作者：电子创新网张国斌
如果你的设备还在把“图像”当作最终输出，那它已经落后于这一代传感器的设计逻辑了。
在意法半导体最新一代影像产品中，像素不再是核心指标——真正被优化的，是“信息密度”：一帧数据里包含多少可用于决策的语义、空间与行为信号。从可同时输出深度与红外的ToF模块，到能在MCU上直接跑30FPS人体识别的轻量化AI，再到融合全局/卷帘快门与RGB+近红外的单芯片方案，ST正在推动一个关键转变：视觉系统的终点，不是更清晰地“看见世界”，而是更高效地“理解世界”。
问题也随之而来——当感知、计算与决策被压缩进一个传感器+MCU的边缘节点，传统“摄像头+ISP+SoC”的架构，还有存在的必要吗？
近日，意法半导体发布了紧凑型 dToF 三维激光雷达模块VL53L9，赋能边缘 AI 系统实现高精度空间感知；VL53L9 可以测量2300 个区位，拥有广视场角并高达100 帧/秒，同时片上集成处理器，测距长度可从5厘米至9米。这些强大的功能，完全可以满足机器人、工业自动化、智能楼宇、增强 /虚拟现实、医疗健康等各行业不断发展变化的需求。
今天，让我们来深度剖析一下ST新一代影像传感器如何重构边缘AI感知范式。
一、引言：影像传感器进入“机器感知”范式转折点
传统图像传感器的核心使命，是服务于“人眼增强”——更高分辨率、更好色彩还原、更强动态范围。但在边缘AI（Edge AI）与物理AI（Physical AI）快速发展的背景下，影像系统的设计目标正在发生根本转变：从“图像获取”转向“语义感知”，从“高像素”转向“高信息密度”。
图：意法半导体影像子事业部，模拟、电源与分立器件、MEMS 与传感器事业部执行副总裁Alexandre Balmefrezol
近期，意法半导体影像子事业部，模拟、电源与分立器件、MEMS 与传感器事业部执行副总裁Alexandre Balmefrezol在全球媒体沟通会上明确提出，其影像产品战略不再围绕消费级RGB竞争，而是聚焦三大技术路径：
FlightSense（3D ToF深度感知）
BrightSense（高性能视觉成像）
SafeSense（安全与隐私导向感知）
其核心逻辑是：“构建“多模态感知 + 边缘计算 + MCU协同”的系统级能力，而非单一传感器性能竞争。”
此外，他还强调ST的垂直整合制造商（IDM）模式使ST拥有非常敏捷的业务模式。“通过利用跨产品部门的协同市场导入策略，我们推出了包括与图像传感器搭配的STM32的微控制器，MEMS传感器和功率器件系统级解决方案等，可以为客户带来极高的价值。” Alexandre指出，“更重要的一点是通过IDM模式，我们可以为客户带来稳健并且高度具有弹性和韧性的供应链支持。”
意法半导体影像子事业部个人电子、工业及大众市场业务线总监David Maucotel
在媒体会上，意法半导体影像子事业部个人电子、工业及大众市场业务线总监David Maucotel介绍了ST影像部门的发展历史。他透露道，ST影像研发始于25年前，当时影像部门的第一项业务是在诺基亚的黄金时期为其提供影像服务。后续，ST出货了超过10亿颗的图像传感器和图像信号处理器并且在2012年率先实现了客户应用的多元化。三年后，FlightSense产品家族问世。经过数年的研发，ST开发了全局快门图像传感器并在2017年首获商业成功，用于智能手机的面部认证和识别。之后ST继续在大众市场深耕，部署解决方案，同时实现了PC生态系统的打造。
David还指出，ST希望能够通过突破性技术带来更多创新。“首先不管是在FlightSense还是在BrightSense两款产品上，我们都意识到产品最终的目的是服务于3D传感技术。因此我们有了3D的一个堆叠异构集成工艺，能够兼顾集成度、尺寸成本和性能。我们还有上层的CMOS芯片，以及包括底层的CMOS芯片，能够实现顶部的像素阵列和底部的数字计算，以及包括图像计算，人工智能都可以实现片上完成。” 他总结说。
二、FlightSense：从测距器到“边缘3D感知引擎”
意法半导体影像子事业部飞行时间（Time-of-Flight）与环境光感应产品线经理Laurent PLAZA
此外，意法半导体影像子事业部飞行时间（Time-of-Flight）与环境光感应产品线经理Laurent PLAZA也在会上详细介绍了最新发布的VL53L9一体化激光雷达模组。
他强调，意法半导体作为ToF技术创新的翘楚已有数十载。由于ST引入了垂直整合制造模式（IDM），从SPAD 到超表面光学透镜，到后工序的封装侧，所有的生产活动都是在公司内部完成的。
“我们也掌握了许多专利，深度影响了ToF技术的行业发展。在测试性能方面，我们也拥有非常强大的优势，推出了高分辨率以及包括高低功耗兼备的产品系列等。” 他强调，“我们提供的是从传感器到交钥匙的一个整机服务，可以实现一站式的解决方案的供应。我们不仅关注于传感器，也关注于交钥匙方案。我们的传感器非常适合AI系统使用。因为一般情况下来说，它的传输数据量会较小，所以能够和小型的MCU进行兼容。”
他详细介绍了获得了CS创新奖的VL53L9一体化激光雷达模组的几个技术创新点。
1. 架构突破：一体化ToF激光雷达模块
