威睛光学,就是人眼中的“晶状体”与“大脑视皮层”——既承担动态相位调制的光学编码,又执行神经计算的光电解码,为AI时代机器视觉的每一次判断,奠定“所见即所得、所得即真相”的物理基石。
"s$$M\)T 摘要 3FD6.X>x 在AI与机器视觉狂飙突进的时代,一个根本性追问被长期悬置:当算法越来越“聪明”,它赖以判断的原始数据——光子携带的物理信息——是否足够“诚实”?威睛光学给出了独有的答案。这家
计算光学企业,以相位调制为核心灵魂,构建了从光学硬件(自由曲面、超构表面、液体
透镜)到算法(相位恢复)的完整技术闭环。其本质,是对人眼
光学系统——角膜、晶状体、瞳孔协同进行相位调制,大脑视皮层完成神经解码——这一生物策略的工程化复现与超越。本报告系统论证:相位是光场中承载物理信息的最核心维度;对相位的主动调制能力,决定了视觉系统从“看得清”迈向“看得准”的根本能力。在AI从“语义理解”深入“精密测量”的产业转折期,威睛光学所构建的“相位调制-数学解调”架构,为AI的准确判断提供了不可动摇的“光学真相”基石——这正是AI时代机器视觉最稀缺、最不可替代的基础设施。
$N; Nvp2 关键词:威睛光学;相位调制;相位恢复;波前编码;计算
成像;看得准;AI机器视觉;仿生视觉;光学宪法
F
gi&CJ8Q v(|Arm? 引言:当AI开始“看”,谁能保证它看到的不是幻象? No|T#=BZ[ 2025年,全球计算摄影市场估值231.9亿美元,预计到2032年将达805.9亿美元。全球AI传感器市场在2024年约48亿美元,预计到2034年将激增至1610亿美元。
I34|<3t$ 数字背后是不可逆转的趋势:机器的“眼睛”正以前所未有的速度部署到工业检测、自动驾驶、安防监控、医疗诊断等关键领域。但一个根本性问题被忽略了:当AI算法对着一张图像做出“合格”或“肿瘤”的判断时,这个判断的“合法性”建立在什么基础上?
QPc4bg\J~t 传统思路是让AI模型更大、数据更多,用统计学“补偿”图像质量不足。但这有一个隐秘的逻辑漏洞:模糊的图像不是加密信息,而是丢失了信息。AI可以从模糊中“猜”出一个合理答案,但它无法从不存在的信息中还原真相。这个区别,在安防监控中或许无关紧要;但在工业精密检测中,0.01毫米的误判意味着批次报废;在自动驾驶中,100米外混淆塑料袋与混凝土块意味着致命风险。
dH5 Go9`~R 威睛光学所做的,是在这一根本性问题上给出系统性的工程答案。它不追求“拍出更美的照片”,而是通过对光波前(相位)的主动调制,确保进入
传感器并被AI分析的信息,在物理层面是完整、可信、可溯源的。这套技术体系的价值,不仅在于实现了传统光学难以企及的大景深、超紧凑和免机械对焦,更在于它定义了AI时代“光学真相”的新标准——一种确保信息不被篡改、不被丢失、可被验证的底层技术框架。
,/oqLI\ WQJnWe 第一章 相位:光场中承载物理信息的核心维度 {5GXN! f 1.1 光场的完整描述:振幅与相位
jDWmI%Y. 光是电磁波。要完整描述一束光的传播状态,需要两个相互关联的量:振幅和相位。
"!g}Q* 振幅决定了光的强度——我们日常看到的所有图像,记录的都只是强度的空间分布。无论是人眼视网膜、CMOS传感器还是CCD,本质上都是“光强探测器”——光子打在像素上,产生电子,输出灰度值。振幅信息,就这样被忠实地记录下来。
HX)oN8 但相位呢?相位描述了光波在传播路径上的振荡状态——波峰在何处、波谷在何处、波面以何种几何形态向前推进。相位承载着光场所携带的最深层物理信息:物体的三维形态、折射率的空间分布、
光源的精确位置、介质的透过特性——所有这些关键信息,都以复杂的方式编码在波前的相位分布中。
!R`E+G@ 然而,相位无法被任何现有传感器直接记录。 在光子转化为电子的瞬间,相位信息就丢失了——探测器只响应光的能量,不关心波的振荡状态。这是整个光学探测领域最根本的“信息瓶颈”。
