汽車行業(yè)，是一個非常傳統(tǒng)的行業(yè)，但最近幾年由于電力化和智能化，使這個行業(yè)產(chǎn)生了新的動力。特別是各種感知產(chǎn)品的應用，使汽車變得更加安全和舒適；機器視覺也是一個很歷史悠久的行業(yè)，因為工業(yè)4.0時代，再加上自動化、人工智能的導入，使這個行業(yè)有了新的動力、新的活力；邊緣人工智能則是新興市場，主要是由人工智能、5G、IoT等新技術導入后開發(fā)出新的應用。

從第一次工業(yè)革命機械化，到第二次工業(yè)革命電力化，到第三次工業(yè)革命計算機數(shù)字化，到現(xiàn)在第四代工業(yè)革命人工智能化、信息化。人工智能對人類社會方方面面的影響和改變，將遠遠超過計算機數(shù)字工業(yè)革命。

“人工智能之父”Andrew Ng是斯坦福大學人工智能專家，他認為人工智能就像第二次工業(yè)革命的電力，將給整個人類帶來的一次深入的變革。數(shù)據(jù)則是人工智能的動力和發(fā)動機，感知是數(shù)據(jù)的燃料。

“汽車、機器視覺和邊緣人工智能，這也是我們的三個主要市場方向?！?安森美半導體智能感知部全球市場和應用工程副總裁易繼輝說到，“我們在包括圖像感知、多光譜/高光譜感知、激光雷達感知、毫米波雷達感知、傳感器融合等深度感知領域做了很大投入，來推動AI和第四次工業(yè)革命的進步?！?/p>

汽車感知面臨的挑戰(zhàn)和機遇

未來的汽車，是一個架在四個輪子上、具有極其強有力的感知能力的計算機。從過去這些年我們可以發(fā)現(xiàn)，現(xiàn)在最好的汽車感知系統(tǒng)已經(jīng)遠遠超過人類的感知，能夠實時、不知疲倦地監(jiān)控周圍環(huán)境，這是人類駕駛員遠做不到的。

鑒于汽車感知能力的提升、自動駕駛技術的日益完善以及共享汽車等新模式的出現(xiàn)，現(xiàn)在汽車的可靠性已經(jīng)不僅僅要求像現(xiàn)在這樣一天開兩三個小時，多數(shù)時間停在車庫里了，而是大多數(shù)時間都在開，只有一兩個小時去充電、做維修。然后還有對汽車自動駕駛功能安全，以及網(wǎng)絡安全的要求。

這些新要求，也為汽車成像帶來了很多挑戰(zhàn)。一是寬動態(tài)，在強光下或從暗到亮，如果寬動態(tài)不夠，可能根本沒有辦法看到；二是環(huán)境條件，車要能在東北零下幾十度的環(huán)境開，也能夠在沙漠開或者南方高溫條件下開；三是對圖像傳感器來說很獨特的挑戰(zhàn)，辨別各種LED指示牌、交通燈，這種LED牌對人眼來講非常舒服，特別是夜晚很明亮，但LED閃爍頻率沒有標準，圖像傳感器有時會因為頻率不同步，捕捉不到信號。對駕駛員人眼來看沒有太大問題，但對機器視覺就是很大的挑戰(zhàn)。“過去的方案都是用軟件來解決，現(xiàn)在已經(jīng)做到芯片級的硬件解決方案了。” 易繼輝說到。

一共有六層，都是由半導體制成。易繼輝認為，市場上有一個誤區(qū)，認為GPU和CPU是半導體里挑戰(zhàn)性和難度最高的，但實際上圖像傳感器才是最難的。因為“GPU和CPU要對付的主要是電子（Electron），但在圖像傳感器里，既要對付電子又要對付光子，光子和電子的結合使圖像傳感器變成非常復雜的半導體。未來甚至人工智能都可以直接放在圖像傳感器里。”

解釋了為什么寬動態(tài)非常重要。左邊是寬動態(tài)不好的情況下，照顧了暗的部分，亮的部分就看不見了。而右邊在寬動態(tài)好的情況下，暗的亮的都看得清楚，這才能夠給人工智能算法提供準確和全面的信息，做出準確和安全的判斷。

