在Chinese Optics Letters 2026年第24卷第1期。该研究工作搭建了基于超导纳米线单光子探测器的双波段光路，分别覆盖近红外与短波红外窗口，如图所示。通过时间相关单光子计数技术，系统在约1.3 m的距离上获取了具备毫米级精度的深度及强度数据。研究人员引入斯托克斯矢量对光场的矢量状态进行建模，采用了具备空间与幅度双向权重的双边滤波算法，实现了对低光子计数率下偏振图像的保边平滑处理；在实验层面展示了针对红外双波段的单光子偏振成像能力，揭示了材质在特定波段下的偏振响应差异。从实验结果可以看出，双波长单光子偏振探测方案在弱光条件下的成像与识别表现出优势，能够提升对目标的辨识能力。该工作是前沿单光子探测器件与成像领域的交叉融合，将启发研究者在光子成像与极弱矢量信号解析领域探索更深层的理论框架，进而孕育出更具竞争力的技术方案。未来，团队将持续聚焦单光子探测与成像领域，发展极微弱目标探测和感知技术，助力复杂环境科学探测能力提升。作者简介徐可米北京理工大学主要研究方向：光量子器件、激光制造与检测徐可米，北京理工大学光电学院教授、国家级领军人才、博士生导师。她主持6项国家及省部级项目；担任光学工程学会青工委量子计算、通讯与精密测量组组长，光学工程学会副秘书长，国防科技创新特区创新工作站技术委员会委员。主要研究方向为量子光学器件与仪器、微纳加工与测量。如有光学论文写作/实验笔记经验、绘图工具介绍，或其他优质稿件，欢迎投稿至ioptics@clp.ac.cn。字数控制在2000-3000字为佳，稿件一经录用，我们将提供具有竞争力的稿酬。期待你的来稿！END由于微信公众号试行乱序推送，您可能没办法准时收到“爱光学”的文章。为了让您第一时间看到“爱光学”的新鲜推送， 请您：1. 将“爱光学”点亮星标（具体操作见文末）2. 多给我们点“在看”点在看联系更紧密

Banner本文由论文作者团队投稿导读近日，首尔大学曾庆森研究教授和李泰雨（Tae-Woo Lee）教授团队实现一种多级壳层（Hierarchical Shell, HS）稳定化策略，通过在钙钛矿量子点外部构建 PbSO₄–SiO₂–硅氧烷聚合物 逐级互锁的保护结构，从晶格和界面两个层面同时抑制退化过程。该策略在固态体系中实现了接近 100% 的荧光量子效率、91.4% 的外量子效率，并同时满足商业化应用所需的长期稳定性要求，为高效、低能耗光转换材料迈向实际应用奠定了关键基础。该工作以封面论文形式发表于 Science，题为“A hierarchical shell locks and stabilizes perovskite nanocrystals with near-unity quantum yield”。此外，该文被南开大学袁明鉴教授在 Science同期撰写的观点论文中重点评述。1. 从“亮得出来”到“用得住”，钙钛矿发光材料迈过关键门槛高效发光材料是现代显示与照明技术的核心基础。从手机、电视到 AR/VR 微显示，从固态照明到生物光电子传感，几乎所有光电系统都依赖高效、稳定的光转换材料将电能或光能转化为可见光输出。在实际工作条件下，理想的发光材料不仅需要具备高的辐射发光效率，还必须在长期光照、热和环境应力下保持性能稳定。然而，在几乎所有已知的固态发光体系中，高吸收、高发光量子效率和长期稳定性这三个条件往往难以同时实现。提升吸收通常需要提高发光中心的浓度，但在高浓度固态薄膜中，自吸收、能量迁移和非辐射复合不可避免地出现，导致发光效率快速下降。这一根本性的权衡关系，长期将固态发光材料的整体光转换效率限制在较低水平。在实际应用中，发光材料的光转换能力通常由外量子效率（EQY）来衡量。小百科1：什么是“外量子效率（EQY）”？外量子效率（External Quantum Yield, EQY）是衡量光转换材料在实际工作状态下效率的关键指标，表示最终射出光子数与入射光子数之比。它可以表示为：EQY = 射出光子数/入射光子数 = 吸收率 × 荧光量子效率（PLQY）其中，PLQY 描述的是材料在吸收光子后，有多少比例能够以发光的形式释放能量。即使 PLQY 接近 100%，若吸收率不足，EQY 仍然受限；反之，在高吸收的固态体系中，PLQY 往往因自吸收和浓度猝灭而显著下降。这一内在矛盾通常使得绝大多数固态发光材料的 EQY 长期受限于约 65% 的水平。