回望2019，或将重塑MEMS和传感器产业的五大事件及趋势
2020-01-01 15:11:42   来源：麦姆斯咨询   评论：0   点击：

万物互联的时代大幕已然开启，越来越多的行业正在寻求其设备和应用的互联，越来越多的用户正在享受身边智能设备的现代化功能。著名市场研究公司麦肯锡（McKinsey）预测，到2025年，物联网对全球经济的影响将达到每年4万亿至11万亿美元。而微机电系统（MEMS）和传感器则是这一物联网热潮的基础感知层。

在岁末年初之际，请大家跟随麦姆斯咨询回顾过去一年中有可能影响MEMS和传感器产业未来的头条事件及趋势，把握这个不断增长的市场，辨明未来的发展方向。2019年MEMS和传感器领域最有影响力的五个事件或趋势可以归纳为：一宗旷日持久的收购，一个或将成为人工智能（AI）基石的计算概念，一家由行业资深人士创立的传感新贵，“100多岁高龄”压电效应的市场复兴，以及边缘计算。

1、艾迈斯半导体（ams）并购欧司朗（Osram），打造光电传感领域的世界级领军者

经过几个月的多方猜测和密集谈判，奥地利传感器领先供应商艾迈斯半导体（ams AG）最终获得了足够的股份，接手德国光子学专业厂商欧司朗（Osram Light AG）。

“我们的目标是基于欧洲的技术共同打造一家传感器解决方案和光子学领域的全球领导者。”ams市场传播副总裁Amy Flecher表示，她强调了两家公司的互补性，“欧司朗是可见光和红外光源领域的领导者，渴望开拓IC设计、光学器件以及光学封装能力，而这正是ams所擅长的，同时ams也希望在光源领域拓展市场领导地位。”

首款ams直接飞行时间（dToF）接近传感器采用单光子雪崩二极管（SPAD）技术，已应用于华为（Huawei）Mate 20 Pro智能手机。该器件采用创新的光学LGA封装——利用传递模塑工艺（transfer molding process）生产聚合物透镜，集成了128像素分辨率的SPAD和垂直腔面发射激光器（VCSEL）。

资料来源：《ams直接飞行时间（dToF）接近传感器》

ams此次收购要约的一个重要动机是解决其对单一客户苹果公司（Apple）的严重依赖。收购欧司朗有利于拓展ams的业务，并使其营收组合多样化。2019年上半年，消费类业务占据ams总营收的75%，而汽车业务、工业和医疗业务分别占其总营收的10%和15%。此前，ams连续收购了Heptagon、Princeton Optronics等公司，以稳固其3D人脸识别传感器技术。ams希望，汽车产业能够成为公司的新增长点，成为继消费类业务之后的第二大支柱。而汽车市场正是欧司朗耕耘多年的成熟领域。借助收购欧司朗，ams有望彻底打开一片新天地。

Yole形容这笔交易为“一颗冉冉升起的新星照亮沉寂巨人的圣诞故事”，使ams能够在欧洲半导体领域占据独特的战略地位。两家公司2019年的总营收达到了60亿美元，已经能够与英飞凌（Infineon）、意法半导体（STMicroelectronics）和恩智浦（NXP）等其它欧洲老牌大厂同场竞技。

ams表示，其目标是在2020年上半年完成交易。

2、神经形态感知，明智的方向

英特尔神经形态计算部门负责人Mike Davies在2019年国际固态电路会议（International Solid-State Circuits Conference）上表示，深度学习并不是“真正的学习”。在数据带宽限制和计算要求都在不断升级的当下，他的观点再次引发了人工智能（AI）领域关于神经形态计算的讨论。

神经形态技术旨在用与传统硬件完全不同的方式处理信息，通过模仿人脑构造来大幅提高计算机的思维能力与反应能力。1980年，Carver Mead提出了神经形态工程学，也称为神经形态计算机，它使用包含模拟电路的超大规模集成系统，来模仿人类神经系统中的神经生物学结构。

Yole成像技术首席分析师Pierre Cambou表示，神经形态传感和计算可以解决AI当前的大部分问题，在未来数十年中开辟新的应用前景。他说：“神经形态工程学是仿生技术的下一阶段，并将真正推动AI的发展。”

神经形态传感初创生态系统已经萌芽，其根源可以追溯到1991年由Carver Mead的学生Misha Mahowald在神经信息学研究所（Institute of Neuroinformatics）和苏黎世联邦理工学院（ETH Zurich）发明的硅视网膜。脱胎自苏黎世联邦理工学院和苏黎世大学的Insightness公司成立于2014年，该公司设计了一种即使传感器本身在运动，也可以在几毫秒内进行运动检测的视觉传感器。苏黎世联邦理工学院一直是神经形态图像传感器技术的创新中心，已将技术推广至整个欧洲，孕育了像Prophesee、Insightness、Inivation和Celepixel等初创公司。

据麦姆斯咨询此前报道，Prophesee于2019年9月推出了首款符合工业标准封装的视觉传感器芯片，该传感器采用基于事件的视觉技术，被认为是对传统基于帧的视觉方法的重大改进。其传感器利用了Prophesee的神经形态视觉技术，其每个像素都是独立且异步的，只有在感知到场景变化、运动，即有事件发生时才激活。这种基于事件的专有方法可以大幅降低基于帧的传统视觉系统所带来的功耗、延迟和数据处理问题。

