新加坡国立大学Chengkuo Lee等：AI驱动的光子革命，近传感器边缘智能芯片引领超低功耗、超快延迟新时代

研究背景

随着大模型时代的到来，人工智能正从“云端推理”快速迈向“边缘智能”。无论是智能手环、虚拟现实，还是医疗监测、工业控制，终端侧对AI的实时响应、超低功耗与数据隐私保护提出了前所未有的挑战。边缘计算正逐渐成为下一代AI系统架构的核心支柱。为此，研究界提出了“边缘AI”与“物理AI(Physical AI)”的融合理念，希望在物理世界最前端就完成感知、计算与决策。然而，当前主流的电子类解决方案——如忆阻器(memristor)、忆忆体晶体管(memtransistor)等，虽然具备一定神经形态特性，但仍受限于能耗高、响应慢、易干扰等瓶颈。与此同时，光子计算因其超高带宽、低延迟、天然并行等特性，在大模型推理中展现出巨大潜力。英伟达，英特尔等科技巨头已在AI服务器部署基于光子芯片的 CPO(Co-Packaged Optics)技术，显著提升计算通信效率。然而，将光子计算从数据中心“搬”到边缘设备，真正做到与电子传感器融合并实现本地AI推理，始终缺乏一体化的底层硬件平台。

本研究针对这一前沿挑战，提出了近传感器边缘计算系统(NSEC)，基于一体化的 CMOS兼容AlN/Si双层光子芯片平台，首次实现了电信号(如可穿戴传感器)与光信号(如光谱、生物分子探测)在同一片上平台的融合处理。这一突破不仅大幅降低AI计算的延迟与能耗，更为未来AI设备提供了“感知即计算”的全新范式，标志着从算力堆叠向感知智能协同的根本转变。

Near-Sensor Edge Computing System Enabled by a CMOS Compatible Photonic Integrated Circuit Platform Using Bilayer AlN/Si Waveguides

Zhihao Ren, Zixuan Zhang, Yangyang Zhuge, Zian Xiao, Siyu Xu, Jingkai Zhou, Chengkuo Lee*

Nano-Micro Letters (2025)17: 261

https://doi.org/10.1007/s40820-025-01743-y

本文亮点

1. 性能飞跃：打破AI算力瓶颈，实现纳秒级超低延迟与皮焦耳级超低功耗。本研究首次构建了光子近传感边缘计算系统，将AI计算延迟降低至<0.1纳秒，能耗低至<0.34皮焦耳，在13类手势和7类步态识别任务中准确率分别达到96.77%和98.31%，实现边缘AI感知的性能跨越。

2. 技术革新：首创双模输入+双层波导架构，融合光电子混合感知与计算。通过将氮化铝微环谐振器与硅基马赫-曾德干涉仪集成于同一芯片，支持电域和光域双输入信号，实现光子特征提取与神经网络计算的片上协同，开创电光融合AI硬件新范式。

3. 应用前景广阔：面向可穿戴智能终端与未来物理智能(Physical AI)场景。NSEC系统具备高度可扩展性与CMOS兼容性，适用于智能手套、智慧穿戴、AR/VR、人机交互等多模态感知任务，助力AI从“云端”下沉至“终端”，引领新一代边缘AI硬件的发展方向。

内容简介

随着大模型驱动的人工智能(AI)系统逐步从“云”向“端”转移，如何在靠近传感源的前端实现低延迟、低功耗的AI推理成为亟待突破的关键难题。传统基于电子器件的边缘计算架构，如忆阻器(memristor)、忆忆管(memtransistor)虽具并行处理能力，但受限于速度与热功耗瓶颈，难以满足新一代智能感知系统对“高速+低能”协同的迫切需求。

为解决上述挑战，新加坡国立大学Chengkuo Lee教授团队提出了一种创新性方案——基于CMOS兼容的AlN/Si双层光子集成平台的近传感器边缘计算(NSEC)系统。该系统利用氮化铝微环谐振器实现传感信号的光子特征提取，并通过硅基马赫-曾德尔干涉仪完成神经网络权重计算，实现全光域内的AI推理闭环。

研究团队通过与自供能TENG传感器对接，在手势识别与步态分析两类任务中获得了96.77%与98.31%的高识别准确率，同时将系统端到端延迟压缩至纳秒级，能耗降至皮焦耳级，显著优于传统电子计算架构。更重要的是，该架构兼容电信号与光信号双模态输入，不仅适用于常规可穿戴MEMS/生物传感器，也为未来面向光学视觉、高光谱、激光雷达等多模态智能感知应用提供了统一平台。这项工作为从“物理感知”到“AI决策”的一体化智能系统奠定了硬件基础，预示着光子计算在边缘智能时代的关键角色。

