未來10年傳感器的4大趨勢：什么前景？
更新時間：2025-03-01 點擊次數(shù)：312次
傳感器的4大發(fā)展方向
自2000年起，MEMS智能傳感器開始進入人們的視野，大家對于傳感器形態(tài)上的變化有了性的認(rèn)知。傳感器的尺寸及性能伴隨微機電技術(shù)的發(fā)展有了質(zhì)的飛躍。
隨后在汽車及消費電子市場上大放異彩，形成了的傳感器及第二次發(fā)展浪潮。如今，第三次浪潮萬物聯(lián)網(wǎng)已經(jīng)到來，它與傳感器之間的關(guān)系無需再多贅述，而汽車行業(yè)及消費電子領(lǐng)域?qū)τ趥鞲衅靼l(fā)展的推動作用猶在。
因此，細(xì)心觀察這些行業(yè)中產(chǎn)品的發(fā)展軌跡，我們能夠看到：傳感器的發(fā)展遵循四個方向。
微型化是未來傳感器發(fā)展的必然趨勢之一。傳感器本質(zhì)屬于半導(dǎo)體，遵循摩爾定律，在這之上，伴隨超越摩爾的多樣化發(fā)展路線。從生產(chǎn)及加工的角度上看，傳感器尺寸決定了原材料的使用率，傳感器微型化代表了生產(chǎn)成本的下降；從性能上看，微型傳感器的能耗得到大幅降低；從產(chǎn)品角度看，傳感器的縮小可以釋放更多空間，間接提升產(chǎn)品最終的用戶體驗。根據(jù)Yole Développement 的研究，MEMS 典型器件中，加速度計的封裝管腳從 2009 年的 3×5 mm2 縮小至 2018 年的 1.6×1.6 mm2，面積僅相當(dāng)于之前的17%，而成本則是過去的十分之一。 傳感器柔性化的目的主要有三種：便攜、仿生、融合。便攜性主要基于柔性電子方向的發(fā)展。目的是改變電子器件剛性結(jié)構(gòu)，使得產(chǎn)品設(shè)計上能夠有所突破，在外形上可以折疊卷曲，更加便于攜帶、使用。仿生方向是通過柔性傳感器來模擬人體皮膚，為機器人的感知進行賦能。生物融合則是針對人體來開展的傳感器研究。柔性材料可以更加貼合人體器官，在不被人體察覺的狀態(tài)下，對身體生物變量進行監(jiān)測。目前大家能夠接觸到的傳感器柔性化例子除了各種“智能鞋墊、枕頭、床墊"之外，就數(shù)折疊屏手機代表性了。未來手機可能會越來越“軟"，像紙一樣折起來放在口袋，或者像隱形眼鏡一樣，戴在眼中。電源及電線的存在對于傳感器的應(yīng)用環(huán)境限制很大。許多工業(yè)及醫(yī)療場景中復(fù)雜的機械及人體結(jié)構(gòu)無法滿足傳感器電源及線路的排布。主流思想主要是解決無源這個問題。畢竟無源問題解決了，無線通訊只需要搭載WiFi或者藍(lán)牙模塊就行了（前提是電量能支持）。另外利用生物電、摩擦電等方式收集能量供于傳感器的發(fā)展線路也已存在，只是均停留在實驗室階段。傳感器融合在產(chǎn)業(yè)中的主要表現(xiàn)為：按照數(shù)據(jù)采集方式及傳感器技術(shù)結(jié)構(gòu)，將同類別的傳感器進行硬件集成，并通過特定算法進行數(shù)據(jù)校正及優(yōu)化，降低串?dāng)_。不同傳感器之間協(xié)同工作，性能互補，為用戶提供更豐富功能，賦予消費電子行業(yè)更大商業(yè)價值。可穿戴設(shè)備是消費電子市場中迭代非常明顯的一類產(chǎn)品。從外觀到功能的進化就可以清晰的看到傳感器融合的軌跡。不同種類的傳感器逐步增加、融合、協(xié)同工作使得電子設(shè)備的功能更豐富，更符合消費者需求。另一個明顯案例就是汽車電子中的視覺雷達融合。目前，大多數(shù)路面上行駛車輛內(nèi)的ADAS功能都是獨立工作的，這意味著相應(yīng)傳感器彼此之間幾乎不交換信息。然而，面對復(fù)雜環(huán)境僅僅依靠單一傳感器是不夠的。我們需要將不同種類的傳感信息融合在一起，來彌補各傳感器自身的缺點及不足。