1.上海交大突破：全光计算芯片，首次实现支持大规模语义视觉生成模型

2.浙江大学车录锋教授团队在AFM发表高性能AI增强型可穿戴贴片研究成果

3.北京大学电子学院王兴军教授团队在集成光子机器视觉与感知领域取得重要成果

1.上海交大突破：全光计算芯片，首次实现支持大规模语义视觉生成模型

近日，上海交通大学陈一彤课题组研究成果发表于国际顶级学术期刊《科学》，首次实现支持大规模语义视觉生成模型的全光计算芯片LightGen，被选为高光论文重点报道。
上海交通大学集成电路学院（信息与电子工程学院）图像通信与网络工程研究所陈一彤课题组的研究成果，以《大规模智能语义视觉生成全光芯片》（All-optical synthesis chip for large-scale intelligent semantic vision generation）为题，发表于国际顶级学术期刊《科学》（Science）上。该研究在新一代算力光芯片方向取得重大突破，首次实现了支持大规模语义视觉生成模型的全光计算芯片LightGen，被《科学》杂志官方选为高光论文重点报道。

陈一彤助理教授长期致力于光计算领域研究，其团队成果显著。此次LightGen芯片在单枚芯片上同时突破三项关键瓶颈：单片上百万级光学神经元集成、全光维度转换，以及不依赖真值的光学生成模型训练算法。这使得面向大规模生成任务的全光端到端实现成为可能。

LightGen展示的是全光芯片完整实现“输入—理解—语义操控—生成”的闭环。输入图像进入芯片后，系统能提取与表征语义信息，并在语义操控下生成全新媒体数据。实验验证显示，LightGen可完成高分辨率（≥512×512）图像语义生成、3D生成（NeRF）、高清视频生成及语义调控，同时支持去噪、局部与全局特征迁移等多项大规模生成式任务。实测数据表明，即便采用较滞后性能的输入设备，LightGen仍可取得相比顶尖数字芯片2个数量级的算力和能效提升；若采用前沿设备，理论可实现算力提升7个数量级、能效提升8个数量级的性能跃升。

原因、影响及应对方案：
随着深度神经网络和大规模生成模型的迅猛发展，AI革新世界速度加快，但规模爆炸式增长的生成模型带来超高算力和能耗需求，与传统芯片架构性能增长速度出现缺口。光计算具备高速和并行优势，计算速度较电子芯片快100 - 1000倍，能耗降低80%以上，成为突破算力与能耗瓶颈的关键方向。

LightGen为新一代光计算芯片助力前沿人工智能开辟新路径，为探索更高速、更高能效的生成式智能计算提供新研究方向。这一突破将为生成式AI的广泛应用提供强大算力支撑，有望推动AI技术在更多场景落地。同时，上海交大此次在全光计算芯片领域的突破，不仅为AI算力提供新路径，也为中国半导体产业在AI算力新赛道实现跨越式发展提供重要支撑。

2.浙江大学车录锋教授团队在AFM发表高性能AI增强型可穿戴贴片研究成果

近日，浙江大学信息与电子工程学院车录锋教授团队在可穿戴贴片构筑全ASCII码触觉闭环人机交互方面取得最新进展，相关研究成果以“A Fully Integrated Patch for Real-Time AI-Enhanced Haptic Closed-Loop Interaction of Complete 128 ASCII Codes”为题，发表于国际材料领域顶级期刊《Advanced Functional Materials》。浙江大学信息与电子工程学院博士生丁智为论文第一作者，本科生杨洋、谢奕然参与了相关研究工作，浙江大学和浙江大学绍兴研究院为署名单位。

人机交互技术从机械打孔卡到语音、手势、脑机接口等新型交互方式不断演进，旨在实现更自然、高效的互动。然而，当前技术仍面临覆盖完整128个ASCII码的挑战，且依赖人工模拟数据训练AI模型效率低下。同时，现有人机交互缺乏触觉闭环反馈，会导致视觉疲劳。未来需重点发展触觉反馈技术，构建完整的闭环交互系统，并通过低成本可商业化的可穿戴设计推动实际应用。

针对上述问题，车录锋教授团队开发了一种全集成、可拉伸且AI增强的可穿戴贴片，基于触觉传感器和振动执行器，实现无线实时触觉闭环交互，且可覆盖完整128个ASCII码。通过生物启发的指纹电极和原位生长纤维微结构，触觉传感器灵敏度达997.2 kPa⁻¹，PWM调制微型振动执行器提供7级触觉反馈，皮肤上单元区分准确率达91%。通过传感器阵列按压次数编码，建立数学模型快速生成大批量训练数据，解决传统依赖人工重复场景的问题。基于此，训练的CNN模型可实时分类128个ASCII码（如“G”，“o”，“!”，“<”等）。结合软件开发，该系统还可实时完成触觉反馈VR游戏，增强沉浸感并缓解视觉疲劳。

该工作得到了浙江全省先进微纳传感技术重点实验室项目（编号2024E10043）的大力支持。

论文链接：https://advanced.onlinelibrary.wiley.com/doi/10.1002/adfm.202519535

（浙江大学-信息与电子工程学院）

3.同济大学印真教授团队在Matter发表生物混合微型机器人导航相关文章

近日，同济大学电子与信息工程学院印真团队在生物混合微机器人研究方面发表文章，相关研究以 “Biohybrid navigation: Fusing intrinsic motility with external magnetic steering” 为题，发表于Cell姊妹刊《Matter》。该论文以同济大学为第一单位，印真教授为唯一通讯作者。

微型机器人在生物医学领域具有广阔应用前景，可用于靶向药物递送、微创诊断及体内复杂环境探测等。然而，在实际生物环境中，微型机器人往往面临高黏度流体阻力、狭窄通道限制以及复杂几何结构带来的运动不稳定与易滞留等问题，严重制约其运动效率和可控性。

针对上述挑战，Akolpoglu等人围绕复杂生物微环境中微型机器人的稳定推进与精准导航问题，提出了一种融合生物自主运动能力与外部磁场调控的生物混合导航策略。该方法通过将天然具备鞭毛推进能力的微藻与磁性纳米颗粒相结合，在保留其内在生物运动特性的同时，引入外部磁场实现方向引导，从而实现对微型机器人运动轨迹的有效调控。

如图所示，构建了一种表面功能化的生物混合微机器人结构模型。微藻细胞表面均匀负载带正电的磁性纳米颗粒，在不破坏其天然鞭毛结构和推进机制的前提下，使其获得对外部磁场的响应能力。该设计实现了生物自主推进与人工磁控单元的有效融合，为后续的精准导航提供了结构基础。

生物混合微机器人在外加磁场作用下，其原本随机游动的运动模式可被有效转变为具有明确方向性的直线或准直线运动。在高黏度流体环境中，尽管整体运动速度有所降低，但在磁场引导下，其运动方向保持稳定，显著减少了反向回退和无效摆动行为。

该研究表明，将生物体长期进化形成的高效运动机制与温和、非侵入式的磁场调控手段相结合，是实现微型机器人复杂环境导航的一种简洁而有效的解决思路。相关成果为生物混合微机器人在靶向治疗、微创医疗及复杂生物微环境探索等领域的应用提供了新的技术支撑。

本研究得到了国家自然科学基金和上海市教育委员会相关项目的支持。

论文链接：https://doi.org/10.1016/j.matt.2025.102354

（同济大学电子与信息工程学院）