谢
刘柯邀
可以从光和机械波的两个主要区别来分析这个问题：能量区别和频率区别
1.光与声（机械波）的频率和能量
大家可能都非常容易理解，一个光子的能量跟一个机械波的能量不在一个数量级。实际上，讨论单个光子的能量也没有多大的意义，因为人是在地球的自然环境之中生存的，人最需要感知的是自然界的光照(源自太阳)和自然界的声音（60db左右）。我们可以先考察一下阳光的能量随频率(波长)的分布：
可以看到，无论是在被大气层吸收前，还是在被大气层吸收之后， 太阳光谱中能量最高的部分，恰好就是我们视觉感知的光谱部分(波长380-750nm)，我们据此可以定义这个频率段为最优频率段 。波长的不同给我们的感官区别在于颜色的不同。
这当然绝非偶然，而是由数十亿年的地球生物与环境的演化导致的。
太阳光在地面的能量密度大概在1.3KW每平方米，但是我们的人眼一般并不是直视太阳，而且并不感知全部的光谱。
单位面积吸收的可见光的能量强度衡量单位之一是照度(Illuminance)，居家环境的照度大概为300勒克斯。对于自然光来说，每W每平米的能量密度对应大概600勒克斯的光通量。据此，我们可以大概的估算，自然环境中(人眼接受的)光照的吸收能量密度为2瓦每平米。
考虑到人眼的机构特性，瞳孔面积会随着光照的强度自动的变化。瞳孔（Pupil 考虑为圆形）半径通常在1到3.5mm之间变化，自然光下瞳孔半径较小，为简化计算取值为1mm。那么，摄入人眼的光照功率为2×10^(-6)*1^2*3.14. 约为6×10^(-6)W，为只眼睛在自然光下接受的光照功率。这属于日常生活中比较强的光照情况。
对于人耳来说，其感知振动的机构主要为骨膜，但是声音传导的介质除了空气外，还有头骨、皮肤等
人耳对不同的频率，感知灵敏度不同。
听觉的频率范围主要在20到20KHz，波长大概在17mm到17m之间。 人耳感知的能量范围在10^(-12) ~ 10瓦每平米。总体上能量密度比光照的能量密度高多了 。
我们或许不能像在光照的情况中定义最优频率段一样定义声音的最优频率段，但是考虑的生物界，特别是主要生活在空气环境中的生物的听觉频率范围都跟人类的大同小异，可以置信的认为， 人耳的听觉频率段也是自然界声音中的最优频率段，是信息最丰富的部分。
2.光感与声感
由于光照的功率太小，而且具有极高的空间分辨率和时间分辨率，要充分的感知其中的信息，人需要很多细胞高密度的分布在小的区域内，并且以快速光化学反应的方式转换光信号成神经信号。
在人眼的视网膜上，主要有两种感光细胞：视杆细胞(Rod)和视椎(Cone)细胞 [1]。视杆细胞有大概一亿两千万个，在视网膜上广泛分布，但是他们不能感知色彩，只感知光感，在光线不足的情况下，主要是视杆细胞作用，因此我们在晚上看不见色彩。视锥细胞则仅有7～8百万个，主要分布在视网膜最为敏感的黄斑区(fovea)。并且对色彩敏感。按照对不同色彩（红绿蓝）的敏感性，可以进一步的划分三种视锥细胞：短波(S)、中波(M)、长波(L)视锥细胞。
分别对蓝色、绿色和红色最为敏感。要注意各种视锥细胞也能感知其他色彩，只是对应的放电强度不如最为敏感的颜色。人能产生颜色的感觉，来自三种视锥细胞对不同波长光线的神经信号差异， 人能感知的所有颜色可用这三组信号的强弱表示 。也就是说 RGB色彩的混合，是人脑在视觉信息处理的时候人工混合的。
三原色是人的色觉系统决定的，甚至不适用于其它动物（猫、狗等就有不同于人类的感光细胞）。 我们用三原色可以混合出其它颜色，是因为我们的视觉系统无法区分其他的颜色的神经信号和三种神经信号混合的信号。 而物理上根本不存在颜色，不同颜色的光本质是不同波长的电磁波，颜色是视觉系统进化来的功能，以便于在大自然中识别不同的事物。
这种细胞结构、功能、和分布为我们的视觉的高空间分辨率分辨率提供了基础。
在时间分辨率上，靠的是极快的光化学反应。以视竿细胞为例：
其中关键的一步，是11-顺式视黄醛(11-cis-retinal)在光照下异构为全反式视黄醛(all-trans-retinal)，使视紫红质(rhodopsin)构象发生变化，启动了对大脑的神经脉冲，从而形成视觉。
反应速度在10^(-12)秒（皮秒）量级，为视觉极高的时间分辨率提供了基础 。
在听觉上，由于声音的频率低，我们因此并不需要太高的空间分辨率和时间分辨率。我们对声音空间的感知是通过两只耳朵的声音时间差来计算的。在时间分辨率上，机构也是非常粗糙。
感知听觉的最小机构是听毛细胞，他会随着声音（机械波）振动，转化为神经电位。能翻墙的各位可以看youtube视频：随音乐起舞的听毛细胞：
https://www. youtube.com/watch? v=Xo9bwQuYrRo总结：
- 我们感知的听觉和视觉范围都是经过数亿年演化来的，这两个频率范围是分别是自然界中光和声的信息最丰富的频率范围。
-
由于光和声音的能量密度不同，导致他们能触发的反应机制不同。触发光化学反应仅仅需要很少的能量，而触动细胞振动(听毛细胞)则需要较大的能量
- 光的频率高，空间分辨率极高，这需要视网膜上的神经细胞高密度的存在；声音的空间分辨率低，则不需要那么多细胞集中分布
- 光的时间分辨率极高，只有光化学反应能够支持；声音的时间分辨率低，细胞随之振动就足够
- 光的频率差异导致色觉，声的频率差异导致音高感知的差异。但是他们对一个人的重要性不同。色觉对每个人的视觉理解很重要，因此每个人都有很高的色觉辨识能力，而音高对除了音乐家之外的大部分人的生存则没有太大的影响，因此大部分人的音高辨识能力都非常可怜。
- 视觉和听觉的机构，似乎都是本着「够用」、「好用」的原则，使用最少的资源来达成最大的目的
--------
[1] Standring, Susan. "Gray’s anatomy." The anatomical basis of clinical practice 39 (2008).