雷達視覺融合就是個傳感融合的典型例子。可見光譜范圍內(nèi)工作的攝像頭在濃霧、下雨、強光或弱光情況下會失真。而雷達缺少成像傳感器所具有的高分辨率。兩者的結(jié)合則可在復(fù)雜環(huán)境下輸出更可靠的數(shù)據(jù)。投資機會的把握主要基于效率提升及未來市場空間這兩大方面來判斷。傳感器主要的作用在于信息的采集。傳感器的發(fā)展就是一個不斷提升信息采集效率的過程。因此，傳感器發(fā)展的每一次變革，必須是產(chǎn)出大于投入+耗損，才是有效的。而無法做到這點的創(chuàng)新和突破只能成為概念，投了就成了先烈。而未來市場的空間大小，也和效率的提升與否息息相關(guān)。新變革帶來效率的提升會降低成本提高產(chǎn)品的性價比，進而獲得更大的市場認(rèn)同度，市場擴大帶動產(chǎn)能產(chǎn)生規(guī)模經(jīng)濟效應(yīng)進一步降低成本，進入良性循環(huán)。因此，我們圍繞這兩個核心思路去分析上文所提到的四個發(fā)展趨勢，來大膽判斷它們當(dāng)中所蘊含的機會與風(fēng)險。最直觀提升效率的發(fā)展趨勢就是傳感器微型化。提升原材料利用率及能源利用率將直接體現(xiàn)于產(chǎn)品的生產(chǎn)成本及能耗下降。傳感器的微型化，主要基于半導(dǎo)體工藝的發(fā)展。其中包含了芯片及電路設(shè)計、材料加工、制造、封裝測試等環(huán)節(jié)。對于創(chuàng)投機構(gòu)而言，投資致力于將傳感器尺寸縮小并降低其成本及能耗的企業(yè)（同時保證其性能的穩(wěn)定），大方向上是一定正確的。當(dāng)然，其中的難度及門檻不言而喻。風(fēng)險自然就是資本投入極大，且針對的傳感器種類未來存在不確定性。深度摩爾能走多遠(yuǎn)，特征尺寸降無可降，量子隧穿產(chǎn)生漏電，最終只能另辟蹊徑的事情會不會攜帶這資本重來一次，一切都有可能。這是一個前景廣闊的投資方向，但現(xiàn)在卻未必是一個合適的投資時點。首先，柔性化的諸多技術(shù)如電子皮膚、表皮電子、腦機接口等還存在于實驗室階段，到商業(yè)轉(zhuǎn)化還需要很長一段時間。其次，傳感器柔性化短期內(nèi)并不會顯著提升效率。現(xiàn)有技術(shù)在追求柔性化的道路上或多或少會犧牲成本控制、耐久度及性能等。雖然現(xiàn)在的折疊手機讓大家看到了手機形態(tài)的下一步方向，但其高昂的價格、耐久度及維修成本等問題造成了折疊手機還是炫富炫技的存在，而非生活必需品。同時，人們對于柔性化的認(rèn)知程度與心理預(yù)期還不成熟。剛性結(jié)構(gòu)=耐用，柔性結(jié)構(gòu)=華而不實或者脆弱易壞，這類的思維還是占主導(dǎo)地位的。這同樣會給傳感器柔性化的道路帶來一定的阻力。耦合效率，或者說是能量轉(zhuǎn)遞效率是無源無線化發(fā)展道路上的難題。RFID技術(shù)是傳感器無源無線的成熟方案之一。通過電磁感應(yīng)或反向散射的耦合方式將信號及能量遠(yuǎn)程傳輸于傳感器與閱讀器之間。然而缺點也很明顯：能量傳輸效率過低；工作距離過遠(yuǎn)會逸散嚴(yán)重；無法支持大功率傳感器工作；功率高了會有輻射。其他技術(shù)方案如：磁諧振供電、磁共振供電、反向散射供電等等，從能源利用率的角度上看，同樣存在效率不高的問題。當(dāng)能源成本大幅下降，不考慮逸散的損耗時，無源無線方向的投資機會將真正成熟。傳感融合的概念很早就被提出，但它真正的發(fā)展趨勢是近期才開始的。我們首先要區(qū)分傳感融合（Sensor Fusion）與傳感器集成（Multisensor Integration）這兩個概念。