问题—— 自动驾驶、低空无人机和复杂环境移动机器人的快速发展，对机器感知提出了更高要求：需要同时满足"看得清、看得全、看得快"的多重需求。这不仅要求系统大视场内保持稳定探测，还需在关键目标处获取足够细节，同时控制成本、体积和功耗。传统均匀扫描传感器在目标密集、动态变化快的场景中，往往难以兼顾全局覆盖与局部细节。 原因—— 目前行业主要通过增加激光雷达通道数、提高采样率和处理带宽来提升性能，但这种"堆硬件"方式存在瓶颈：一上，分辨率提升导致光电器件数量增加——数据吞吐和计算负担加重——成本和功耗接近上限；另一方面，调频连续波相干激光雷达虽抗干扰和测速上有优势，但对光源稳定性和扫频线性度要求极高，任何偏差都会影响系统可靠性和量产一致性。如何在不过度增加硬件负担的前提下提升感知能力，成为关键技术挑战。 影响—— 为解决此难题，北京大学王兴军教授、舒浩文研究员团队联合香港城市大学王骋教授团队、上海交通大学周林杰教授团队，研发出一种具有"凝视"成像能力的仿生相干激光雷达芯片方案，并成功搭建四维成像演示系统。该方案借鉴生物视觉的"中央凹+注意力分配"机制，在不均匀分配资源的情况下实现最优信息获取。研究成果已发表在《自然·通讯》，为智能感知提供了新思路。 对策—— 研究团队提出"微并行"架构，将全局覆盖与局部高分辨分离实现：常规状态下使用可调谐外腔激光器进行大视野扫描；当需要对特定区域精细测量时，利用薄膜铌酸锂电光频梳进行加密采样。这种方法通过动态调度波长与频域资源，提升了资源利用效率。 实验表明，该系统可在100米距离分辨硬币大小的物体，并能同步获取目标速度、多普勒特征等信息。研究还提出激光雷达与可见光相机协同的方案，有望提升复杂场景下的目标识别能力。 前景—— 业内专家认为，这种按需"凝视"技术为智能感知提供了实用方案：优先将资源分配给关键区域（如行人、车辆等），有助于平衡实时性与能耗。随着芯片化感知模块发展和多传感器融合的推进，"大视场+高精度+强鲁棒"的系统能力有望推动自动驾驶等领域的技术进步。
人类科技进步不断从自然智慧中汲取灵感。这项研究将生物视觉机制融入芯片设计，不仅是技术创新，更展示了仿生学与工程技术的完美结合。随着机器获得"凝视"能力，智能时代的感知边界将深入扩展，为构建更安全、更智能的社会奠定基础。