/朝聞通/2026年11月20日,上海光之宇智能科技有限公司(LightInfra,以下簡稱“光之宇”)正式發布端到端 AI 光學設計 Agent 産品 LuminTect。作為光之宇在“AI+光學”領域的又一重要突破,光之宇自主研發的 LuminTect 将團隊在光學設計領域的專業積累與 AI 自主執行能力深度融合,貫通從需求理解到最終方案評估的完整鏡頭設計過程,幫助光學工程師更快驗證設計思路、更充分地比較設計路徑,将精力集中于關鍵工程決策。
光之宇:從光學大模型OpticsGPT到 AI 光學設計LuminTect,持續推動 AI 深入光學研發與設計
光之宇由上海交通大學核心團隊孵化,專注于 AI 與光學技術的結合。團隊于2026年1月在上海交通大學正式發布了經過預訓練的光學領域垂直大模型 OpticsGPT-v0.并持續拓展模型在光學專業任務中的能力。近期,光之宇進一步推出OpticsGPT-L1-Spark 9B模型,端側設備就能夠部署,完成單個計算任務的成本不到0.0004元。該模型在增強光學知識能力的基礎上,大幅提升模型的光學工程的計算能力,在光學原生智能體方向上持續疊代。
從專業計算到設計執行,光之宇正推動光學 AI 深入實際研發。此次發布的 LuminTect 聚焦序列模式下的成像光學設計,面向攝影物鏡、廣角及魚眼鏡頭、顯微物鏡、目鏡、遠心鏡頭和投影鏡頭等場景。工程師通過自然語言描述需求,或上傳已有鏡頭結構,即可啟動設計與優化。

端到端自主執行,加快鏡頭設計與驗證
鏡頭設計需要反複經曆結構篩選、性能分析、優化與驗證。光之宇LuminTect 将這些連續環節交由 AI 自主推進,部分鏡頭設計任務的端到端優化最快可在 20 分鐘内完成,縮短從設計需求到方案驗證的周期,加快鏡頭研發進程。
工程師描述設計需求後,系統會識别焦距、視場、光圈等關鍵約束,自動補全必要參數,并從鏡頭種子庫中篩選初始結構,随後開展分析與優化。已有鏡頭結構也可直接上傳,AI 可圍繞工程師給定的要求繼續優化。
貫通這些環節的關鍵,是将專業判斷融入實際執行。LuminTect 結合光之宇積累的光學專家經驗、成像質量與約束滿足情況,選擇優化策略、評價結果并判斷下一步工作。工程師無需逐項安排和跟進每輪分析與優化,便可讓設計任務持續推進,将更多精力投入性能、尺寸與制造要求之間的權衡。
在光學性能優化後,LuminTect 還可繼續開展公差分析與優化,評估加工和裝配誤差對成像質量的影響,并通過去敏優化與複測改善制造魯棒性,幫助工程師在成像性能與制造要求之間取得更好的平衡。
從初始結構到性能與公差驗證,AI 持續推進設計執行,讓工程師把更多時間用于指标制定、性能權衡與結果審核。

多路徑并行驗證,讓設計取舍更有依據
初始結構和優化策略會影響設計的收斂過程與最終表現。在有限的項目周期内,工程師往往難以逐一驗證所有值得嘗試的方向。
LuminTect 的鏡頭種子庫積累了大量不同類型的鏡頭結構,為初始結構篩選提供豐富選擇。在此基礎上,産品支持多起點、多策略并行優化,同時推進不同初始結構和優化策略的驗證。工程師可以結合各條路徑的成像質量、系統尺寸和約束滿足情況,判斷哪些方向值得深入、哪些方向存在局限,為設計取舍提供更充分的依據。
版本可視化管理進一步保留設計分支、曆史版本及對應性能結果。工程師可以追溯關鍵調整,比較不同版本的性能變化,并從有價值的版本繼續優化,讓方案評審和設計經驗複用有據可依。
對研發團隊而言,這意味着在同一項目周期内,能夠驗證更多設計方向,并依據實際結果作出選擇,減少設計過早局限于單一路線的可能。


LuminTect 将光學專業判斷、設計執行與結果驗證連接起來,讓 AI 承擔連續的研發任務,為工程師提供更快的反饋和更充分的決策依據。光之宇将持續完善産品能力,并陸續發布真實鏡頭設計評測案例,展示具體任務下的性能結果與适用範圍。
鏡頭設計是光之宇推動 AI 深入光學工程的一個切入點。從 OpticsGPT 光學垂域模型到 LuminTect 光學設計 Agent,光之宇正圍繞專業知識理解、工程計算與設計執行持續推進研發。未來,光之宇計劃陸續發布真實鏡頭設計評測案例,展示具體任務下的性能結果與适用範圍,并将面向更多光學工程任務拓展産品與應用。
為讓更多工程師在實際任務中體驗這一設計方式,LuminTect 現已開放預約體驗,面向企業研發團隊、光學工程師及高校科研人員。歡迎帶着設計需求或已有鏡頭結構參與試用。
前往光之宇LightInfra官網或關注微信公衆号“光之宇Lightinfra”,獲取産品最新進展與鏡頭設計案例。