传感器全面拥抱AI，让推理部署到更边缘侧

随着最近LLM的流行，带火了AI的概念。而一个“大”的AI背后，需要更多“小”的AI触角的支撑。从之前在MCU端的AI推理部署，到现在，传感器上也可以运行一些简单的AI运算。这样将整个推理的链条的部分重心前置，提高了整体的系统效能和反应，同时也减少了无效数据的产生。

作为传感器巨头，Bosch已经在传感器中开始集成AI运算的功能，并且实现了诸多终端应用赋能。近日，第11届EEVIA年度中国硬科技媒体论坛暨产业链研创趋势展望研讨会在深圳召开，Bosch Sensortec GmbH 高级现场应用工程师皇甫杰在会上发布了主题为“嵌入式AI与MEMS传感器塑造未来， 开启全新视野”的演讲。

传感器的演进：从基础感知到AI集成

传感器的演进，可以大致分为三个阶段。从早期2000年初，传感器的作用就是一个物理信号的检测，检测物理信号然后提供给上层使用，所以它是单一的MEMS和模拟前端，直接把物理信号转成一个电信号提供出来，相对功能比较单一。后来在持续发展的过程中，传感器中又集成更多的算法和软件的功能，可以去做一些定制化的配置，集成一些更丰富的功能，甚至可以往里面放一颗可编程的处理器，做算法的集成，让它实现更多的功能。

而到了今天，边缘AI算法也可以集成到小小的传感器产品里面去。这是因为现在的处理器已经可以做到非常低的功耗，处理能力也可以实现AI算法的运行。所以在整个过程中，传感器这个单一的硬件慢慢承载了更多的任务，去做更智能的应用场景。

传统的AI方案整个架构中，成千上万的硬件传感器，承载的就是一个信号的传递的功能，它通过通过无线的方式把采集的物理信号传递到网络端，网络端收到成百上千甚至上万个传感器的信号之后，可以对大数据做建模，在云端提供一些智能的响应、智能的策略。

而现在更多的边缘AI算法可以集成到传感器本体里面，因为传感器只要集成一个超低功耗的处理器，就可以完成这种AI推理的工作。这也是Bosch Sensortec现在正在做的事情。

据皇甫杰介绍，将AI算法集成到传感器中来运算，有诸多好处。一是可以在器件端做定制化或者个性化，对每个用户做一个适配，让传感器识别精度适应到每一个独立的用户，而不是说一个算法应用到所有用户，因为用户是有差异的。所以这是第一个优势。第二，传感器的数据不需要上传到云端，数据只是存在设备本身，甚至传感器内部。这样的话可以保证传感器数据的安全性，或者用户数据的安全性。第三，实时响应。无需将数据上传云端，再反馈到设备端，中间的过程直接忽略掉，直接在器件里面做响应，所以整个响应速度会更快。第四，进一步地减少设备的功耗，来延长电池的使用寿命或者电池的日常使用时间。

BHI380：ACC+陀螺仪二合一

BHI380是博世最新推出的一款IMU传感器，是ACC和陀螺仪二合一的传感器。该器件有三大优势：第一，紧凑的尺寸可以方便集成到各种各样的消费类电子产品里面；第二就是功耗非常低，因为其内部集成的是超低功耗的处理器，可以跟数据做融合的时候，保证功耗大概几百个微安的级别。第三，该处理器在出厂的时候已经集成一些基本的AI算法。用户也可以做自己的二次开发，博世会提供一些资源出来，让用户集成自己的算法，这样提供了更高的扩展性。

据悉，BHI380的应用场景包括TWS耳机、手势识别、人机交互、步行导航和AI健身记录等等。

皇甫杰表示，现在的AI传感器BHI380，已经集成了一些AI相关的运动监测相关算法在里面，用户可以在日常使用过程中，做一些健身的动作，支持用户自定义，或者用内部自带的动作。该器件可以帮助用户实现不同健身项目的无缝切换，不需要用户去干预手表，或者需要做不同的健身动作的时候，在手表上做特定的设置。设备可以自动检测用户当前在做什么动作，然后用户做了多少次，这样的话用户可以在做动作的时候不参与任何干预，让整个健身过程变得更加智能。