图文导读

I 构建光电子融合计算核心：NSEC系统架构与关键光子器件特性解析

本研究提出了一种新型近传感器边缘计算(NSEC)系统，首创性地融合了可穿戴传感器产生的电信号与光学应用中的光信号两种输入模态，在同一平台上实现无缝协同处理(见图1)。该双模态架构无需多重数据转换，支持电输入信号的光子特征提取与光输入信号的神经网络推理，显著降低能耗、延迟与存储开销，提升了边缘AI系统的通用性与扩展性。系统核心为基于氮化铝-硅异质集成平台的NSEC芯片，集成两大功能模块：光子特征提取单元与光子神经网络单元。其中，氮化铝微环谐振器通过泡克尔斯效应将各类IoT可穿戴传感器的电信号转化为光信号并完成特征提取；随后，硅基马赫-曾德尔干涉仪基于热光调制对信号进行神经网络推理，实现实时AI决策输出。

图1. 基于氮化铝-硅光子集成芯片实现的混合光子-电子NSEC系统示意图。

本研究基于CMOS兼容的硅/氮化铝双层光波导平台，开发出一款具备双模态感知能力的NSEC光子芯片。芯片通过单片集成方式实现高效的层间光耦合，耦合损耗低至0.04 dB，覆盖电信C/L波段(图2)。氮化铝微环调制器利用泡克尔斯电光效应，可将可穿戴电子传感器产生的电信号直接转换为光信号，并同步完成特征提取，调谐灵敏度达0.26 pm/V。随后，硅基马赫-曾德尔干涉仪通过热光效应对光学信号进行神经网络加权计算，调制深度达30 dB，半波电压约为5.6 V，具备高度精确的光学权重控制能力。

图2.  NSEC 芯片上光子器件的特性表征。(a)硅/氮化铝双层波导间耦合器；(b)氮化铝电光微环谐振腔；(c) 硅基热光马赫-曾德尔干涉仪。

II NSEC系统实现多模态动作识别：从手势到步态的电光特征提取与边缘识别全流程

在完成芯片器件级验证后，研究团队进一步将NSEC系统拓展应用至智能可穿戴场景，成功实现了基于光子特征提取的实时手势识别。系统在手套的四根手指关节处集成了TENG自供能压力传感器，用于捕捉不同弯曲角度所产生的电信号。这些电信号在无需复杂电路转换的前提下，直接接入氮化铝微环谐振器，实现了电光转换与特征提取的深度融合。实验中，所用氮化铝微环谐振器直径为60 μm，缝隙为0.4 μm，展现出高达65700的品质因子(Q factor)与稳定的谐振响应能力，确保系统对30°至120°不同手指弯曲动作的光学信号具有高灵敏度和高分辨率。此外，在连续进行100次30°重复弯曲实验中，光学信号表现出良好的重现性与时域稳定性。值得注意的是，由于TENG传感器工作于开路状态，输出电压反映的是电荷在电极上的累积，从物理上等同于对压力输入信号进行积分，从而自然增强了时域信号的连续性与去噪能力。在此基础上，研究团队构建了美式手语识别任务，选取13种具有代表性的字母与数字手势作为识别目标。每根手指对应一个氮化铝微环谐振器，用于分别提取其光学信号特征，进而作为神经网络输入。经50次重复训练与测试，系统最终实现了100%的手势识别准确率。

图3. 基于光子芯片的TENG手套实现手势识别的全过程。(a) 系统结构图：TENG手套在四根手指(拇指、食指、中指、无名指)上布设压力传感器，分别连接至光子芯片上的微环谐振器。(b) 传感与调制原理：TENG在接触-分离过程中输出电压驱动微环谐振器，实现电光特征提取。(c)氮化铝微环光谱：展示中心波长1577.525 nm的高Q值共振峰(Q = 65700)，体现高灵敏调制性能。(d–e) 弯曲响应测试：记录不同角度及多次重复弯曲下的TENG输出与光学信号，验证系统稳定性与重复性。(f–g)手势识别：系统支持13种美式手语(ASL)手势，通过光子特征提取获得清晰区分的传感响应。(h–j)AI识别效果：采用神经网络模型处理光子特征，输出高准确率的混淆矩阵，展示优越的识别能力。

