Yole:传感器和执行器市场2023年将超1000亿美元

数据来源：法国行业研究公司Yole的2018版《MEMS产业状态报告》。

2017年对MEMS和传感器业务而言是个好年景，这种上升趋势应该会持续下去。我们预测传感器和执行器市场将实现强劲增长，到2023年市场总值达到1000亿美元以上，出货量总数达到1850亿个。光学传感器，特别是CMOS图像传感器，将占据最大市场份额，达到近40％。MEMS也将在这一增长中发挥重要作用：在2018～2023年期间，MEMS市场的增长率为17.5％，出货量的增长率为26.7％，消费类产品的市场占比超过50％。

传感器的演变

传感器最初被开发并用于物理传感：震动、压力、然后是加速和旋转。更大的研发投入促使MEMS从物理传感扩展到光管理（如微镜），然后又扩展到非制冷红外传感（如微辐射热计）。从感应光到感应声，MEMS麦克风形成了下一波MEMS发展浪潮。随着超越了人类感知，MEMS和传感器正在进入一个新的令人兴奋的进化阶段，向超声，红外和高光谱感知方向发展。

当我们的身体或情绪感知在某种程度上受到限制时，传感器可以帮助我们进行补偿。更高性能的MEMS麦克风已经在帮助听障人士。美国亚利桑那州立大学的研究人员正在开发带有压电MEMS传感器的人工耳蜗植入物，有朝一日可能会使那些听力损失严重的人恢复听力。斯坦福大学的研究人员正在合作研究硅视网膜植入物，视力障碍者可能会振奋与此。Pixium Vision于2017年开始使用其硅视网膜植入物进行人体临床试验。

想象一下我们未来将使用传感器进行情感/共情感知，这并非科幻小说。增强现实这类的感知可以有很多用途，甚至可能帮助自闭症患者更容易地解释他人的情绪。

三个阶段

1.“检测时代”：在传感器发展最初的几年中使用简单的传感器来检测震动。

2.“测量时代”：传感器不仅可以感知和检测，还可用于测量（如旋转）。

3.“全局意识感知时代”：我们不断增加传感器的用量来映射环境。我们使用激光雷达为自动驾驶汽车进行3D成像。我们使用环境传感器监控空气质量。我们使用加速度计和/或超声波来识别手势。我们使用指纹和面部识别传感器实现生物测量。由于多个参数的传感器融合以及人工智能，这是可能的。

众多技术突破是不断进步的源泉：新的传感器设计、新工艺和材料、新集成方法、新封装，传感器融合和新检测原理。

 

全局感知应用示例

全局感知时代正发生在我们身上。我们可以将全局视为人类感知能力的扩展（如将红外成像添加到可见频段）或超人类感测能力（如自动驾驶车辆中的激光雷达等具有卓越环境感知的机器）。想想漫威宇宙中的X教授，你可以想象未来人类的感知会如何演变！

一些公司从一开始就设想了全局感知。例如，Movea公司（现在是TDK InvenSense的一部分）以惯性MEMS作为发展开端。其他公司通过结合光学传感器（如激光雷达）和用于机器人汽车的夜视传感器实现全局意识感知。第三种是将环境传感器（气体，颗粒，压力，温度）组合到来检查空气质量。粒子传感器是新加入这一群体，在空气质量传感方面可以发挥特别重要的作用，特别是在可穿戴设备中。

由于社会对越来越多全球空气质量恶化证据的持续关注，空气污染已成为我们社会的一个主要话题。研究表明，并没有达到安全水平的颗粒物。相反，对于空气中PM10或PM2.5可吸入颗粒的浓度每一次增加，肺癌的比例都会相应增加。将粒子传感器与可穿戴设备中的地图应用相结合，可以让我们识别污染最严重的城区的位置。

需要人工智能

为了实现全局感知，我们还需要人工智能（AI）。但首先我们需要解决挑战，如要实现对活动的跟踪需要对AI数据进行准确的实时分类。但是，将所有AI处理都放到主处理器会消耗大量CPU资源，降低有效数据处理能力。同样，将所有AI数据存储在设备上会增加存储成本。要将AI与MEMS结合，我们必须做到以下几点：

1.将功能处理从执行分类引擎解耦到功能更强大的外部处理器。

2.仅部署精准活动识别所需的功能，从而降低存储和处理需求。

3.安装可以整合来自多个传感器数据（传感器融合）低功耗MEMS传感器，并为持续执行进行预处理。

4.使用系统支持的数据反复训练模型，以准确识别用户活动。

在移动和汽车应用中有两种方法可以添加AI和软件。第一种是集中式方法，传感器数据在包含软件的辅助功率单元（APU）中处理。第二种是分散式方法，传感器芯片位于同一封装中，靠近软件和AI（如在用于CMOS图像传感器的DSP中）。无论采用何种方法，MEMS和传感器制造商都需要了解AI，尽管它们不太可能在传感器芯片级别获得太多价值。

走向一个增强的世界

多年来，我们在传感器开发方面取得了巨大进步，现在已经达到传感器能够模仿或增强我们大部分感知的程度，包括视觉、听觉、触觉、嗅觉、甚至情感/同理心及一些美感。我们应该认识到，人类不是唯一受益于这些发展的人。增强感知还将支持机器人在我们的日常生活中帮助我们，如通过智能交通、更好的医疗保健、结合背景感知环境等）。我们需要将智能传感器的开发与AI结合起来，以进一步增强我们与生活中的人，地点和事物的体验。