目前AI（人工智能）非常的火爆，除了一堆的“獨角獸”，還有成百上千家中小型的AI初創企業，但是目前AI實際的應用和落地卻并沒有想象中那么的火熱。目前AI可能是存在“泡沫”的，昨日華為創始人任正非在接受媒體采訪時也表達了這樣的觀點。

另外，值得一提的是，目前AI最先成熟落地的一些領域主要也還是與生物識別相關，比如人臉識別、語音識別等等。而且在芯智訊看來，未來不管人工智能發展到如何高的一個程度，它首先需要解決的一個問題是，怎么知道“你是誰”，然后才能提供個性化的AI服務。而這就離不開生物識別技術了。

比如現在在家庭當中比較常見的智能音箱，一個家庭當中可能會有多個家庭成員，有年輕人、老人、小孩、男人、女人，這么多的用戶，智能音箱如何來學習他們的用戶習慣呢？因為每個人的用戶習慣都是不一樣的。如果在智能音箱當中加入聲紋識別等生物識別技術，那么將會很好的解決這個問題。使得智能語音助手完全有能力在同一終端實現實現千人千面的個性化智能化服務。

比如，在家庭當中，當你對智能音箱說，“幫我定個昨天中午一樣的快餐”，同時你的哥哥也說“幫我也定一個昨天中午一樣的快餐”，注意這里可能你們兩個人昨天中午定的快餐是完全不一樣的，如果有了聲紋識別，就能夠識別兩個語義完全相同的語音指令是由哪兩個人所發出的，然后根據這兩個人的不同的習慣（昨天中午這兩個人分別定的是什么快餐），來滿足不同的需求。顯然，要達到這樣的用戶體驗，必須要有生物識別技術的加持。

近期芯智訊整理了兩份關于生物識別的研報，節選了部分內容，綜合如下：

前言：指紋、虹膜、人臉識別最近幾年在手機上持續更迭，單機價值大

幅提升，新款 iPhone 生物識別價值量甚至在 15 美金以上，其背后的驅

動在于移動互聯網個人對于安全性和認證便捷性的需求。此外，語音/聲紋識別、靜脈識別等也開始被不少領域應用。我們認為生物識別的價值才剛剛被發掘，未來 5G、云計算、區塊鏈和物聯網應用的興起，對于更復雜、更便捷的環境下面的身份識別將提出更高的要求，行業有望迎來穿越周期的成長。

1. 場景多樣化和便捷化是生物識別升級的雙驅動

生物識別是一種通過計算機與光學、聲學、生物傳感器等高科技手段密切結合，利用人體固有的生理特性，如指紋、人臉、虹膜等和行為特征如筆跡、聲音、步態等進行個人身份鑒定的方法，因此從生物識別技術的大致可以分為生物體生理特種識別和生物體行為特征識別兩大類。

從不同技術的出現先后時間看，指紋是較早被人們有效發現并加以利用的，因此也獲得較長的時間的發展演變，而人臉識別近年來則有著較快的發展速度，成為產業發展中重要的一個分支，隨著技術進步的持續，未來將會擁有廣泛的應用前景。

隨著對于身份識別和保密需求的日益增加，以及人們對于安全便捷性追求的持續，各類生物識別技術紛紛開啟了應用的空間，相較于指紋、人臉等，其他生物識別技術方面盡管普及度仍然略低，但是各自的特點使得在不同的行業市場中有著較好的發展潛力。

1.1. 移動支付市場高速增長，電容指紋率先爆發

作為目前應用最為廣泛、技術最成熟、公眾接受度最高的生物識別技術，指紋識別的應用發展歷史最為悠久。不過，此前指紋識別主要是應用在一些行業應用領域，采用的也大多是傳統的光學指紋識別技術。而指紋識別技術真正的爆發則是在蘋果iPhone5S標配電容式指紋以后，才真正拉開了爆發的帷幕。

從手機解鎖到線上線下支付，伴隨著強烈的安全需求，生物識別已與日常生活密不可分。持續高速增長的移動支付市場，成為指紋為代表的生物識別主戰場，根據艾瑞咨詢數據，2017 年國內第三方移動支付規模 120 萬億，指紋滲透率達 57%。

