操作是手艺，检验是见识：AI 时代的光学设计

学光学设计的人，前几年的力气大半花在学软件上：找初始结构，设变量，加 solve，在几百个优化操作数里挑出该用的那几个写进评价函数；局部优化卡住了，换锤形优化，换玻璃再试；最后做公差分析，选补偿器，看蒙特卡洛的良率够不够交差。说明书一页一页啃，坑一个一个踩，熬上几年才算用顺手。

这一段正在被 AI 缩短。它读几分钟手册就能上手，建模、写评价函数、跑优化、出图，一步步替你做下来。我越来越确定，以后最会用工具的是 AI，不是人。

这对光学设计意味着什么，我最近想了很多。下面是我现在的看法，有些已经在做，有些还只是判断。

会用软件，不再是本事 ​

AI 会用工具以后，设计软件的样子要跟着变。过去的界面是操作台，按钮和对话框是给人一个个点的。以后操作主要由 AI 来做，界面该变成复核台：让人看清 AI 改了什么，改完是好了还是坏了，哪些数字是真算出来的，然后决定要不要、签不签字。

所以软件得 AI 优先。每一步操作都能被 AI 调用，每一次改动都先给人看差异，确认了才落地。

有一条我们守得很死：不让大模型自己「想」出一份处方。让语言模型直接写曲率和厚度，跟让它心算光线追迹差不多。它适合当调度：听懂你要什么，安排建模、优化、分析的顺序，把结果讲清楚。数字交给追迹内核和优化器去算，拍板留给人。

跳不过去的是检验 ​

有人问过这样一串问题：AI 都能复刻一个 Photoshop 了，为什么不让它直接出图？能直接出图，为什么不直接拿去赚钱？

追问的方向是对的，AI 每吃掉一层，就离结果近一层。可一层能不能跳过，要看验收有多贵。一张图好不好，看一眼就知道，所以修图那些步骤可以整个交给 AI。一份镜头处方好不好，是看不出来的：要加工、镀膜、装配、上测试仪，几个月以后才知道。

操作可以跳过，检验跳不过去，只能让它更便宜、更自动。这样看，Zemax 这类软件最值钱的一直是检验：它让你在开模、下单之前，先知道这个设计会不会出事。

我的看法是，操作方法是新手和高手的区别，检验丰富才是大师。新手到高手，学的是怎么把软件用顺；高手到大师，攒的是知道该查什么。塑料镜片温度一变，焦点跑多少；哪个面的入射角大到膜层做不好；哪一片的偏心对边缘视场特别敏感；鬼像会不会刚好落在像面附近；边厚薄到定心磨边时会不会崩；这一炉玻璃的折射率跟目录差多少。这些手册里很少写，大多是从失败里攒出来的。

知乎上有个问题，「光学设计最精华、最具竞争力、最难的地方在哪里？」。一位制造现场出身的答主说，软件越来越强，设计师之间的差距在软件内确实缩小了，「但在软件外，差距反而更大」。

我同意。AI 抹平的是软件内的差距。软件外的差距，要靠把软件外的知识搬进软件里：每一次「仿真说好、实物不行」，都写成一条检验规则，以后每个设计、AI 的每一次改动都自动过一遍。人会忘，规则不会。AI 最大的毛病是不知道自己不知道什么，新手也一样，这一层正好同时给两边兜底。

所以顺序应该是先有检验，再谈一键生成。没有检验的一键生成，产出的只是看起来合格的设计。

从物和像出发 ​

序列设计是个很抽象的问题。光阑、光瞳、追迹的面序，没有基础的人很难理解，可提需求的人往往就是他们：做机器人的、做相机模组的、做检测设备的。他们关心的是拍多远、拍多大、要看清多细、多重、多大、多少钱。

能不能回到最原始的问题：定义物，定义像，中间的光学系统让软件生成，尺寸、重量这些约束拿滑块去调？

我觉得这有点像编程语言的演变：需求是高级语言，镜头处方是汇编，生成器是编译器。抽象概念不会消失，但它该沉到软件底下。F 数对用户说的是亮度和景深，MTF 说的是能看清多细，公差说的是做 100 个能合格几个。

它的边界也得说清楚。只给物和像，只能定下焦距、放大率这些一阶量；要几片、多复杂，取决于分辨率、视场、口径、波段，还要看温度范围、产量、用玻璃研磨还是塑料注塑。我的判断是，一键生成在定焦、机器视觉、M12 这类经典结构上能做得靠谱；变焦、折反、自由曲面、离轴，现在不敢承诺。

