文 | 腦極體

硬科技，是科技競賽的焦點。其中，半導體芯片更是吸引了全國乃至全球民眾的目光。

很少人知道，除了SoC 5G芯片、AI專用芯片這類“卡脖子”產品，還有一種半導體芯片也大有可為——光譜芯片。

在我們生活的物理世界中，光照射到物質上，就會形成特定的光譜。就像人的指紋一樣，每種物質的光譜特征都是獨特的，甚至一個農作物在不同生長階段的光譜都不一樣。通過光譜儀，可以拿到物體的光譜信息，用于研究分析。

而光譜芯片，實際上就是由千千萬萬個微型光譜儀組成的一個傳感器sensor。借助半導體材料的光電效應，在一個方寸大小的芯片上，就能拿到以往靠光學精密儀器才能獲取的光譜信息。

從實驗室到田間地頭，一顆光譜芯片的民用化之路，是與AI相映生輝的。本文就來聊一聊，讓光譜技術走進消費級市場，AI究竟對一枚芯片做了什么。

光譜技術與民用市場，相逢在AI

科研級技術走向民用消費級市場，從來都是一件不容易的事。此前，光譜技術是一朵實驗室里的“高嶺之花”，在民用市場一直是空白。

有兩個原因，限制了光譜技術的民用潛力：

一是用不起。傳統光譜信息的采集，需要使用光譜儀器，體積龐大，價格高昂，動輒幾萬、十幾萬一臺，不僅普通家庭用不起，農業等低利潤行業也只能望而卻步。

二是用不好。光譜分析以前主要用于實驗室，研究場景很干凈，信噪比很低。然而一旦用到民用市場，處于開放的環境中，會面臨很多噪聲，信噪比不好，直接影響到光譜信息的分析效率與精度。所以在民用場景下，實驗室里采用的物理解決辦法并沒有太好的效果。

來到AI時代，AI技術與光譜芯片的相輔相成，終于讓光譜技術和民用市場有了相遇的可能。

一方面，硬件負責調制，AI負責解調，解決了傳統光譜分析“用不好”的問題。

光譜芯片的底層是CMOS，借助光譜調制技術，可以了解入射光場的光譜情況，然后再由AI算法進行數據處理與分析，并自動從光譜數據中提取特征，去除各種噪聲，進行基線校正。所以，消費級設備所拿到的圖像信息和光譜信息，其實是經由AI“算出來”的。

另一方面，光譜的物理信息+機器視覺的數字信息，共同投喂給AI，解決了行業智能化“用不起”的問題。

AI算法的性能表現十分依賴于數據規模與質量，而很多行業沒有信息或信息微弱，不得不采用規模效應來提高模型性能，導致算力要求高、成本大。而光譜信息具有無損檢測、高效精準的特性，有了光譜信息，可以簡化模型，降低模型的復雜度，自然也就不需要過大的算力，從而減少應用部署的難度。

可以說，AI技術與光譜技術的交相輝映，為光譜芯片在消費級市場的廣泛應用鋪開了路。

AI加持的光譜芯片，驅動消費電子之變

光譜芯片的應用場景廣闊，其中，消費電子領域的受眾規模大、商業價值高，無疑是最具商用潛力的領域之一。目前，AI加持的光譜芯片，已經在消費電子領域市場探索出了不少應用場景：

1.高端手機。高端旗艦手機尤為重視成像功能，光譜芯片可以發出多種顏色的光線，為照明和顯示領域提供更豐富的色彩選擇和更高的色彩還原度。

2.智能家居。光譜芯片正逐步應用于智能家居產品，包括冰箱、掃地機器人、智能門鎖、智能攝像頭等。其中，冰箱可以基于光譜相機和AI模型，自動檢測食材的新鮮度，提醒用戶更換食材；投影儀利用光譜相機和顏色校正算法，解決墻面顏色導致的投影畫面顏色失真問題；智能安防領域，利用光譜芯片對目標物體進行快速識別和追蹤，由于光譜信息采集到的是純物理信息，不容易被假頭套、假面具所欺騙，打造出安全性更高的智能門鎖；掃地機器人，利用光譜芯片+識別算法，精準判斷出污漬情況、地板材質，智能調整清掃策略……

