电器企业网站建设,做网站推广大概需要多少钱,专题网站可以做什么,惠州市建设局网站来源#xff1a;蓝焱资本2021年已过半#xff0c;物联网时代已经到来。毫无疑问#xff0c;万物联网的背后是万物数字化#xff0c;而数字化万物的核心就是传感器。传感器这个概念虽然已经存在多年#xff0c;但它依旧是个活力无限的领域。随着物联网概念的火热#xff0… 来源蓝焱资本2021年已过半物联网时代已经到来。毫无疑问万物联网的背后是万物数字化而数字化万物的核心就是传感器。传感器这个概念虽然已经存在多年但它依旧是个活力无限的领域。随着物联网概念的火热传感器的风口也点燃了MEMS微机电技术以及半导体封装行业在资本市场上的热度。然而热点时期下我们创投机构更应该放低姿态以学生的身份重新谨慎、仔细、敬畏的看待这个充满无限可能的市场。本文作者职业为投资经理站在资本市场的角度尽可能系统的思考了传感器的发展与未来以及这其中所蕴含的投资机会资本市场青睐传感器行业的哪些方面传感器的4大发展方向自2000年起MEMS智能传感器开始进入人们的视野大家对于传感器形态上的变化有了颠覆性的认知。传感器的尺寸及性能伴随微机电技术的发展有了质的飞跃。随后在汽车及消费电子市场上大放异彩形成了众所周知的传感器第一及第二次发展浪潮。如今第三次浪潮万物联网已经到来它与传感器之间的关系无需再多赘述而汽车行业及消费电子领域对于传感器发展的推动作用犹在。因此细心观察这些行业中产品的发展轨迹我们能够看到传感器的发展遵循四个方向。1.    微型化微型化是未来传感器发展的必然趋势之一。传感器本质属于半导体遵循摩尔定律在这之上伴随超越摩尔的多样化发展路线。从生产及加工的角度上看传感器尺寸决定了原材料的使用率传感器微型化代表了生产成本的下降从性能上看微型传感器的能耗得到大幅降低从产品角度看传感器的缩小可以释放更多空间间接提升产品最终的用户体验。根据Yole Développement 的研究MEMS 典型器件中加速度计的封装管脚从 2009 年的 3×5 mm2 缩小至 2018 年的 1.6×1.6 mm2面积仅相当于之前的17%而成本则是过去的十分之一。   博世BMA系列加速度计尺寸从3x3mm缩小为2x2mm2.    柔性化传感器柔性化的目的主要有三种便携、仿生、融合。便携性主要基于柔性电子方向的发展。目的是改变电子器件刚性结构使得产品设计上能够有所突破在外形上可以折叠卷曲更加便于携带、使用。仿生方向是通过柔性传感器来模拟人体皮肤为机器人的感知进行赋能。生物融合则是针对人体来开展的传感器研究。柔性材料可以更加贴合人体器官在不被人体察觉的状态下对身体生物变量进行监测。目前大家能够接触到的传感器柔性化例子除了各种“智能鞋垫、枕头、床垫”之外就数折叠屏手机最具代表性了。未来手机可能会越来越“软”像纸一样折起来放在口袋或者像隐形眼镜一样戴在眼中。3.    无源无线化电源及电线的存在对于传感器的应用环境限制很大。许多工业及医疗场景中复杂的机械及人体结构无法满足传感器电源及线路的排布。主流思想主要是解决无源这个问题。毕竟无源问题解决了无线通讯只需要搭载WiFi或者蓝牙模块就行了前提是电量能支持。另外利用生物电、摩擦电等方式收集能量供于传感器的发展线路也已存在只是均停留在实验室阶段。RFID无源无线传感器基础原理4.    传感融合化传感器融合在产业中的主要表现为按照数据采集方式及传感器技术结构将同类别的传感器进行硬件集成并通过特定算法进行数据校正及优化降低串扰。不同传感器之间协同工作性能互补为用户提供更丰富功能赋予消费电子行业更大商业价值。图片来源Yole Développement民生证券研究院可穿戴设备是消费电子市场中迭代非常明显的一类产品。从外观到功能的进化就可以清晰的看到传感器融合的轨迹。不同种类的传感器逐步增加、融合、协同工作使得电子设备的功能更丰富更符合消费者需求。另一个明显案例就是汽车电子中的视觉雷达融合。目前大多数路面上行驶车辆内的ADAS功能都是独立工作的这意味着相应传感器彼此之间几乎不交换信息。