大家也經(jīng)常碰到對面來車開遠光燈的情況，十分討厭。如果車燈在這個場景下的寬動態(tài)范圍是102dB，而傳感器只有70dB，可能就看不到來車旁邊的行人或物體，導致車禍。這時候用110dB的傳感器就可以避免這場悲劇。另外在幾乎沒有燈的夜視場景下，是否有搭載近紅外+（NIR+）技術，對于夜間行車是一個是看得見，一個是看不見的天壤之別。

智能駕駛艙也是目前國內越來越重視的一個應用。駕駛員監(jiān)控的應用越來越廣泛，包括駕駛員的識別，分辨出這是先生還是太太后自動調節(jié)車椅、后視鏡的位置，空調的溫度，甚至喜歡的電臺都可以自動調整；乘客監(jiān)控也有不少應用，例如在美國經(jīng)常出現(xiàn)家長把小孩或者寵物忘在車里了，借助乘客監(jiān)控，你離開車后會自動提醒你在車里忘記了什么東西。

據(jù)介紹，針對智能駕駛艙解決方案，安森美有兩款百萬像素的IVEC模組，在業(yè)界非常受歡迎，其中AR0144AT是整個業(yè)界用量是最大的一款。智能駕駛艙普遍面臨的設計挑戰(zhàn)是，目前的攝像頭尺寸太大了——18×18cm3，最小的也要3×3cm3，“我們和合作伙伴一起開發(fā)了0.5×0.5cm3的小型攝像頭，放在車里乘客、駕駛員基本上都不會看得到?！币桌^輝說到

成立6年，卻有40年的“內功”？

易繼輝表示，安森美半導體不只提供單一產(chǎn)品，還提供包括二極管、LDO、電源管理IC在內的硬件整體方案。所以在設計下一代圖像處理器時，可以和公司其他產(chǎn)品部門合作開發(fā)配套的電子產(chǎn)品、器件，使攝像頭性能最優(yōu)化。據(jù)介紹，安森美其他元器件的車規(guī)、功能安全已經(jīng)能夠實現(xiàn)ASIL-B程度，所有元器件都按照公司統(tǒng)一的質量體系，擁有統(tǒng)一的可靠性能。

安森美目前已經(jīng)開發(fā)超過50家合作伙伴，從光學鏡片到信號處理器，I/O、Interface接口、SoC處理器、軟件系統(tǒng)。

據(jù)介紹，盡管安森美半導體的智能感知部成立只有六年，但公司在圖像傳感器行業(yè)卻已經(jīng)有超過40年的歷史。主要通過幾次重要戰(zhàn)略性并購茁壯成長，例如：前身是柯達影像的TRUESENSE，核心技術來源于貝爾實驗室CCD影像；前身是美國航天宇航局JPL噴氣式推動器實驗室的Aptina，1993年曾為阿波羅登月開發(fā)出全球首款CMOS圖像傳感器。從三年前開始，安森美半導體又陸續(xù)收購了IBM在以色列的毫米波雷達研發(fā)中心，以及專注于飛行時間（ToF）激光雷達傳感器開發(fā)的愛爾蘭公司SensL。

根據(jù)日本第三方市場調研公司TSR（Techno Systems Research）的調研結果，圖像傳感器在汽車領域主要分為兩個市場——汽車成像和汽車感知。汽車成象應用主要是給人眼看的，如駕駛員、乘客、后視、環(huán)視、電子后視鏡，安森美在全球占大于60%的市場份額；汽車感知則是給人工智能和機器視覺用的感知系統(tǒng)，安森美在這個市場占有率大于80%，并在逐年擴大。

易繼輝透露，安森美2019年在汽車市場銷售了近一億顆傳感器，而全球汽車銷售量在6，500萬輛。

中國的自動駕駛

中國國內自動駕駛分級和國外基本接近，都是六級，從L0到L5級別逐漸提高，自動化程度逐步擴大。最大的分界點是從L3到L4，主要區(qū)別在于L3在一些極限場景下需要駕駛員自己來操控，L4理論上駕駛員完全不需要操控，全是由機器來操作。