1.2. 場景多樣化和便捷化雙驅動，屏下指紋、3D Sensing 大放異彩

隨著移動互聯網時代應用持續增加，生物識別的場景越來越多，消費者也需要更加便捷的識別方式，帶動生物識別技術持續升級，屏下指紋、虹膜、人臉識別等大放異彩，單機價值實現大幅提升，新款高端手機甚至在 15 美金以上。根據中研網數據，2017 年全球生物識別市場規模大約 172 億美元，指紋、人臉、虹膜識別分別占比 58%、7%、6%。

2. 生物識別的升級需要更強大軟硬件一體化的支持

從電容指紋到屏下指紋，再到 3D Sensing，總結主流生物識別技術的演進歷史，我們發現隨著應用場景越來越多，外部環境也越來越復雜，干擾因素也相應增多。在不同復雜環境中的生物識別，對降噪算法的要求也更加苛刻。不過相應地，應用場景不斷拓寬后，生物識別行業的成長空間持續打開。

2.1. 電容指紋提取信號清晰，算法簡單

電容指紋是通過檢測手指與 Sensor 之間的電容信號得出指紋圖像，距離過遠信號會大幅衰減，所以電容指紋 Sensor 一般外置，上面加一個 Cover，如果采用 Underglass 方案也會對玻璃減薄。

由于識別環境簡單，采集電位信號后生成的是黑白圖像，清晰、穩定，對指紋算法的要求并不高，進入門檻較低，大部分芯片設計廠商采取和第三方算法廠合作的模式進入。同時芯片的 Die Size 可以不斷做小，且不影響辨識度，從而持續降低芯片成本。但是在應用上就比較局限，主要用來做解鎖和支付。

2.2. 屏下指紋識別環境復雜，需要更強大軟硬件一體化的支持

屏下指紋主要包括光學指紋和超聲波指紋兩種。光學指紋：1）經過兩代更迭，技術成熟度高；2）Sensor 較為簡單，芯片成本低；3）但是識別時干擾較多，需要算法和硬件設計高度配合；4）OLED 產能配套完善。

而超聲波屏下指紋：1）還沒有成熟產品出貨；2）Sensor 制造難度大，芯片成本高；3）算法相對簡單；4）需要柔性 OLED 配套。光學和超聲波未來都可以實現大面積區域的識別，體驗要優于電容指紋。

2.2.1. 光學指紋識別干擾因素多，算法與硬件設計高度配合提升體驗

我們在匯頂科技深度報告中已經詳細論述了第一代和第二代屏下光學指紋的結構以及產業鏈上 OLED 的產能配套情況，本文主要論述光學指紋識別過程中的干擾因素以及價值量的問題。

目前光學指紋采用微距攝像頭原理，Sensor 需要拍下指紋圖像，然后運用圖像識別算法進行 Match，最后得出結果。采集到的圖像主要受到以下幾類因素干擾：

1）光源是 OLED 屏，發光點會對圖像產生影響；

2）使用一段時間后保護玻璃上的油污、粉塵會影響光線的反射；

3）外部環境光線干擾，比如太陽光；

4）環境的溫度、濕度等。

這些干擾因素都會對成像產生影響，從而影響最終的識別速度和識別率，因此需要降噪算法、光學指紋結構、芯片設計高度配合并持續迭代，電容時代指紋芯片廠+第三方公版算法廠的模式難以為繼，強大的算法能力成為芯片設計公司的核心競爭力。

2.2.2. 二代光學方案仍需持續優化，保障算法與設計附加值

由于光學指紋 Sensor 就是一個低像素的 CMOS 芯片，目前 Die Size 已經做的很?。壳?1 片 8 寸 Wafer 大約能切 2500 顆左右，電容指紋在 1300 顆左右），我們預計在整個光學方案中成本占比只有 15 個百分點左右。由于提取圖像噪聲很多，繼續降低 Die Size 會影響辨識度，因此不具備持續降價的基礎。

