隨著物聯(lián)網(wǎng)概念的火熱，傳感器的風(fēng)口也點(diǎn)燃了MEMS微機(jī)電技術(shù)以及半導(dǎo)體封裝行業(yè)在資本市場上的熱度。然而熱點(diǎn)時(shí)期下，我們創(chuàng)投機(jī)構(gòu)更應(yīng)該放低姿態(tài)，以學(xué)生的身份重新謹(jǐn)慎、仔細(xì)、敬畏的看待這個(gè)充滿無限可能的市場。
傳感器的4大發(fā)展方向
自2000年起，MEMS智能傳感器開始進(jìn)入人們的視野，大家對于傳感器形態(tài)上的變化有了顛覆性的認(rèn)知。傳感器的尺寸及性能伴隨微機(jī)電技術(shù)的發(fā)展有了質(zhì)的飛躍。隨后在汽車及消費(fèi)電子市場上大放異彩，形成了眾所周知的傳感器第一及第二次發(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(fèi)電子領(lǐng)域?qū)τ趥鞲衅靼l(fā)展的推動(dòng)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(gè)方向。
1. 微型化
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(yàn)。根據(jù)Yole Développement 的研究，MEMS 典型器件中，加速度計(jì)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。
2. 柔性化
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(jì)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(jī)器人的感知進(jìn)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(jìn)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(jī)最具代表性了。未來手機(jī)可能會(huì)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。
3. 無源無線化
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(jī)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(gè)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(shí)驗(yàn)室階段。
4. 傳感融合化
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(jìn)行硬件集成，并通過特定算法進(jìn)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(bǔ)，為用戶提供更豐富功能，賦予消費(fèi)電子行業(yè)更大商業(yè)價(jià)值。
可穿戴設(shè)備是消費(fèi)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(jìn)化就可以清晰
另一個(gè)明顯案例就是汽車電子中的視覺雷達(dá)融合。目前，大多數(shù)路面上行駛車輛內(nèi)的ADAS功能都是獨(dú)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(bǔ)各傳感器自身的缺點(diǎn)及不足。雷達(dá)視覺融合就是個(gè)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(qiáng)光或弱光情況下會(huì)失真。而雷達(dá)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)。
傳感器發(fā)展趨勢中的機(jī)會(huì)與風(fēng)險(xiǎn)
投資機(jī)會(huì)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(gè)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(diǎn)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(huì)降低成本提高產(chǎn)品的性價(jià)比，進(jìn)而獲得更大的市場認(rèn)同度，市場擴(kuò)大帶動(dòng)產(chǎn)能產(chǎn)生規(guī)模經(jīng)濟(jì)效應(yīng)進(jìn)一步降低成本，進(jìn)入良性循環(huán)。因此，我們圍繞這兩個(gè)核心思路去分析上文所提到的四個(gè)發(fā)展趨勢，來大膽判斷它們當(dāng)中所蘊(yùn)含的機(jī)會(huì)與風(fēng)險(xiǎn)。
1. 微型化
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(jì)、材料加工、制造、封裝測試等環(huán)節(jié)。
對于創(chuàng)投機(jī)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(shí)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(xiǎn)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(huì)不會(huì)攜帶這資本重來一次，一切都有可能。
2. 柔性化
這是一個(gè)絕對前景廣闊的投資方向，但現(xiàn)在卻未必是一個(gè)合適的投資時(shí)點(diǎn)。首先，柔性化的諸多技術(shù)如電子皮膚、表皮電子、腦機(jī)接口等還存在于實(shí)驗(yàn)室階段，到商業(yè)轉(zhuǎn)化還需要很長一段時(shí)間。其次，傳感器柔性化短期內(nèi)并不會(huì)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(huì)犧牲成本控制、耐久度及性能等。雖然現(xiàn)在的折疊手機(jī)讓大家看到了手機(jī)形態(tài)的下一步方向，但其高昂的價(jià)格、耐久度及維修成本等問題造成了折疊手機(jī)還是炫富炫技的存在，而非生活必需品。同時(shí)，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(shí)或者脆弱易壞，這類的思維還是占主導(dǎo)地位的。這同樣會(huì)給傳感器柔性化的道路帶來一定的阻力。
