前不久，F(xiàn)rost&Sullivan公布數(shù)據(jù)，2019年格科微實現(xiàn)13.1億顆CMOS圖像傳感器出貨，占據(jù)了全球20.7%的市場份額，位居行業(yè)第二。要知道CMOS圖像傳感器市場幾乎一直被索尼和三星等國外大廠壟斷。還有此前的豪威科技，CMOS圖像傳感器市場中份額僅次于索尼的廠商被中國財團收購。CMOS傳感器有何魅力，讓資本和廠商都如此賣力地紛紛入局呢？

總所周知，數(shù)據(jù)、算法和算力是人工智能的三大驅(qū)動力。而作為目前人工智能落地最廣泛的圖像識別應(yīng)用，其核心CMOS 圖像傳感器分別在這三大驅(qū)動力的背后起到了不可或缺的促進作用。

感知層面的重要傳感器

如果問一個人，最重要的感官是哪個？大部分人的答案一定是——視覺。正如同眼睛為大腦提供了最多的外界感知信息一樣，在未來的人工智能應(yīng)用場景中，CMOS圖像傳感器也將成為感知層面最重要的傳感器。

人工智能的發(fā)展離不開海量的數(shù)據(jù)，而這些數(shù)據(jù)中的大部分都是圖像數(shù)據(jù)。因此可以這么說，人工智能應(yīng)用的崛起就是CMOS圖像傳感器繼移動設(shè)備普及之后的第二次爆發(fā)機會。我們不妨看看目前人工智能最主要的應(yīng)用場景，包括人臉識別、自動駕駛、智能家居等，都需要大量的CMOS圖像傳感器提供圖像數(shù)據(jù)。

而人工智能豐富的應(yīng)用場景則會帶來多樣的問題——低光照、高速運動、功耗限制等，這些問題無一不在考驗CMOS廠商的產(chǎn)品開發(fā)實力?？梢哉f，海量的數(shù)據(jù)采集需求為傳感器領(lǐng)域帶來了巨大的商機，同時也引入了更多全新挑戰(zhàn)。作為全球前五的CMOS圖像傳感器廠商，同時也是慕尼黑上海電子展展商的安森美半導體就在2019年推出ARX3A0數(shù)字圖像傳感器，具有30萬像素分辨率，采用1:1縱橫比。該器件提供達每秒360幀（fps）的捕獲率，在許多條件下像全局快門般工作，但具有背照式（BSI）卷簾快門傳感器的尺寸、性能和響應(yīng)優(yōu)勢。ARX3A0具有小尺寸、方形格式和高幀速率，特別適用于新興的機器視覺、人工智能和增強實境(AR)/ 虛擬實境(VR)應(yīng)用，以及小型輔助安防攝像機。

此外，同樣是慕展展商，全球領(lǐng)先的高性能傳感器解決方案供應(yīng)商艾邁斯半導體在今年1月推出了CMOS全局快門近紅外（NIR）圖像傳感器CGSS130，且與其推出的3D系統(tǒng)形成完美互補。CGSS130可大幅降低臉部識別、支付認證等3D光學傳感應(yīng)用的功耗，這對于依賴電池供電的便攜電子設(shè)備而言是至關(guān)重要的性能。同時CGSS130還支持更先進的傳感器功能。

據(jù)悉，CGSS130傳感器的NIR波段靈敏度是目前市場同類產(chǎn)品的四倍，它能夠可靠地檢測到3D傳感系統(tǒng)中極低功耗IR發(fā)射器的反射信號。在臉部識別和其他3D傳感應(yīng)用中，IR發(fā)射器會消耗大部分功率，因此制造商使用CGSS130傳感器可延長移動設(shè)備的電池運行時間。可穿戴設(shè)備和其他采用極小電池供電的產(chǎn)品使用該傳感器可實現(xiàn)臉部識別功能。靈敏度的提高擴大了在相同功率預算下的測量范圍，從而還可實現(xiàn)除了臉部識別之外的其他新應(yīng)用。

準確的圖像數(shù)據(jù)是深度學習的保障

談及圖像識別算法，必然繞不開“深度學習”這個概念。圖像識別，本質(zhì)上就是分析圖像傳感器獲得的圖像數(shù)據(jù)，并識別出圖像中的待識別物體，因此，圖像識別算法的開發(fā)至關(guān)重要。

目前，圖像識別算法的開發(fā)已經(jīng)有將近三十年的歷史了，從最早的人工特征提取方式，到“深度學習”概念提出后，利用卷積神經(jīng)網(wǎng)絡(luò)進行特征提取、分類等操作，再到使用一個網(wǎng)絡(luò)的端對端模型來完成識別任務(wù)，算法開發(fā)者們正逐漸地革新算法，從而實現(xiàn)更快的速度、更低的資源消耗、更少的學習成本，乃至達到實時的圖像識別。