ST推出的VL53L9代表了ToF（Time-of-Flight）技术的重要演进：
完全集成模块（Emitter + Receiver + Optics + Processing）
2.3K级分辨率
双数据流输出：深度 + 红外灰度
高帧率 + 小型化封装
相比传统方案：
| ST L9CX |
核心创新在于：将复杂光学、信号处理与算法“封装进模块”，直接输出可用于AI的结构化数据。
2. 感知能力：从 “距离” 到 “场景理解”
该产品的关键性能指标体现出明显的“AI导向设计”：
测距范围：5 cm – 5 m（室内可达9 m）
多目标检测（多人 + 物体）
无盲区暗照明（点云连续性）
940nm双激光发射（双光源）
可同时输出：
o深度图（Depth Map）
o红外灰度图（IR Image）
o参考RGB对齐
这意味着其输出已经不再是“像素”，而是可直接用于AI推理的结构化空间信息。
3. 低算力AI适配：MCU级视觉处理成为现实
一个关键突破在于：复杂视觉AI算法可以直接运行在STM32 MCU上，具体表现：
人体检测算法：RAM占用仅 13%；Flash占用仅 6%
高级AI（跌倒检测 / 姿态识别 / 人数统计）：
o运行于 无AI加速器的STM32H5
o帧率：30 FPS
o内存占用：34% RAM / 18% Flash
这直接指向一个关键趋势：“视觉AI不再依赖SoC或GPU，而是下沉至MCU级边缘节点”
4. 隐私与AI的平衡：低分辨率的战略价值
一个非常“反直觉”的设计是：分辨率仅 2.3K（低分辨率）以及无法识别人脸身份，但这带来两个关键优势：天然隐私保护（Privacy by Design）和降低计算复杂度，在智能楼宇、医疗、家庭场景中，这一特性将成为合规与商业落地的关键。
三、BrightSense：高性能视觉与AI融合的“第二支点”
意法半导体影像子事业部个人电子、工业及大众市场相机传感器产品线经理Nicolas ROUX
在会上，意法半导体影像子事业部个人电子、工业及大众市场相机传感器产品线经理Nicolas ROUX还指出传统意义上图像传感器的应用主要是为了增强人类的感知，帮助人类去了解到周围的色彩，以及包括图像处理能力和分辨率的提升。但现在，在图像传感领域也有一些新应用如机器感知，这种应用能够帮助为机器赋予眼睛，能够通过摄像头来接收信息。
“视觉对于机器理解上下文和环境来说是一个非常重要的数据的输入，也是用户视觉模式的一个关键的情境信息源。这里从这个角度来说，图像传感器或者摄像头就为人工智能提供了关键的一个数据录入。” 他强调，“ST的图像传感器，第一优势是在于高画质和精准的检测，可以实现可见光和近红外两种成像。我们的产品还具有超低的功效功耗检测模式，支持持久续航。它还有很多内置的模块和功能，能够帮助实现事件和以及场景的捕捉等。”
如果说FlightSense产品系列提供“空间理解”，那么BrightSense产品则提供“语义细节”。
基于介绍，可以发现，ST最大的差异不在单一器件，而在系统：
1. STM32生态绑定
传感器直接通过SPI/I3C接入MCU
无需外部DDR/ISP
算法在MCU本地执行
结果：极低功耗 + 极低延迟 + 极低系统复杂度
2. 数据流设计的本质变化
传统视觉链路：Sensor → ISP → DRAM → SoC → AI
ST新架构：Sensor → MCU → AI（本地推理）
关键变化：数据不出端（Edge-native）、带宽需求极低、安全性提升。
3. 多模态融合：FlightSense + BrightSense
ST明确提出两者的协同：FlightSense：3D深度，BrightSense：RGB/IR语义，融合后：机器获得 “空间 + 纹理 + 运动”的完整感知能力
四、应用重构：从“看见物体”到“理解行为”
基于上述技术，ST重点落地场景包括：
1. 人体行为理解：跌倒检测、姿态识别（走/坐）、人数统计、在MCU端实现，功耗极低。
2. 智能空间感知：智能门禁（非接触识别）、人流分析、危险区域预警。
3. 机器人与无人系统：环境建模、障碍检测、人机交互。
4. 工业与农业：料仓体积检测（已落地案例）、自动化监控、精准农业。
五、趋势判断：影像传感器的三大演进方向
基于此次发布，可以明确三个趋势：
1. 从 “高分辨率” 到 “高信息密度”
不再追求8K/亿像素，转向：深度、运动、事件。
2. 从 “中心计算” 到 “边缘推理”
MCU运行AI成为常态
SoC依赖下降
3. 从 “图像设备” 到“感知系统”
传感器 + 算法 + MCU一体化
提供“可决策数据”，而非原始数据
ST的真正目标——重写 “视觉输入”的定义--ST此次新品的核心，不是推出更强的摄像头，而是：重新定义“视觉数据”的形态与流动方式。其最终目标可以概括为一句话：让机器“低成本、低功耗、实时地理解世界”。
在边缘AI爆发的十年周期中，这种“感知前移 + 计算下沉”的架构，将成为下一代智能系统的基础设施。
对此，大家怎么看？欢迎在评论区留言！
注：本文为原创文章，未经作者授权严禁转载或部分摘录切割使用，否则我们将保留侵权追诉的权利