· 傳感融合：對多個傳感器產(chǎn)生的原始數(shù)據(jù)進行整理、優(yōu)化、融合并產(chǎn)生更全面的信息數(shù)據(jù)，進而傳輸給CPU進行決策。融合主體是數(shù)據(jù)。· 傳感器集成：多個傳感器硬件集成在設(shè)備中，各自獨立工作并將原始數(shù)據(jù)直接傳輸給處理器進行決策。融合主體是硬件。上文所講的兩個例子：計步器到智能手環(huán)以及汽車ADAS的發(fā)展就很好的展現(xiàn)了傳感器集成以及傳感融合在實際產(chǎn)品中的表現(xiàn)形式。從行業(yè)發(fā)展的角度可以說：市場需求推動了傳感器集成，而傳感器集成又推動了傳感融合的發(fā)展?；剡^頭來，傳感融合也為傳感器的進一步集成提供了軟硬件上的支撐。事實上，傳感器融合在硬件層面并不難實現(xiàn)，重點和難點都在算法上，具有較高的技術(shù)壁壘。傳感器的協(xié)同工作需要算法和算力支撐，而在之前，人們對于算法及人工智能方面的投入并不多。這種情況下，傳感器只能單獨工作，應(yīng)用場景及信息采集的效率都受到很大限制。當(dāng)算力提升后，傳感融合得到了硬件支撐，迎來了高速增長期。伴隨傳感器融合的優(yōu)勢在數(shù)據(jù)采集效率上的逐步顯現(xiàn)，傳感器集成度將進一步上升，與傳感融合齊步發(fā)展，并推動整個行業(yè)的進步。傳感器融合系統(tǒng)需求預(yù)計將在未來5年內(nèi)以約19.4%的復(fù)合年增長率增長，市場規(guī)模預(yù)計將從2017年的26.2億美元增長到2023年的75.8億美元。微型化的方向是成熟的投資時點，但早期投資機會不多。柔性化及無源無線化投資時點過早，還需等待。傳感融合方向處于產(chǎn)業(yè)的高速增長期，值得重點關(guān)注。傳感融合依舊是個很寬泛的大方向，僅僅一個方向不足以支撐我們對于該命題的投資策略。用它來回答“藍(lán)焱資本投什么"顯然是不夠的。因此，我們要更具體的去分析傳感融合這個領(lǐng)域成熟的機會與潛在的可能。1. 傳感融合的現(xiàn)有行業(yè)框架與商業(yè)結(jié)構(gòu)是怎樣的傳感融合的現(xiàn)有行業(yè)框架與商業(yè)結(jié)構(gòu)是怎樣的？傳感融合是個很典型的行業(yè)發(fā)展倒逼出的新概念。尤其是自動駕駛行業(yè)，傳感融合已經(jīng)成為該行業(yè)的發(fā)展共識。但怎么做，諸多大廠還在不斷摸索。就拿汽車行業(yè)說事，目標(biāo)融合的程度已經(jīng)無法跟上自動駕駛發(fā)展的要求，隨著ASIC、FPGA等芯片算力的提升，SOC集成的MEMS傳感器逐漸成為自動駕駛汽車的主流配件，“原始數(shù)據(jù)融合"的可行性及重要性將逐漸顯現(xiàn)。不過目前，大部分傳感器融合應(yīng)用的還是目標(biāo)數(shù)據(jù)，而不是原始數(shù)據(jù)。而在傳統(tǒng)量產(chǎn)車型上，攝像頭和雷達甚至沒有達到目標(biāo)數(shù)據(jù)的融合程度。目前，行業(yè)內(nèi)主要的多傳感數(shù)據(jù)處理架構(gòu)主要包括以下三種：1、分布式：將各獨立傳感器獲取的原始數(shù)據(jù)進行局部處理，然后將處理結(jié)果發(fā)送到數(shù)據(jù)融合中心進行智能優(yōu)化組合，得到最終結(jié)果。優(yōu)點是：對通信帶寬的分布式需求低，計算速度快，可靠性和連續(xù)性好。缺點是：跟蹤精度不夠。2、集中式：將采集到的原始數(shù)據(jù)直接傳輸?shù)教幚砥鬟M行融合處理，可以實現(xiàn)實時集成。優(yōu)點：數(shù)據(jù)處理精度高，算法靈活，缺點：對處理器要求高，可靠性低，數(shù)據(jù)量大，難以實現(xiàn)。