此外，该器件的功耗显著降低，比上一代降低了54%，而且集成了用户头部追踪的功能，可在TWS耳机应用中支持立体声效果。

BME688：四合一环境传感器

BME 688是博世最新推出的环境传感器，它集成了温度、气压、湿度、气体四类检测功能，也是目前世界上最小的四合一环境传感器。

该传感器的工作原理是通过内部加热金属氧化物，来跟目标气体发生还原反应。在不同的温度点的时候，还原反应的特征不一样。所以通过采集多个温度点，对应的还原反应的电阻值，对特征做捕捉，捕捉到之后就可以做区分。“比如有三个挥发气体，它捕捉到的特征不一样，所以我可以快速通过不同温度点，它的传感器报出来的电阻值做特征的模型建立。”皇甫杰解释到。

对于该产品的定位，由于体积和功耗要求更为苛刻，因此并没有集成处理器在里面，但博世提供了PC端的AI想学习开发工具，用户可以基于这个工具去做应用场景的定制。

举例而言，BME688可以检测不同的气体，主要是VOC类的气体。第一步，用户定义好自己的气体种类，比如想要检测某一种咖啡的气味，就可以基于咖啡的目标气体，让传感器去采集目标气体的信号。数据收集到了之后，在PC端有一个对应的简化工具，可以让用户基于采集到的目标气体的传感器信号，去做一个数据特征的捕捉。在捕捉到数据特征之后，结合工具生成一个数据模型，去对这种目标气体做识别。最后就是推过生成的模型，集成到客户算法里面，就可以结合传感器的物理信号，在真实应用场景的时候可以做功能的检测。

而譬如森林野火、有害气体检测、婴儿尿片检测、冰箱里食品新鲜程度检测、室外空气指数检测等场景，BME688都可以发挥其价值。

BMP581：感知每一级台阶的气压变化

BMP581是博世最新推出的气压传感器，可以进行坐标、海拔、运动等多种场景的检测应用。

皇甫杰表示，BMP581有一个实际的数据采集的demo，是走楼梯的时候采集到的气压计的变化。蓝色的是最新的BMP 581的数据，走到每一个台阶，气压计的数据变化跟台阶是一对一的。可以表明它的传感器噪声和数据是精度非常高的。

其实气压计涉及到的应用案例非常多，最为常见的有三类：一是配合GPS做高度的识别，因为GPS可能只是XY两个方向的识别，加上气压计还有高度的识别。二是卡路里计算和跌倒检测，因为在手表手机里面，一个人跌倒时的高度变化可以通过气压计完全识别出来。三是扫地机或者扫地机器人里面的堵塞检测，也可以通过气压计来识别，因为一旦堵塞，气压会跟外界大气压有明显变化，也可以通过气压计来识别。

据皇甫杰分享，气压计在耳戴产品或者穿戴产品里面也有一些典型的场景，比如说用户在佩戴智能耳机，气压计在做俯卧撑的时候，可以检测用户贴到地面或者撑起来的时候高度的变化，来识别用户做了多少次俯卧撑。

结语

从1996年开始，Bosch推出了它第一颗MEMS传感器到今天为止，传感器产品出货量已经突破180亿颗。Bosch的MEMS传感器发展是从汽车开始，慢慢拓展到消费领域，包括手机、穿戴产品，再到现在的IoT设备等。而据Yole的报告，全球MEMS收入将从2019年的11.5亿美元增长到2025年的17.7亿美元，在此期间复合年增长率为7.4%。而随着AI在边缘侧落地的需求增加，智能传感器的增长需求将会推动博世的传感器业务进一步加速发展。