在人工智能持续发展的当下，算力与能耗的矛盾日益突出。设想这样一种可能：未来的无人机、自动驾驶系统或移动终端，无需依赖高功耗的AI芯片，仅凭镜头前一片透明的纳米结构薄膜，就能以光速完成视觉信息的处理。香港中文大学陈世祈教授团队与黄超然教授团队，正通过制造工艺与光学计算架构的深度融合，将这一设想逐步推向现实。
一、行业困境：不堪重负的电子算力
传统机器视觉架构对电子算力的依赖是结构性的。成像系统中的高分辨率传感器捕获图像后，必须先将其转换为数字信号，再交由GPU完成后续计算。
面对深度学习模型不断膨胀的计算需求，冯·诺依曼架构在计算速度、功耗与数据存储等方面均已显现瓶颈。
二、破局之道：光学神经网络与随机投影
为突破这一瓶颈，研究者将目光投向了光学神经网络（ONN）。自由空间光学处理具备速度快、功耗低、天然并行等优势，是承载机器视觉计算的理想物理载体。
其运作核心是一个简洁而有效的数学原理——随机投影（Random Projection）：
- 通过物理手段制造一块具有随机相位分布的衍射光学元件（DOE），其表面布满亚波长尺度的随机纳米结构；
- 当携带图像信息的相干光场穿过这层3D打印的衍射层时，光在纳米结构中发生衍射与干涉；
- 光穿透器件的瞬间，即完成了一次大规模的高维特征映射，将原始图像编码为傅里叶域的散斑图样。
数学上，Johnson-Lindenstrauss引理保证了随机线性投影能在降维的同时保持数据点间的距离关系，因而是一种性能优良的特征编码方式。更重要的是，这一计算过程由光的传播自然完成，除照明外不消耗任何额外电能。最密集的矩阵运算，被外包给了物理世界本身。
三、制造突破：15分钟打印400万个光学神经元
ONN的概念虽好，在可见光波段的实现却长期受制于制造工艺。可见光波长短，要求器件具备数百纳米量级的特征尺寸与极高的神经元密度；而传统的电子束光刻（EBL）等手段成本高昂、耗时数小时且依赖洁净室环境，难以支撑大面积、规模化的器件制备。
论文共同第一作者欧阳文琪（Wenqi Ouyang）与吕文（Wen Lyu）等人的工作，正是针对这一制造痛点提出了系统性解决方案：
- 随机化多焦点并行打印：团队自主研发了随机化多焦点双光子光刻（TPL）系统，利用数字微镜器件（DMD）全息术将飞秒激光整形为25个并行焦点，摒弃了传统的单点逐序扫描模式。同时，独创的随机扫描策略将相邻像素的曝光在时空上打散，有效抑制了聚合扩散导致的像素粘连与边界模糊，兼顾了像素保真度与加工效率。
- 加工速度：系统以每分钟26.7万个神经元的速度写入，仅需15分钟即可在1平方毫米的面积上完成400万个神经元（500纳米单元）的衍射层制备，且全程无需洁净室；配合PDMS软光刻与UV纳米压印，还可实现低成本批量复制。
- 多任务通用视觉：这一光学前端作为任务无关的通用编码器，仅需搭配一个1000参数的单层数字读出网络，即可胜任手写数字分类、物体识别、人体动作识别、流式细胞图像分类及人脸关键点检测等多种视觉任务，分类准确率均达到≥97%；切换任务时仅需重新训练轻量的数字后端，光学部分无需任何改动。
四、技术版图：同一团队的线扫描方案
在多焦点并行打印之外，陈世祈教授团队还发展了另一条技术路线——线照明时空聚焦双光子光刻（Line-TF TPL）系统，进一步丰富了高通量TPL的工具箱：
- 从“点阵”到“线扫描”：该系统利用DMD将飞秒激光在空间与时间维度上同时聚焦，形成一条可编程的线状光场；
- 连续扫描打印：样品台连续移动的过程中，线状光场同步完成图案写入，实现连续、无缝的大面积加工；
- 灰度控制与成本优化：系统支持像素级的灰度调控，可精细控制纳米结构的形貌；同时显著降低了对脉冲能量的需求，使得采用成本更低的飞秒振荡器（而非放大器）成为可能。
多焦点随机化打印与线扫描连续打印，分别面向不同的器件需求与生产场景，共同构成了该团队在高通量纳米制造上的完整技术布局。
五、规模效应：当神经元数量突破千万级
制造工艺的成熟，为光学计算架构的规模化提供了坚实基础。
黄超然教授团队的前期研究已经表明，当光学超表面的神经元规模达到4100万量级时，量变引发质变：一块完全无需训练的静态随机超表面，其特征编码能力足以媲美ResNet、Vision Transformer等大型电子AI模型。这一发现从原理上确立了”大规模随机光学编码+轻量数字读出”这一架构的可行性与竞争力。
沿着这一方向，未来的应用图景已经清晰：借助高速、低成本的3D纳米打印与压印复制技术，“光子神经超表面”有望实现类似光学镀膜的规模化量产，直接集成于智能手机、微型医疗内窥镜或自动驾驶摄像头之中。设备在捕获光线的同一时刻，即以超低功耗完成特征提取与视觉计算。
从电子计算到光电融合，这片3D打印的衍射薄膜，或许正是跨越计算范式的一块重要基石。
《Multi-task large-scale integrated optical vision processor using ultra-fast parallel nanofabrication》 Light: Advanced Manufacturing
