lol压注软件哪个好

  近两年，由于智能手机用的摄像头数量成倍增加，使得CIS（CMOS图像传感器）的市场需求量大涨，索尼、三星、豪威科技等几大CIS厂商已经加足研发和生产马力，但依然是供不应求。在这样的形势下，擅长CIS的晶圆代工和封测厂也大为受益，产能都非常吃紧。甚至有些中国本土的功率器件、LED驱动等IC设计厂商在2019下半年一度找不到足够的晶圆代工产能，调查后发现，有些晶圆代工厂原本用于功率器件、LED驱动IC等的产能，转向了CIS。同时，这种形势也在“逼迫”一些专注于CIS的IC设计厂商开始布局自有的封测厂，甚至是晶圆厂。

  以上是CIS在手机应用领域的玩儿法，除此之外，CIS还在另外两大领域有着慢慢的变大规模的应用：汽车和安防，它们的市场规模在当下也是仅次于手机的，发展前途非常广阔，汽车自不必说，随着电动车，以及ADAS功能的普及，汽车用的各种芯片元器件都是潜力股，芯片厂商们都在跃跃欲试。而安防、道路交互与通行和工厂应用的终端数量更是海量，每一个都需要CIS。更重要的是，与手机有所区别，这些应用大都是To B（商用）的，其对CIS的像素分辨率要求不像智能手机用那么高的“噱头”，但是其对低延时，以及图像信息处理的准确性和精度的要求比较高。而在安防、道路交互与通行和工业应用领域，特别是安防，是人工智能（AI）的主要落地点。

  还有一点很重要，那就是应用生态不同于手机，手机是To C（消费者）的，多是以独立的存在形式，而安防等则不同，多数终端（主要是摄像头）都要与数据中心或云联网。而这些就催生出了CIS的新玩儿法。

  新玩儿法就是将CIS与AI更紧密地结合在一起，而引领者就是CIS行业老大索尼。

  AI在手机中的应用也慢慢变得多，大都是与AP（应用处理器）整合在一起的协处理器。而面对安防和工业应用，索尼将CIS和AI处理单元整合在了一起，令人耳目一新。

  IMX500（未封装版本）和IMX501（采用LGA封装的），它们不仅包括支持4K分辨率视频的1230万像素CMOS，还包括能够直接进行机器学习工作的专用AI处理器。

  从芯片结构上来看，IMX500的像素芯片堆叠在逻辑芯片的顶部，而逻辑芯片不仅执行常规的图像传感器操作，还具有用于图像信号处理的ISP和专用于AI信号处理的DSP，并且还有专门供AI模型使用的内存。这种配置消除了对高性能处理器和外部存储器的需求。

  如前文所说，To B应用的CIS设备多数都要与数据中心或云联网，而终端的数据量与日俱增，这就带来了一个问题，即数据和指令在终端和云之间的频繁传输，会带来延迟和信息的安全性问题，而且随着应用的逐步落地和数据量的暴增，这种问题愈加突出。而为了应对这一挑战，一些传统网络处理器、网络存储和通信芯片提供商，会提供用于边缘侧计算的协处理器，这样就可以缩短数据通信距离和延时，不过，由于是分立的，这样一些问题并没有完全解决。而索尼的方案在摄像头内集成了AI协处理功能，意图完全解决与云的通信和延时问题。

  该方案处理信息的过程是：像素芯片获取的信号通过传感器上的AI处理，传感器输出元数据（属于图像数据的语义信息）而不是图像信息，由此减少了数据量并解决了隐私问题。

  使用传统的图像传感器记录视频时，必须为每个单独的输出图像帧发送数据以进行AI处理，因此导致数据传输增加，并且难以提供实时性能。索尼的这款新传感器在逻辑芯片上执行ISP处理和高速AI处理（MobileNet V1的处理时间为3.1毫秒），从而在单个视频帧中完成了整一个完整的过程。这种设计可以在录制视频的同时提供对对象的高精度实时跟踪。

  此外，用户都能够将个人选择的AI模型写入嵌入式存储器，并能够准确的通过其要求或使用系统的位置条件对其进行重写和更新。

  了解这款芯片的功能和性能之后，再回过头来看一下它的构造和工艺。但是，从公开的信息来看，索尼并未在这方面给出过多细节，只说是传感器芯片在逻辑芯片的上边，采用堆叠结构。

  不过，在今年2月，索尼曾经宣布过一项合作，即和一家法国科技公司Prophesee（前身为Chroncam）共同开发了一种“基于事件的堆叠式视觉传感器”，具有124dB以上的HDR性能。该传感器适用于各种机器视觉应用，例如在各种各样的环境和条件下检测快速移动的物体。