3. 無源無線
耦合效率，或者說是能量轉(zhuǎn)遞效率是無源無線化發(fā)展道路上的最大難題。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(hào)及能量遠(yuǎn)程傳輸于傳感器與閱讀器之間。然而缺點(diǎn)也很明顯：能量傳輸效率過低；工作距離過遠(yuǎn)會(huì)逸散嚴(yán)重；無法支持大功率傳感器工作；功率高了會(huì)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(shí)，無源無線方向的投資機(jī)會(huì)將真正成熟。
4. 傳感融合
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(gè)概念。
· 傳感融合：對多個(gè)傳感器產(chǎn)生的原始數(shù)據(jù)進(jìn)行整理、優(yōu)化、融合并產(chǎn)生更全面的信息數(shù)據(jù)，進(jìn)而傳輸給CPU進(jìn)行決策。融合主體是數(shù)據(jù)。
· 傳感器集成：多個(gè)傳感器硬件集成在設(shè)備中，各自獨(dú)立工作并將原始數(shù)據(jù)直接傳輸給中央處理器進(jìn)行決策。融合主體是硬件。
上文所講的兩個(gè)例子：計(jì)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(shí)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(dòng)了傳感器集成，而傳感器集成又推動(dòng)了傳感融合的發(fā)展。回過頭來，傳感融合也為傳感器的進(jìn)一步集成提供了軟硬件上的支撐。
事實(shí)上，傳感器融合在硬件層面并不難實(shí)現(xiàn)，重點(diǎn)和難點(diǎn)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(dú)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(jìn)一步上升，與傳感融合齊步發(fā)展，并推動(dòng)整個(gè)行業(yè)的進(jìn)步。據(jù)麥姆斯咨詢報(bào)道，傳感器融合系統(tǒng)需求預(yù)計(jì)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(jì)將從2017年的26.2億美元增長到2023年的75.8億美元。
總結(jié)一下：
微型化的方向是成熟的投資時(shí)點(diǎn)，但早期投資機(jī)會(huì)不多。柔性化及無源無線化投資時(shí)點(diǎn)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(diǎn)關(guān)注。
傳感融合依舊是個(gè)很寬泛的大方向，僅僅一個(gè)方向不足以支撐我們對于該命題的投資策略。因此，我們要更具體的去分析傳感融合這個(gè)領(lǐng)域成熟的機(jī)會(huì)與潛在的可能。
接下來主要分析兩個(gè)問題：
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
2. 什么場景擁有更大的發(fā)展空間
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(gè)很典型的行業(yè)發(fā)展倒逼出的新概念。尤其是自動(dòng)駕駛行業(yè)，傳感融合已經(jīng)成為該行業(yè)的發(fā)展共識(shí)。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(dòng)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(dòng)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(dá)甚至沒有達(dá)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(dú)立傳感器獲取的原始數(shù)據(jù)進(jìn)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(jìn)行智能優(yōu)化組合，得到最終結(jié)果。優(yōu)點(diǎn)是：對通信帶寬的分布式需求低，計(jì)算速度快，可靠性和連續(xù)性好。缺點(diǎn)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)街醒胩幚砥鬟M(jìn)行融合處理，可以實(shí)現(xiàn)實(shí)時(shí)集成。優(yōu)點(diǎn)：數(shù)據(jù)處理精度高，算法靈活，缺點(diǎn)：對處理器要求高，可靠性低，數(shù)據(jù)量大，難以實(shí)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(diǎn)：混合融合框架具有較強(qiáng)的適應(yīng)性，兼顧了集中式融合和分布式融合的優(yōu)點(diǎn)，穩(wěn)定性強(qiáng)。缺點(diǎn)：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(jì)算成本。
傳感融合的過程中，整個(gè)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(diǎn)和干擾，確保融合后的信息不會(huì)失真，誤報(bào)或堵塞中央處理器導(dǎo)致死機(jī)，是該行業(yè)發(fā)展的重要難點(diǎn)。
講到這里，或許你會(huì)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(dòng)駕駛來舉個(gè)例子說明一下：
