雖然人工智能尚處于起步階段，但不可否認的是，在人工智能技術的影響下，很多應用和技術都煥發了新的生機。

其中，作為人工智能及智能制造邁向應用的主要技術，傳感器在近年來也實現了突飛猛進的發展。

不可否認，在過去的幾年當中，人工智能應用存在著很多炒作的成分，尤其在許多細分技術領域當中，雖然市場上出現了很多提及人工智能的應用與技術，但是能夠全面落地、為消費者所接受的卻并不多。

“在過去的5年中，人工智能技術方面真正有突破的還是在深度學習方面。”在9月27日舉行的2018（第十屆）傳感器與MEMS技術產業化國際研討會暨科研成果產品展上，華為戰略發展總監郭棟談到當前人工智能的發展時表示。

而在清華大學教授何虎看來，與傳統行業所使用的傳感器相比，人工智能技術中所使用的傳感器最主要的目的就是用來收集物理數據，而傳統的傳感器很多并不具有這一功能。

以自動駕駛汽車中所使用到的傳感器為例，一般至少需要三套傳感器系統：攝像頭、雷達與激光雷達，只有擁有這些傳感器，才能夠完整的采集到車輛行駛過程中周圍的環境數據，進而通過分析與解讀，實現自動駕駛。

可以說，從另一方面來看，傳統的傳感器在數據的采集量方面并沒有人工智能技術所需要的傳感器采集的數據多。

同樣以汽車電子為例，清華大學教授何虎表示，自動駕駛汽車中的傳感器所需要采集的數據種類包括圖像、聲音、壓力、轉速、溫度、加速度、速度、角速度等。

但是從目前的發展情況來看，雖然傳感器能夠將這些數據匯總到汽車的駕駛系統，但是對于數據的開發與利用并沒有達到期望的程度。這也是目前傳感器的發展瓶頸。

不過在華為戰略發展總監郭棟看來，具體到人工智能領域的深度學習而言，由于深度學習是一個相對直接的過程，在過去的十年中，算法方面也取得了不小的進展，特別是在語音識別領域，因此，深度學習算法和傳感器相結合也成為了目前最為成熟的一種方案。

在過去的幾年中，我們可以看到各大巨頭紛紛“蜂擁式”的殺入智能家居領域。國外有亞馬遜推出智能音箱Echo搶占語音交互入口、蘋果推出HomeKit要跟各家智能設備互聯。國內BAT巨頭也不甘示弱，百度兩次推出智能音箱、阿里巴巴的天貓精靈以超低價吸粉。

不難發現，這些智能音箱當中，采用的最主要技術就是語音識別技術，從錯誤率來看，目前語音識別的智能化程度已經相當之高，甚至可以與人腦相媲美。

清華大學教授何虎解釋道，在深度學習中，傳感器扮演的角色就是收集海量的數據，然后設備將這些數據實時的或者離線傳輸到數據中心進行大數據的處理和數據挖掘。語音識別則主要是進行聲音的采集。

但值得注意的是，由于現在所使用的傳感器種類越來越多，采集到的數據更是五花八門，雖然這些傳感器數據能夠匯總起來做大數據分析，但是如何高效的甄別、利用這些數據并沒有非常有效的方式。

以圖像傳感器為例，雖然對于很多應用而言，傳感器獲取的圖像的分辨率是這一領域發展的瓶頸，但是當我們采用了高像素的圖像傳感器之后，卻發現獲得數據量呈幾何倍數增長，這時候，如何處理高分辨率的圖像，采用何種算法和硬件更是一個大“坑”。

可以說，傳感器在其發展過程中，也在不斷的賦予行業應用各種不同的價值。以智能手機行業為例，隨著更多的傳感器在智能手機當中被應用，如今的智能手機已經能夠采集更多的數據，在此基礎之上，傳感器賦予智能手機的附加價值越來越高。

未來的傳感器在人工智能的影響下會變成什么樣子，或許我們很難得出答案。

但是，至少我們應當意識到當前整個中國傳感器產業的發展現狀。業內人士指出，目前國內的傳感器產業，特別是MEMS傳感器和CMOS圖像傳感器的技術水平與國外還有著不小的差距，尤其是在高端傳感器市場。

值得慶幸的是，中國的中低端傳感器還是可以滿足自身發展需要的。

在人工智能技術的干預下，傳感器技術已經發生了很大變化，其所采集的數據量也大幅度增加。在某種程度上而言，傳感器已經比人感知物理世界的能力強了很多。

但是正如之前所說，傳感器采集數據的大幅度增長，就要求未來的傳感器能夠朝著智能傳感器的方向發展。也就是說，傳感器不僅僅能夠采集和產生數據，也能夠一定程度上在本地對數據進行初步的處理，這也就是所謂的邊緣計算。

另一方面，傳感器種類的增多也是一個發展趨勢。無論是自動駕駛汽車也好，智能音箱也罷，這些新興的應用要么對傳統的傳感器提出了新的要求，要么需要新的傳感器來滿足需求，對于整個傳感器市場而言都是向好發展的苗頭。

雖然說，人工智能等應用給傳感器挖了一個很大的“坑”，但是從另一方面來看，這個“坑”更是一個機遇。

一方面，我們應當大力提高先進傳感器技術，另一方面也應當將傳感器與數據處理相結合，大力發展智能傳感器，畢竟，智能傳感器是未來的趨勢！