问题——随着自动驾驶、具身智能、低空无人机等产业加速落地，机器感知系统既要复杂场景中“看得清”，也要“看得全”“看得快”。在现实应用中，道路交通的密集目标、空域环境的多高度层飞行器，以及工业场景中的高反光与强干扰，都会显著抬高传感器对分辨率、动态响应和鲁棒性的要求。尤其在拥挤且快速变化的场景里，一旦对关键目标缺乏足够精细的识别能力——系统就容易误判或漏判——进而影响决策质量与安全边界。 原因——长期以来，提升激光雷达性能最直接的办法往往是“堆料”：增加通道数、提高采样率、扩展系统带宽，以换取更高分辨率和更密集的点云。但这种路径很快会触及成本、体积与功耗的多重限制：光电器件数量增加带来系统复杂度上升，后端电子处理与数据传输需求同步膨胀，规模化应用因此面临明显“天花板”。另外，在更先进的技术路线中，调频连续波相干激光雷达具备测速、抗干扰等优势，但对光源稳定性、扫频线性度等关键指标要求极高，细微偏差就可能拉低测距测速精度，工程实现与量产一致性也更具挑战。如何在可控成本与能耗下实现“关键处更清晰”的感知，成为行业普遍难题。 影响——针对上述痛点，研究团队从生物视觉机制获得启发：生物并不会对环境做平均扫描，而是通过注意力机制将有限资源集中在关键目标上。团队提出“微并行”架构，将“全局覆盖”和“局部高分辨”解耦：系统先完成大视野基础扫描，再在需要重点观察的局部区域进行并行增强采样，实现“按需加密”。据介绍，该方案通过可调谐外腔激光器与薄膜铌酸锂电光频梳协同工作：前者负责信号生成与大视野扫描覆盖，后者在重点区域并行产生多载波信号，为局部细节提供临时“增益”。实验演示显示，系统可在预先选定的重点区域实现约0.012度角分辨率（以100米距离计，可分辨硬币大小的物理间隔），体现出面向关键目标的高精度识别潜力。更重要的是，这种基于波长与频域资源调度的分辨率扩展思路，为提升性能提供了区别于单纯增加硬件数量的路径，有望在体积、功耗更可控的条件下提高关键指标。 对策——从工程化视角看，“凝视式”感知为系统优化提供了更可落地的策略：通过资源调度提升有效分辨率，把算力、带宽与传感资源优先投向风险更高、决策更关键的区域与目标。在实际部署中，这个思路可与软件侧的目标检测、跟踪与预测形成闭环：算法先在全局点云中锁定潜在风险目标，传感器再对该区域进行更高密度采样，从而提升识别置信度与测量精度，并降低无效数据带来的带宽压力。研究团队还表示，系统在获取三维几何信息的同时，可同步解析目标运动速度、多普勒特征与反射率信息，并可与可见光相机协同感知，将三维结构与纹理颜色叠加到同一坐标系，增强对复杂动态环境的理解能力。这种“几何+运动+材质/反射特性+纹理”的信息组合，有助于在雨雾、眩光、遮挡等条件下提升目标区分度，也为多传感器融合提供更一致的数据基础。 前景——此次成果反映了集成光子学与仿生机制结合的探索方向：将“注意力分配”的思路落实到芯片与架构层面，为下一代感知系统提供高分辨率、低功耗与高灵活性的综合方案。面向产业趋势，低空经济将带来更复杂的空地协同场景，对传感器的小型化、低功耗与抗干扰提出更高要求；自动驾驶与具身智能则需要在海量动态目标中实现稳定可靠的实时感知。未来，若这类芯片化感知模块深入与相机、毫米波雷达等多模态传感器深度融合，并在量产一致性、环境适应性与系统安全冗余上持续完善，有望形成兼具广视场覆盖与关键处“鹰眼式”精度的新一代感知底座，推动智能体从“粗放扫描”走向“精准理解”。
这项源自生物视觉机制的研究，展示了集成光子学与智能感知融合发展的新思路，也提示了人工智能时代感知技术可能的演进方向；当机器的“眼睛”开始具备更接近生物的自适应能力，智能装备有望从“看得见”继续走向“看得懂”。这不仅为基础研究走向应用提供了可借鉴的路径，也为全球智能感知技术发展贡献了新的工程化方案。