sz"N,-<Ig 1.2 为什么相位才是“看得准”的关键
bR\Oyd~e 要理解相位的重要性,可以做一个简化的类比。振幅告诉我们的,是“光有多亮”,这决定了图像的对比度和可见性——这是“看得清”的基础。而相位告诉我们的,是“光走了多远、经过什么、如何被改变”,这决定了图像的几何精确性和物理真实性——这是“看得准”的根基。
u~]O #v 在传统光学成像中,相位信息的丢失被物理上“完美成像”的设计所规避:只要所有光线都精确汇聚到理想的像点位置,图像就在几何上正确,不需要额外恢复相位。但一旦系统偏离完美——离焦、像差、扰动——“看得准”就立刻瓦解,因为相位畸变会直接转化为图像的变形、模糊和测量误差。
D1ep7ykY 威睛光学的技术逻辑恰恰在此处与传统分道扬镳:它不追求被动避免相位畸变,而是主动操控相位,将“编码-解码”机制贯穿整个成像链路。它让相位信息从“被丢失的受害者”变成“被利用的工具”,从而解开了传统光学的物理死结。
(aeS+d x 1.3 相位调制:人眼进化四十亿年的终极答案
r5>1n/+6 大自然用四十亿年的进化,给出了一个极为优雅的答案:人眼本质上就是一个精密的相位调制系统。
MWl2;qi 角膜——作为眼球最前部的透明组织,提供了约70%的静态屈光力。从相位调制的角度看,角膜是一个固定的、高精度的波前整形器,它赋予入射平面波一个基本的汇聚相位分布,将远处光线初步聚焦,奠定成像光路的基础构架。
4X}.aZO&b 晶状体——位于虹膜后方的双凸透明体,通过睫状肌的微调改变自身曲率。从相位调制的角度看,晶状体是一个动态可调的相位调制器:改变曲率就是在改变施加在波前上的相位分布,从而实现从远景到近景的连续调焦。这种动态相位调制能力,使得人眼在没有机械马达的情况下,能在极小体积内实现大范围清晰成像。
~K7$ZM 瞳孔——虹膜中央的圆形开孔。从相位调制的角度看,瞳孔是一个孔径约束下的波前滤波器。它不仅控制进光量,更重要的是通过改变孔径大小来调节通过光学系统的波前范围,从而影响像差组成和景深特性。小瞳孔挡住边缘光线,减少球差,扩大景深;大瞳孔引入更多边缘波前,提升分辨率但压缩景深。
^MXW,xqb 角膜、晶状体、瞳孔三者协同工作,完成了对进入眼球的光波前的全维度、动态、自适应的相位调制。在这个精巧的硬件基础上,覆盖视网膜的光强记录(振幅检测),以及大脑视觉皮层完成的神经计算——从双眼视差恢复深度、从运动视差重建结构、从经验先验识别的“相位恢复”过程——共同构成了人眼完整的视觉智能。
;4%Co)Rw 人眼从来不是一个追求“完美成像”的系统,而是一个“硬件编码 + 神经解码”的计算成像系统。 这正是威睛光学技术体系的仿生学原型。
H;1_" `X8wnD 第二章 威睛光学的相位调制体系:三层硬件 + 一层算法 pO_$ 8=G+ 2.1 整体架构:一个闭环的相位调制-解调系统
J,W<vrKOcN 威睛光学的核心技术体系,可被理解为一套完整闭环的“相位调制-解调”架构:
- 前端硬件层(编码):自由曲面、超构表面、液体透镜,分别从不同维度对入射光波前施加可设计的、已知的相位调制。
- 后端算法层(解码):相位恢复算法,基于已知的相位调制模型,从记录的强度图像中 数学恢复被编码的原始光场信息。
z^FJ 这个架构的精髓在于:光学硬件不再被迫追求“完美成像”,而是被解放出来专注于“信息编码”;算法也不再是“猜测缺失信息”的统计工具,而是基于明确物理模型的“数学解码器”。双端协同,成就了一个超越传统光学物理极限的全新成像范式。
)/p=ZH0[ 2.2 硬件层之一:自由曲面——高自由度的静态相位编码
iaV%* 自由曲面是威睛光学硬件三层中最成熟、已进入商业化的一层。它打破传统球面透镜的旋转对称限制,能在不同方向上拥有各独立的曲率分布——这意味着可以在单一元件表面完成过去需多片球面镜组才能实现的复杂光路折叠和像差校正。