光學指紋方案的主要附加值還是在于降噪算法和光學結構的設計，其實目前方案在識別速度和識別率上仍有很大改善空間。以匯頂科技的光學方案為例，2018 年 10 月公開的專利顯示，由于透鏡的曲度/屈光度(Diopter) 的關系，在影像上對應于透鏡邊緣處會產生莫爾條紋，從而不利于指紋辨識（圖 10 的 5a 中正常指紋影像區域 Ra 較小，51、52 分別為有干擾的水波紋和魚眼紋）。

匯頂申請專利利用感光像素陣列相對于發光像素陣列旋轉（圖 11 中發光像素陣列與感光像素陣列形成夾角 a），拉開莫爾條紋與鏡心之間的距離，使得可利用濾波運算來保留指紋影像的區域較大，從而有利于指紋辨識（經過濾波運算后圖 10 的 5b 中正常指紋影像區域 Rb 較大，魚眼紋 52’在較外圍區域）。

我們判斷未來以匯頂科技為代表的芯片廠商將持續優化光學方案以獲取更好地用戶體驗。隨著方案的持續迭代，算法和光學結構的設計將繼續保持較高附加值。

圖10 優化前后的指紋圖像對比

圖 11：感光像素陣列相對于發光像素陣列旋轉

2.2.3. 超聲波 Sensor 材料、工藝成本較高，有望在高端旗艦小批量使用

超聲波指紋識別技術 2015 年由高通正式推出，由于超聲波的最大的難點在于穿透性，比如剛性 oled 封裝層氮氣、LCD 背光模組等都是穿透的障礙，所以超聲波指紋目前只能搭載柔性 OLED。

同時超聲波指紋 Sensor 使用壓電材料（AIN、PVDF 等）通過 MEMS 工藝制造，然后需要與 CMOS 工藝的 ASIC 電路鍵合，難度非常高，壓電材料和制造工藝成本都非常大，從而影響其推廣。我們預計屏下超聲波指紋模組價格在 15 美金左右，未來有望先在高端旗艦中小批量應用。

2.3. 3D Sensing 應用場景廣闊，算法、設計難度進一步提升

人臉識別算法技術的演進已經將近 20 多年，從最早的子空間方法只能用于檢查證件照到如今大量照片的閱讀學習，深度學習逐漸成為主流的人臉識別方式，2D 人臉識別技術也趨于成熟。

目前市場上使用頻率較高的也仍為使用攝像頭的 2D 平面識別方案，這是一種基于平面圖像的識別方法，受到姿勢、光照、表情等變化幅度的影響較大，因此會存在特征信息缺失、準確度較低等致命問題，照片、視頻、化妝及人皮面具等方式都能破解此項識別技術，而 3DSensing技術是基于人臉的立體建模，較 2D 識別技術精度更高。

主流的 3D 成像技術主要有三種：結構光、TOF（Time Of Flight）以及雙目測距。結構光主要是通過投影機和單相機投射一幅或多副編碼圖案，由攝像頭采集。根據臉部不同物體造成光信號變化來計算物體深度、位置等信息。TOF 技術則是通過捕捉近紅外光從發射到接收的時間差來判斷物體的距離；雙目測距技術利用雙攝像頭拍攝物體，再通過三角形原理計算物體距離。

相較而言，結構光技術因其低光表現良好、短距離精度高、識別時間短、成本功耗適中等的優點，更為適合應用在前置攝像頭上進行人臉識別。而后置則更多應用的是TOF。

2.3.1. 人臉蘊含豐富信息，蘋果目標構建智能家居、汽車閉環生態

電容、屏下指紋獲取的都是指紋圖像，應用也局限于解鎖和支付。相比之下，3D Sensing 獲取的是 3D 人臉圖像，信息量豐富，應用場景也更為廣闊。根據 Yole 數據，3D Sensing 應用市場規模 2023 年將成長至 185.2 億美元，2017-2023 年復合增速 44%，消費、汽車、工商業為主要應用領域。

終端廠商中，蘋果最執著于人臉識別，技術儲備也最為豐富，三款新機和 iPad Pro都搭載了3D Sensing，我們判斷蘋果正不斷充實自己的人臉庫，目的是構建在智能家居、智能汽車等領域的閉環生態。在智能家居領域，門鎖可以通過人臉打開，娛樂系統可以通過人臉以及手勢控制；在智能汽車領域，通過刷臉上車、登錄車載系統，語音控制空調、查詢油耗，行車過程中可以監測疲勞駕駛，帶來完美的駕駛體驗。

