空间智能的范式转移：从传统感知到新型模态
2025年被业界誉为“空间智能元年”，李飞飞院士提出的“空间智能是AI下一个前沿”观点迅速获得全球响应。传统AI依赖视觉、语音、文本等模态构建世界模型，却在功耗成本、环境适应性、隐私保护等方面暴露显著短板。例如，智能家居摄像头需持续供电且易受光照干扰，医疗影像设备动辄数十万元造价。这些痛点催生了以声波、毫米波雷达为代表的新型感知模态，它们正从实验室走向产业应用的核心场景。
张进教授在GAIR 2025演讲中阐释了“殊途同归”理念：无论是计算机视觉还是无线传感网络，终极目标都是精准理解物理世界。声波感知利用设备自带扬声器-麦克风系统发射人耳不可闻的超声波，通过回波分析实现厘米级定位。荣耀与华为的合作案例显示，该技术已集成于车载系统和笔记本电脑，实现隔空翻页等交互功能，硬件成本降低60%。
声波感知的三重颠覆性价值
低功耗嵌入式交互成为声波技术的首要突破点。研究团队在智能眼镜镜腿集成微型声学传感器，通过检测眨眼时眼窝轮廓的声波反射变化实现指令输入。相比传统触摸板方案，交互延迟从120ms降至40ms，功耗仅0.3W。“这解决了AR眼镜的‘抬手悖论’——用户无需中断视线即可完成操作”，张进在展示隐形眼镜式原型机时强调。
医疗健康监测革新构成第二大应用场景。团队开发的耳道-口腔声波信道技术，通过捕捉舌位变化实现耳机隐蔽控制。更革命性的是肺功能监测系统：慢阻肺患者佩戴普通蓝牙耳机说话时，声波在支气管的传播特性可生成与医院肺功能仪吻合度达92%的曲线图。广东省人民医院的临床数据显示，该系统使家庭随访率提升47%，误诊率下降18%。
跨模态防御机制则是鲜少被关注的维度。当声波感知用于血压监测时，柔性传感器需解决个体差异性难题——健康人群与心血管患者的血管弹性系数差异导致数据偏移率达30%。团队采用对抗生成网络(GAN)构建补偿模型，在300例临床试验中将误差控制在8%以内。
毫米波雷达：从感知精度到可信革命
毫米波雷达历经十年发展，已从单纯物体检测转向可信感知体系构建。早期研究中，24GHz雷达可识别玻璃、织物等材质属性；当前研究焦点已迁移至防御生成式欺骗。交通场景测试表明，恶意干扰源制造的“幽灵车辆”信号会导致自动驾驶系统误判率达15%。
张进团队提出多通路验证框架：通过对比不同频段回波的速度-距离矩阵，识别伪造信号的统计异常。在模拟高速公路场景中，该系统将欺骗识别率提升至91%。更前瞻性的研究聚焦隐私保护——当毫米波雷达成为新型监控工具时，团队开发的反向探测算法可定位10米内的非法感知设备，相关论文入选IEEE S&P 2025最佳论文。
数据困境与生成式突破
新型模态面临的核心挑战是数据稀缺。公开数据库显示，毫米波雷达样本量不足视觉数据的0.1%，且缺乏病理特征标注。团队创新性地采用物理解耦渲染技术：将Kinect捕获的3D人体运动分解为骨骼动力学方程，再映射为毫米波信号特征。该方法在仅500组原始数据基础上，生成10万组带病理标签的训练样本。
大模型正在重塑感知开发流程。实验证明，用自然语言描述“检测老年人跌倒的毫米波特征”时，LLM生成的代码比传统方法开发效率提升5倍。但需警惕模型幻觉风险——在家庭环境测试中，GPT-5生成的代码误将宠物奔跑识别为跌倒的概率达23%。团队因此提出物理约束微调框架(PCT)，将误报率压缩至3%以下。
融合进化的技术路线图
未来五年将见证三大融合趋势：
- 物理引导的模型架构：抛弃点云转换的中间层，直接在毫米波原始IQ信号上构建时空注意力网络，模型计算量减少40%
- 跨模态互补系统：声波感知卧室呼吸频率，毫米波雷达监测客厅活动轨迹，通过联邦学习实现全屋感知
- 代码生成工业化：将LLM生成的感知代码自动部署至RISC-V芯片，端侧设备开发周期从6个月缩短至72小时
产业落地路径已然清晰：在医疗领域，声波肺功能监测仪将于2026年通过CFDA认证；工业场景中，毫米波雷达将替代70%的视觉质检工位；消费电子领域，Apple Vision Pro下一代产品已预留声波交互模块空间。当被问及技术边界时，张进指出：“没有万能感知模态，但声波毫米波的‘无感’特质，使之成为空间智能不可或缺的神经末梢。”
新型模态的繁荣仍需突破数据、算法、芯片的三重壁垒。斯坦福2024年测算显示，全球声波感知专利年增长率达189%，但开源数据集增速仅57%。这要求学界构建更开放的协同生态——正如张进团队在GitHub开源的毫米波-视觉转换工具包，已吸引超过3000名开发者共同优化物理世界数字化接口。