簡單地講，L1、L0是什么都沒有，L1英文叫做脫腳（feet off），腳可以不踩油門剎車了；L2是脫手（hands off），手可以放開駕駛方向盤；L3是eyes off，駕駛員的眼睛可以不用看了，只是汽車給你警告時要轉回來；第四級是mind off，腦子都不用想了，因為連方向盤都沒有了；第五級叫做limit off，已經(jīng)沒有任何局限的場景，任何場景都可以自動駕駛了。

從L1到L5，不管是傳感器數(shù)量還是種類都不斷地擴大增加。最大的差別是L3和L4之間，L4一定需要激光雷達，而L3很多公司都不會用激光雷達，只作為一個可選項參考，因為它的成本非常高。這也是過去業(yè)界討論后的結果。至于自動駕駛是從L3逐步演變到L4，還是直接跳到L4？

易繼輝的看法是，如果公司目標是最終達到L4，那么現(xiàn)在就要按L4的方法設計自動駕駛系統(tǒng)，而不是先設計L3再來改進，因為L3和L4中間有很大的鴻溝，很難在L3架構上逐漸改善實現(xiàn)L4。

最主要的原因是L3中駕駛員仍然需要控制汽車，極限場景下還是要靠人。所以不光在自動化設計的程度上，還是感知數(shù)量和種類的應用上，都要考慮到成本的問題，人工智能算法、計算平臺都是為了有局限性的自動駕駛，而不是所有場景。L4因為完全不需要考慮到駕駛員，所以一定要用激光雷達和高清地圖。這是兩個完全不一樣的平臺，L3就像加減法，L4是微積分：加減法永遠算不出極限，只有微積分才能算出它的極限值，也就是在L4的情況下，才能涵蓋所有極限的情況。

從國內自動駕駛的趨勢來看，國內一些整車廠推出的高端品牌車上，已經(jīng)有L2、L3的功能。跟國外有一點不同的是，國外特別是歐洲的L2、L3也就是先進駕駛輔助系統(tǒng)（ADAS）的大批量使用和成長，是由法規(guī)和安全標準驅動的，而不是由消費者或車廠驅動。

目前，國內沒有相應的法規(guī)和安全標準來要求，車廠主要精力放在創(chuàng)造自己的技術和品牌效應，但消費者接受程度還不統(tǒng)一。在美國就完全不一樣，有時候車主對汽車自動駕駛太相信了，L2的車當L4用，也因此發(fā)生了不少車禍。

對于L4、L5自動駕駛，易繼輝認為現(xiàn)在落地的商業(yè)模式已經(jīng)很清晰，“以前一開始以B2C的形式走消費類私家車，但現(xiàn)在國外很多整車廠的一些私家車L4項目或者是暫緩，或者是已經(jīng)停下來了?，F(xiàn)在基本上是走B2B，先以商業(yè)車的模式來落地?！?/p>

原因是目前智能感知系統(tǒng)成本非常高，只有商業(yè)車才能承受得這樣的成本，私家車一天開兩個小時，平時放在車庫，是完全沒有辦法支付成本的。商用車主要分為幾類，一是自動駕駛的出租車（Robotaxi），國內發(fā)展的速度非?？欤耆惠斆绹覈鴥鹊暮芏嘧詣玉{駛車廠都是同時在美國拿到了許可證，且在中國和美國兩地都有研發(fā)中心。結合《電子工程專輯》過去的報道看，國內現(xiàn)在已經(jīng)有18個城市簽發(fā)了自動駕駛許可證，將近500輛全自動駕駛的出租車在路上測試，光百度就有將近200輛。

二是物流機器人，在新冠狀病毒疫情以后，物流機器人的應用越來越普及，特別是在一些小區(qū)、校園、工業(yè)園區(qū)、醫(yī)院、機場。

三是大型商業(yè)車，因為高速上很多惡性事故都是大車造成的，特別是駕駛員的疲勞。傳感器裝上后可以360度實時監(jiān)控，感知能力不亞于駕駛員，所以商用車自動駕駛已經(jīng)逐步開始。易繼輝稱根據(jù)市場調查結果顯示，安森美在這個領域的市場份額是80%，在中國市場更是占了90%。

