圆桌观点 | AI重构光学行业！深度拆解：范式变革、产业破局与人才新生

当光学遇上AI，一场席卷产学研的行业变革正在悄然上演。从光学设计迭代、产业落地升级，到行业内卷破局、人才培养革新，AI不再是遥远的科技概念，而是深度渗透光学全产业链的核心变量。

9月9-11日，第27届中国国际光电博览会在深圳举行，同期举办的” "AI+计算光学成像"新机遇论坛”中的圆桌论坛环节，北京理工大学 张楠教授、清华大学 曹良才教授、浙江大学光电学院，舜宇中央研究院 副院长(兼）汪凯巍教授、北京与光科技有限公司CEO 王宇博士，围绕计算成像领域前沿展开深度对话，直击行业痛点、拆解技术趋势、给出落地解法，为AI+光学行业发展指明全新方向。

本次论坛的核心开篇议题，圆桌主持人张楠教授直指行业核心争议：AI对于光学行业，是颠覆性范式革新，还是单纯的技术增强工具？

*左：北京理工大学光电学院教授 张楠、右：浙江大学光电学院教授，舜宇中央研究院副院长(兼）汪凯巍

汪凯巍教授从技术底层逻辑给出解读，近年AI爆发源于数据、算力、算法三要素的迅猛发展，区别于以往小众化技术迭代，如今大模型已深度融入科研与日常生活，具备全民可用、全场景落地的特质，对行业和年轻人的影响是跨时代、颠覆性的。

但他同时强调AI存在局限：以光学设计为例，大语言模型并不理解底层物理逻辑，仅靠海量语料生成方案，无法自主推演原理，必须依靠物理模型兜底。目前行业正通过“AI智能体+物理模型”的组合模式，弥补短板。

曹良才教授用行业实例印证颠覆性价值，传统光学镜头设计中，资深工程师需耗时一个月优化设计。而AI生成的设计方案，即便不考量加工容错，性能也可优于人工成果，资深工程师也将面临替代风险。

同时他提出辩证观点，AI虽大势所趋，但仍存在技术盲区，小众场景仍需传统方式补位，从业者需避免被AI反噬。

王宇博士聚焦产业落地视角表示，当前AI+光学的落地仍针对于“特定场景、特定模型”的定制化模式，虽能优化现有视觉系统性能，但未来终极方向是实现光学元器件Transformer化、标准化，打造通用智能视觉系统VFM，完成从局部优化到全域颠覆的升级。

AI技术热度高涨，但产业落地无法脱离商业本质。张楠教授抛出问题：企业普遍关注的AI投入产出、性能成本权衡、人力替代、落地实用性等问题，行业该如何权衡？

*北京与光科技有限公司CEO 王宇

王宇博士基于终端产品落地经验分享，早期光谱成像技术算力消耗极大，单张图片计算需耗时一天，无法商用。团队通过极致数据压缩优化，实现手机终端低功耗、高帧率运行。他强调，AI落地不能只追求技术精度，更要聚焦可制造性、算力适配、功耗控制，脱离实际场景的高精度AI技术没有商业价值。

曹良才教授指出AI落地的两大痛点：一是AI“幻觉”与不可解释性，AI成像、3D建模时常出现细节偏差问题，无人监督场景下风险极高；二是成本临界点，当前国内算力资源充足，但规模化落地仍需突破成本门槛，只有AI应用成本低于传统工艺与人工成本，才能实现全面替代。

汪凯巍教授提出场景化权衡思维：卫星设备可通过AI替代部分镜片、减轻载荷、大幅降低发射成本，AI赋能价值极高；但手机终端减少镜片仅能节约几毛钱成本，却会增加算力功耗、影响设备续航，得不偿失。企业落地AI无需全盘跟风，需结合场景特性判断适配性。

当下光学行业企业扎堆、赛道同质化严重、低价内卷加剧。张楠教授提问：企业如何借助AI跳出恶性竞争？有没有什么好的方案？

汪凯巍教授观察到，当下传统光学企业普遍具备主动拥抱AI的意识，这是行业最大的机遇。他总结企业AI落地的核心聚焦三点：一是智能化仿真建模，将资深工程师的人工经验固化为AI算法，降低技术对人力经验的依赖；二是工艺优化，通过AI缩减镜片试模次数，提升生产效率；三是全域数字化联动，依托AI打通研产供销服全链条，联动MES、ERP系统，搭建企业智能体，实现生产故障诊断、流程优化、高效决策。

