編輯按：過去20年來，從慣性傳感器到紅外傳感器等各類傳感器件，MEMS技術被廣泛應用，微型化、低功耗的MEMS傳感器拓寬了傳統傳感器的應用邊界，推動了傳感器行業的繁榮。接下來，MEMS傳感器將往哪些方向發展？本文從學術科研角度，探索了未來MEMS傳感器技術的主要演進路徑——與光子學技術的融合、能量自維持與可穿戴技術、前沿應用領域拓展等，并提出了更高集成度、環境適應性優化、神經形態光子計算、產業化與標準化、跨領域拓展等技術突破方向。

新家坡國立大學Chengkuo Lee團隊聚焦納米微尺度傳感器與執行器的技術發展，系統梳理了從離散 MEMS 組件到自維持邊緣 AI 微系統的演進路徑，重點闡述了材料創新、光子學融合、AI 集成及能量自維持技術的突破，為多領域智能應用提供了全面技術參考。相關報道以“Advances in Intelligent Nano-Micro-Scale Sensors and Actuators: Moving toward Self-Sustained Edge AI Microsystems”為題發表于Advanced Materials期刊上。

一、研究背景

1990-2000 年是硅基 MEMS 技術奠基期，慣性傳感器（加速度計、陀螺儀）、紅外 MEMS 傳感器等實現從實驗室到商業化的跨越，廣泛應用于汽車安全、消費電子，但早期器件依賴外部電源、功能單一，難以滿足長期免維護需求。

隨著 IoT 規模化部署，對 “無電池、自運行” 系統的需求激增，推動技術向“能量收集 + 傳感” 一體化發展，壓電、摩擦電等能量轉換技術成為關鍵；同時，邊緣 AI 對實時數據分析的需求，促使傳感器與 AI、光子學深度融合，形成 AIoT 系統。

傳統傳感器存在檢測靈敏度低（如紅外光譜受限于比爾 - 朗伯定律）、系統集成度低（傳感、計算、通信分離）、環境適應性差（柔性、惡劣環境下可靠性不足）等問題，需通過材料創新與跨域融合突破瓶頸。

光子學（中紅外、太赫茲、近紅外）的進步提升了分子檢測的選擇性與分辨率，光子集成電路實現低延遲邊緣計算；柔性電子與可穿戴技術的發展，推動生理信號、機械信號的直接 transduction，為多模態傳感奠定基礎。

二、綜述核心內容

1. 關鍵傳感技術與光子學融合

（1）AI 增強紅外超表面分子傳感

技術突破：利用超表面（如超材料完美吸收體、雙共振超表面）解決紅外波長與分子尺寸的尺度失配問題，通過電磁熱點增強光 - 物質相互作用，突破比爾 - 朗伯定律限制。

AI 集成價值：針對復雜混合物光譜重疊問題，引入 CNN、SVM、深度神經網絡（DNN），實現多組分精準識別 —— 如對混合醇類（甲醇、乙醇）識別準確率 100%，CO?檢測限降至亞 ppm 級，動態葡萄糖酶反應識別準確率 92%。

（2）中紅外光電探測器與太赫茲調制

中紅外探測器：結合石墨烯（寬光譜吸收）與超表面（局域場增強），解決石墨烯本征吸收弱（~2.3%）的問題，實現室溫高響應探測 —— 如非中心對稱超表面賦能的石墨烯探測器，室溫響應度比傳統器件高 3 個數量級，可直接檢測偏振角（NEP=0.12 nW?Hz?1/2）。

MEMS 可調太赫茲超表面：通過 MEMS 靜電 / 電熱驅動，實現太赫茲波的動態調制（如頻率調諧、相位控制），典型器件包括像素化超表面（4 態控制）、電磁誘導透明（EIT）調制器，為 6G 通信、醫療成像提供核心組件，如 2018 年實現的太赫茲邏輯門，支持自由空間通信信號編碼。

（3）集成納米光子平臺

片上傳感與計算一體化：基于 Si、AlN、LiNbO?等材料構建光子集成回路，實現 “傳感 - 預處理 - 計算” 無縫銜接 —— 如 AlN-Si 雙層波導架構支持手勢識別、光譜指紋分析，光子神經網絡（PNN）推理延遲 < 10 ns，能耗 < 0.34 pJ / 操作。

長波紅外（LWIR）拓展：采用懸浮硅波導與亞波長光柵包層，抑制襯底吸收，實現甲苯（檢測限 75 ppm）、丙酮（檢測限 2.5 ppm）的高靈敏度檢測，無需富集層即可滿足實時環境監測需求。

2. 能量自維持與可穿戴技術

（1）能量收集技術演進

MEMS 能量收集器：從早期靜電、壓電、電磁式 MEMS harvester（如 2010 年旋轉梳齒式靜電 harvester，輸出功率 0.35 μW），發展到寬頻帶設計（如非線性剛度壓電 harvester，帶寬 17 Hz），解決環境振動頻率多變的問題。

