汽車和工業(yè)是安森美最為看重的兩大市場，2019年第1季度分別貢獻了公司全部收入的34%和26%。而為了提供更寬廣的汽車傳感器陣容，2017年，安森美收購了IBM海法研究小組(IBM Research Haifa Lab)在以色列的毫米波研發(fā)中心，用以提供毫米波雷達方案；2018年5月，又收購了愛爾蘭SensL Technologies公司，其核心技術(shù)之一是單一雪崩光電二極管(SPAD)，具有極強的感光效應。
“作為全球唯一一家擁有超聲波、成像、毫米波雷達、激光雷達和傳感器融合等全部感知技術(shù)的公司，安森美的戰(zhàn)略布局是考慮如何提升綜合能力，以寬廣的產(chǎn)品陣容滿足客戶全方位的需求，而不是滿足于在某一個領域做到極致?！币桌^輝說，與傳統(tǒng)手機圖像傳感技術(shù)過度追求像素不同，以汽車、機器視覺、邊緣人工智能為代表的新興應用對像素的分辨、理解和判斷能力在不斷提升，創(chuàng)造“超越人眼的新視覺”，成為了公司的新目標。
為自動駕駛鋪平道路
按照易繼輝給出的數(shù)據(jù)，目前用于自動駕駛的車輛通常擁有9個圖像傳感器，下一代將超過12個甚至接近20個，先進駕駛輔助系統(tǒng)ADAS、車艙內(nèi)攝像機、視覺攝像機和攝像機監(jiān)控系統(tǒng)(CMS)和自動駕駛是其主要推動力，2018-2022年行業(yè)收入復合年增長率將高達21%，成為CMOS圖像傳感器最大的增長動力所在。相比之下，用于智能手機的CMOS圖像傳感器在未來幾年內(nèi)的成長率僅為2%。同時，車輛還將配備至少10個雷達傳感器、2個超聲波和1個激光雷達，從而具備360度的智能感知能力，實現(xiàn)全天候的跟蹤、檢測和計算。
第三方市場調(diào)研公司的數(shù)據(jù)顯示，安森美在汽車成像領域的份額2016年為49%，2018年增長至62%；感知攝像機(ADAS、自動駕駛)領域，2016年市場份額為63%，2018年則達到了81%，超過了豪威科技、索尼等競爭對手的總和。
·圖像傳感器
多晶圓堆棧(multi-wafer stacking)、寬動態(tài)范圍、近紅外+(NIR+)像素、LED防抖(LFM)和全局快門，既是安森美目前在圖像傳感器中采用的主要關鍵技術(shù)，其實也是那些試圖進入汽車領域的CIS廠商必須具備的能力。而在此前的采訪中，易繼輝還曾表示，AI將會極大影響當前設計和制造圖像傳感器的方式，改變設計和構(gòu)建成像方案的方法，使得智能成像和自適應成像方案成為創(chuàng)新的一個新前沿，例如在自適應成像中，圖像傳感器將能夠采集并提供只對AI算法有用和重要的圖像信息。
多晶圓堆棧將把圖像采集、信號處理、圖像感知和物體識別等多種性能高度集成在智能終端設備中成為可能，安森美目前已經(jīng)可以實現(xiàn)并量產(chǎn)兩顆芯片堆棧，下一步是將處理器和存儲器也加入其中，實現(xiàn)三顆堆棧芯片的量產(chǎn)。
寬動態(tài)范圍則對夜間行車極為關鍵。在夜間行車時，如果遇到相向而行的車開啟大燈時，在寬動態(tài)102dB的情況下，圖像傳感器可以看到路邊行人的輪廓，人工智能算法就可以加以判斷。但如果寬動態(tài)在80-90dB之間，人工智能算法就無法判斷這是行人還是物體，甚至根本看不到實體的存在。
近紅外+(NIR+)像素、LED防抖(LFM)技術(shù)和全局快門則構(gòu)成了汽車智能感知陣營。近紅外+(NIR+)像素技術(shù)增加了約4倍NIR敏感度，不必再采用大功率LED補光，大幅提升低照度下圖像清晰度的同時還降低了功耗；另一方面，由于LED在閃爍的時候頻率并不一樣，目前還沒有統(tǒng)一的業(yè)界標準，所以如果攝像機和紅綠燈的頻率不吻合，就會難以捕捉信號，這對整車廠挑戰(zhàn)極大。安森美的做法是在獲取信號后通過軟件分析延遲和功耗，在傳感器硬件上直接加以解決。
除了車外人工視覺(環(huán)視/后視)、車外機器視覺(ADAS/自動駕駛)，易繼輝還特別提到了迅速擴展的車艙內(nèi)應用給圖像傳感器帶來的新機會。駕駛員監(jiān)控方面，除了傳統(tǒng)的疲勞檢測，還新增了疾病檢測、情緒/生理測量、安全氣囊精準調(diào)整、人機互動、虹膜識別和面部識別等。乘員監(jiān)控，比如安全帶提醒、兒童在場檢測、物體和寵物檢測、視頻電話會議、出租車錄像等，都是未來自動駕駛都要涉及到的應用。
自動駕駛另外一個需要保障的是功能安全。如果將整個自動駕駛系統(tǒng)的故障率單位標準設定為100FIT(Failure in Time)，那么子系統(tǒng)就是10FIT，傳感器就是1FIT，這是非常高的要求。盡管可以通過工程判斷和路測來避免風險，但終究不能保證100%的可靠性。安森美聯(lián)合整車廠，將目前已知的8000+種失效模式植入芯片中以鑒別芯片的可信度。此外，考慮到網(wǎng)絡安全標準ISO 21434將于2019年底出臺，安森美在2018年底已經(jīng)推出了具備網(wǎng)絡安全功能的800萬像素圖像傳感器。