同时他提出，良性内卷的核心是依托AI实现成本最优、效率最优，构建盈利优势。

*清华大学教授 曹良才

曹良才教授聚焦科研与企业创新共性表示，同质化竞争下，AI是最直接的差异化突破口。即便行业多数研究、产品高度重合，提前布局AI技术，也能够形成独特竞争优势。无论科研人员还是企业从业者，掌握AI能力已是行业刚需，固守传统模式终将被行业淘汰。

王宇博士提出“双轨破局法”：向外挖掘蓝海增量，避开内卷严重的消费电子红海，聚焦具身智能、触觉感知等AI新兴赛道，抢占市场新机遇；向内深耕企业内功，通过AI数字化搭建智能办公与生产系统，降低内部运营成本，提升综合竞争力。

AI全面普及的时代，传统知识积累式的人才培养模式需要发展。张楠教授提问：从人才培养角度，不单单是AI+光学、AI+教育，AI对于人才培养上有没有什么思考？

曹良才教授分享了直观的科研变化：依托AI赋能，可快速解答专业知识，学生无需耗费大量时间死记硬背知识，应将核心精力投入项目实践、创新思路搭建，通过实战重构知识体系，这是新时代科研人才的核心成长路径。

汪凯巍教授抛出行业深度思考：当AI能精准解答大学课堂的专业问题、复刻课堂答案，传统大学教学模式、知识传授模式在新的形势下需要变革。未来人才的核心竞争力，不在于掌握多少既定知识，而在于理解知识底层原理、具备创新思维与深耕钻研的精神，能够创造AI无法生成的全新方法与技术。

王宇博士精准总结人机能力边界：AI已经完美解决“How”的问题，能够落地所有执行层工作；而人类的核心价值，在于解决“What”和“Why”的问题，创造性思维、顶层规划能力、价值判断能力，是AI时代不可替代的核心能力。

张楠教授针对当下师生滥用AI的普遍误区，精炼总结了AI时代的成才核心逻辑：

首先，人才是核心，AI只是工具。学生借助AI产出成果，核心源于导师的思路启发与方向规划，AI仅负责落地执行，无法替代人的创意与顶层设计。

其次，提问与深耕能力是核心竞争力。当下多数人只会套用AI现成结果，缺乏多轮追问、深度打磨的钻研精神，这也是AI时代拉开个人差距的关键。

同时，学习的核心价值在于思考过程与表达能力，而非固化知识。独立思考、逻辑梳理、落地输出的能力，才是不可替代的核心素养。

光学镜片制造中小企业从业者提出行业痛点：大企业重金布局AI数字化体系，小企业无力投入，陷入“不跟进被淘汰、跟进无能力”的AI焦虑，生存空间被持续压缩。

曹良才教授建议企业放平心态、主动求变：行业巨头并非永远领跑，大企业的AI布局也可能偏离赛道、走入误区。中小企业无需盲目对标巨头，应主动规避同质化红海赛道，挖掘小众创新场景，打造专属差异化优势，以灵活创新对抗规模化垄断。

王宇博士指出垂类赛道的绝对机遇：大企业聚焦规模化量产，追求百万级产能，对于千级、百级的小众定制化需求，因经济效益不足往往不屑布局。而中小企业体量灵活、适配性强，深耕细分垂类、定制化场景，避开内卷、实现盈利，构筑专属生存赛道。

汪凯巍教授表示，当下很多新兴智能硬件的小众定制需求，正是大企业的市场盲区，也是中小企业的核心机遇。

张楠教授提出破局路径：中小企业可依托产学研深度融合，联动高校师生资源，低成本完成技术研发、创新落地，既降低企业人力与研发成本，也为学生提供实战场景，实现双向共赢。

AI与光学的深度交融，早已超越单一技术迭代与工具升级的范畴，成为光电产业拥抱数字时代、突破算力瓶颈、重构产业格局的时代级范式革命。二者双向赋能、深度共生，重塑着光电产业的底层逻辑与发展边界。

AI+光学的变革浪潮不可逆，但并非“大鱼吃小鱼”的零和博弈。当下的行业内卷与赛道迭代，本质是产业新旧动能转换的必然过程。未来，光学行业的竞争，终将从“拼经验、拼产能”，转向“拼AI赋能、拼创新能力、拼场景适配”。顺势求变、深耕差异化、坚守技术本质、借力智能赋能，所有产学研从业者，都将在这场光之变革中，捕捉全新机遇、奔赴产业新程。