NSR观点 | 上理工顾敏院士团队提出面向边缘/具身智能的类脑光学计算新范式

上海理工大学顾敏院士、方心远教授、贾月恬助理研究员在《国家科学评论》（National Science Review, NSR）发表观点文章（Perspective），综述了类脑光学计算在边缘/具身智能中的发展、挑战与未来方向。该文将收录于NSR“光电集成”专题。

当前，人工智能正加速从云端计算走向现实物理世界。从自动驾驶汽车到智能机器人，从智能终端到未来人机协同系统，智能体不仅需要完成信息处理，更需要在复杂动态环境中实现实时感知、自主决策和自主行动。然而，随着应用场景不断向端侧延伸，传统电子计算架构受限于存储与计算分离带来的频繁数据搬运，面临延迟、带宽和能耗等瓶颈，难以满足边缘智能和具身智能对于微秒级响应、超高能效以及本地自主运行的需求。

针对上述挑战，研究团队提出类脑光学计算（Brain-like Optical Computing, BOC）新范式。文章指出，类脑智能是受脑科学启发形成的更广义智能科学与技术体系，其核心目标是借鉴人脑在感知、认知、学习与决策中的神经机理和运行机制，发展面向工程实现的系统架构、算法与器件，从而构建具备类脑能力的智能系统。其中，类脑感知强调像生物视觉与神经系统一样，实现对复杂环境的实时、自适应与事件驱动感知；类脑计算则强调像大脑一样，在硬件层面实现记忆、学习、推理与决策的协同融合。与当前主要聚焦矩阵运算加速和算力提升的传统光计算不同，BOC更加关注自主智能行为的形成与实现，强调“感-存-算-决策”在端侧光子系统中的协同完成。这种模式尤其适用于边缘智能与具身智能场景，能实现有限功耗、有限带宽和动态环境下的本地自主感知与实时决策。

在这一理念下，研究团队论述了由光学神经网络（ONN）、光学脉冲神经网络（OSNN）、记忆印迹神经网络（ENN）以及光忆阻器等关键技术组成的统一光智能架构。其中，ONN负责高速感知与信息提取，OSNN实现事件驱动的信息处理，ENN与光忆阻器承担长期记忆存储和存算一体功能，共同形成融合“感-存-算-决策”的端侧智能系统。该范式也标志着光计算研究正从面向算力提升的“计算导向”阶段，迈向面向自主智能的“智能导向”阶段。

类脑光学计算有望为边缘智能和具身智能提供全新的光学信息处理框架。在边缘智能领域，该范式可服务于自动驾驶、全息通信、智能医疗、智能终端等场景，通过在物理端侧直接完成感知与决策，实现超低延迟、高带宽与高能效的信息处理；在具身智能领域，则有望支撑机器人自主控制、人机协同制造、远程操作以及复杂环境交互等任务，使智能系统具备更强的实时响应、自主学习与环境适应能力，实现物理世界中的高效自主控制。

此外，类脑光学计算更加接近未来产业化部署需求。类脑智能的底层逻辑，是利用硅基技术体系模拟碳基生物智能，并最终服务于智能芯片、智能计算系统、机器人以及医学等实际应用场景。因此，BOC不仅是面向基础研究的新型光计算框架，也是一条连接基础科学与产业应用的重要技术路径，有望推动光智能系统加速迈向规模化应用。