生成器真正有用的地方，是把取舍摆到台面上。光学设计的精髓本来就是取舍，知乎那个问题下也有人举 Berek、Mandler 的例子，说他们都主动放掉一部分纯性能，换来整体的平衡。难的是看清每个选择要付的代价。软件可以给出一族候选，让人在「更小、更轻、更便宜」和「更清晰」之间挑；也可以反过来告诉你哪一条需求最贵，比如视场从 60° 降到 55°，能不能少一片。新手最大的浪费，往往是指标定得太高。

设计还是工艺，要有一个讲数据的裁判 ​

光学产品的周期太长。效果不好的时候，常常说不清是设计的问题还是工艺的问题，加工、装配、测试方法本身都可能有份，最后只能扯皮。

扯皮的根子有两个：边界没在事前说清，反馈又太慢。实物不达标发生在物理世界里，判断却可以在数字世界里做。

事前，把边界写成设计和工艺之间的一份合同：指标、公差表、按这家工厂的能力算出来的良率，还有测试口径。测哪几个视场、什么频率、怎么调焦、光谱怎么加权、测试仪自带的中继镜头怎么算，很多扯皮其实就是这些没对上。

事中，每片元件测完，曲率、中心厚、这一炉玻璃的折射率，先代回去仿真，按实测去调隔圈和空气间隔，在装出来之前发现问题。

事后，测试不达标，用实测的 MTF 或干涉仪测的波前，反推最可能的原因，按可能性排序，比如「面 3 偏心 0.03 mm 左右，最能解释边缘视场 MTF 下降和像散」。只有 MTF 数据时，往往几种原因都说得通，那就老实写清有几成把握，并告诉你再测哪一项能分清。

有了合同，归因几乎是机械的：零件都在公差内，性能却不达标，是设计对工艺太敏感；零件超差，是工艺的问题。这些「仿真和实物对不上」的数据，又正好是检验规则最好的来源。

新的自由度，抢的是时间 ​

照相镜头里最常用的几种基本结构，库克三片、双高斯，一百多年前就有了，后来的很多设计是在它们上面加片、拆片、组合。AI 也许永远找不到比它们更新的基本结构。

这不要紧。真正让设计空间变大的，是新的自由度。注塑非球面带出了今天的手机镜头；模压玻璃、自由曲面、衍射面、超表面，每多一种自由度，好结构的空间就大一片。

竞争从来不公平。在旧的空间里，大师的直觉占优，那是几十年在球面和玻璃上磨出来的；在新的空间里，谁都没有经验，快速搜索加上靠谱的仿真占优。谁更快找到能做的供应商、更快拿到能信的仿真，谁就先进窗口。等人人都会了，窗口也就关了。

这里的关键词是靠谱，只快不准等于快速失败。仿真还得知道自己在哪里会失效：比如用相位面做光线追迹来近似超表面，效率、入射角、色散的近似在什么条件下不再成立，超出范围就该报出来，这本身就是一条检验规则。新技术没人有经验，第一个从仿真和实测的对比里攒出检验规则的人，就是这项技术的第一个大师。

人做什么 ​

AI 每往结果那头多走一步，都会碰到三件它替不了人的事：谁说清要什么，谁判断对不对，错了谁负责。所以人的工作会集中到这三处：说清需求，在取舍里拍板，签字担责。其余的交给 AI 和软件；需求变了，说一句话，整条流程重跑一遍，过期的图和数字会被标出来。

还有一件事要承认：软件本身不是护城河。AI 能复刻 Zemax，也就能复刻我们写的软件。稀缺的是一条条验证记录、实测数据，和敢为结果负责的人。

前面那位答主还有一句话：设计的尽头是制造。我们想做的，就是把制造那一头的经验，一点点搬进设计软件里。

optic.chat 在做的 ​

optic.chat 的桌面设计软件 LensBench 就是照这些想法做的。每一步操作都是 AI 能调用的命令，你自己的 AI 客户端经 MCP 也能用；改动先看差异再落地；每个数字带证据 id，能追到那一次真实计算；验收按规格独立复算，不听优化器自己报喜；约定与 Zemax 一致，逐项对账。

检验这一层刚起步：体检一条命令估出按常规公差做能有几成合格、最怕哪一项、玻璃买不买得到；可制造性检查现在只查装夹和边厚。用需求生成设计、检验规则库、设计与工艺的归因，是我们接下来要做的。

到 optic.chat 下载试用（安装说明），也欢迎来论坛聊。你遇到过的每一次「仿真说好、实物不行」，都可能变成软件里的一条检验规则。