光谱计算HyperVision：北理工张军院士团队Science论文，片上光谱计算的原创概念

把"光谱"本身变成计算单元

2026年9月，北京理工大学张军院士团队在《Science》上发表了一项从概念到硬件都非常原创的成果：国际首次提出"光谱专用计算"（spectral-specific computing）的概念，并基于此实现了片上光谱计算架构，推出全球首款一体化在线实时高光谱成像微系统HyperVision。

什么是"光谱计算"

传统高光谱成像的工作流程是这样的：用光谱仪采集物体在几百个波段下的图像，然后把这些海量数据传回服务器，用GPU做特征提取、分类、识别。问题在于，高光谱数据量极大——一个场景下几百个波段，每个波段都是一整张图，传都传不完，更别说实时处理。

张军团队提出的思路是反过来：既然光谱本身就是天然的多维信息编码，那为什么不在采集的同时，直接用光学器件在片上完成计算？也就是说，把"成像"和"计算"合并到一颗微系统芯片里，光一经过芯片，光谱特征已经被加权、融合、识别完成，输出的不再是几百张原始波段图，而是直接给出分类结果或特征向量。

这就是"光谱专用计算"——让光谱这个物理量本身成为计算的载体，而不是先采样再数字计算。

HyperVision微系统的三个关键词

“一体化”——成像镜头、分光元件、光电探测器、计算单元全部集成在一颗微系统上，体积从机柜级缩小到芯片级。

“在线实时”——传统高光谱遥感卫星要把数据下传到地面站再处理，HyperVision在采集瞬间就能出结果，这对农业病虫害识别、工业质检、战场态势感知这些要求实时性的场景是质变。

“无外接供电、不依赖外部算力”——这两个表述放在一起，意味着这套微系统可以做成无源的、贴在设备上的感知节点，靠光本身或微弱能量就能运行，不需要电池、不需要连服务器。这对物联网传感器网络的意义是颠覆性的。

为什么发Science

《Science》这一级别的期刊，对成果的要求不只是"做得比别人好"，而是"提出了一个别人没想过的概念"。光谱专用计算这个概念之所以能发Science，是因为它开辟了一个新的研究方向：计算光学的下一步，不是把相机做得更高清，而是让光在传播过程中就完成计算。这和MIT在做的"事件相机"、斯坦福在做的"神经形态视觉传感器"是同一个大方向——让感知硬件本身具备推理能力。

行业影响

对遥感行业，HyperVision意味着无人机或卫星上的高光谱载荷不再需要把TB级数据下传，而是直接在星上/机上输出"这块地有病虫害"“这片海域有溢油"的结论。对工业检测，流水线产品的材质、缺陷、成分可以在线实时判定。对国防，光谱制导和目标识别的反应速度提升几个数量级。

更值得关注的是"原创概念"这四个字。在国内高校工程类成果大多是"跟跑改进"的大背景下，张军团队能在Science上定义一个新方向，说明国内在光机电算融合这个交叉领域，已经具备从0到1的理论提炼能力。

与国际同类工作的区别

国际上做计算光学的团队不少，但大多数还停留在"用光学元件做一次模糊核或卷积"的演示阶段，输出的仍然是处理过的图像。HyperVision的不同之处在于，它把"光谱计算"做成了一个完整的微系统：从光入射、到分光、到光电转换、到计算单元，全部在一颗芯片上闭环，而且明确宣称不依赖外部供电和外部算力。这意味着它可以做成无源标签、贴在农田里、贴在工业流水线上，靠环境光或微弱能量就能持续输出光谱特征。

这种"无源+实时+在线"的组合，对遥感和军事领域尤其敏感。传统高光谱卫星受限于下行带宽，每天能处理的场景数量有限；星上实时处理之后，卫星可以只把"有异常"的坐标和特征点传回地面，数据链路压力下降几个数量级。农业上则可以做到每块田、每株作物的光谱级健康监测，而不是等无人机飞过之后再回办公室分析。

guijiagi.com 会持续跟踪光谱计算、计算光学这一新兴交叉方向的工程化进展。