圖 15：蘋果基于 3D Sensing 的家庭娛樂系統專利

圖 16：人臉識別可用于智能汽車的人臉登錄和疲勞監測

另外，蘋果在發布其首款標配3D人臉識別的iPhone X的時候，不僅使得其3D人臉識別成為移動支付的有效安全認證方式，另外兩個應用也被蘋果重點提出，一個是能夠將人臉表情復制到動畫上的動畫表情應用 Animoji，另外一個是增強現實（AR）的仿生游戲，盡管后者在宣傳中主要是作為仿生芯片的功能應用來推廣，但是無可否認的是，AR 已經成為了蘋果發展的重要的方向之一，而能夠對人臉進行建模實現將會是未來 AR 的基礎技術支持。

2.3.2. 結構設計、算法難度進一步提升

為了獲取 3D 人臉圖像，結構設計和算法實現也更為復雜。以 OPPO Find X 的3D結構光為例，主要光學硬件包括發射端和接收端兩個部分，還有一個 Flood illuminator 模組用于人臉識別之前的粗測，核心零部件就包括 VCSEL 芯片、準直鏡頭、DOE、窄帶濾光片和紅外 CMOS 等。

算法就更為復雜，一方面，由于數據量龐大，需要使用專用 ASIC 進行計算，ASIC芯片也可以和主芯片集成；另一方面，識別時人臉與 Sensor 距離較遠，光路中有大量的噪聲，以 STM 的 TOF 方案為例，玻璃上污跡引起的串擾、環境光、發射端的漏光等都會影響成像。進行 3D 人臉識別需要綜合考慮成像速度、分辨率和信噪比三者之間的權衡。

3、其他：品類繁多的生物識別技術各有用武之地

虹膜識別：虹膜是位于人眼表面黑色瞳孔和白色鞏膜之間的圓環狀區域，在紅外光下呈現出豐富的紋理信息，如斑點、條紋、細絲、冠狀、隱窩等細節特征。除非經歷危及眼睛的外科手術，虹膜幾乎終生不變。

▲虹膜的紋理及近紅外光條件下拍攝的虹膜圖像

虹膜識別通過對比虹膜圖像特征之間的相似性來確定人們的身份，其核心是使用模式識別、圖像處理等方法對人眼睛的虹膜特征進行描述和匹配，從而實現自動的個人身份認證。且虹膜識別是非接觸式識別，方便高效。但虹膜識別技術難度高，大多局限于工業領域的應用。在眾多生物識別技術中，目前虹膜識別來說是安全等級最高的。

虹膜識別的概念最初是由眼科專家弗蘭克?伯奇在 1936 年提出，1987 年由另外兩個眼科專家倫納德?弗洛姆和埃爾朗?薩菲爾用伯奇的概念申請了專利，但當時技術有限，并未開發出相關的處理器，而后美國哈佛大學的研究人員 John Daugman 發明了第一個虹膜識別算法，成功實現虹膜識別。目前有三個國家印度、墨西哥和印度尼西亞將虹膜作為國民身份證的標志，印度會給每個人分配編號采集虹膜，已有約 10 億的采集規模。而三星接連在 Note7、S8、S8+上搭載虹膜識別，引領虹膜識別不斷打開移動終端市場。

靜脈識別：通過匹配實時靜脈圖和記錄的個人手指靜脈圖特征值來進行身份鑒定。人的靜脈是完全獨特的，就連身體左側和右側的靜脈也各不相同，有很多靜脈在表皮上無法觀察到，隨著年齡的增長，靜脈形狀的變化也甚微，同時具有極強的生物活性，因此仿造靜脈極其困難。靜脈識別在手指有污漬或手指皮膚脫落時仍能實現準確識別，識別效率高。

