[導讀]時間來到2023年，ST在中國召開了其首屆傳感器大會，支持本地端的AI計算的智能傳感器成為了本次大會的焦點。在開幕演講上，意法半導體副總裁·中國區總經理曹志平表示，我們的生活經歷了從off-line到on-line的變革，以及從on-line到on-life發展，目前邁入Sustainable Onlife階段，具備AI能力的傳感器將會是構建在線的、虛擬交融的可持續生活的關鍵。

2019年ST就推出了集成自家ML內核的傳感器，這在當時確實是業界。而這款產品并不是ST的淺嘗輒止，而是開啟了其在AI傳感器上的完整生態布局。

時間來到2023年，ST在中國召開了其首屆傳感器大會，支持本地端的AI計算的智能傳感器成為了本次大會的焦點。在開幕演講上，意法半導體副總裁·中國區總經理曹志平表示，我們的生活經歷了從off-line到on-line的變革，以及從on-line到on-life發展，目前邁入Sustainable Onlife階段，具備AI能力的傳感器將會是構建在線的、虛擬交融的可持續生活的關鍵。

智能傳感器要具備多強的計算能力，才能實現端側AI應用？傳感器和MCU/SoC之間又該如何分配數據的處理任務？帶著這些問題我們有幸采訪到了ST的諸多高層。

智能傳感器布局：從MLC進化到ISPU

“智能傳感器必須要能夠實現獨立的決策——通過它收集到的一些數據，能夠不依賴微控制器（不管是節點級別的次微控制器，還是主SOC）獨立做出決策。”意法半導體亞太區模擬器件、MEMS和傳感器產品部 (AMS) MEMS及影像傳感器子產品部市場及應用副總裁、智能手機創新中心負責人Davide BRUNO表示，“所以就ST本身而言，現在正在努力讓傳感器（不管是運動傳感器、加速記儀，還是影像傳感器方面）終能夠根據自己收集和感知到的數據做出獨立的決策，并自動采取干預行為，從而得到預期的效果。”

通常在一個端側系統中，會需要用到傳感器、MCU和其他一些連接的功能。傳感器負責采集真實物理世界的信號以及人體的相關信息，然后負責將數據傳遞到MCU中進行計算。MCU通過對于數據的計算分析，然后產出控制信號給到執行機構。在這其中，復雜的數據運算可能需要上傳到云端進行處理和記錄。

而ST在2019年推出的MLC（Machine Learning Core），則是在傳感器內增加一個可重新配置的單元，被稱為rPU。該rPU可以通過寄存器重新配置，能夠運行一些簡單的AI模型。其中FSM是用于設計邏輯連接的數學抽象。它是由有限數量的狀態和狀態之間的轉換組成的行為模型，類似于流程圖，可以在流程圖中檢查滿足某些條件時邏輯的運行方式。FSM允許可以將一些算法從應用處理器轉移到傳感器中運行，從而持續降低功耗。

而在傳感器峰會上，我們聽到了一個更新的產品類型叫做——ISPU，即Intelligent Sensor Processing Unit。據了解，ISPU其實是早在2022年初就已經發布，這是一款內置了DSP的IMU產品，ISPU是集成在傳感器的ASIC中的一個專門用于機器學習和處理器的DSP，可采用專用指令集進行編程，能夠運行1位NN精度的AI算法。Davide表示，ISPU能夠在邊緣自動分析處理數據，并根據特定應用的需求，采取干預行為，并確保所需的jingque度，從而讓終端應用變得更為豐富。而這一理念可以從IMU延伸到ST所有類型的MEMS和imaging傳感器當中。

意法半導體MEMS傳感器產品市場 BIANCHI表示，ISPU是意法半導體跨向人工智能領域的大一步。目前，可以通過ISPU來幫助客戶實現在他們自己的神經網絡端，以及包括在他們自己的人工智能算法上的解決方案的打造。

數據分區處理，帶來系統能效提升

通過在傳感器中集成NN單元，像ISPU這樣的產品，可以讓用戶的數據做到分區處理：在傳感器上運行特定級別的一些數據的處理，比如說一些比較簡單的或者是中等難度的數據處理；并將比較復雜的算法和比較密集強度的一些問題，留給MCU進行處理。

