近日，《自然》旗下综述性学术期刊《自然综述：电气工程》（Nature Reviews Electrical Engineering）发表了清华大学电子工程系崔开宇受邀撰写的题为“片上光谱成像传感向市场化技术的跨越”（On-chip spectral imaging and sensing transition towards marketable technologies）的Lab to fab综述文章。清华大学崔开宇带领的光谱成像芯片团队研制出国际首款超光谱成像芯片，并在全球率先开启了光谱成像技术及应用的产业发展，成功实现了由实验室成果到商业化产品的跨越。目前已经在智能手机、机器视觉、医疗等重要赛道得到了落地应用。

该文章从光谱成像芯片技术的原理和优势、成果转化团队、产业链上下游、商务与市场选择几方面深入分析了成就前沿科研技术从实验室成果转化为商业化产品的关键因素。

成果转化的前提是技术本身具有高价值和可行性，能够解决实际问题并创造新需求。光谱成像芯片通过超表面光谱调制与CMOS图像传感器（CIS）集成，具有高精度、芯片化、可量产的优势。结合光谱成像巨大的应用潜力，团队在2018年实现第一个实验室原型后，在全球布局逾百项发明专利，依托清华大学创立成果转化企业“与光科技”。

SEE7810快照式多光谱成像模组

转化团队是实现技术落地最重要的支撑，特别是那些技术上尚有较大提升空间的前沿创新成果的产业转化。光谱成像芯片成果转化团队的核心成员均是本实验室毕业的优秀学生，一方面他们非常了解技术，在技术落地和应用选择上，可以有更好的洞见；另一方面，他们比其他人更热爱这项技术，可以在转化过程中坚定信念、克服万难、不轻易放弃；此外，精心设计的股权结构可以有效激励团队成员，为公司长期发展奠定基础。另外，融入成熟的产业链以及商务与市场选择对于成功的产业转化也至关重要。为此，与光科技成立早期就引入了上游的CIS晶圆生产和下游的龙头企业作为战略合作伙伴，同时选定智能手机、机器视觉和医疗等领域作为市场突破口，为光谱成像芯片的顺利产业化落地铺平道路。

最后，文章展望了光谱成像芯片的未来发展方向。光谱成像芯片技术仍在快速发展，在光谱编码方法、多维光场计算、AI赋能的重建算法、波段扩展和交叉领域应用方面有很大发展空间。此外，光谱成像芯片未来的一个重要发展趋势是“感算一体”，可以为机器视觉和边缘计算终端设备赋能物质智能解析的重要能力，从而开启超越人眼的物质元成像（Matter Meta-Imaging）神经网络芯片的新范式。

基于光谱卷积神经网络的物谱芯片

论文链接：
https://www.nature.com/articles/s44287-025-00148-8

近日，《自然》旗下综述性学术期刊《自然综述：电气工程》（Nature Reviews Electrical Engineering）发表了清华大学电子工程系崔开宇受邀撰写的题为“片上光谱成像传感向市场化技术的跨越”（On-chip spectral imaging and sensing transition towards marketable technologies）的Lab to fab综述文章。清华大学崔开宇带领的光谱成像芯片团队研制出国际首款超光谱成像芯片，并在全球率先开启了光谱成像技术及应用的产业发展，成功实现了由实验室成果到商业化产品的跨越。目前已经在智能手机、机器视觉、医疗等重要赛道得到了落地应用。

该文章从光谱成像芯片技术的原理和优势、成果转化团队、产业链上下游、商务与市场选择几方面深入分析了成就前沿科研技术从实验室成果转化为商业化产品的关键因素。

成果转化的前提是技术本身具有高价值和可行性，能够解决实际问题并创造新需求。光谱成像芯片通过超表面光谱调制与CMOS图像传感器（CIS）集成，具有高精度、芯片化、可量产的优势。结合光谱成像巨大的应用潜力，团队在2018年实现第一个实验室原型后，在全球布局逾百项发明专利，依托清华大学创立成果转化企业“与光科技”。

SEE7810快照式多光谱成像模组

转化团队是实现技术落地最重要的支撑，特别是那些技术上尚有较大提升空间的前沿创新成果的产业转化。光谱成像芯片成果转化团队的核心成员均是本实验室毕业的优秀学生，一方面他们非常了解技术，在技术落地和应用选择上，可以有更好的洞见；另一方面，他们比其他人更热爱这项技术，可以在转化过程中坚定信念、克服万难、不轻易放弃；此外，精心设计的股权结构可以有效激励团队成员，为公司长期发展奠定基础。另外，融入成熟的产业链以及商务与市场选择对于成功的产业转化也至关重要。为此，与光科技成立早期就引入了上游的CIS晶圆生产和下游的龙头企业作为战略合作伙伴，同时选定智能手机、机器视觉和医疗等领域作为市场突破口，为光谱成像芯片的顺利产业化落地铺平道路。

最后，文章展望了光谱成像芯片的未来发展方向。光谱成像芯片技术仍在快速发展，在光谱编码方法、多维光场计算、AI赋能的重建算法、波段扩展和交叉领域应用方面有很大发展空间。此外，光谱成像芯片未来的一个重要发展趋势是“感算一体”，可以为机器视觉和边缘计算终端设备赋能物质智能解析的重要能力，从而开启超越人眼的物质元成像（Matter Meta-Imaging）神经网络芯片的新范式。

基于光谱卷积神经网络的物谱芯片

论文链接：
https://www.nature.com/articles/s44287-025-00148-8