vWs#4JoG 在威睛的相位调制体系中,自由曲面承担着静态相位编码器的职责。其复杂面型天然产生一个多维度、高自由度的相位分布——这个分布经过精密设计,使整个系统在宽景深范围内表现出高度一致的编码特性。后端相位恢复算法据此执行精确反卷积,实现全焦段清晰成像。
6?BV J 与人眼的类比:自由曲面承担的角色,更接近 角膜 + 晶状体静态屈光的联合功能——它提供了基础的光路结构和核心的静态相位编码。与角膜不同的是,自由曲面的设计自由度远超自然演化所能及的生物学曲面,可同时编码更复杂的光场信息。
T4JG5 2.3 硬件层之二:超构表面——像素级的精准相位操控
+lhjz*0 超构表面代表了相位操控技术的革命性维度。它由亚波长尺度的
纳米结构阵列构成——每一个纳米单元可独立设计,对入射光施加精确到亚波长尺度的突然相位跳变。这不再依赖光在介质中传播来累积相位差,而是在一个近乎无限薄的平面上,以“逐像素”的方式对波前进行任意剪裁。
Q?g#?z&Pu\ 在威睛的体系中,超构表面将相位调制的分辨率从“曲面”推进到“像素”,可同时完成聚焦和编码多重任务,实现整个光路平面化。同时,超构表面可产生远复杂于传统相位板的波前分布,实现对景深、光谱、偏振等多维度信息的联合编码。
X$Y\/|!z 与人眼的类比:超构表面在某些方面超越了人眼光学——它实现了一种人眼无法完成的“像素级波前剪裁”,其功能相当于角膜 + 瞳孔 + 晶状体静态相位分量的集成平面化。但需强调:当前商用的超构表面以静态为主,其动态调节能力尚未达到人眼晶状体和瞳孔的水平。在威睛的三步走战略中,超构表面承载着未来实现“极致紧凑 + 多维度信息编码”的中期目标。
Q"Pl)Q\ 2.4 硬件层之三:液体透镜——通向动态相位调制的最终形态
Qq|c%FZ 液体透镜是威睛战略中面向未来的终极硬件形态。通过电压改变液体界面曲率或弹性薄膜面型,它可在无机械位移的条件下,实现焦距乃至高阶面型的连续电控调节。
Fd1t/B, 在相位调制的语境下,液体透镜首次使“动态相位调制”在工程上成为可能——波前编码的模式本身成为可控变量。系统可根据场景特性实时调整相位编码,在“高分辨率”“超景深”“抗模糊”等模式间自由切换。这已不仅是成像,而是“智能感知”——前端光学硬件根据后端算法指令实时改变自身状态,构成完整的闭环适应系统。
KHTR oXt 与人眼的类比:液体透镜是晶状体动态调焦能力的直接工程复现。这是整个人眼类比中最精确的对应。人眼通过睫状肌改变晶状体曲率来调制波前,液体透镜通过电信号改变液面曲率来调制波前——原理不同,功能等价。而一旦液体透镜与威睛的相位恢复算法闭环结合,便不仅是复现人眼,更是在动态响应速度、调节范围、编码自由度等多个维度上全面超越人眼。
o..iT:f;n 2.5 算法层:相位恢复——从光强到真相的数学桥梁
L=_ 相位恢复算法是威睛相位调制体系中不可分割的另一半。光学硬件完成了波前的编码调制;视网膜/传感器记录下丢失相位信息的光强图像;而相位恢复算法负责执行反向数学运算——从这一幅或多幅强度图像中,计算出被编码的原始光场。
/S #Z.T~~ 这并非通用的图像超分或去模糊模型。威睛的相位恢复算法基于对其自身光学系统点扩散函数的精确物理建模——它知道光学端做什么编码,因此可执行确定性数学反卷积,而非统计猜测。每一个像素的恢复值,都可追溯到一个由光子计数经逆数学变换的原始测量值。这种 可溯源的物理真实性,是将AI判断从“统计猜测”提升到“物理确证”的决定性一步。
w;wgh`ur 与人眼的类比:相位恢复算法在威睛体系中的功能角色,精确对应大脑视皮层在人类视觉中的作用。视网膜仅记录光强(丢失相位);大脑通过双眼视差、运动视差、认知先验等机制,从这些不完整信号中重建三维、全焦、语义丰富的视觉感知——这在功能上便是一种神经层面的“相位恢复”。威睛的相位恢复算法,正是将这一生物策略工程化,用精确数学模型替代了神经网络的“黑箱猜测”。
nK8IW3fX9) 2.6 小结:相位调制——贯穿三硬一软的灵魂主轴
