前不久，Frost&Sullivan公布數據，2019年格科微實現13.1億顆CMOS圖像傳感器出貨，占據了全球20.7%的市場份額，位居行業第二。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，數據、算法和算力是人工智能的三大驅動力。而作為目前人工智能落地最廣泛的圖像識別應用，其核心CMOS 圖像傳感器分別在這三大驅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。

人工智能的發展離不開海量的數據，而這些數據中的大部分都是圖像數據。因此可以這么說，人工智能應用的崛起就是CMOS圖像傳感器繼移動設備普及之后的第二次爆發機會。我們不妨看看目前人工智能最主要的應用場景，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據。

而人工智能豐富的應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廠商的產品開發實力。可以說，海量的數據采集需求為傳感器領域帶來了巨大的商機，同時也引入了更多全新挑戰。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、性能和響應優勢。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)應用，以及小型輔助安防攝像機。

此外，同樣是慕展展商，全球領先的高性能傳感器解決方案供應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光學傳感應用的功耗，這對于依賴電池供電的便攜電子設備而言是至關重要的性能。同時CGSS130還支持更先進的傳感器功能。

據悉，CGSS130傳感器的NIR波段靈敏度是目前市場同類產品的四倍，它能夠可靠地檢測到3D傳感系統中極低功耗IR發射器的反射信號。在臉部識別和其他3D傳感應用中，IR發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備的電池運行時間。可穿戴設備和其他采用極小電池供電的產品使用該傳感器可實現臉部識別功能。靈敏度的提高擴大了在相同功率預算下的測量范圍，從而還可實現除了臉部識別之外的其他新應用。

準確的圖像數據是深度學習的保障

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，本質上就是分析圖像傳感器獲得的圖像數據，并識別出圖像中的待識別物體，因此，圖像識別算法的開發至關重要。

目前，圖像識別算法的開發已經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，利用卷積神經網絡進行特征提取、分類等操作，再到使用一個網絡的端對端模型來完成識別任務，算法開發者們正逐漸地革新算法，從而實現更快的速度、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。算法開發者都知道，圖像數據中噪點的數量會直接影響最后識別的結果，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”、像素驅動模式造成的“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據。

因此，圖像識別算法的革新以及應用的開發，也離不開CMOS圖像傳感器開發者的努力。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，就是由人工智能芯片組成的算力。而根據《中國人工智能芯片產業發展白皮書》的預測，隨著邊緣計算的發展和邊緣端人工智能芯片的發展，人工智能算力正在經歷從云端到云邊一體的發展過程。

云端計算往往聚焦非實時、長周期的大數據分析，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，業界正在追求云邊一體的結合，從而實現更靈活的人工智能算法部署。

而隨著人工智能應用場景的進一步發展，在滿足實時性需求時，可能會出現邊緣端計算仍然無法應對的情況，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據傳輸帶寬壓力。

雖然這一概念仍然處于初步探索階段，但已經有國內的CMOS廠商已經開始探索這一概念的可能性了。例如國內安防領域市占率第一的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。

三大驅動力融合方能塑造人工智能的未來

無論是數據（感知層）、算法還是算力，目前的產業發展往往還是以單一企業為主體，各個產業鏈環節的企業各自進行獨立的創新，這在產業的新興階段往往能通過激烈的競爭誕生不少黑馬。但是，隨著產業的逐漸發展成熟，未來人工智能產業的發展將以合作為主線，若干個主要的生態系統或者平臺將崛起成為行業的核心。

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

與擁有產業鏈優勢的國際巨頭不同，中國CMOS圖像傳感器企業往往只專精于CMOS圖像傳感器領域本身，因此，只有積極參與生態系統和平臺的合作中，與整條產業鏈的各個環節開展緊密的協作，才能在人工智能應用領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證明，小而精的企業組成生態系統的商業模式也能取得堪比PC時代巨頭壟斷模式的成功。那么在下一個人工智能時代，一個融合了數據、算法和算力層面諸多創新企業的生態系統，也擁有美好的前途，而在這其中，CMOS圖像傳感器企業則將是 “必不可少”的配角。 *本文整理自智東西、傳感器專家網。