國外方面，日韓在 1997 年就推出靜脈識別產品；2008 年，日本已將靜脈認證系統搭載到IT 機器上，提供情報安全保證；2010 年，波蘭的 BPS SA 銀行在其華沙營業點安裝啟用了基于“手指毛細血管”技術的自動提款機；2013 年，手掌靜脈技術成為瑞典南部隆德市的一種更加方便、更安全的支付方式，現已在隆德市多家商店和餐廳投入使用。目前，土耳其、日本（三菱和大垣共立銀行）、巴西、波蘭等銀行都在使用手掌靜脈 ATM，日本 70%的銀行都在使用手掌靜脈 ATM 取款機。國內 2004 年開始研發，目前在智能社會事務管理如指靜脈養老金發放的生存認證工作、銀行金融、智能家居等領域鋪開應用。

聲紋識別：聲紋也是人體獨特的生物特征, 由于不同個體的發音器官的結構形狀及講話時發音器官的運動方式方面千差萬別， 每個人的原始聲音是獨一無二的, 很難找到兩個聲紋完全一樣的人， 因此聲紋識別技術可將現場采集到的聲紋同登記過的聲紋模板進行精確的匹配來進行身份認證。與其他生物識別技術相比， 聲紋識別對用戶的干涉較少，用戶接受的可能性較大，它具有簡便、準確、經濟及可擴展性良好等眾多優勢，在世界范圍內，聲紋識別技術正廣泛應用于安全驗證、控制等諸多領域， 特別是基于電信網絡的身份識別。

▲亞馬遜Echo

從 1952 年貝爾研究所研制出世界上首個能識別 10 個英文數字發音的實驗系統到 1960 年英國 Denes 等人研制的第一個計算機語音識別系統，語音識別直到 2009 年借助機器學習領域深度學習以及大數據的發展，才得以有質的飛速發展。如今，語音識別在移動終端的應用最為可觀，包括語音對話機器人、語音助手等，出現了 Siri、Assistant、Cortana 等各式各樣的產品。此外，在聲紋識別上，亞馬遜Echo、阿里的天貓精靈、谷歌Home都有支持。

不過，我國目前處于技術仍不成熟，消費端應用滲透率低的狀況，在智能家居、金融、證券、社保、社區矯正、公安、 軍隊及其他民用安全認證等行業和部門有著廣泛的需求和發展空間。

4、生物識別有望迎來穿越周期的成長

根據前瞻產業研究院發布的數據顯示，2007 年全球生物識別市場規模僅有 30.1 億美元，而2013 年達到了 97.8 億美元，即將到達百億美元大關，6 年復合增長率高達 21.7%。2015 年的全球生物識別市場規模達到了 130 億美元， 預計 5 年內 CAGR 約 13.9%，至 2020 年全球生物識別市場規模突破 200 億美元大關達到 250 億美元。

而市場研究公司MarketsandMarkets的最新預測數據則顯示，全球生物識別市場將由2018年的168億美元快速增長至2023年的418億美元。這一增長代表預測期間的復合年增長率達到19.99%。這個增長率還是非常高的。

另外，生物識別產業自身也正在發生著一些變革，我們認為主要包含了幾個方面：

1）消費級移動終端領域內，以傳統的指紋識別和新興的 3D 人臉識別技術的滲透率和技術創新正在快速推進；

2）傳統的門禁安防領域內，多重生物識別技術的需求在持續增加；

3）隨著智能化產業的推進，物聯網（IoT）、智能汽車等市場中對安全性的需求將會持續引入生物識別技術。

從中長期來看，5G、云計算、大數據、IoT、區塊鏈、智能汽車等行業的快速發展，以及對安全性和便捷性的高要求，將帶動生物識別行業穿越周期，迎來黃金成長。

4.1 大數據

大數據隨著互聯網的發展，全球數據量迎來爆炸式增長，根據 IDC 數據，2020 年全球數據量將達到 40ZB，13-20 年復合增速近 40%。PAISI 預計 2020 年全球大數據市場規模將突破 1214 億美元。

海量的數據結合生物識別技術可以孕育出豐富的應用。例如在社區可以獲取大量的居民數據，包括指紋、人臉、健康狀況等，利用外圍人像布控系統，SDK&API，人臉鎖和語音控制家電等硬件，可以形成優秀的社區養老解決方案，合理安排和監控老人生活。

4.2 IoT

物聯網設備將成為下一個高速增長的終端市場，特別是隨著 5G 基礎設施建設加快將迎來爆發，根據 GrowthEnabler Analysis 數據，2020 年全球物聯網市場規模將會達到4573 億美元。

