数据显示，2019年中国制造业年平均工资近8万元，信息传输业达到16万元，增速在10%左右。一般工业企业每条流水线需要2-4个品检员，而一套机器视觉系统价格大约在几十万左右。在劳动力成本上升、人口红利逐步消失的大趋势下，制造业企业面临成本压力，实现机器视觉普及是大势所趋。

2020年下半年开始，工业企业月利润同比增速由负转正，四季度回暖态势明显，10月、11月同比增速逐渐增加到20%以上，工业回暖趋势明显。制造业顺周期发展，企业盈利回暖有助于提升智能化需求，机器视觉需求有望释放。

据数据预测，预计到2025年全球机器视觉市场规模将突破130亿美元，国内市场机器视觉的发展也极为活跃。另据预测，到2026年我国机器视觉市场规模将突破300亿元。

目前，机器视觉主要用于制造业的前端环节，是智能制造的先锋力量，在人工成本压力、精密制造发展、工业生产效率等大趋势下，机器视觉长期发展前景广阔。对于机器视觉需求较旺盛的电子、汽车等行业，行业整体利润增速也均呈现回暖态势，主要应用行业景气度回升有望直接带动机器视觉需求释放。

那么对全球领先的图像传感器厂商安森美半导体而言，在工业应用市场，哪些是快速增长的市场，且其增长背后的驱动力又是什么？

对此安森美半导体智能感知部市场总监郗蕴侠博士指出：平板检测、新能源检测等是安森美半导体当前主要关注的市场，其中平板检测是整个工业机器视觉行业中对图像传感器最具挑战性的应用。从1K、2K、4K到8K，像素在逐渐扩大，人们对平板的需求越来越多。我们周边的电子设备几乎都会带一个可视化的屏，例如车载的屏幕也越来越大；新能源检测领域，随着中国新能源、半导体的发展，光伏检测、锂电池、晶圆检测、3C检测这些需求都比以往有成倍的增长。

此外，郗蕴侠博士进一步指出，3D市场的检测需求增长，越来越多的检测只用2D信息远远不够，需要深度或者厚度、高度的信息，比如模具加工、手机装配等。人工智能(AI)已用于60％以上的计算机视觉应用程序中，而AI在制造应用程序中的增长已超过50％年复合增长率。人工智能是我们需要的新工具，用于管理来自工业成像的不断增长的数据集，以实现工业4.0。还有就是边缘人工智能，如新零售、智慧农业、畜牧业和农业，用到人脸支付、人脸门禁，新冠后疫情时期出现了一些趋势：

一是远程化，远程教学、远程医疗越来越普遍；

二是无人化，包括无人送货车、无人商店等。

与此同时，中国制造业正处于高端转型阶段，在此背景之下，在工业机器视觉应用方面，相机系统做出快速精准决策的关键就是图像能够清晰准确的提供这些信息。

不同的检测应用对图像的分辨率、清晰度、噪声以及相机的帧率、系统成本等都有不同的要求。

比如屏检、光伏、半导体检测，需要满足超大分辨率以及高速的图像传感器；

各种工业扫码、物流等领域需要经济型全局快门的图像传感器；

在3D应用方面，除了所需的图像传感器，还有需要测量精确的直接飞行时间(dToF)解决方案。

郗蕴侠博士认为：未来的图像传感器依然会追求高分辨率、高画质、低成本。

作为技术领先的图像传感器供应商，安森美半导体致力于为客户提供更好的方案，其也会对不同的领域有自己的规划。CMOS图像传感器分为全局曝光和卷帘曝光两大类。两类产品各有优势，安森美半导体会持续在这两类产品上的研发。（为了提升感光度，区别于FSI（前照式），BSI（背照式）技术也被引进到图像传感器中。）

据郗蕴侠进一步介绍：安森美半导体完全掌握了上述两种技术并且有产品在售。公司会继续推出满足超大分辨率以及高速的图像传感器，经济型全局快门的图像传感器，以及基于硅光电倍增器（SiPM），单光子雪崩二极管（SPAD）阵列单点，线阵及面阵的dToF解决方案。高分辨率、高画质、低成本是安森美半导体图像传感器不断推陈出新的目标。

以RSL10智能拍摄相机平台为例，该平台汇集了安森美半导体的多项创新，包括提供超低功耗蓝牙低功耗技术的RSL10 SIP，以及ARX3A0 Mono 65°DFOV IAS模块。该模块是紧凑的原型，用于开发基于ARX3A0 CMOS图像传感器的360帧/秒(fps)黑白成像的紧凑型摄像机。这些技术辅以先进的运动和环境传感器以及电源和电池管理，提供了完整的方案，可用于自动捕获图像并识别其中的物体。

毫无疑问，这对于开发者而言是非常便利的，是否对用户来说意味着增加成本？

对此安森美半导体亚太方案中心市场营销工程师贾鹏回复道：

RSL10智能相机平台可以说是‘免费’的。RSL10智能相机平台是安森美半导体提供给大家的参考设计方案，无论是供生产使用的布板(Layout)图纸和物料单(BoM)，还是RSL10的开发环境和工具、相机平台的CMSIS Pack都是免费公开给大家的，除此之外，我们还能够提供工程师支持服务。

据悉，安森美半导体最新推出的RSL10智能拍摄相机平台将云端AI与超低功耗图像捕捉和识别相结合，实现新一代IoT端点，如监控摄像机、受限区域、工厂自动化、智能农业和智能家居。配套的智能手机应用程序为该平台提供用户接口，并作为基于云的、AI赋能的物体识别服务的网关。

跨界合作与技术融合是当前整个机器视觉行业发展的趋势与机遇所在。

郗蕴侠博士表示：因为边缘计算、人工智能(AI)、深度学习、嵌入式视觉、5G+都是未来发展的行业趋势，因此安森美半导体都会关注。

郗蕴侠博士指出：如今，AI已用于60％以上的计算机视觉应用程序中，而AI在制造应用程序中的增长已超过50％年复合增长率。人工智能是我们需要的新工具，用于管理来自工业成像的不断增长的数据集，以实现工业4.0。

据悉，用于成像的AI决策已从云过渡到边缘-迁移到与成像系统本身相邻或并入其中的计算机系统。例如把人工智能的训练环节保留在GPU或云端，利用堆栈工艺可以将决策或甚至与之相关的一些预处理集成到图像传感器本身上。在传感器上集成用于图像识别的低层或者小算力的卷积神经网络层。这些AI功能集成在图像传感器中都将会实现。

5G网络提供了便捷、高速、高带宽、低延迟、高可靠性的数据传输通道，这点对于机器视觉来说很有意义。通常，图像传感器的数据量都比较大，例如，安森美半导体一颗1200万像素的图像传感器，一帧画面的数据量就有144Mb（12bit/pixel）。如果没有高速，高可靠性的网络，这样的数据量就只能在终端直接处理，限制了信息的处理和交互能力。在5G网络的支持下，可以把数据发送到云端，能够实现更加复杂的运算并且实时返回结果，比如在抗疫情期间，5G和视觉的结合让我们都当了一次“云监工”。

郗蕴侠博士进一步补充道：我们在感知产品中就会考虑到这些新技术的需求，在接口、计算、尺寸、功耗、工艺等做更好的改进。