继手势识别之后，研究团队将NSEC系统进一步拓展至动态步态分析场景，提出了基于光子特征提取的“智能袜子”系统(图4a)。系统在左右脚的前后脚掌位置共布置4个TENG自供能压力传感器，用于捕捉行走过程中的落地节奏与重心变化。 在验证过程中，研究团队通过标准推力计对不同脚位施加压力(图4b)，并记录TENG传感器在开路条件下的输出电压(图4c)。这些电信号被直接送入氮化铝微环谐振器进行电光转换，图4d展示了不同压力对应的共振波长变化。选取5个代表性波长作为探测点后，系统可实现连续时间下的微环谐振器响应追踪(图4e)，实现对TENG输出信号的精确还原。微环谐振器输出光信号的变化量(图4f)清晰反映了所施加力的差异，验证了系统的灵敏度和线性响应能力。进一步地，团队构建了完整的一次步态周期识别模型。图4g定义了典型的步态状态序列(如脚尖着地、脚掌过渡、抬脚等)，并记录下4个TENG传感器在一个步态周期内的微环谐振器输出变化(图4h)。将光学特征信号作为神经网络输入(图4i)，系统最终实现了对步态状态的高精度识别，其混淆矩阵如图4j所示，表现出卓越的分类能力。

图4. 基于光子芯片的TENG智能袜实现步态识别的全过程。(a)系统结构图：在袜子前后左右四个区域布设TENG压力传感器(左前 LF、左后 LR、右前 RF、右后 RR)，用于采集行走过程中的足底压力分布。(b–c)力学校准测试：使用标准力传感仪加载不同压力，分别记录其对应的加载时间(b)与TENG在开路条件下的输出电压信号(c)。(d–f)光子特征提取过程：微环谐振器在不同TENG输出电压下的共振谱响应(d)，选取五个波长进行连续光学监测(e)，并提取不同加载压力下的光信号变化幅值(f)。(g–h)步态周期分析：定义完整步态周期中的多个状态(g)，并采集四个TENG传感器在一个周期内的微环响应信号(h)，实现对动态步态行为的精准感知。(i–j)AI识别流程：构建神经网络模型对步态状态进行分类识别(i)，输出的混淆矩阵(j)表明模型在多状态识别任务中具有优越的分类精度与鲁棒性。

III NSEC系统实现光子边缘AI计算全过程：集成特征提取与神经网络推理，支持类脑处理与智能决策

在图5中，研究团队展示了一套集传感、计算、识别于一体的NSEC光子芯片系统，开辟了AIoT时代下一种全新的低功耗、高效率智能处理架构。系统以氮化铝/硅异质集成光子芯片为核心，通过光子特征提取与片上神经网络计算，实现数据在本地“就地处理”，无需上传云端或依赖外部服务器，显著降低延迟与能耗。具体而言，输入激光通过PLC分光器分为四路，分别耦合进与TENG传感器连接的氮化铝微环谐振器，完成对电信号的电光转换与特征提取。提取后的光信号进入硅基马赫-曾德尔干涉仪执行权重调制和矩阵运算，通过热光调控实现光子神经网络的乘加(MAC)操作，输出光信号再经合波器汇聚并通过光电探测器转换为电信号，由边缘侧FPGA完成非线性激活和决策。为提升系统稳定性与精度，研究团队对微环谐振器与马赫-曾德尔干涉仪进行多轮噪声分析与误差建模，调制标准差控制在0.02以内，并提出4-bit权重量化算法，实现高精度神经网络推理。在量化权重策略下，系统在无需训练期间频繁更新的前提下，保持极高识别准确率：手势识别提升至96.77%，步态识别高达98.31%，显著优于模拟权重条件下的表现。

图5. 基于氮化铝/硅光子芯片的近传感边缘计算(NSEC)系统演示(a)NSEC系统搭建示意：集成4个氮化铝微环谐振器用于信号提取，4个硅基马赫-曾德尔干涉仪用于神经网络计算，构建4×4光子神经网络，实现手势与步态识别。(b–c)器件调制特性：分别展示氮化铝微环谐振器和硅基马赫-曾德尔干涉仪在电压控制下的光学响应，插图为芯片显微图。(d–e)AI计算性能评估：验证器件在乘法与乘加运算中的计算精度，支持AI推理。(f–g)AI识别任务结果：系统实现高精度手势与步态识别，验证其实用性。(i–iv)模拟与量化对比：展示模拟与4位量化条件下的矩阵计算效果及对应识别准确率，证明系统兼具高效性与兼容性。

