一颗光谱芯片的AI辉光

硬科技，是科技竞赛的焦点。其中，半导体芯片更是吸引了全国乃至全球民众的目光。

很少人知道，除了SoC 5G芯片、AI专用芯片这类“卡脖子”产品，还有一种半导体芯片也大有可为——光谱芯片。

在我们生活的物理世界中，光照射到物质上，就会形成特定的光谱。就像人的指纹一样，每种物质的光谱特征都是独特的，甚至一个农作物在不同生长阶段的光谱都不一样。通过光谱仪，可以拿到物体的光谱信息，用于研究分析。

而光谱芯片，实际上就是由千千万万个微型光谱仪组成的一个传感器sensor。借助半导体材料的光电效应，在一个方寸大小的芯片上，就能拿到以往靠光学精密仪器才能获取的光谱信息。

从实验室到田间地头，一颗光谱芯片的民用化之路，是与AI相映生辉的。本文就来聊一聊，让光谱技术走进消费级市场，AI究竟对一枚芯片做了什么。

科研级技术走向民用消费级市场，从来都是一件不容易的事。此前，光谱技术是一朵实验室里的“高岭之花”，在民用市场一直是空白。

有两个原因，限制了光谱技术的民用潜力：

一是用不起。传统光谱信息的采集，需要使用光谱仪器，体积庞大，价格高昂，动辄几万、十几万一台，不仅普通家庭用不起，农业等低利润行业也只能望而却步。

二是用不好。光谱分析以前主要用于实验室，研究场景很干净，信噪比很低。然而一旦用到民用市场，处于开放的环境中，会面临很多噪声，信噪比不好，直接影响到光谱信息的分析效率与精度。所以在民用场景下，实验室里采用的物理解决办法并没有太好的效果。

来到AI时代，AI技术与光谱芯片的相辅相成，终于让光谱技术和民用市场有了相遇的可能。

一方面，硬件负责调制，AI负责解调，解决了传统光谱分析“用不好”的问题。

光谱芯片的底层是CMOS，借助光谱调制技术，可以了解入射光场的光谱情况，然后再由AI算法进行数据处理与分析，并自动从光谱数据中提取特征，去除各种噪声，进行基线校正。所以，消费级设备所拿到的图像信息和光谱信息，其实是经由AI“算出来”的。

另一方面，光谱的物理信息+机器视觉的数字信息，共同投喂给AI，解决了行业智能化“用不起”的问题。

AI算法的性能表现十分依赖于数据规模与质量，而很多行业没有信息或信息微弱，不得不采用规模效应来提高模型性能，导致算力要求高、成本大。而光谱信息具有无损检测、高效精准的特性，有了光谱信息，可以简化模型，降低模型的复杂度，自然也就不需要过大的算力，从而减少应用部署的难度。

可以说，AI技术与光谱技术的交相辉映，为光谱芯片在消费级市场的广泛应用铺开了路。

光谱芯片的应用场景广阔，其中，消费电子领域的受众规模大、商业价值高，无疑是最具商用潜力的领域之一。目前，AI加持的光谱芯片，已经在消费电子领域市场探索出了不少应用场景：

1.高端手机。高端旗舰手机尤为重视成像功能，光谱芯片可以发出多种颜色的光线，为照明和显示领域提供更丰富的色彩选择和更高的色彩还原度。

2.智能家居。光谱芯片正逐步应用于智能家居产品，包括冰箱、扫地机器人、智能门锁、智能摄像头等。其中，冰箱可以基于光谱相机和AI模型，自动检测食材的新鲜度，提醒用户更换食材；投影仪利用光谱相机和颜色校正算法，解决墙面颜色导致的投影画面颜色失真问题；智能安防领域，利用光谱芯片对目标物体进行快速识别和追踪，由于光谱信息采集到的是纯物理信息，不容易被假头套、假面具所欺骗，打造出安全性更高的智能门锁；扫地机器人，利用光谱芯片+识别算法，精准判断出污渍情况、地板材质，智能调整清扫策略……

3.汽车电子。汽车智能化方兴未艾，其中智能座舱、智能驾驶，是车企较量的技术焦点。光谱芯片在这两个领域都能发挥作用。

在智能座舱，光谱相机可以感知到驾驶员的安全健康状况，提高车内安全性；在智能驾驶，光谱信息可以精准反映出路面障碍物的特征，比如泡沫、石头、路障等，判断策略完全不同，帮助智驾系统做出不同的判断策略。

4.低空经济。AI光谱相机+无人机，共同在低空拍照、摄影时获取更准确的颜色信息，带来更优质的拍摄效果。

5.其他。AI光谱芯片还可以与可穿戴设备结合，实现皮肤健康监测……

光谱芯片，不仅在消费电子市场潜力巨大，随着各行各业数字化转型的持续深入，光谱信息作为一种高可靠的数据类型，能够准确地反映出物理世界的一些关键指标，在B端行业市场中的应用价值也越来越高。

有机构预测，光谱芯片产业的产业规模大约在百亿到千亿，但从设计、流片到量产、最终商用，中间有很长的周期和不确定性，一颗AI光谱芯片要经历哪些考验呢？

吉林求是光谱的负责人告诉我们，它们在2017探索出了“OCF光谱调制+算法解调”的技术创新，2019年就第一颗光谱芯片就流片成功，如今已经与国内头部手机厂商、家电企业达成了合作。与AI的结合，也是公司的重点布局方向。

淬炼一颗AI光谱芯片，首要难题就是资金。

芯片半导体领域是典型的资源密集型产业，十分依赖资金与人才，创新风险又很高。因此民间资本大多不敢投，以前主要依靠政府补贴、项目制。求是光谱成立之后，相继获得了中科创星、吉林省科投、长兴基金等产业基金的投资，让初创企业不用为资金发愁。

然后是数据。

光谱数据源自物理世界，采集难度大、成本高，业内已有的开源数据集根本不够用，大多数都要自己从头采集。目前，求是光谱在开发光谱芯片、光谱技术行业解决方案的过程中，根据项目需求，逐步采集了大量光谱数据，来进行模型训练。未来还需要进一步采集南方地区、极端环境、沙尘天气等数据，预计数据规模会是现在的4-5倍。

数据规模增大之后，随之而来的就是算力挑战。

以前该公司使用自己购买的海外N卡自建算力，价格昂贵、维护困难，遇到问题比如显存小、掉显卡等解决不了，十分影响研发效率。后来当地的数字基础设施有所升级，有了本省第一座AI算力中心。接入长春算力中心的算力服务之后，多任务并行开发不用排队。以前模型在N卡上做一次调优，需要2～3天时间，如今当晚挂上去，第二天早上就能返回结果，对研发效率有了很大的提升。

不过，制造环节并没有太大的挑战了。据负责人透露，光谱芯片主要集中在28nm、40nm、55nm等成熟制程，国内制造能力能够支撑光谱芯片的规模化量产。所以，2019年光谱芯片流片成功，很快就进入到商用阶段，如今大众已经能够在头部手机厂商的手机中，感受到光谱芯片带来的更逼真的成像效果。

从这个角度看，一张可商用的AI光谱芯片，背后是科创投资模式的革新、半导体和光学产业能力的不断夯实，以及数字基础设施的升级。硬科技的突破，从来不是一蹴而就的，而是根深叶茂后的瓜熟蒂落。

当AI的辉光，洒落在一枚光谱芯片上，数字世界与物理世界的融合就多了无数种可能性。