在当前商业化显示与照明系统中，这一效率瓶颈尤为突出。主流显示技术和LED照明技术多采用蓝色背光源配合光转换材料实现红、绿和白色发光，而真正基于 RGB 主动发光的 OLED 技术仍主要局限于中小尺寸屏幕，市场份额占据较小。因此，在显示和照明系统中，光转换材料的效率直接决定了整机的能耗水平与亮度表现。这一效率损失并非微不足道。据估算，由于光转换效率受限，全球显示与照明系统每年浪费的电能超过 2000 TWh，约占全球总用电量的 8%，其能耗和碳排放影响不容忽视。在众多新型发光材料中，胶体钙钛矿量子点凭借超高吸收系数、极窄发射谱以及高的溶液态荧光量子效率，被认为是突破这一效率瓶颈的理想候选。然而，与传统共价半导体不同，钙钛矿是一类离子型晶体，其晶格柔软、表面高度活泼，在光照、热和湿度等服役条件下极易发生结构和化学退化，导致效率和寿命迅速衰减。鉴于此，研究人员实现了一种多级壳层（Hierarchical Shell, HS）稳定化策略，通过在钙钛矿量子点外部构建 PbSO₄–SiO₂–硅氧烷聚合物 逐级互锁的保护结构，从晶格和界面两个层面同时抑制退化过程。该策略在固态体系中实现了接近 100% 的荧光量子效率、91.4% 的外量子效率，并同时满足商业化应用所需的长期稳定性要求，为高效、低能耗光转换材料迈向实际应用奠定了关键基础。2. 降解过程：为什么离子型钙钛矿“亮得出来，却用不住”？与传统共价半导体不同，钙钛矿量子点是一类典型的离子晶体。其晶格由 Pb–X（X = Cl, Br, I）离子键构成，键能相对较低，晶格柔软。这种“软晶格”在光照和加热条件下极易发生微小但持续的晶格膨胀 （图1A）。该论文研究发现，这种光致或热致晶格膨胀并非无害的热涨冷缩，而是会显著削弱离子键强度，降低离子迁移和化学降解的势垒，进而触发一系列连锁反应：卤素离子迁移加速、表面配体失稳、氧气和水分子更易吸附并参与反应，最终导致表面氧化、水解以及晶体结构破坏 （图1B）。图1：钙钛矿量子点的降解与稳定策略。图源：Zeng et al., Science (2026)在量子点薄膜这一高浓度固态体系中，这一过程尤为严重，表现为发光效率快速下降、光谱漂移以及寿命急剧缩短。即使采用常规聚合物封装，量子点薄膜在湿热（60 °C、90% 相对湿度）或蓝光 LED 辐照条件下的 T90寿命仍仅为 10–70 小时。因此，钙钛矿量子点的失效并非单一表面问题，而是一个 “晶格—界面相互耦合”的退化过程：晶格膨胀软化促进界面反应，界面反应又反过来加速晶格崩塌。3. 稳定策略：多级壳层把“软晶格”和“活泼表面”同时锁住针对以上的降解机理，李泰雨团队提出了一种多级壳层（Hierarchical Shell, HS）稳定化策略 （图1C），该策略不再停留于传统的“简单包覆”，而是从化学和力学层面同时实现晶格与界面的协同锁定。该多级壳层由三层相互化学互锁的结构组成（图1D）：最内层 PbSO₄ 直接锚定在钙钛矿表面，具有极高的晶格能，可有效固定表面 Pb 位点，抑制晶格膨胀和离子迁移；中间层 SiO₂ 通过硅烷偶联剂与内层化学连接，形成稳定的无机骨架，进一步增强界面稳定性；最外层硅氧烷聚合物 则与 SiO₂ 共价连接，提供机械约束和环境隔离，同时保持优异的溶液加工性。这种“无机—无机—有机”逐级互锁的结构，使钙钛矿量子点在光照、热和湿度等严苛服役条件下，晶格不再自由“呼吸”，界面反应被有效钝化，从源头切断了退化通道。以 HS-MAPbBr3和HS-CsPbBr3为例，其在湿热（60 °C、90% 相对湿度）和蓝光 LED 辐照条件下的 T90寿命提升至数千小时量级，相比传统聚合物封装体系提高了两个数量级以上 （图2）；同时，该多级壳层赋予量子点优异的水稳定性，在长时间水浸条件下仍能保持稳定发光。进一步的溶出与生物相容性测试表明，多级壳层能够有效抑制 Pb 离子的释放，显著降低潜在生物毒性，为钙钛矿发光材料在显示、照明及生物相关应用中的安全使用提供了关键保障。图2： HS-钙钛矿量子点的湿热（60 °C、90% 相对湿度）和蓝光 LED辐照稳定性图源：Zeng et al., Science (2026)4. 高效发光： 100% 的量子效率让“自吸收”变成光子循环在多级壳层保护下，MAPbBr₃ 钙钛矿量子点固态薄膜实现了接近 100% 的荧光量子效率（平均 98.6%）。