3、混合式：混合多傳感器信息融合框架（分布式+集中式），部分傳感器采用集中式融合，其余傳感器采用分布式融合。優(yōu)點：混合融合框架具有較強的適應(yīng)性，兼顧了集中式融合和分布式融合的優(yōu)點，穩(wěn)定性強。缺點：混合融合結(jié)構(gòu)比前兩種融合方案更為復(fù)雜，增加了通信和計算成本。傳感融合的過程中，整個系統(tǒng)需要處理多參量的數(shù)據(jù)，甚至相互矛盾的信息。如何保證融合系統(tǒng)快速處理數(shù)據(jù)，過濾噪點和干擾，確保融合后的信息不會失真，誤報或堵塞處理器導(dǎo)致死機，是該行業(yè)發(fā)展的重要難點。講到這里，或許你會一頭霧水，到底什么是目標(biāo)數(shù)據(jù)融合，什么是原始數(shù)據(jù)融合？為什么原始數(shù)據(jù)融合就厲害了？我還是用自動駕駛來舉個例子說明一下：自動駕駛需要用到多種傳感器，比如攝像頭、毫米波雷達、激光雷達以及超聲波雷達。不同傳感器的工作原理不同所以它們產(chǎn)生的數(shù)據(jù)類型也不一樣。如果車輛在自動駕駛過程中發(fā)現(xiàn)前面飄來一個塑料袋，攝像頭可能會識別出它是個塑料袋或者白色的皮球，甚至是白色的飛鳥（如果光線不好），而毫米波雷達很可能會認(rèn)為它是個石頭或者相同尺寸的障礙物。這時候不同傳感器發(fā)出了截然相反的指令，攝像頭建議減速而雷達建議緊急制動。兩個互相沖突的指令必須引入第三個傳感器介入打破平衡，或根據(jù)系統(tǒng)預(yù)設(shè)優(yōu)先級直接判定緊急制動。但無論哪一種方案，都不是自動駕駛的解決方案。因為復(fù)雜的邏輯判定流程會造成延遲以及算力的浪費，甚至不必要的執(zhí)行動作，而這還僅僅是一個塑料袋。如果兩個塑料袋飄過來，就是兩倍的工作量。這就是目標(biāo)數(shù)據(jù)融合的尷尬。而原始數(shù)據(jù)融合則是所有傳感器直接描繪完整環(huán)境，事實運算并對每個像素進行動態(tài)信息標(biāo)注。根據(jù)塑料袋的動態(tài)方式計算出它的重量，直接得到它是塑料袋這個答案，并配合做出相應(yīng)駕駛動作。原始數(shù)據(jù)融合能夠在使用更少能源（和計算）的情況下，以更高的分辨率探測環(huán)境。當(dāng)來自不同傳感器的所有原始數(shù)據(jù)在處理之前被混合在一起時，深度神經(jīng)網(wǎng)絡(luò)(DNN)可以創(chuàng)建一個更完整的環(huán)境圖像。這里說一下行業(yè)中比較有代表性的公司方便大家理解傳感融合公司的產(chǎn)品模式和服務(wù)對象。以色列的初創(chuàng)公司VAYAVISION就是一家提供自動駕駛車輛原始數(shù)據(jù)融合和感知軟件解決方案的供應(yīng)商，2018年10月這家公司拿到了800萬美元的融資（投資方包括三菱HFJ金融、LG電子等），該公司2019年5月于EcoMotion智能交通峰會上展示了其的自動駕駛環(huán)境感知軟件VAYADrive 2.0。該軟件對距離傳感器進行稀疏采樣，并將距離信息分配給高分辨率相機圖像中的每個像素。這使得自動駕駛汽車能夠接收到關(guān)于物體大小和形狀的關(guān)鍵信息，能夠?qū)⒌缆飞系拿恳粋€小障礙物分開，并準(zhǔn)確地定義道路上的車輛、人和其他物體的形狀。VAYADrive2.0架構(gòu)為汽車廠商提供了一個可行的選擇，以替代市場上常見的‘目標(biāo)級對象融合’模型的不足。這對提高檢測精度、降低從L1-L3升級過程中的高誤報率至關(guān)重要。類似企業(yè)在有許多，國內(nèi)也有很優(yōu)秀的初創(chuàng)公司在各自的細(xì)分領(lǐng)域深耕著。