IV 赋能元宇宙交互体验：基于NSEC芯片的近传感边缘计算系统实现低延迟手势识别与跌倒检测

近年来，随着人工智能物联网(AIoT)的迅猛发展，元宇宙逐渐成为热门的应用方向，正在深刻改变人们的生活方式。Apple Vision Pro 等下一代智能设备的推出，更加速了个人用户迈入混合现实(MR)世界的进程。在MR应用中，手势识别已成为控制虚拟界面的核心交互方式，而实现“低数据量、低延迟、低功耗”的手势识别人机界面，已成为前沿技术发展的关键趋势。另一方面，由于虚拟与现实空间的叠加，MR用户在真实空间中活动时可能因视野受限而发生跌倒风险。因此，在当前多数MR设备仍限制高速运动的背景下，具备实时跌倒检测功能的可穿戴系统也变得尤为重要。基于上述两大核心需求，我们构建了以NSEC芯片为核心的近传感边缘计算系统，结合智能手套与智能袜，实现元宇宙交互体验的双重赋能(图6)。

首先，智能手套可精准感知手指弯曲幅度，借助NSEC芯片进行低功耗、低延迟的AI计算，快速生成控制指令。相比传统依赖视频或激光雷达的手势识别方案，我们的方案大幅减少了感知端数据量与神经网络计算复杂度，实现真正意义上的“感之即识、识之即控”。如图6b所示，我们演示了“开灯”和“开风扇”两个手势，通过NSEC的本地计算，快速驱动虚拟空间内的指令响应，系统输出信号清晰明确。

其次，智能袜可实时监测用户步态特征，NSEC芯片内嵌的神经网络模型可精准识别步态变化，及时检测跌倒事件并发出预警(图6c)。通过NSEC输出信号，系统可驱动虚拟人实时还原用户行走与跌倒状态，实现高度拟真的人机映射。

本研究展示了近传感边缘计算在多模态传感系统中的巨大潜力：相比传统依赖图像识别或激光雷达的方案，NSEC实现了数据更少、延迟更低、功耗更优的本地智能处理能力，为元宇宙场景中的人机交互、安全监测、智能家居等AIoT应用提供了通用、可扩展的解决方案。

图6. 面向元宇宙应用的NSEC系统设想与演示。(a)NSEC芯片集成于传感手套与传感袜中，构建虚实融合的人机交互平台，支撑下一代混合现实应用；(b)手势识别模块：i. 现实场景中佩戴者的手部动作；ii. 虚拟现实(VR)空间中手势对应的操作反馈；iii. NSEC芯片对多种手势输出的AI识别结果；(c)步态分析模块：i. 现实场景中的行走姿态；ii. 虚拟空间中由AI驱动的虚拟人(avatar)同步动作；iii. NSEC芯片对多种步态状态的识别输出。

V 总结：打造AIoT时代的光子智能核心，NSEC开启边缘计算新篇章

本研究围绕“低延迟、低功耗、高精度”的AIoT需求，创新性地提出并实现了一种基于氮化铝/硅双层光子集成芯片(AlN/Si PIC)的近传感边缘计算(NSEC)系统。该系统首次将“光子特征提取 + 光子神经网络计算”集成于单芯片中，突破传统电子方案在速度、能耗和多模态处理能力上的瓶颈。在器件层面，NSEC展现出优异的电光调制性能与计算精度；在系统层面，成功完成基于TENG智能手套与袜子的实时手势识别与步态分析；在应用层面，面向元宇宙混合现实场景，NSEC提供了一套具有高扩展性的人机交互与安全监测解决方案。

这一研究不仅展示了光子计算在边缘智能中的广阔前景，也标志着“光子感知-光子计算-光子决策”全链路AI芯片迈入实用化新阶段。未来，NSEC有望成为新一代可穿戴设备、智慧医疗、工业物联网与智能机器人中的关键基础设施，引领AIoT迈入更高效、更智能、更沉浸的新时代。

作者简介

关于我们

Nano-Micro Letters《纳微快报(英文)》是上海交通大学主办、在Springer Nature开放获取(open-access)出版的学术期刊，主要报道纳米/微米尺度相关的高水平文章(research article, review, communication, perspective, highlight, etc)，包括微纳米材料与结构的合成表征与性能及其在能源、催化、环境、传感、电磁波吸收与屏蔽、生物医学等领域的应用研究。已被SCI、EI、PubMed、SCOPUS等数据库收录，2024 JCR IF=36.3，学科排名Q1区前2%，中国科学院期刊分区1区TOP期刊。多次荣获“中国最具国际影响力学术期刊”、“中国高校杰出科技期刊”、“上海市精品科技期刊”等荣誉，2021年荣获“中国出版政府奖期刊奖提名奖”。欢迎关注和投稿。

Web: https://springer.com/40820

E-mail: editor@nmlett.org

Tel: 021-34207624

如果文章对您有帮助，可以与别人分享！：Nano-Micro Letters » 新加坡国立大学Chengkuo Lee等：AI驱动的光子革命，近传感器边缘智能芯片引领超低功耗、超快延迟新时代