2024年、2029年和2034年按市场细分的神经传感与计算器件销售预测

数据来源：《神经传感与计算-2019版》

Yole预计，神经形态传感市场（半导体封装器件）规模将从2024年的4300万美元增长到2029年的20亿美元，到了2034年将进一步增长至47亿美元。

3、InvenSense前高管创立UltraSense，推出全球最小的超声波系统级芯片

UltraSense联合创始人兼首席执行官Mo Maghsoudnia以及首席业务官Dan Goehl在应美盛（InvenSense）一起供职了六年，并共同见证了InvenSense的IPO。InvenSense在2016年被日本TDK以约13亿美元收购后，Mo Maghsoudnia等人相继离开了公司。2019年12月中旬，他们正式宣布UltraSense为触摸用户界面推出了一款全球最小的超声波系统级芯片。UltraSense独特的超声波传感技术可以通过几乎任何厚度的广泛材料（包括金属、玻璃、木材、陶瓷和塑料）实现多功能触摸交互，从而经济高效地在任意表面上构建虚拟按键或实现手势操作。

UltraSense初期将把智能手机作为主要突破口，对此，UltraSense首席业务官Dan Goehl表示，“因为智能手机行业的应用速度相对较快，并且，随着5G（特别是毫米波5G）的推出，我们的这款产品恰逢其时。同时，UltraSense还看到了消费类和汽车领域的广阔前景，UltraSense目前已经在跟多家汽车供应商就多种不同类型的应用进行概念验证。”

尽管UltraSense并不是唯一一家掘金超声波传感技术的公司，例如TDK子公司Chirp Microsystems，但是，UltraSense的贡献或将加速各类机械按键的消亡，塑造全新的用户交互界面。

4、压电器件市场快速发展，2024年将达485亿美元

2018~2024年压电器件市场（薄膜型 vs. 块体型）

数据来源：《压电器件：从块体型到薄膜型-2019版》

自法国Paul-Jacques和Pierre Curie兄弟在一个多世纪前发现压电效应以来，压电技术的应用领域一直在不断扩大。据麦姆斯咨询此前报道，2018年全球压电器件市场规模为238亿美元，预计2024年将增长至485亿美元，2018~2024年期间的复合年增长率（CAGR）为12.6%。

Yole技术和市场分析师Dimitrios Damianos表示：“由于压电MEMS技术的防水、防尘和超低功耗特性，压电MEMS正在颠覆传统的电容式MEMS麦克风方案。此外，压电MEMS技术还将振兴其它MEMS器件市场，例如MEMS微型扬声器、压电MEMS超声波换能器以及自动对焦等应用。”

总部位于波士顿的压电MEMS麦克风供应商Vesper Technologies不久前宣布，其零功耗监听（ZeroPower Listening）技术已通过亚马逊（Amazon）认证，可延长电池寿命，改善远距离语音交互。

从压电材料来看，压电薄膜沉积技术在MEMS产业中变得越来越重要，主要涉及的材料包括锆钛酸铅（PZT）和氮化铝（AlN）。虽然一些器件采用的压电材料已从块体转向薄膜，但是具体的应用场景仍会影响块体或薄膜类型的选择。压电MEMS超声波换能器（PMUT）是压电材料从块体转向薄膜的完美示例，PMUT器件已被广泛用于指纹识别和手势识别。另一个有前途的应用领域是医学成像，基于块体和薄膜的压电器件（用于超声波成像探头）将处于共存状态，需根据应用需求和性能进行选择使用。由于块体压电材料和技术的进步，TDK近期推出了厚度为0.45 mm~0.7 mm的PiezoListen压电扬声器，展示了一种从块体材料中获得最薄压电层的方法。总而言之，压电块体型和薄膜型材料并不是“竞争关系”，而是两种互补的材料方案！

5、边缘计算

传感器正变得越来越小，越来越智能。现在，它们不仅可以将含水量、颗粒物、热量和运动之类的物理参数转换为模拟电信号或数字数据，它们还能执行更多的计算工作。

例如，近期刚刚宣布完成D轮融资1.09亿美元的以色列4D成像雷达技术领先供应商Vayyar Imaging，它们开发了一款全球领先的毫米波（mmWave）成像系统级芯片，在单颗芯片上集成了72个发射器和72个接收器，凭借集成的大内存高性能数字信号处理器（DSP），Vayyar的传感器无需任何外部CPU执行复杂的成像算法。该技术可以在所有光照和天气条件下实时监测障碍物，并能无线监控人员的位置、运动、高度、姿势和生命体征。Vayyar称，该技术的一个关键优势在于它能够“看穿”墙壁、关闭的门和其他固体物体。由于Vayyar的技术方案采用无线电波，而不是摄像头等光学器件来检测物体，因此其传感器不会收集任何光学数据，从而保护了用户的隐私。

由于边缘传感器收集了大量的非结构化数据，因而在本地处理数据，而不是将所有数据发送到云端非常有意义。Bosch Sensortec首席技术官Markus Ulm表示，直接在传感器边缘运行AI算法确实能够为用户带来很多优势。首先是个性化。由于计算是在本地执行的，因此可以根据用户的行为进行优化。其二，没有云端参与的边缘数据处理，可以很好地保护用户的数据隐私。第三个优势是实时反馈。数据传输到云端，经过处理再返回，肯定会遇到一些延迟，并且，在很多情况下并没有必要这么做。在边缘执行可以避免数据传输，从而减少延迟。第四，边缘处理还可以延长电池寿命。

边缘人工智能（AI）仍处于早期阶段。机器学习领域目前主要致力于基于云端的解决方案来解决大数据需求和大规模问题，因此各种挑战尚有待克服，但是，边缘AI的潜力是无限的。

延伸阅读：

《ams直接飞行时间（dToF）接近传感器》

《神经传感与计算-2019版》

《压电器件：从块体型到薄膜型-2019版》

《压电器件对比分析：从块体型到薄膜型》

《高通第二代3D超声波指纹识别传感器》

《医疗、工业和消费类应用的超声波传感技术》