人工智能三大驱动力背后的CMOS传感器

随着人工智能概念逐渐成为科技界最炙手可热的话题，这一依托芯片产业的全新概念牵动了整个科技界的心。依靠政府的大力扶持、潜在市场的巨大规模以及已经逐渐落地的海量应用场景，中国已然成为世界上潜力最大的人工智能市场之一。

在今年2019世界人工智能大会上，一份《中国人工智能芯片产业发展白皮书》再次引爆了整个科技界。根据白皮书的统计，中国人工智能应用重点集中在安全、金融和商业三大领域，2018年中国人工智能核心产业规模超过900亿元，预计2020年将超过1600亿元。

而在诸多人工智能应用场景中，图像识别则是最为重要的应用之一。正如清华大学微电子所所长魏少军教授在世界人工智能大会的演讲中所说，数据、算法和算力是人工智能的三大驱动力。而在图像识别应用中，采集图像数据的CMOS图像传感器，又分别在这三大驱动力的背后起到了怎样的重要作用呢？

视觉，人与机器的第一感知

如果问一个人，最重要的感官是哪个？大部分人的答案一定是——视觉。正如同眼睛为大脑提供了最多的外界感知信息一样，在未来的人工智能应用场景中，CMOS图像传感器也将成为感知层面最重要的传感器。

人工智能的发展离不开海量的数据，而这些数据中的大部分都是图像数据。因此可以这么说，人工智能应用的崛起就是CMOS图像传感器继移动设备普及之后的第二次爆发机会。我们不妨看看目前人工智能最主要的应用场景，包括人脸识别、自动驾驶、智能家居等，都需要大量的CMOS图像传感器提供图像数据。

而人工智能丰富的应用场景则会带来多样的问题——低光照、高速运动、功耗限制等，这些问题无一不在考验CMOS厂商的产品开发实力。可以说，海量的数据采集需求为传感器领域带来了巨大的商机，同时也引入了更多全新挑战。而在应对这些挑战的过程中，更注重创新的国内新兴CMOS图像传感器厂商往往比相对保守的国际巨头表现更好。

没有准确的图像数据，何谈深度学习

谈及图像识别算法，必然绕不开“深度学习”这个概念。图像识别，本质上就是分析图像传感器获得的图像数据，并识别出图像中的待识别物体，因此，图像识别算法的开发至关重要。目前，图像识别算法的开发已经有将近三十年的历史了，从最早的人工特征提取方式，到“深度学习”概念提出后，利用卷积神经网络进行特征提取、分类等操作，再到使用一个网络的端对端模型来完成识别任务，算法开发者们正逐渐地革新算法，从而实现更快的速度、更低的资源消耗、更少的学习成本，乃至达到实时的图像识别。

正如“看”离不开大脑也离不开眼睛一样，利用深度学习进行图像识别，也离不开“机器眼”——CMOS图像传感器。算法开发者都知道，图像数据中噪点的数量会直接影响最后识别的结果，过多的噪点甚至会导致准确率下降到一个无法承受的程度。同时，由于CMOS成像原理造成的诸如快速运动下的“果冻效应”、像素驱动模式造成的“LED频闪”等诸多成像问题，都会导致深度学习算法无法获得准确的图像数据。

因此，图像识别算法的革新以及应用的开发，也离不开CMOS图像传感器开发者的努力。正如同眼脑合作才能视物一样，只有CMOS图像传感器和图像识别算法的紧密合作，才能实现真正实用的实时图像识别。

从云端到云边一体再到传感器端运算

人工智能的物理基础，就是由人工智能芯片组成的算力。而根据《中国人工智能芯片产业发展白皮书》的预测，随着边缘计算的发展和边缘端人工智能芯片的发展，人工智能算力正在经历从云端到云边一体的发展过程。

云端计算往往聚焦非实时、长周期的大数据分析，而边缘端运算则通过人工智能算法的前置，解放部分云端的计算资源，提高计算效率，增加整体算法的实时性。两者互补，就能同时满足强大运算性能和实时性的要求。因此，业界正在追求云边一体的结合，从而实现更灵活的人工智能算法部署。

而随着人工智能应用场景的进一步发展，在满足实时性需求时，可能会出现边缘端计算仍然无法应对的情况，这时候就需要将人工智能算法进一步前置，通过传感器端的运算，减轻边缘端算力压力和数据传输带宽压力。虽然这一概念仍然处于初步探索阶段，但已经有国内的CMOS厂商已经开始探索这一概念的可能性了。例如国内安防领域市占率第一的CMOS图像传感器厂商思特威科技，早在今年3月就已正式推出“SmartSensor”AI智能传感器芯片平台的概念。

三大驱动力融合方能塑造人工智能的未来

无论是数据（感知层）、算法还是算力，目前的产业发展往往还是以单一企业为主体，各个产业链环节的企业各自进行独立的创新，这在产业的新兴阶段往往能通过激烈的竞争诞生不少黑马。但是，随着产业的逐渐发展成熟，未来人工智能产业的发展将以合作为主线，若干个主要的生态系统或者平台将崛起成为行业的核心。

中国新兴的CMOS图像传感器厂商在这样的生态系统或者平台中，会处于何种地位呢？与拥有产业链优势的国际巨头不同，中国新兴CMOS图像传感器企业往往只专精于CMOS图像传感器领域本身，因此，只有积极参与生态系统和平台的合作中，与整条产业链的各个环节开展紧密的协作，才能在人工智能应用领域诞生出不容忽视的中国力量。

Arm模式在移动时代的巨大成功已经证明，小而精的企业组成生态系统的商业模式也能取得堪比PC时代巨头垄断模式的成功。那么在下一个人工智能时代，一个融合了数据、算法和算力层面诸多创新企业的生态系统，也拥有美好的前途，而在这其中，CMOS图像传感器企业则将是 “必不可少”的配角。