自動(dòng)駕駛需要用到多種傳感器，比如攝像頭、毫米波雷達(dá)、激光雷達(dá)以及超聲波雷達(dá)。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(dòng)駕駛過程中發(fā)現(xiàn)前面飄來一個(gè)塑料袋，攝像頭可能會(huì)識(shí)別出它是個(gè)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(dá)很可能會(huì)認(rèn)為它是個(gè)石頭或者相同尺寸的障礙物。這時(shí)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(dá)建議緊急制動(dòng)。兩個(gè)互相沖突的指令必須引入第三個(gè)傳感器介入打破平衡，或根據(jù)系統(tǒng)預(yù)設(shè)優(yōu)先級(jí)直接判定緊急制動(dòng)。但無論哪一種方案，都不是自動(dòng)駕駛最優(yōu)的解決方案。因?yàn)閺?fù)雜的邏輯判定流程會(huì)造成延遲以及算力的浪費(fèi)，甚至不必要的執(zhí)行動(dòng)作，而這還僅僅是一個(gè)塑料袋。如果兩個(gè)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(shí)運(yùn)算并對每個(gè)像素進(jìn)行動(dòng)態(tài)信息標(biāo)注。根據(jù)塑料袋的動(dòng)態(tài)方式計(jì)算出它的重量，直接得到它是塑料袋這個(gè)答案，并配合做出相應(yīng)駕駛動(dòng)作。原始數(shù)據(jù)融合能夠在使用更少能源（和計(jì)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(shí)，深度神經(jīng)網(wǎng)絡(luò)(DNN)可以創(chuàng)建一個(gè)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(dòng)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(huì)上展示了其最新的自動(dòng)駕駛環(huán)境感知軟件VAYADrive 2.0。
該軟件對距離傳感器進(jìn)行稀疏采樣，并將距離信息分配給高分辨率相機(jī)圖像中的每個(gè)像素。這使得自動(dòng)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€(gè)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(gè)可行的選擇，以替代市場上常見的‘目標(biāo)級(jí)對象融合’模型的不足。這對提高檢測精度、降低從L1-L3升級(jí)過程中的高誤報(bào)率至關(guān)重要。
類似企業(yè)在全球有許多，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(dá)（Oculii）通過融合水平俯仰雷達(dá)及點(diǎn)速度原始數(shù)據(jù)，在全球首創(chuàng)了車載4D（X,Y,Z和速度）高清點(diǎn)云成像毫米波雷達(dá)，用類似激光點(diǎn)云的成像方式，對距離300米內(nèi)的移動(dòng)和靜止目標(biāo)高清成像，媲美低線數(shù)激光雷達(dá)。不過，點(diǎn)云的增多勢必也造成算力負(fù)擔(dān)的加大。在電腦主機(jī)下跑數(shù)據(jù)進(jìn)行融合，和實(shí)際車中進(jìn)行運(yùn)算還是有區(qū)別的。從實(shí)驗(yàn)室轉(zhuǎn)入商業(yè)應(yīng)用面對消費(fèi)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。
什么場景擁有更大的發(fā)展空間？
除了自動(dòng)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(gè)問題時(shí)，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(jìn)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(gè)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(gè)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(gè)高速發(fā)展的熱點(diǎn)產(chǎn)業(yè)，根據(jù)它們的產(chǎn)品特性在上圖中進(jìn)行排列。通過排列分析可以發(fā)現(xiàn)：復(fù)雜環(huán)境下，如動(dòng)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(jìn)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(dòng)駕駛外，無人機(jī)以及服務(wù)機(jī)器人對于傳感融合的需求會(huì)同樣強(qiáng)烈，甚至隨著細(xì)分場景中各自工作的復(fù)雜度及自動(dòng)化程度提升，這一需求會(huì)更加突出。（環(huán)境感知的融合運(yùn)算不僅可以用于自動(dòng)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(shí)間來分成三個(gè)階段。
第一階段是行業(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(gè)階段企業(yè)在軟硬件的投入都不會(huì)多，整個(gè)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(tái)和生態(tài)已經(jīng)搭建完成，民眾對于這個(gè)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(gè)時(shí)候算法占到主導(dǎo)地位，傳感器受到空間設(shè)計(jì)或成本等因素依舊保持舊有形態(tài)，甚至在算法的填補(bǔ)上進(jìn)行縮減。
第三階段則是行業(yè)轉(zhuǎn)型升級(jí)，配合需求驅(qū)動(dòng)，產(chǎn)生顛覆性的產(chǎn)品或服務(wù)迭代。傳統(tǒng)汽車向自動(dòng)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(jī)器人和無人機(jī)還在不斷尋找自身的突破。
傳感融合的重要性不亞于AI人工智能。它作為工業(yè)4.0中圍繞大數(shù)據(jù)閉環(huán)的重要一段，很明顯并未得到相應(yīng)的認(rèn)知度。這一領(lǐng)域又新又低調(diào)，伴隨著各行業(yè)的發(fā)展，它的重要性和市場價(jià)值將越發(fā)顯著。
2021年，雖然新冠疫情仍未過去，全球經(jīng)濟(jì)形勢仍然風(fēng)雨飄零，但傳感器行業(yè)卻自顧蓬勃發(fā)展。
手機(jī)圖頁網(wǎng)