3.汽車電子。汽車智能化方興未艾，其中智能座艙、智能駕駛，是車企較量的技術焦點。光譜芯片在這兩個領域都能發揮作用。

在智能座艙，光譜相機可以感知到駕駛員的安全健康狀況，提高車內安全性；在智能駕駛，光譜信息可以精準反映出路面障礙物的特征，比如泡沫、石頭、路障等，判斷策略完全不同，幫助智駕系統做出不同的判斷策略。

4.低空經濟。AI光譜相機+無人機，共同在低空拍照、攝影時獲取更準確的顏色信息，帶來更優質的拍攝效果。

5.其他。AI光譜芯片還可以與可穿戴設備結合，實現皮膚健康監測……

一顆商用AI光譜芯片，要經過哪些考驗？

光譜芯片，不僅在消費電子市場潛力巨大，隨著各行各業數字化轉型的持續深入，光譜信息作為一種高可靠的數據類型，能夠準確地反映出物理世界的一些關鍵指標，在B端行業市場中的應用價值也越來越高。

有機構預測，光譜芯片產業的產業規模大約在百億到千億，但從設計、流片到量產、最終商用，中間有很長的周期和不確定性，一顆AI光譜芯片要經歷哪些考驗呢？

吉林求是光譜的負責人告訴我們，它們在2017探索出了“OCF光譜調制+算法解調”的技術創新，2019年就第一顆光譜芯片就流片成功，如今已經與國內頭部手機廠商、家電企業達成了合作。與AI的結合，也是公司的重點布局方向。

淬煉一顆AI光譜芯片，首要難題就是資金。

芯片半導體領域是典型的資源密集型產業，十分依賴資金與人才，創新風險又很高。因此民間資本大多不敢投，以前主要依靠政府補貼、項目制。求是光譜成立之后，相繼獲得了中科創星、吉林省科投、長興基金等產業基金的投資，讓初創企業不用為資金發愁。

然后是數據。

光譜數據源自物理世界，采集難度大、成本高，業內已有的開源數據集根本不夠用，大多數都要自己從頭采集。目前，求是光譜在開發光譜芯片、光譜技術行業解決方案的過程中，根據項目需求，逐步采集了大量光譜數據，來進行模型訓練。未來還需要進一步采集南方地區、極端環境、沙塵天氣等數據，預計數據規模會是現在的4-5倍。

數據規模增大之后，隨之而來的就是算力挑戰。

以前該公司使用自己購買的海外N卡自建算力，價格昂貴、維護困難，遇到問題比如顯存小、掉顯卡等解決不了，十分影響研發效率。后來當地的數字基礎設施有所升級，有了本省第一座AI算力中心。接入長春算力中心的算力服務之后，多任務并行開發不用排隊。以前模型在N卡上做一次調優，需要2～3天時間，如今當晚掛上去，第二天早上就能返回結果，對研發效率有了很大的提升。

不過，制造環節并沒有太大的挑戰了。據負責人透露，光譜芯片主要集中在28nm、40nm、55nm等成熟制程，國內制造能力能夠支撐光譜芯片的規模化量產。所以，2019年光譜芯片流片成功，很快就進入到商用階段，如今大眾已經能夠在頭部手機廠商的手機中，感受到光譜芯片帶來的更逼真的成像效果。

從這個角度看，一張可商用的AI光譜芯片，背后是科創投資模式的革新、半導體和光學產業能力的不斷夯實，以及數字基礎設施的升級。硬科技的突破，從來不是一蹴而就的，而是根深葉茂后的瓜熟蒂落。

當AI的輝光，灑落在一枚光譜芯片上，數字世界與物理世界的融合就多了無數種可能性。