然而面对复杂环境仅仅依靠单一传感器是不够的。我们需要将不同种类的传感信息融合在一起来弥补各传感器自身的缺点及不足。雷达视觉融合就是个传感融合的典型例子。可见光谱范围内工作的摄像头在浓雾、下雨、强光或弱光情况下会失真。而雷达缺少成像传感器所具有的高分辨率。两者的结合则可在复杂环境下输出更可靠的数据。传感器发展趋势中的机会与风险投资机会的把握主要基于效率提升及未来市场空间这两大方面来判断。传感器主要的作用在于信息的采集。传感器的发展就是一个不断提升信息采集效率的过程。因此传感器发展的每一次变革必须是产出大于投入耗损才是有效的。而无法做到这点的创新和突破只能成为概念投了就成了先烈。而未来市场的空间大小也和效率的提升与否息息相关。新变革带来效率的提升会降低成本提高产品的性价比进而获得更大的市场认同度市场扩大带动产能产生规模经济效应进一步降低成本进入良性循环。因此我们围绕这两个核心思路去分析上文所提到的四个发展趋势来大胆判断它们当中所蕴含的机会与风险。1.    微型化最直观提升效率的发展趋势就是传感器微型化。提升原材料利用率及能源利用率将直接体现于产品的生产成本及能耗下降。传感器的微型化主要基于半导体工艺的发展。其中包含了芯片及电路设计、材料加工、制造、封装测试等环节。这里我们插入一个MEMS产业链的图来方便理解全局对于创投机构而言投资致力于将传感器尺寸缩小并降低其成本及能耗的企业同时保证其性能的稳定大方向上是一定正确的。当然其中的难度及门槛不言而喻。风险自然就是资本投入极大且针对的传感器种类未来存在不确定性。深度摩尔能走多远特征尺寸降无可降量子隧穿产生漏电最终只能另辟蹊径的事情会不会携带这资本重来一次一切都有可能。2.    柔性化这是一个绝对前景广阔的投资方向但现在却未必是一个合适的投资时点。首先柔性化的诸多技术如电子皮肤、表皮电子、脑机接口等还存在于实验室阶段到商业转化还需要很长一段时间。其次传感器柔性化短期内并不会显著提升效率。现有技术在追求柔性化的道路上或多或少会牺牲成本控制、耐久度及性能等。虽然现在的折叠手机让大家看到了手机形态的下一步方向但其高昂的价格、耐久度及维修成本等问题造成了折叠手机还是炫富炫技的存在而非生活必需品。同时人们对于柔性化的认知程度与心理预期还不成熟。刚性结构耐用柔性结构华而不实或者脆弱易坏这类的思维还是占主导地位的。这同样会给传感器柔性化的道路带来一定的阻力。3.    无源无线耦合效率或者说是能量转递效率是无源无线化发展道路上的最大难题。RFID技术是传感器无源无线的成熟方案之一。通过电磁感应或反向散射的耦合方式将信号及能量远程传输于传感器与阅读器之间。然而缺点也很明显能量传输效率过低工作距离过远会逸散严重无法支持大功率传感器工作功率高了会有辐射。其他技术方案如磁谐振供电、磁共振供电、反向散射供电等等从能源利用率的角度上看同样存在效率不高的问题。当能源成本大幅下降不考虑逸散的损耗时无源无线方向的投资机会将真正成熟。4.    传感融合传感融合的概念很早就被提出但它真正的发展趋势是近期才开始的。我们首先要区分传感融合Sensor Fusion与传感器集成Multisensor Integration这两个概念。·     传感融合对多个传感器产生的原始数据进行整理、优化、融合并产生更全面的信息数据进而传输给CPU进行决策。融合主体是数据。·     传感器集成多个传感器硬件集成在设备中各自独立工作并将原始数据直接传输给中央处理器进行决策。融合主体是硬件。上文所讲的两个例子计步器到智能手环以及汽车ADAS的发展就很好的展现了传感器集成以及传感融合在实际产品中的表现形式。从行业发展的角度可以说市场需求推动了传感器集成而传感器集成又推动了传感融合的发展。回过头来传感融合也为传感器的进一步集成提供了软硬件上的支撑。事实上传感器融合在硬件层面并不难实现重点和难点都在算法上具有较高的技术壁垒。传感器的协同工作需要算法和算力支撑而在之前人们对于算法及人工智能方面的投入并不多。