  据悉，该合作产品是通过结合索尼堆叠式CMOS图像传感器技术，并使用Cu-Cu连接和Prophesee的Metavision Event技术来实现小像素尺寸和出色的低光性能。

  当堆叠背照式CMOS图像传感器（上部芯片）和逻辑电路（下部芯片）时，Cu-Cu连接技术通过连接的Cu（铜）焊盘提供电连续性。与硅通孔（TSV）布线相比，该方法通过在像素区域周围穿透电极来实现连接，与TSV相比，该方法在设计上具有更大的自由度，提高了生产率，允许更紧凑的尺寸并提高了性能。

  在这种堆叠配置下，上下两个单独芯片的每个像素都通过Cu-Cu进行电连接；另外，该传感器采用了40nm逻辑工艺。

  那么，这个合作项目，以及IMX500，是传统SoC，还是类似于新兴的、以英特尔和AMD为代表的、使用先进封装和内部互联技术的Chiplets呢？索尼似乎并没明确说明。

  显然，IMX500并不是针对智能手机应用的，从售价也能看出这一点，IMX500的价格约为93美元，IMX501约为187美元。

  这款芯片的目标应用场景是工业相机和特定任务的相机，例如在零售场所或工厂。当摄像机装有人员追踪AI时，不难发现有多少人通过商店，并分析哪些区域最受欢迎。在工厂中，它可以跟踪产品并突出生产或人员配备方面的问题。

  另外就是汽车，例如，传感器能够检测到驾驶员分心或睡着了，它可以向汽车发送警告。与使用外部处理器的CIS方案相比，集成AI的方案更简单，也更可靠，且系统成本较低。

  将AI融入CIS的想法不止索尼一家有，市场上主要的几家CIS厂商，如三星、豪威、安森美、SK海力士和意法半导体等，也有正在这方面做研发的。

  以安森美为例，该公司在全球CIS市场排在前五，但就汽车应用来说，安森美处于领头羊位置。

  下图所示为安森美开发的一个和AI有关的深度感知应用，具体来说就是门禁闸口的人脸识别与防伪。该用例中，用相机同时提供彩色图像和深度图像，2D相片识别后出来效果没有深度数据，是平面的。所以，该方案通过CNN（卷积神经网络）深度学习提高了感知的可靠性。

  不过，整体看来，安森美的图像感知+AI方案还处于开发和尝试阶段，应用普及还需要一段时间。

  AI确实是个好东西，但其应用场景落地一直是一大难题，尤其是在边缘侧。目前，AI其实是应用在数据中心和云端，采用的大多是传统的GPU和CPU，另外就是专用的高性能AI处理器，不过这种案例不多，典型代表就是谷歌自研的TPU系列AI处理器。

  而在边缘侧和终端，由于实际应用有限，再加上现阶段研发出来的多为专用AI芯片，其成本比较高，通用性也不强，使得虽然市场上AI概念很火，但很多新创的AI公司日子不太好过，特别是研发用于边缘侧专用AI芯片的公司，在过去一年多的时间里，有不少倒掉的。

  而像索尼和安森美等传统CIS厂商在其芯片内融入AI功能，并用于边缘侧，是有应用场景支持的。首先，AI在视觉和图像领域应用最广，而CIS正是用于这类领域的，另外，在物联网终端，对功耗要求极高，这是MCU+传感器的优势，而在边缘侧，既需要具备一定的计算能力，又要控制成本（成本介于云和终端之间），将数据采集和AI处理合二为一的方案，与传统方式的外挂处理器和存储器相比，集成度和系统成本是有优势的，而CIS+AI就属于这一种。

  不过，类似于集成AI的CIS这种边缘侧应用方案，初创公司恐怕很难实现，其实是要靠传统的IDM厂商才能玩儿好。

  *免责声明：本文由作者原创。文章的主要内容系作者本人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

  特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

  90后男子“三阳”抗原呈深紫色，距上次才28天…“三阳”来了？症状如何？又一新冠变异株出现，最新研判

  iPhone 15/15 Plus首发体验：Pro级实力认证，加量不加价

  iPhone 15 Pro系列体验：升级不止「Pro」 综合表现「Max」

  尤文vs萨索洛赛后评分：贝拉尔迪8.3最高 3C仅5.3加蒂5.2最低

  生产一架歼20只需8天？央视高调曝光生产线岁时感觉自己一事无成，决定创办小米