在这一条件下，被重新吸收的光子几乎不会通过非辐射过程损失，而是再次以辐射方式发射出来，使自吸收过程转化为高效的光子循环——光子在薄膜内部多次经历“吸收—再发射”，最终逃逸出材料体系（图3B）。图3：HS-钙钛矿量子点中的光子循环机制及高外量子效率表现图源：Zeng et al., Science (2026)得益于这一机制，该材料体系在高浓度条件下同时保持了高吸收率与超高发光效率，成功打破了外量子效率长期受限于约 65% 的瓶颈。实验结果显示，在 20 wt% 的高浓度固态薄膜中，该体系实现了 91.4% 的外量子效率，逼近理论极限，显著优于此前报道的固态发光材料体系（图3C）。小百科2：自吸收与光子循环：为什么“效率杀手”可以变成“效率引擎”？在固态发光材料中，自吸收是指材料发射出的光子在离开薄膜之前，被同种材料再次吸收的过程。该现象在高浓度、厚膜或斯托克斯位移较小的体系中几乎不可避免。在传统发光材料中，由于非辐射复合通道的存在，被重新吸收的光子往往以热的形式损失，从而导致发光效率显著下降 （图3A），因此自吸收长期被视为限制高浓度固态发光效率的“隐形杀手”。然而，当材料的荧光量子效率接近 100% 时，自吸收的物理后果会发生根本改变。在这种情况下，被重新吸收的光子几乎不会通过非辐射过程损失，而是再次以辐射方式发射出来。光子在材料内部经历多次“吸收—再发射”的循环，最终逃逸出薄膜，这一过程被称为光子循环（Photon Recycling）。光子循环使原本不可避免的自吸收损失转化为光的重复利用，被认为是突破外量子效率（EQY）瓶颈的关键物理机制。5. 应用：从实验室材料到真实应用场景多级壳层钙钛矿量子点不仅在效率和稳定性上实现突破，还兼具可规模化加工与器件集成能力。该体系与卷对卷打印（图4A）、喷墨打印及光刻工艺高度兼容，可实现超过 3500 PPI 的高分辨图案化，满足 AR/VR 微显示对像素密度的严苛要求。在显示应用中，研究团队成功制备并展示了从 10.1 英寸平板、28–32 英寸显示器到 43–75 英寸电视的原型器件，色域面积覆盖超过 97% Rec.2020，亮度均匀、色彩纯净。在固态照明领域，其高光转换效率有望显著降低能耗损失（图4B-D）。图4：HS-钙钛矿量子点显示器的制备展示图源：Zeng et al., Science (2026)此外，由于多级壳层有效阻止铅泄漏并具备良好生物相容性，该材料体系也展现出在生物光电子传感（如光电容积脉搏波描记，PPG）等领域的应用潜力。5. 总结与展望该研究通过多级壳层（Hierarchical Shell, HS）策略，在固态体系中同时实现了接近理论极限的外量子效率与商业级长期稳定性，突破了钙钛矿发光材料长期面临的效率—稳定性权衡，为高效光转换材料提供了一条具有普适意义的稳定化路径。多级壳层对晶格膨胀、界面反应及有害铅离子泄露的协同抑制表明，钙钛矿量子点的退化并非不可避免，而是可以通过结构与化学设计从源头加以控制。面向实际应用，该多级壳层策略已在多种钙钛矿组成中展现出显著的稳定性和效率提升效果。其中，绿光体系（如 CsPbBr₃ 和 MAPbBr₃）已率先达到商业化应用所需的稳定性水平；而对于其他发射波长的组分，尤其是含碘比例更高的红光体系，卤素氧化与化学不稳定性更为突出，仍有待进一步针对性优化。这一差异也反映出，不同钙钛矿组成在化学稳定性上的本征挑战，为多级壳层策略的持续发展指明了明确方向。在器件层面，未来仍需将高效率光子循环机制与真实显示和照明系统的光学架构进一步协同优化。同时，图案化制备工艺仍是制约高分辨率显示应用的关键因素之一。如何在微米级甚至更小尺寸的像素中，同时维持高外量子效率与长期稳定性，对于实现高效、高分辨率的微型 LED（µLED）显示至关重要，也将是推动该材料体系走向规模化应用的重要研究方向。论文信息Qingsen Zeng et al. , A hierarchical shell locks and stabilizes perovskite nanocrystals with near-unity quantum yield. Science391, eady1370 (2026).https://www.science.org/doi/full/10.1126/science.ady1370Banner编辑：赵阳