例如傲酷雷達（Oculii）通過融合水平俯仰雷達及點速度原始數(shù)據(jù)，在創(chuàng)了車載4D（X,Y,Z和速度）高清點云成像毫米波雷達，用類似激光點云的成像方式，對距離300米內(nèi)的移動和靜止目標(biāo)高清成像，媲美低線數(shù)激光雷達。不過，點云的增多勢必也造成算力負(fù)擔(dān)的加大。在電腦主機下跑數(shù)據(jù)進行融合，和實際車中進行運算還是有區(qū)別的。從實驗室轉(zhuǎn)入商業(yè)應(yīng)用面對消費者，不僅存在硬件上的諸多挑戰(zhàn)，還有行業(yè)生態(tài)是否成熟，是否能夠兼容配套等相關(guān)問題。其他公司由于字?jǐn)?shù)原因，就不在這里過多列舉。除了自動駕駛外，還有哪些場景需要傳感融合的引入呢？它們的存在背后是否存在著全新的市場等待創(chuàng)新企業(yè)去挖掘？在回答這個問題時，我們首先需要判斷，傳感融合的加入，能否對整體行業(yè)效率進行提升。上文我們總結(jié)了，傳感融合主要提升的是信息采集和信息處理效率。那么這個場景就必須是圍繞或者側(cè)重信息數(shù)據(jù)的（先不去管目標(biāo)信息和原始信息那么高深的程度）。通過兩個維度來做分析：特定產(chǎn)業(yè)中設(shè)備的傳感器數(shù)量及數(shù)據(jù)精確度。我們發(fā)現(xiàn)有的場景對傳感融合的需求非常迫切，有些則只是錦上添花。列舉幾個高速發(fā)展的熱點產(chǎn)業(yè)，根據(jù)它們的產(chǎn)品特性在上圖中進行排列。通過排列分析可以發(fā)現(xiàn)：復(fù)雜環(huán)境下，如動態(tài)或開放場景中工作的設(shè)備需要安裝更多的傳感器，來滿足外界信息采集的多樣性及全面性；執(zhí)行復(fù)雜任務(wù)的設(shè)備，如高精度任務(wù)或需自主進行行為判斷的工作，對于數(shù)據(jù)的精確性要求很高。所以，除了自動駕駛外，無人機以及服務(wù)機器人對于傳感融合的需求會同樣強烈，甚至隨著細(xì)分場景中各自工作的復(fù)雜度及自動化程度提升，這一需求會更加突出。（環(huán)境感知的融合運算不僅可以用于自動駕駛）如果從行業(yè)的成熟度去判斷，我們可以把行業(yè)的發(fā)展按照時間來分成三個階段。階段是行業(yè)的萌芽期。產(chǎn)品受限于當(dāng)前技術(shù)或研發(fā)初衷只是為了解決具體需求。這個階段企業(yè)在軟硬件的投入都不會多，整個行業(yè)都在摸索突破口和想象空間。第二階段是高速發(fā)展期。平臺和生態(tài)已經(jīng)搭建完成，民眾對于這個行業(yè)的認(rèn)知程度非常高。行業(yè)逐步形成龍頭態(tài)勢，產(chǎn)品通過競爭不斷打磨外觀及成本。這個時候算法占到主導(dǎo)地位，傳感器受到空間設(shè)計或成本等因素依舊保持舊有形態(tài)，甚至在算法的上進行縮減。第三階段則是行業(yè)轉(zhuǎn)型升級，配合需求驅(qū)動，產(chǎn)生性的產(chǎn)品或服務(wù)迭代。傳統(tǒng)汽車向自動駕駛過渡就屬于第二階段邁向第三階段的典型例子。而服務(wù)型機器人和無人機還在不斷尋找自身的突破。科技產(chǎn)業(yè)的進步，都是基于現(xiàn)有技術(shù)的發(fā)展，而現(xiàn)有技術(shù)的優(yōu)劣勢，就決定了產(chǎn)業(yè)未來的發(fā)展方向和前景。在當(dāng)天傳感器技術(shù)的缺點下，微型化、無源無線化、柔性化、傳感融合等趨勢，是毋庸置疑的，但在實現(xiàn)這些技術(shù)的過程中，不同技術(shù)方案中存在著非常明顯的差異。現(xiàn)在的傳感器技術(shù)，決定了未來的傳感器前景和發(fā)展
本文來自藍(lán)炎資本