目前智能機是應用生物識別技術最大的終端，而未來物聯網設備的出貨量在手機的十倍以上，由于安全性高，體驗更佳便捷，我們認為在物聯網設備出貨的帶動下，生物識別行業有望迎來新一輪爆發。

4.3 區塊鏈

區塊鏈技術的核心特征是去中心化和去信任化，憑借在提高效率、降低成本、提高數據安全性方面的優勢，逐漸和各行各業創新融合。根據 Tractica 預測，2018 年全球企業區塊鏈市場在 46 億美元左右，到 2025 年市場規模將達到 203 億美元。

區塊鏈在數據安全方面的應用離不開生物識別技術的配合，以區塊鏈電商支付平臺Nuggets 為例，致力于解決網購支付的數據泄露問題。Nuggets 首先基于區塊鏈技術，對個人信息加密后存儲于用戶設備本地，付款時直接通過生物識別進行身份驗證，商家無法獲取用戶信息，快遞公司獲取位置信息后進行配送，確認收貨也只需要生物識別驗證或者發送二維碼。

4.4 智能汽車

汽車智能化的升級從電動化向自動駕駛方向持續發展，在汽車聯網和自動化控制的程度越來越高的同時，對于汽車安全性的要求也越來越高，以寶馬、奔馳、福田、大眾等全球一線的汽車廠商在車輛的防盜、駕駛人員識別、駕駛人員狀況判定等領域內推動積極的布局，其中以生物識別技術為基礎的包括指紋、人臉、掌紋/掌靜脈等多種識別方式，成為廠商在中高端車型中進行差異化定位和營銷的重要方向。

生物識別技術應用于汽車場景中的首要需求來自于解鎖功能，機械結構的鑰匙作為汽車解鎖的逐步成為了歷史，目前采用射頻技術的遠程主動式或被動式控制鑰匙成為了主流。在以寶馬、奔馳、奧迪、福特等廠商推動下，高端車型中已經有了較多的生物識別技術的解鎖解決方案在前裝市場獲得了應用，不過終端消費者市場中的認知度仍然較低，處于導入階段。

從 Technavio 的研究顯示，盡管采用生物識別技術解鎖車輛無論是從安全性還是從車輛的層次定位上都符合廠商營銷的需求，但是在實際應用的過程中，消費者對于認知度較低，即使是安裝了相應功能的高端車型，其實際的使用率也并不如預想，行業仍然處于較為前沿的階段。

從產業市場規模看，根據 Technavio 的研究數據顯示，2016 年生物識別在汽車市場中的整體規模為 1.1 億美元，未來將會保持 20%左右的增長速度。

按照識別技術分布看，與行業整體的情況類似，指紋識別技術在全部汽車生物識別應用中占比超過 50%的主要應用。2017 年美國消費電子展（CES）上，德國領先的汽車電子廠商大陸集團帶來了包括指紋識別啟動按鈕、人臉識別后視鏡等。

車廠方面，捷豹、路虎在其“汽車擋風玻璃清潔系統”的專利中，描述了眼球追蹤系統在汽車中的應用，以及在“汽車門禁控制系統”的專利，描述了基于生物識別技術的汽車門禁系統，包括了采用人臉識別、手勢識別的技術，并且還可以對駕駛員的生理特征進行檢測，以監控身體狀況進而保持安全性。福特汽車在 2015 年獲得了使用生物信息獲取設備獲得包括視網膜能掃描，指紋傳感器，聲音識別單元等信號識別車主進而給汽車控制器解鎖車門的專利。

未來，根據 Frost＆Sullivan 的智能移動團隊發布的《2016-2025 年全球汽車行業生物識別技術》報告顯示，汽車試圖更多的了解車上人員的情況，通過各類生物識別傳感器技術來不僅是辨識駕駛人員，更重要的是追蹤健康和情緒的變化，將駕駛、乘坐、車況、路況等多方面信息進行綜合處理，為行車安全、乘坐舒適、車輛保險等各類需求服務。Frost＆Sullivan 的分析師認為，到 2025 年，有將近三分之一的汽車會安裝生物傳感器，汽車廠商與可穿戴設備、云計算、大數據服務等廠商將會形成更為緊密的合作關系。