这种情况下传感器只能单独工作应用场景及信息采集的效率都受到很大限制。当算力提升后传感融合得到了硬件支撑迎来了高速增长期。伴随传感器融合的优势在数据采集效率上的逐步显现传感器集成度将进一步上升与传感融合齐步发展并推动整个行业的进步。据麦姆斯咨询报道传感器融合系统需求预计将在未来5年内以约19.4%的复合年增长率增长市场规模预计将从2017年的26.2亿美元增长到2023年的75.8亿美元。总结一下微型化的方向是成熟的投资时点但早期投资机会不多。柔性化及无源无线化投资时点过早还需等待。传感融合方向处于产业的高速增长期值得重点关注。传感融合依旧是个很宽泛的大方向仅仅一个方向不足以支撑我们对于该命题的投资策略。因此我们要更具体的去分析传感融合这个领域成熟的机会与潜在的可能。接下来主要分析两个问题1. 传感融合的现有行业框架与商业结构是怎样的2. 什么场景拥有更大的发展空间传感融合的现有行业框架与商业结构是怎样的传感融合是个很典型的行业发展倒逼出的新概念。尤其是自动驾驶行业传感融合已经成为该行业的发展共识。但怎么做诸多大厂还在不断摸索。就拿汽车行业说事目标融合的程度已经无法跟上自动驾驶发展的要求随着ASIC、FPGA等芯片算力的提升SOC集成的MEMS传感器逐渐成为自动驾驶汽车的主流配件“原始数据融合”的可行性及重要性将逐渐显现。不过目前大部分传感器融合应用的还是目标数据而不是原始数据。而在传统量产车型上摄像头和雷达甚至没有达到目标数据的融合程度。目前行业内主要的多传感数据处理架构主要包括以下三种1、分布式将各独立传感器获取的原始数据进行局部处理然后将处理结果发送到数据融合中心进行智能优化组合得到最终结果。优点是对通信带宽的分布式需求低计算速度快可靠性和连续性好。缺点是跟踪精度不够。2、集中式将采集到的原始数据直接传输到中央处理器进行融合处理可以实现实时集成。优点数据处理精度高算法灵活缺点对处理器要求高可靠性低数据量大难以实现。3、混合式混合多传感器信息融合框架分布式集中式部分传感器采用集中式融合其余传感器采用分布式融合。优点混合融合框架具有较强的适应性兼顾了集中式融合和分布式融合的优点稳定性强。缺点混合融合结构比前两种融合方案更为复杂增加了通信和计算成本。传感融合的过程中整个系统需要处理多参量的数据甚至相互矛盾的信息。如何保证融合系统快速处理数据过滤噪点和干扰确保融合后的信息不会失真误报或堵塞中央处理器导致死机是该行业发展的重要难点。讲到这里或许你会一头雾水到底什么是目标数据融合什么是原始数据融合为什么原始数据融合就厉害了我还是用自动驾驶来举个例子说明一下自动驾驶需要用到多种传感器比如摄像头、毫米波雷达、激光雷达以及超声波雷达。不同传感器的工作原理不同所以它们产生的数据类型也不一样。如果车辆在自动驾驶过程中发现前面飘来一个塑料袋摄像头可能会识别出它是个塑料袋或者白色的皮球甚至是白色的飞鸟如果光线不好而毫米波雷达很可能会认为它是个石头或者相同尺寸的障碍物。这时候不同传感器发出了截然相反的指令摄像头建议减速而雷达建议紧急制动。两个互相冲突的指令必须引入第三个传感器介入打破平衡或根据系统预设优先级直接判定紧急制动。但无论哪一种方案都不是自动驾驶最优的解决方案。因为复杂的逻辑判定流程会造成延迟以及算力的浪费甚至不必要的执行动作而这还仅仅是一个塑料袋。如果两个塑料袋飘过来就是两倍的工作量。这就是目标数据融合的尴尬。而原始数据融合则是所有传感器直接描绘完整环境事实运算并对每个像素进行动态信息标注。根据塑料袋的动态方式计算出它的重量直接得到它是塑料袋这个答案并配合做出相应驾驶动作。原始数据融合能够在使用更少能源和计算的情况下以更高的分辨率探测环境。当来自不同传感器的所有原始数据在处理之前被混合在一起时深度神经网络(DNN)可以创建一个更完整的环境图像。这里说一下行业中比较有代表性的公司方便大家理解传感融合公司的产品模式和服务对象。