人工標誌識別用什麼感測器

隨著人工智慧概念逐漸成為科技界最炙手可熱的話題，這一依託晶片產業的全新概念牽動了整個科技界的心。依靠政府的大力扶持、潛在市場的巨大規模以及已經逐漸落地的海量應用場景，中國已然成為世界上潛力最大的人工智慧市場之一。

在今年2019世界人工智慧大會上，一份《中國人工智慧晶片產業發展白皮書》再次引爆了整個科技界。根據白皮書的統計，中國人工智慧應用重點集中在安全、金融和商業三大領域，2018年中國人工智慧核心產業規模超過900億元，預計2020年將超過1600億元。

而在諸多人工智慧應用場景中，影象識別則是最為重要的應用之一。正如清華大學微電子所所長魏少軍教授在世界人工智慧大會的演講中所說，資料、演算法和算力是人工智慧的三大驅動力。而在影象識別應用中，採集影象資料的CMOS影象感測器，又分別在這三大驅動力的背後起到了怎樣的重要作用呢？

一、視覺，人與機器的第一感知

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資訊一樣，在未來的人工智慧應用場景中，CMOS影象感測器也將成為感知層面最重要的感測器。

人工智慧的發展離不開海量的資料，而這些資料中的大部分都是影象資料。因此可以這麼說，人工智慧應用的崛起就是CMOS影象感測器繼移動裝置普及之後的第二次爆發機會。我們不妨看看目前人工智慧最主要的應用場景，包括人臉識別、自動駕駛、智慧家居等，都需要大量的CMOS影象感測器提供影象資料。

而人工智慧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，海量的資料採集需求為感測器領域帶來了巨大的商機，同時也引入了更多全新挑戰。而在應對這些挑戰的過程中，更注重創新的國內新興CMOS影象感測器廠商往往比相對保守的國際巨頭表現更好。

二、沒有準確的影象資料，何談深度學習

談及影象識別演算法，必然繞不開“深度學習”這個概念。影象識別，本質上就是分析影象感測器獲得的影象資料，並識別出影象中的待識別物體，因此，影象識別演算法的開發至關重要。目前，影象識別演算法的開發已經有將近三十年的歷史了，從最早的人工特徵提取方式，到“深度學習”概念提出後，利用卷積神經網路進行特徵提取、分類等操作，再到使用一個網路的端對端模型來完成識別任務，演算法開發者們正逐漸地革新演算法，從而實現更快的速度、更低的資源消耗、更少的學習成本，乃至達到實時的影象識別。

正如“看”離不開大腦也離不開眼睛一樣，利用深度學習進行影象識別，也離不開“機器眼”——CMOS影象感測器。演算法開發者都知道，影象資料中噪點的數量會直接影響最後識別的結果，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，由於CMOS成像原理造成的諸如快速運動下的“果凍效應”、畫素驅動模式造成的“LED頻閃”等諸多成像問題，都會導致深度學習演算法無法獲得準確的影象資料。

因此，影象識別演算法的革新以及應用的開發，也離不開CMOS影象感測器開發者的努力。正如同眼腦合作才能視物一樣，只有CMOS影象感測器和影象識別演算法的緊密合作，才能實現真正實用的實時影象識別。

三、從雲端到雲邊一體再到感測器端運算

人工智慧的物理基礎，就是由人工智慧晶片組成的算力。而根據《中國人工智慧晶片產業發展白皮書》的預測，隨著邊緣計算的發展和邊緣端人工智慧晶片的發展，人工智慧算力正在經歷從雲端到雲邊一體的發展過程。

雲端計算往往聚焦非實時、長週期的大資料分析，而邊緣端運算則透過人工智慧演算法的前置，解放部分雲端的計算資源，提高計算效率，增加整體演算法的實時性。兩者互補，就能同時滿足強大運算效能和實時性的要求。因此，業界正在追求雲邊一體的結合，從而實現更靈活的人工智慧演算法部署。

而隨著人工智慧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慧演算法進一步前置，透過感測器端的運算，減輕邊緣端算力壓力和資料傳輸頻寬壓力。雖然這一概念仍然處於初步探索階段，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佔率第一的CMOS影象感測器廠商思特威科技，早在今年3月就已正式推出“SmartSensor”AI智慧感測器晶片平臺的概念。

四、三大驅動力融合方能塑造人工智慧的未來

無論是資料（感知層）、演算法還是算力，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透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，未來人工智慧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。

中國新興的CMOS影象感測器廠商在這樣的生態系統或者平臺中，會處於何種地位呢？與擁有產業鏈優勢的國際巨頭不同，中國新興CMOS影象感測器企業往往只專精於CMOS影象感測器領域本身，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，才能在人工智慧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。那麼在下一個人工智慧時代，一個融合了資料、演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影象感測器企業則將是 “必不可少”的配角。