传统视觉感知链路中，光信号需经过采集、模数转换、缓存搬运、数字分块与嵌入等多道工序才能生成模型可处理的词元，海量冗余数据的频繁搬运，是边缘端能耗居高不下的核心原因。该团队在国际上首次提出将词元生成过程前移至传感器端，从物理层面绕过传统串行路径，在芯片内直接完成图像采集、分块与嵌入全流程。
“光语芯”基于单层二硫化钼浮栅光电晶体管搭建，像素单元同时兼具感光、存储与模拟计算三重功能。光信号写入后以浮栅电荷形式原位保存，通过外围电路与特定电压序列，直接在模拟域完成运算输出词元，实现“光进来，词元直接出去”的物理计算，从根源上消除了数据搬运带来的高能耗问题。
测试显示，该系统识别准确率达87.3%，接近传统软件方案的识别基线，词元化阶段能效较传统方案提升超10倍。这项成果颠覆了“先感光、再缓存、后计算”的传统范式，未来有望为具身智能、低空无人机、智能安防等领域提供高能效、近零延迟的视觉认知基座，加速物理AI大规模落地。
（据《科技日报》）