1C5~GI ` 从自由曲面到超构表面,从液体透镜到相位恢复算法,威睛光学体系中的每一层技术,都围绕同一个核心:相位调制。
- 自由曲面提供的是成熟、可靠的静态相位编码能力;
- 超构表面追求的是更高自由度、更集成化的精准相位调制;
- 液体透镜则指向动态、自适应的终极智能相位调制;
- 相位恢复算法则是将相位编码图像还原为物理真实的“解码器”。
<1pRAN0 这“三硬一软”不是孤立的技术堆叠,而是由“相位调制”这条逻辑主轴串接起来的完整体系。它们从不同维度、不同成熟度、不同应用场景诠释了同一个技术哲学:掌控了相位,就掌控了光场中承载物理真相的最核心维度。 波前编码不过是实现这一掌控的技术手段之一——真正重要的是对相位这“光之灵魂”的主动驾驭。
=^5#o)~BB 2.7 通向“极简”的阶梯:从精简到颠覆
%_L~"E 2e 必须指明的是,并非所有相位调制技术都能将光学系统推向“极简”。 在这三层硬件架构中,真正的极简化突破,发生在超构表面与液体透镜这两个前沿层面。
_qf$dGqc
自由曲面实现的是“精简化”而非“极简化”。 它通过一张曲面替代多片球面镜片,显著减少了镜片数量,但光学系统的基本形态——折射透镜组——并未改变。系统仍然需要物理厚度来完成光路传播,也无法彻底摆脱对机械结构的依赖。这是“以少代多”的优化,而非“以无代有”的颠覆。
M/abd 7q 真正的极简,始于超构表面。 它将三维的折射光路,压缩为二维的平面纳米结构阵列。光不再需要穿过厚厚的透镜在介质中“走长路”来累积相位,而是在一个近乎无限薄的界面上,通过与纳米结构的共振响应完成相位的瞬间跳变。这意味着,传统意义上“镜筒+多层镜片”的光学结构被彻底消解——光学系统从“棒状”变为“薄膜”。当超构表面将透镜、相位编码板乃至分光功能集成于一个平面时,“极简”才真正从愿景走向物理现实。
KKRj#m(:! 液体透镜则将“极简”推向了动态自适应的新高度。 它不仅去掉了机械调焦马达——传统光学中最笨重、最脆弱的环节——更根本上改变了系统的运作逻辑。一个无任何机械移动部件、仅凭电压信号就能实时改变焦距和编码模式的“液滴”,其结构之简洁、响应之快速,已不是传统光学概念的“简化版”,而是一种全新的光学生命形态。
o]<@E u G 因此,威睛光学“三步走”的产业化路径,在其本质意义上,正是一条从“精简”走向“极简”的进化阶梯。它以自由曲面完成当前市场的量产覆盖,以超构表面验证平面化集成的技术边界,以液体透镜储备终极动态视觉的颠覆性可能。每一步,都是在将“以计算换结构”的哲学推向更深层——直到光学系统本身,消失在算法和智能之中。
j9r%OZw{ c $n`=NI 第三章 “看得准”:AI时代机器视觉的核心价值 }v`Z.?|Z 3.1 “看得清”与“看得准”的本质区别
H?4t\pSS 过去十年,AI视觉解决的核心问题是“看得清”——把模糊变清晰,把低分辨率变高分辨率,从噪声中提取目标。这些任务的共同特征是:输出结果允许“合理即正确”。一张观感清晰的恢复图像,即使细节与原始场景存在一些偏差,在大多数应用中也算成功。
bCg)PJuB 但“看得准”完全不同。它要求输出结果不是“可能如此”,而是“必然如此”。在工业精密尺寸测量中,0.01毫米的误差即可导致批次报废;在医疗诊断中,一个被“脑补”出的微小病灶意味着误诊风险;在自动驾驶中,对百米外障碍物材质判断的丝毫错误可能导致致命后果。
3-T"[tCe “看得清”的目标是:输出看起来合理的图像。“看得准”的目标是:输出物理上可确证的图像。
GTocN1,Z~a 两者的核心差异,在于信息保真度要求的质的跃迁。当AI任务需要将判断结果作为“科学证据”或“判决依据”时,“差不多”就不再够用——只有“物理真值”才算合格。
qCI0[U@ 3.2 AI模型的能力边界:统计推断不能替代物理测量
>h9T/J8 当前深度学习模型的强大能力——超分辨率、去模糊、生成式填充——容易使人产生一种错觉:既然AI能让模糊图像变清晰,为何还需费心从光学前端保证信息质量?