工業(yè)機器視覺和邊緣人工智能

隨著工業(yè)4.0和自動化的深入，人工智能使機器視覺市場快速發(fā)展，邊緣人工智能不斷應用在一些新領域，比如新零售，智慧農(nóng)業(yè)、畜牧業(yè)和農(nóng)業(yè)都開始了智能化。

而新冠疫情后更是出現(xiàn)了幾大趨勢，一是遠程化，遠程教學、遠程醫(yī)療會越來越普遍；二是無人化，例如無人送貨車、無人商店，減少人和人之間的接觸，即無接觸化。

說到工業(yè)機器視覺，就不得不提平板檢測，它是對圖像傳感器最有挑戰(zhàn)性的應用。尤其是近些年，從1K、2K、4K一直到8K，像素在逐漸擴大。檢測過程分兩步：第一步是暗檢測，上電前主要檢測一些指紋、劃痕和其他物理上的問題；第二步是上電以后對像素點的檢測，特別是針對OLED和最新的AMOLED（Active Matrix OLED）。

眾所周知，LED有一個亮板在后面作為發(fā)光源，而OLED的每個像素都是一個單獨發(fā)光源。像素和像素之間發(fā)光的強度和色彩的均勻度都要能夠很準確地偵測出來，過去檢測LED面板上的1顆像素，對應需要9顆像素（3×3），OLED則對應需要16顆（4×4），甚至25顆（5×5）像素。所以對圖像傳感器的像素要求越來越高，從4，500萬要到1.5億像素，甚至超過2億像素。

另外在工業(yè)上，圖像傳感器還被用于監(jiān)控/廣播、PCB檢測等。

那圖像傳感器這幾年的發(fā)展趨勢是否跟得上呢？下圖以1.3英寸固定尺寸的圖像傳感器發(fā)展趨勢為例，可以看到圖像傳感器的分辨率在逐年提升；二是噪聲導數(shù)，相當于圖像質量，隨著像素的增大也是不斷地提高；三是帶寬，也是在逐年提高。一個很好的例子，29×29mm2標準的工業(yè)用攝像頭，在十年以前可能只是200萬像素，后來逐漸增加到300萬、500萬、1200萬，今年已經(jīng)能夠用到1600萬像素。

一些關鍵技術的進步也是很有意義的：

全局快門，可在高速運動下使圖像不會有拖影；

像素內校正，以前都是在系統(tǒng)里通過軟件校正，現(xiàn)在可以直接做到硬件里，在像素內部去做圖像校正；

工藝節(jié)點，從110納米到65納米，再到45納米，甚至更小，充分利用了摩爾定律的優(yōu)勢，即成本、尺寸、耗電量都在逐年下降；

背照式（BSI），由于在同樣尺寸下，分辨率越來越高，像素尺寸可能越來越小，可能導致暗光下感光量、感光度降低，背照式可用來提高感光能力；

堆棧架構，告別兩維架構，進入三維空間后，堆棧式、兩次堆棧、三次堆棧都有可能實現(xiàn)。

“以后我們不光可以把模擬和數(shù)字信號放在第二層，還能把人工智能算法放在第三層，讓圖像傳感器變成高智能化的圖像傳感器?！?易繼輝暢想到。

3D成像、高光譜和多光譜成像

易繼輝表示：“3D成像、高光譜和多光譜成像都是安森美未來的方向。現(xiàn)有的方案都是在系統(tǒng)上解決，而我們的想法是把這些困難和問題在半導體層面，用摩爾定律來解決。一旦能夠用摩爾定律解決問題，自然就帶來了降低成本、縮小尺寸、降低功耗的好處?！?/p>

針對深度成象（3D），幾年前安森美已經(jīng)開發(fā)出了相位檢測方案，在像素上面做一些改動，可以在1-5米內做到1.1%到2%精度，同時可以提供深度和色彩等圖像信息。原理就是通過在圖像傳感器上做一層衍射光柵，使它的相差能夠分離出來，形成深度的信息。