因為傳感器上的AI算力增強而實現的這種數據分區處理，能夠大大提升整個端側系統的能效。

Francesco表示，如果從傳統的系統優化的角度來說，大家都認為傳感器本身就是一個低功耗的產品，是整體技術架構里面低功耗的一個部分。而對于MCU微控制器來說，因為它要進行大量數據的處理，所以它處理數據數量的高低，直接決定了它的功耗的多少。如果我們能夠讓一些原始數據實現本地（傳感器側）的處理，就可以幫助為微控制器留出更多的空間來進行復雜任務的處理。這是可以幫助進一步地優化系統及整體的功耗的。“更多原始數據的處理，都可以在ISPU實現本地完成。這樣就能夠提供更多的信息，提供更多的原數據，幫助我們和客戶通過數據的方式執行更多的任務。通過這樣的方法，可以幫助客戶實現其解決方案極大的系統化的升級和優化。”

此外，數據分區處理還可以提高安全等級。因為通過傳感器所收集到的大部分數據都是原始數據，如果采用傳統意義的傳感器，這些數據可能會放到云端，或者是放到應用端去進行處理。因此，這些數據如果保護不好，就會出現外泄并為第三方所獲取。但如果傳感器本身就能夠實現對數據的一些處理的話，它就幫助降低了數據外泄的可能性。

正如Davide所講到的，智能傳感器的概念并不僅僅局限在MEMS傳感器、IMU類型的傳感器上，而是也貫穿到了Imagining的傳感器產品布局中。意法半導體影像傳感器總監Marc VASSEUR就強調到，ST的Imagine傳感器可以在計算數據之間實現有效的平衡。

影像傳感器的原始數據量非常龐大，要基于其進行算法開發需要花費巨大的時間——很多可供終端用戶使用的算法需要花2年以上的開發時間。“所以，我們提供的算法之所以能夠為客戶所使用，是要確保當我們在數據處理的分區的過程當中，特別是在圖像處理的過程當中，我們非常接近這個層級數據的采集，確保我們的傳感器能實現有效的數據的收集，數據的處理和數據的存儲。”Marc分享到。

超級傳感器的融合之力，賦能未來應用

傳感器除了智能化外，也存在著融合的趨勢，通過多種傳感器融合，一方面可以實現系統中更好的BOM和面積優化，另一方面還可以帶來安全冗余的特性。Francesco將這種融合的傳感器稱為超級傳感器：“對于任何的應用來說，如果想進一步提升它的性能，都可以考慮使用這樣的多傳感器融合之后的超級傳感器。我們之所以稱之為超級傳感器。”

除了ISPU外，ST在此次傳感器峰會上還介紹了一個獨具特色的模塊——vAFE。該類器件是在MEMS傳感器上增加了一個模擬前端，從而實現了機電感知+模擬感知技術的融合。Francesco表示，通過vAFE，客戶就能夠有效地連接到MEMS傳感器，從而能夠更好地使用其內部的處理邏輯，能夠更好地嫁接和外部任何的模擬器件之間的聯系。

據了解，vAFE提供的信號和運動傳感器的信號本質上是同步的，所以可以在傳感器的邊緣完成獨特的上下文感知分析，從而實現低功耗和小可能的延遲。這也同樣契合ST的智能傳感器的概念。集成了vAFE的產品，在體積上更具優勢，非常適用于TWS耳機等可穿戴設備的應用。

傳感器融合的技術和強大的AI算力結合，能夠賦能諸多的新興終端產品形態。例如針對折疊屏手機，ST就將陀螺儀和加速度計的數據相結合，然后在傳感器的算法中進行融合，進而可以持續跟蹤jingque的屏幕開合角度、速度和位移等信息的判斷。這一專利技術基于LID系列的產品，因此被稱為LID角度解決方案。

Francesco表示，ST在三年前就已經開始投入在這一專利技術的研發中，目前已經進一步推出了新的傳感器產品，可以支持多屏和折疊屏上的數據的傳感收集和處理。

同時Francesco也表示，多傳感器融合的超級傳感器可以適用于多種新興的應用，這不僅包括折疊屏手機，也包括新一代筆記本電腦等。而在XR設備上，超級傳感器可以為用戶呈現出一些混合現實的影像和效果；而在汽車應用上，這一技術也早就廣泛使用，通過多個高精度傳感器的數據進行融合，從而形成超級傳感器來進一步賦能ADAS的性能。

結語

此次在北京召開的ST傳感器峰會，是ST在中國召開的、以傳感器為主題的大型峰會活動。而我們透過ST的分享，觀察到了傳感器技術的趨勢變化。傳感器已經不再是單純的一個感知器件，而是在追求感知的基礎上，延展出更多的和AI相關的計算、融合的功能。在端側AI的浪潮中，傳感器在系統優化層面上，可以提供更多的數據處理的價值，助力未來真正的“可持續的、虛實交融的生活”。