EEPW论坛

据咨询机预测，2021年至2025年，全球CMOS图像传感器的出货量将继续保持8. 5%的年复合增长率，2025年预计可达116. 4亿颗。前不久，索尼宣布成功开发全球首个双层晶体管像素堆叠式CMOS图像传感技术，并表示新的架构大约增加了1倍饱和信号电平，拓宽了动态范围并降低了噪声，从而能显著提高成像性能。

而对于图像传感器，你们了解多少？

图像传感器，或称感光元件，是一种将光学图像转换成电子信号的设备，它被广泛地应用在数码相机和其他电子光学设备中。早期的图像传感器采用模拟信号，例如摄像管。   随着数码技术、半导体制造技术以及网络的迅速发展，市场和业界都面临着跨平台的视讯、影音、通讯大整合时代的到来，图像传感技术也得到了更大的发展。近几年，随着人工智能的兴起，图像传感器作为输入信号的其中一种，支撑着诸如人脸检测、工业异常检测、手势识别等诸多重要的应用。

1

图像传感器的分类

图像传感器产品主要分为CCD、CMOS以及CIS传感器三种。 CCD是应用在摄影摄像方面的高端技术元件，CMOS则应用于较低影像品质的产品中，其优点是制造成本较CCD更低，功耗也低得多，这也是市场很多采用USB接口的产品无须外接电源且价格便宜的原因。CIS则是接触式图像感应装置。它采用触点式感光元件进行感光，用CIS技术制作的扫描仪具有体积小、重量轻、生产成本低等优点，在传真机、扫描仪、纸币清分兑零等领域应用非常广泛。但CIS技术也有不足之处，譬如无法做成高分辨率的扫描仪，扫描速度也比较慢，因而目前在市场上被广泛应用的主要是CCD、CMOS两种图像传感器器件。     尽管在技术上有较大的不同，但CCD和CMOS两者性能差距并不是很大。CCD可分为线型与面型两种，其中线型应用于影像扫瞄器及传真机，而面型主要应用于数码相机、摄录影机、监视摄影机等多项影像输入产品上。通常，CCD传感器具备高解析度、低杂讯、动态范围广、良好的线性特性曲线、高光子转换效率、大面积感光、光谱响应广、低影像失真、体积小重量轻、低耗电力，电荷传输效率佳、不受强电磁场影响、可大批量生产等优点。    相较于CCD，CMOS传感器采用一般半导体电路最常用的CMOS工艺，具有集成度高、功耗小、速度快、成本低等特点，最近几年在宽动态、低照度方面发展迅速。CMOS主要是利用硅和锗两种元素所做成的半导体，通过CMOS上带负电和带正电的晶体管来实现基本的功能。这两个互补效应所产生的电流即可被处理芯片记录和解读成影像。

在模拟摄像机以及标清网络摄像机中，CCD的使用最为广泛，长期以来都在市场上占有主导地位。CCD的特点是灵敏度高，但响应速度较低，不适用于高清监控摄像机采用的高分辨率逐行扫描方式，因此进入高清监控时代以后，CMOS逐渐被人们所认识，高清监控摄像机普遍采用CMOS感光器件。

2

角逐应用市场

从90年代伊始，CMOS图像传感技术在业内得到重视并获得大量研发资源，在应用上持续挤压CCD图像传感器的市场空间。CMOS图像传感器芯片成为了全球集成电路的重要组成部分之一，其主要优势可归纳为以下三个层面：

成本上：CMOS图像传感器芯片一般采用适合大规模生产的标准流程工艺，在批量生产时单位成本得以远低于CCD；

尺寸上：CMOS传感器能够将图像采集单元和信号处理单元集到同一块基板上，体积得到大幅缩减，使之非常适用于移动设备和各类小型化设备；

功耗上：CMOS传感器相比于CCD还保持着低功耗和低发热的优势。

全球图像传感器市场规模（出货量口径） （数据来源：Frost&Sullivan)   据了解，随着图像传感技术的不断革新及下游行业应用规模的逐步扩大，全球图像传感器市场规模近十年来都呈现出持续增长态势。自2016年至2020年，全球图像传感器出货量从2016年的46. 9亿颗快速增长至2020年的82. 6亿颗，期间年复合增长率达到15. 2%.据Frost&Sullivan推测，各应用领域对于图像传感器更广更深的需求预计仍会助其维持一定的增长速度。全球图像传感器出货量有望在2025年达到120. 8亿颗，2021年至2025年期间年复合增长率预计将达到7. 9%。 近年来，各头部CMOS图像传感器设计厂商不断推进背照式和堆栈式技术，让CMOS图像传感器从过去主导的智能手机市场逐渐朝汽车、安防监控、医疗、VR以及工业等诸多细分市场渗透覆盖。   而得益于安防监控、汽车电子和其他新兴领域的快速发展及多摄手机的广泛普及，CMOS图像传感器的整体出货量及销售额不断扩大。自2016年至2020年，全球CMOS图像传感器出货量从41. 4亿颗快速增长至77. 2亿颗，期间年复合增长率达到16. 9%。预计2021年至2025年，全球CMOS图像传感器的出货量将继续保持8. 5%的年复合增长率，2025年预计可达116. 4亿颗。

全球CMOS图像传感器市场规模（出货量口径） （数据来源：Frost&Sullivan)

3

人工智能与图像传感器

随着人工智能时代的来临，相应的芯片产品和行业也出现了对应的新方向。在人工智能的各个分支中，机器视觉无疑是应用最广泛的方向。机器视觉是使用机器学习／人工智能的方法来分析视觉信号，并且通过人工智能直接产生分析结果。因此，机器视觉自然就需要一个图像传感器来作为输入信号，而随着机器视觉和人工智能的逐渐发展，机器视觉与图像传感器芯片的结合成为“智能图像传感器”，顺应了技术发展的脉络。  图像传感器为机器视觉这一最重要的应用提供输入信号。在传统的机器视觉芯片解决方案中，图像传感和人工智能算法的运行在不同的硬件上完成，图像传感器提供图像信号，而处理器或者AI加速芯片执行人工智能算法。然而，这样的做法在强调低功耗和能效比的移动端或IoT智能设备中，将会造成能量的浪费，并且难以处理一些需要常开（always-on)的应用场景。通过人工智能赋能的图像传感器就可以解决这个问题。   具体来说，这样的智能图像传感器在图像传感器模组中集成了人工智能算法的运行模块，因此可以直接输出机器视觉算法的结果，而这样运行机器视觉的方法也常被称为“传感器内运算（in-sensor computing)”。通过传感器内计算，机器视觉算法的运行单位从SoC换到了图像传感器，因此在运行机器视觉算法时，SoC无需处于唤醒状态，也无需运行操作系统，而是可以处于低功耗的待机状态。另一方面，传感器内运算由于整个系统比较简单，并没有运行操作系统等额外开销，并且有为机器视觉算法量身定做的加速器芯片模组，因此效比可以做到很高。最后，在接口方面，通常可以实现由智能图像传感器在检测到重要输出时才去以中断的方式去唤醒SoC,并且只需要传递机器视觉算法运行的结果，因此数据传输的开销也大大降低了。

结    语

我们可以看到，随着大环境的变化，不同阶段，不同技术的融合也给图像传感器带来新的发展，从CCD的半壁江山，到CMOS的后来者居上，以及“智能图像传感器”的诞生，图像传感器技术在不断为行业赋能的同时，亦在持续丰富和拓展自身的内涵，实现越来越广阔的场景应用。