而ToF則有兩類，一類是iTOF，即indirect ToF；一類是dTOF，即direct ToF。安森美的方案是遠距離的dToF，利用單光子雪崩二極管（SPAD）和硅光電倍增管（SiPM），將光子發(fā)出去后再接收回來，能夠非常準確地判斷出遠處物體的距離，距離能夠達到250甚至300米以外。而iTOF一般是間接計算出距離。

高光譜和多光譜成像方面，安森美也是在半導體層面來解決光譜分離的問題。等離子波導濾波片技術分離出來光譜不是那么完整和精確，但是有一些應用場景是適合的；法布里-珀羅（F-P）分光濾光片是在半導體上加了一些反射鏡，它可以把光譜非常準確地分離出來，但成本和可靠性都有一些問題。

激光雷達

機械式雷達使用的傳統(tǒng)技術是雪崩光電二極管（APD），它的缺點是體積大、功耗高、偵測距離范圍有限、一致性不好。一般的機械式雷達保質期只有一年，因為它需要不斷旋轉，所以損耗很大，而且現(xiàn)在產(chǎn)量還比較小，不能夠大批量生產(chǎn)。

安森美激光雷達采用的技術叫做硅光電倍增管（SiPM），由SPAD集連而成，采用同樣的工藝。安森美半導體智能感知部大中華區(qū)市場總監(jiān) 郗蘊俠博士（Yolanda XI）介紹道，“它的優(yōu)勢在于增益是APD的1萬倍，靈敏度是APD的2000倍，工作電壓要求只要30V，而APD要250V。另外，它的一致性非常好，利于大批量生產(chǎn)?！?/p>

郗蘊俠表示，在很多行業(yè)尤其是汽車行業(yè)中，安森美半導體是最早給客戶提供SiPM和SPAD工藝技術的。該技術已在醫(yī)療方面大量應用，且已是量產(chǎn)狀態(tài)。對比其他競爭對手而言，該技術的重點在于：

車規(guī)化。現(xiàn)在之所以很多激光雷達可靠性不高，是因為沒有車規(guī)化里面的器件，所以整個系統(tǒng)也達不到車規(guī)化，需要在半導體層面上解決這一問題。

安森美半導體推出的RDM，“M”代表Micro Lens微鏡，本來這個微鏡是用在圖像傳感器上的，但現(xiàn)在用在了激光雷達上。好處在于，在激光雷達的探測器中有個特別重要的指標：PDE，即Photon Detection Efficiency（光子探測效率），它相當于圖像傳感器QE指標。這個指標越高，就說明它的光子轉化成電子的效率越高。在RDM系列中加了微鏡技術以后，它的透光率就更高，轉化出來的PDE提升也非常高。

采用成熟CMOS工藝。如果出貨量上到萬的等級，以前的APD技術都不可能用人工標定。而CMOS工藝可以達到真正的低成本、低功耗，以及優(yōu)化尺寸等等，能實現(xiàn)激光雷達真正的落地，車規(guī)化的落地。

毫米波雷達

毫米波雷達的適用范圍囊括了自動駕駛的L1、L2、L3、L4、L5級別，在不同級別上有不同的應用。易繼輝表示，安森美下一代毫米波雷達的重點放在L3上，使用的技術叫做“MIMO+”，能夠提供四維（4D）信息（R是距離，V是速度，A是角度，E是高度）。

易繼輝表示，MIMO+和競爭對手的技術相比，要多一倍的通道，也就是說同樣性能的毫米波雷達，安森美方案可以節(jié)省50%的mmIC器件，還能減少優(yōu)化控制器、線路板，降低總體成本。同時，安森美也會開發(fā)雷達信號處理，并且按照行業(yè)標準定制對外聯(lián)接接口，不管是現(xiàn)有標準還是未來發(fā)展標準。

郗蘊俠表示，安森美現(xiàn)在已與大中華地區(qū)的一些重點客戶開展毫米波雷達項目，向他們提供了一些芯片，客戶產(chǎn)品已經(jīng)處于研發(fā)階段。
責任編輯:tzh