摩擦電 / 壓電納米發電機（TENG/NG）：實現低頻率、不規則運動的能量捕獲，如紡織基 TENG（4cm×4cm 尺寸，峰值電壓 540 V，功率 3.26 mW）、水 - 空氣混合 TENG（用于海水波能量收集，穩定輸出 128 V），為可穿戴、海洋 IoT 提供自供電方案。

（2）可穿戴 - 光子混合系統

多模態傳感與 AI 集成：智能手套、襪子通過 TENG 陣列捕獲手勢、步態信號，結合 1D-CNN 實現手語識別（準確率 95%）、用戶身份識別（準確率 93.5%）；柔性光電_memristor 系統實現手勢識別 latency<0.5 ns，準確率 95.5%。

生物兼容設計：離子水凝膠、PEDOT:PSS 涂層紡織物等材料提升器件生物相容性與柔性，如皮膚黏附式壓電傳感器可實時監測豬頸動脈血壓，剝離時無組織損傷；水凝膠基電子皮膚可同時檢測壓力（0-40 kPa）、溫度（0-80℃），支持物體識別（準確率 98.45%）。

3. 前沿應用領域拓展

（1）神經接口與植入式系統

微創與自供電設計：柔性神經探針（如溶解麥芽糖涂層探針）減少腦組織損傷，結合 MEMS 應變傳感器實現植入過程力學監測；自供電神經調節系統（如 TENG 驅動的盆腔神經刺激器），在大鼠模型中實現膀胱功能恢復，無需外部電源。

精準 neuromodulation：柔性神經夾（FNC）實現外周神經（如迷走神經、坐骨神經）的非侵入式附著，通過無線供電實現心率調節、肌肉選擇性激活，為生物電子醫學提供新工具。

（2）植物可穿戴傳感器與精準農業

非侵入式監測：透明有機電子皮膚（PEDOT:PSS/PDMS）附著于葉片，實時監測生長動態與干旱脅迫，透光率 > 85% 不影響光合作用；離子水凝膠傳感器實現葉片相對含水量（RWC）檢測，線性相關系數 R2>0.95，無需破壞性采樣。

AI 與能量自維持：生成式 AI（如條件變分自編碼器）提升植物脫水監測精度（RMSE≈5%）；自供電系統（如 hydrogel-based DC 能量收集器，連續工作 56 天）支持大規模戶外農田部署，降低維護成本。

（3）自維持 AIoT 系統

一體化節點設計：集成能量收集、傳感、通信模塊，如智能手杖（混合 TENG / 電磁發電機，輸出功率 61.4 μW），通過 1D-CNN 實現用戶身份識別（準確率 99.5%）、步態異常檢測，同時為 GPS、安全警報供電；立方壓電節點（iCUPE）實現三軸向能量收集與振動傳感，支持智能城市基礎設施診斷。

邊緣 AI 優化：光子貝葉斯神經網絡（PBNN）解決邊緣環境數據不足問題，通過概率權重采樣實現 MNIST 分類準確率 98%，同時支持異常值檢測，提升系統可靠性。

三、總結與展望

從 “離散 MEMS 器件→能量自維持傳感→光子學 + AI 集成→自維持邊緣 AI 微系統”，關鍵突破在于材料（壓電 / 摩擦電材料、柔性水凝膠、超表面）、跨域融合（MEMS - 光子學、傳感 - AI）、能量自維持（寬頻帶 harvester、TENG/NG）三大維度。

在醫療健康（植入式監測、可穿戴診斷）、智能農業（植物生理監測）、人機交互（AR/VR 觸覺反饋、手語識別）、智能城市（基礎設施監測）等領域實現 “無電池、實時化、高精度” 傳感，推動 AIoT 從 “設備聯網” 向 “智能交互” 升級。

2. 未來展望

技術突破方向：

更高集成度：實現 “傳感 - 計算 - 通信 - 能量” 四合一單片集成，如基于 AlN-Si 的光子神經芯片，進一步降低尺寸與能耗；

環境適應性優化：提升柔性器件的機械耐久性（如抗疲勞、抗汗液腐蝕）、極端環境穩定性（高溫、高濕度）；

神經形態光子計算：基于光子神經網絡的邊緣 AI 加速，實現更低延遲（<1 ns）、更低功耗（<0.1 pJ / 操作），滿足實時決策需求。

產業化與標準化：建立自維持系統的能量中性驗證標準（如長期戶外能量收支平衡），推動 CMOS 兼容制造（如新加坡 “Lab-in-Fab” 試點線推進壓電 MEMS 量產）；同時，需解決 AI 模型在邊緣環境的適應性（如聯邦學習、小樣本學習），以及數據隱私保護（如光子加密傳輸）。

跨領域拓展：探索 “數字孿生 + 自維持傳感”（如植物生理數字孿生、人體健康數字孿生），實現從 “被動監測” 到 “主動預測” 的升級；推動太赫茲、中紅外技術在量子光子學、精準醫療（如早期癌癥檢測）的應用。

文獻鏈接：

https://advanced.onlinelibrary.wiley.com/doi/10.1002/adma.202510417

來源：i學術i科研、傳感器專家網