·毫米波雷達與激光雷達
NR4401是安森美開發(fā)的一款自動駕駛毫米波雷達融合方案，具備4個同步收發(fā)器Tx，考慮到未來L3-L5級自動駕駛對長距、中距和短距毫米波雷達的需求量會越來越多，NR4401采取了可擴展設計的級聯(lián)和靈活配置，在單芯片上就可以支持短/長距雷達。
得益于對愛爾蘭SensL公司的收購，安森美在首款200萬像素車規(guī)級激光雷達FuseOne中第一次實現(xiàn)了圖像傳感技術(shù)與激光雷達的融合。按照易繼輝的說法，傳統(tǒng)激光雷達采用的是特殊材料和雪崩光電二極管(APD)技術(shù)，感光率普遍偏低，且成本動輒上萬美元。而安森美的目標則是將傳統(tǒng)上萬美元的激光雷達降至幾百美元，從而實現(xiàn)商品化、大眾化。
當然，激光雷達和圖像傳感器只能看見物體，無法識別速度，且有著類似的缺陷，即容易受到天氣和周邊環(huán)境的影響。而毫米波雷達則沒有上述顧慮，對金屬敏感，能偵測感知移動物體的速度。所以，每種傳感器在智能化設備中都有其獨特作用，傳感器融合將成為必然趨勢。
很顯然，把不同傳感器獲得的數(shù)據(jù)進行融合，繼而產(chǎn)生最終的判斷和決策，這是實現(xiàn)自動駕駛必須解決的問題。傳統(tǒng)CIS提供商如果能夠向整車廠提供包括CIS產(chǎn)品、毫米波雷達、激光雷達，甚至融合性算法在內(nèi)的一攬子解決方案，汽車廠商開發(fā)自動駕駛的難度就會顯著降低，他們對CIS供應商的接受度就會大幅提升。
機器看圖的時代正在到來
一般來說，今天的成像產(chǎn)品有兩大類的應用：視覺(viewing)和感測(sensing)。視覺是指人眼視覺，即拍攝的圖像(圖片和視頻)主要用于為人眼所看并領會；感測是指機器視覺，即用于算法或機器學習理解而拍攝的圖像。也就是說，在人眼視覺中，圖像是為人眼所見并欣賞的，因此圖像通常需要做到清晰、細致、色彩豐富且美觀。而在機器視覺中，圖像則需提供足夠的信息，例如邊緣、形狀、大小等，用于算法讀取并理解。
機器視覺應用非常廣泛且多樣化，除了工廠自動化、智能化工廠的發(fā)展，機器視覺還在智能交通、新零售、智能樓宇/家居、機器人/無人機、安防/監(jiān)控、AR/VR/可穿戴設備等領域不斷發(fā)展。
安森美半導體在CCD和CMOS兩種圖像傳感器技術(shù)領域均有布局。在易繼輝看來，CMOS事實上已取代CCD成為用于中低分辨率和大體量應用的主流技術(shù)。但他也同時提醒行業(yè)說，目前市場上有誤解，認為CMOS技術(shù)適用于所有應用，并人為地去開發(fā)并不適合CMOS技術(shù)的產(chǎn)品和應用，這種做法是絕對錯誤的。
根據(jù)他的介紹，為了能夠捕捉移動物體的清晰圖像，全局快門技術(shù)已成為機器視覺市場的基本要求，其效率高低是關鍵的性能指標之一。例如在平板檢測應用中，對更高分辨率、更佳圖像均勻性和更高快門速度的需求在不斷提升，其驅(qū)動力主要來自于面板材質(zhì)的轉(zhuǎn)變(由LED過渡至OLED)和更高分辨率(4K和8K)與生產(chǎn)力的提升，為支持這些需求，高性能小像素技術(shù)至關重要。
具有4K超高清(4096x2180)分辨率的XGS 8000和具有1200萬像素(4096x3072)分辨率的XGS 12000是兩款具有代表性的產(chǎn)品，均采用3.2?m全局快門CMOS設計，能夠完全兼容緊湊的29x29 mm2攝像機設計。而最新的產(chǎn)品則包括功耗3瓦，支持每秒60幀8K視頻的XGS 45000系列，以及專為現(xiàn)代智能手機顯示屏檢測而設計的5000萬像素CCD圖像傳感器KAI-50140。
而在機器人和電子制造應用中，智能相機和智能視覺也正成為重要的推動因素。如何通過一個攝像頭和一顆芯片，在不需要任何補光的前提下，就能實現(xiàn)對五種深度映射技術(shù)：立體視覺、結(jié)構(gòu)光、飛行時間(TOF)、Super Depth和雷達的支持，并不是一件簡單的事情。
Pandion是安森美最新推出的SPAD陣列激光雷達，采用了400×100矩陣型感光點，通過將傳統(tǒng)的LiDAR點云(point cloud)變?yōu)長iDAR圖像(Image)，使得Pandion在Flash LiDAR時可感知3米內(nèi)的深度，而當切換至掃描式波速控制(Beam Steering)時，則可以感知100米左右的深度。
“人眼視覺和機器視覺并無孰優(yōu)孰劣之分，因為兩者服務于不同的目的和應用。過去人眼視覺主導著成像應用和開發(fā)，隨著人工智能的發(fā)展和對智能邊緣設備的強勁需求，我們預期會有更多機器視覺應用的技術(shù)和產(chǎn)品創(chuàng)新?！币桌^輝說。