5. 安全升級，多重識別悄然推進

從下表中我們可以看到，不同的生物識別技術在精度、穩定性、識別速度、便捷性方面有著明顯的差異，因此在不同的應用領域中，也有著各自不同的特點和優劣勢。芯智訊認為，未來多生物識別技術融合將是一大趨勢。而目前在智能手機上，虹膜識別+指紋識別，指紋識別+2D/3D人臉識別的多生物識別技術組合已有應用，有些同時還支持語音/聲紋識別。

從 Technavio 的數據可以看到，2015 年全球多重識別市場的規模為 42.2 億美元，未來 5 年將會保持 20%以上的增長速度，從占比上看，考慮實用性、準確率和成本的多方面因素，采用雙重識別技術的應用占據了超過 90%的份額。

從市場的細分情況看，以銀行、保險、證券為主的金融行業由于其與金錢的相關性屬性，使得對于身份認證的關注度較高，成為了雙重識別和多重識別技術的主要應用場景，而占比第二位的支付卡也屬于金融的大范疇內。從區域市場的應用看，歐美發達國家在金融領域內的防范措施和投入規模較大，使得歐美發達地區成為了雙重識別市場的核心應用區域。

6. 投資建議

隨著數據信息對于日常生活的影響越來越大，信息安全的訴求成為無論是個體消費市場還是企業市場共同關注的熱點，而生物識別技術在移動終端中的滲透率持續提升，推動了相關產業鏈的公司持續受益。我們認為，3D人臉識別技術、屏下指紋識別等聲紋識別技術的創新應用，均為市場重要的發展機遇。中長期看，在安防監控、智能家居、自動駕駛等下游市場的持續滲透中，擁有核心算法或者硬件產品優勢的廠商將會獲得持續的發展機遇。

移動終端上的生物識別應用變化在短期內將會成為產業核心關注點以及資本市場消費電子產業創新投資機會，我們認為人臉識別技術具備了良好的發展前景，同時作為創新升級，屏下指紋有望也成為中高端手機的配置選擇之一。從成本角度看，兩者的當前價格均遠高于普通的指紋識別模組，因此我們認為兩者在中高端市場分庭抗禮。

從產業鏈的布局看，人臉識別仍然有結構光、TOF 等不同的方案，我們以蘋果采用的結構光為例，主要模塊包含了發射端和接受端兩個部分，其中發射端的核心部件包含了VCSEL、WLO、DOE 等光學元件，而接受端則類似于攝像頭模組，由算法廠商在核心芯片上實現整體解決方案。

目前在 iPhone上應用的結構光模組的整體價格約15美元，由于存在價高的技術壁壘，以 VCSEL 和芯片領域內基本以海外廠商為主導，光學鏡頭組件占據了主要的成本。不過，步入2019年國產VCSEL及光學鏡頭模組這塊也將逐步跟上。未來隨著3D產品出貨量增加帶來的規模效應，整體價格也將會持續的下降。

指紋識別方面，傳統指紋識別的價格約在2美元左右，屏下指紋的價格由于不同方案存在不同的價格，整體而言在滲透率仍然較低的前期，價格與人臉識別結構光模組較為接近，未來測算方面也是保持下降趨勢。

市場空間的測算中，我們的基本假設包括：

1）智能手機市場整體出貨量水平保持穩定，分為蘋果、三星和其他廠商，我們預計蘋果和三星的高中低端機型占比基本持平，而其他廠商中中高端機型的滲透率會有小幅度的提升預期。

作為高端的生物識別技術，中高端機型的滲透率提升將會較快，其中屏下指紋識別技術目前還需要依賴于 AMOLED 的普及速度，因此其滲透率空間與 AMOLED 相關。

2）人臉識別和屏下指紋識別的價格未來 3 年均保持下降趨勢，下降幅度方面后者的幅度更大，產業鏈預期能夠更快的成熟起來。

從上述的分析我們可以看到，隨著3D人臉識別和屏下指紋識別的價格的下降趨勢，對于傳統指紋的取代過程推進，預計到 2020 年整體的市場規模將會超過 60 億美元。