以色列的初创公司VAYAVISION就是一家提供自动驾驶车辆原始数据融合和感知软件解决方案的供应商2018年10月这家公司拿到了800万美元的融资投资方包括三菱HFJ金融、LG电子等该公司2019年5月于EcoMotion智能交通峰会上展示了其最新的自动驾驶环境感知软件VAYADrive 2.0。上图是Vayavision官网中环境感知软件的工作原理图我进行了简单的翻译方便大家理解。该软件对距离传感器进行稀疏采样并将距离信息分配给高分辨率相机图像中的每个像素。这使得自动驾驶汽车能够接收到关于物体大小和形状的关键信息能够将道路上的每一个小障碍物分开并准确地定义道路上的车辆、人和其他物体的形状。VAYADrive2.0架构为汽车厂商提供了一个可行的选择以替代市场上常见的‘目标级对象融合’模型的不足。这对提高检测精度、降低从L1-L3升级过程中的高误报率至关重要。类似企业在全球有许多国内也有很优秀的初创公司在各自的细分领域深耕着。例如傲酷雷达Oculii通过融合水平俯仰雷达及点速度原始数据在全球首创了车载4DX,Y,Z和速度高清点云成像毫米波雷达用类似激光点云的成像方式对距离300米内的移动和静止目标高清成像媲美低线数激光雷达。不过点云的增多势必也造成算力负担的加大。在电脑主机下跑数据进行融合和实际车中进行运算还是有区别的。从实验室转入商业应用面对消费者不仅存在硬件上的诸多挑战还有行业生态是否成熟是否能够兼容配套等相关问题。其他公司由于字数原因就不在这里过多列举。什么场景拥有更大的发展空间除了自动驾驶外还有哪些场景需要传感融合的引入呢它们的存在背后是否存在着全新的市场等待创新企业去挖掘在回答这个问题时我们首先需要判断传感融合的加入能否对整体行业效率进行提升。上文我们总结了传感融合主要提升的是信息采集和信息处理效率。那么这个场景就必须是围绕或者侧重信息数据的先不去管目标信息和原始信息那么高深的程度。通过两个维度来做分析特定产业中设备的传感器数量及数据精确度。我们发现有的场景对传感融合的需求非常迫切有些则只是锦上添花。横坐标为工作时所依赖的数据精度纵坐标为传感器总数圆圈大小表示市场规模列举几个高速发展的热点产业根据它们的产品特性在上图中进行排列。通过排列分析可以发现复杂环境下如动态或开放场景中工作的设备需要安装更多的传感器来满足外界信息采集的多样性及全面性执行复杂任务的设备如高精度任务或需自主进行行为判断的工作对于数据的精确性要求很高。所以除了自动驾驶外无人机以及服务机器人对于传感融合的需求会同样强烈甚至随着细分场景中各自工作的复杂度及自动化程度提升这一需求会更加突出。环境感知的融合运算不仅可以用于自动驾驶如果从行业的成熟度去判断我们可以把行业的发展按照时间来分成三个阶段。第一阶段是行业的萌芽期。产品受限于当前技术或研发初衷只是为了解决具体需求。这个阶段企业在软硬件的投入都不会多整个行业都在摸索突破口和想象空间。第二阶段是高速发展期。平台和生态已经搭建完成民众对于这个行业的认知程度非常高。行业逐步形成龙头态势产品通过竞争不断打磨外观及成本。这个时候算法占到主导地位传感器受到空间设计或成本等因素依旧保持旧有形态甚至在算法的填补上进行缩减。第三阶段则是行业转型升级配合需求驱动产生颠覆性的产品或服务迭代。传统汽车向自动驾驶过渡就属于第二阶段迈向第三阶段的典型例子。而服务型机器人和无人机还在不断寻找自身的突破。结尾传感融合的重要性不亚于AI人工智能。它作为工业4.0中围绕大数据闭环的重要一段很明显并未得到相应的认知度。这一领域又新又低调伴随着各行业的发展它的重要性和市场价值将越发显著。2021年虽然新冠疫情仍未过去全球经济形势仍然风雨飘零但传感器行业却自顾蓬勃发展。未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市大脑研究计划构建互联网城市大脑技术和企业图谱为提升企业行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。  如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”