~5;2 ni8n 答案在于理解“生成”与“反演”的根本区别。
2~y<l 通用视觉大模型执行的是“图像翻译”:学习模糊图像域到清晰图像域的统计映射。这个映射完全基于训练数据的分布——模型学到的是“在清晰图像世界里,面对此类模糊,最可能的清晰图像长什么样”。这是概率意义上的最优猜测,不是物理意义上的确定还原。它无法为任何恢复出的像素提供溯源于物理测量的证明。
#GfM!<q< 而威睛的相位恢复算法执行的是由物理模型驱动的数学逆运算:已知光学系统的点扩散函数,通过反卷积计算原始光场分布。这一步不需要训练数据,不依赖于概率——在PSF准确的前提下,它是确定的。每一个恢复出的像素值,都可追溯到由光子计数转化而来的原始测量值。
(Rs|"];?Z 这种“物理可溯源性”,是AI的统计推断永远无法替代的。当视觉任务从“看看像不像”升级为“量量对不对”时,只有物理反演能提供可靠的依据。
7csMk5NU'< 3.3 “看得准”的物理基础:相位保真 = 信息保真
b^'>XT~1J& 为什么相位调制能保障“看得准”?因为相位被破坏的信息,恰恰是几何精度所需的那些信息。
mcb|N_#n/ 在传统光学中,离焦、像差、热胀冷缩等因素,会在波前上施加复杂且不可控的相位扰动。这些扰动经由光强探测传递到图像,直接表现为变形、模糊和测量误差。传统系统的应对方式是“被动防御”——用更多镜片、更精密装配来对抗干扰,这导致系统庞大且昂贵。
A5IW[Gu! 威睛的方案是“主动利用”——与其抵御相位畸变不如精心设计它。用自由曲面、超构表面或液体透镜,对波前施加一整套精确已知且可数学反演的相位编码。这个编码不是破坏了信息,而是改变了信息的表现形式;而只要编码规则已知,信息便没有真正丢失。
\^3cNw 因此,威睛机器视觉的“看得准”,拥有传统方法无法比拟的双重保真机制:
- 数学保真:相位编码的确定性保证了反卷积的数学可解性,这确保了恢复出的图像在物理上是真实的,所有细节与原始场景精确对应。
- 边界保真:当目标超出系统能力时,威睛方案产生的并非随机模糊,而是均匀可识别的编码模糊。这使AI能更早判断“当前信息不可靠”,在犯错前主动宣告“未知”——这在安全攸关的应用中是无价的能力。
[2.;gZj 3.4 终极价值:为AI判断奠定“光学真相”
[+wLy3_ 威睛光学的终极价值,由此清晰浮现:它不是在制造“更清晰的相机”,而是在为AI的每一个判断奠定“光学真相”基石。
,KaO8^PB 当一台工业检测设备基于威睛图像判定“此零件合格”时,做出的不是一个基于统计置信度的“猜测”,而是一个基于物理确证的“判决”。这个判决的合法性,可追溯到整个光学链路中的相位编码与数学解码的每一个确定性步骤——直到光子的计数。这是任何纯AI方案无法提供的“法庭级”证据链。
7Ml OBPh 在AI视觉从“感知”走向“认知”乃至“裁决”的进化中,谁掌握了向AI提供“物理不可篡改信息”的能力,谁就定义了机器判断的“最高合法性标准”。这是威睛光学在AI时代最根本的、不可替代的价值。
5,#aN}v#? b~C^cM 第四章 从人眼到机眼:仿生视觉的工程化超越 N+zR7`AG8 如前几章串联所示,威睛光学的相位调制体系与人眼光学系统间,存在着深刻的结构性映射。本章将系统梳理这一仿生学类比,并阐明其意义。
c9ea%7o{0a 4.1 结构性映射