正如“看”離不開大腦也離不開眼睛一樣，利用深度學習進行圖像識別，也離不開“機器眼”——CMOS圖像傳感器。算法開發(fā)者都知道，圖像數(shù)據(jù)中噪點的數(shù)量會直接影響最后識別的結(jié)果，過多的噪點甚至會導致準確率下降到一個無法承受的程度。

同時，由于CMOS成像原理造成的諸如快速運動下的“果凍效應(yīng)”、像素驅(qū)動模式造成的“LED頻閃”等諸多成像問題，都會導致深度學習算法無法獲得準確的圖像數(shù)據(jù)。

因此，圖像識別算法的革新以及應(yīng)用的開發(fā)，也離不開CMOS圖像傳感器開發(fā)者的努力。正如同眼腦合作才能視物一樣，只有CMOS圖像傳感器和圖像識別算法的緊密合作，才能實現(xiàn)真正實用的實時圖像識別。

從云端到云邊一體再到傳感器端運算

人工智能的物理基礎(chǔ)，就是由人工智能芯片組成的算力。而根據(jù)《中國人工智能芯片產(chǎn)業(yè)發(fā)展白皮書》的預測，隨著邊緣計算的發(fā)展和邊緣端人工智能芯片的發(fā)展，人工智能算力正在經(jīng)歷從云端到云邊一體的發(fā)展過程。

云端計算往往聚焦非實時、長周期的大數(shù)據(jù)分析，而邊緣端運算則通過人工智能算法的前置，解放部分云端的計算資源，提高計算效率，增加整體算法的實時性。兩者互補，就能同時滿足強大運算性能和實時性的要求。因此，業(yè)界正在追求云邊一體的結(jié)合，從而實現(xiàn)更靈活的人工智能算法部署。

而隨著人工智能應(yīng)用場景的進一步發(fā)展，在滿足實時性需求時，可能會出現(xiàn)邊緣端計算仍然無法應(yīng)對的情況，這時候就需要將人工智能算法進一步前置，通過傳感器端的運算，減輕邊緣端算力壓力和數(shù)據(jù)傳輸帶寬壓力。

雖然這一概念仍然處于初步探索階段，但已經(jīng)有國內(nèi)的CMOS廠商已經(jīng)開始探索這一概念的可能性了。例如國內(nèi)安防領(lǐng)域市占率第一的CMOS圖像傳感器廠商思特威科技，早在2019年3月就已正式推出“SmartSensor”AI智能傳感器芯片平臺的概念。

三大驅(qū)動力融合方能塑造人工智能的未來

無論是數(shù)據(jù)（感知層）、算法還是算力，目前的產(chǎn)業(yè)發(fā)展往往還是以單一企業(yè)為主體，各個產(chǎn)業(yè)鏈環(huán)節(jié)的企業(yè)各自進行獨立的創(chuàng)新，這在產(chǎn)業(yè)的新興階段往往能通過激烈的競爭誕生不少黑馬。但是，隨著產(chǎn)業(yè)的逐漸發(fā)展成熟，未來人工智能產(chǎn)業(yè)的發(fā)展將以合作為主線，若干個主要的生態(tài)系統(tǒng)或者平臺將崛起成為行業(yè)的核心。

目前不少中國廠商紛紛入局了CMOS領(lǐng)域，例如思特威、思比科、格科微、銳芯微、比亞迪、兆易創(chuàng)新（思立微）等等，在這樣的生態(tài)系統(tǒng)或者平臺中，他們會處于何種地位呢？

與擁有產(chǎn)業(yè)鏈優(yōu)勢的國際巨頭不同，中國CMOS圖像傳感器企業(yè)往往只專精于CMOS圖像傳感器領(lǐng)域本身，因此，只有積極參與生態(tài)系統(tǒng)和平臺的合作中，與整條產(chǎn)業(yè)鏈的各個環(huán)節(jié)開展緊密的協(xié)作，才能在人工智能應(yīng)用領(lǐng)域誕生出不容忽視的中國力量。

Arm模式在移動時代的巨大成功已經(jīng)證明，小而精的企業(yè)組成生態(tài)系統(tǒng)的商業(yè)模式也能取得堪比PC時代巨頭壟斷模式的成功。那么在下一個人工智能時代，一個融合了數(shù)據(jù)、算法和算力層面諸多創(chuàng)新企業(yè)的生態(tài)系統(tǒng)，也擁有美好的前途，而在這其中，CMOS圖像傳感器企業(yè)則將是 “必不可少”的配角。 *本文整理自智東西、傳感器專家網(wǎng)。