螞蟻分泌信息素，蛤蚌吐出肉舌，蹬羚從震動中預知危險……從低等生物到高等生物，“傳感”無處不在。

“進化了千年的人眼，只需要幾個點的信息，就能判斷出這是不是個熟人。”德國人工智能研究中心科學總監菲利普·斯魯薩力克提到人類的這個普通能力時，覺得它很神秘。作為人工智能科學家，他到現在還沒能為古老的生物本能找到一個恰切的模型。

人工智能的“傳感”要從哪里更靠近“靈性”這種微妙的感覺？近日，蘋果公司發表了一篇新的人工智能論文，將光學雷達傳感器收集的原始數據轉化成 3D 測繪圖，引得傳感獲得的信息從純數據向三維立體邁進了一步。盡管距離“靈性”還有相當的距離，但這項研究仍能啟發人們將注意力聚焦于人機交互中信息獲取和處理的一端。

配備“初腦” 傳感器可以更智能

“阿爾法狗”的兩個遠親也火了：一個是互聯網大會上展示“唇語識別”的搜狗中文“汪仔”；另一個是在深圳實現了無人駕駛公交的“阿爾法巴”。

前者打破定式思維，將語義識別的傳感器破天荒地改成了光學傳感，用圖像捕捉的信息判斷語言的溝通。后者車身上扁圓形的傳感器很是搶眼，“阿爾法巴”靠它感知道路、躲避障礙。

人類獲取信息，80%是通過眼睛；在人工智能捕獲信息的過程中，視覺傳感器也占據著相當重要的地位——目前主要有雷達、視頻兩種方式。視頻相較于雷達來說，是整體展現，呈現情況不易受干擾，而雷達對周圍環境進行 3D 建模，會比一般的照相攝像頭能包含更多深度信息。

“目前應用的障礙傳感設備有微波雷達、超聲波雷達等，也有通過捕捉視頻圖像的方法，”北京智能車聯產業創新中心技術人員畢超介紹，傳感設備會安裝在車輛側，也會安裝在道路側，要求無縫覆蓋，“就像手機和基站的關系，確保信號通暢。”

通暢是基礎，判斷是關鍵。“汽車的速度要求無人判斷和操作在毫秒之間，因此計算兩車之間、車路之間、車人之間的碰撞可能性必須要快。”畢超說，信息的獲取、傳遞、計算、反饋等過程，需要一氣呵成。

具體地說，剎車或報警前，有許多計算——雷達獲取到三維點數據、識別障礙物、進行障礙物前后兩頻對比，識別靜態還是動態。動態障礙物計算出運動速度、結合無人駕駛汽車自身位置信息，計算出避障所需的小安全距離，決定對策。

怎么才能更快一點？業內嘗試著將數據中心“預處理”的部分前移到傳感器端。“我們進行了智能傳感器的嘗試，”升哲科技工程師劉正中說，“原來傳感器具備收集信號的單一功能，但是信號需要在傳感器端和處理終端來回傳遞，這些需要時間也需要能源，如果傳感器能提前過濾掉一些不必要的信息，過程會精簡不少。”

也就是說，之前的傳感器是嚴格的手、眼、耳、鼻等感覺器官，現在的它們配備了小小的“初腦”。“這對于視頻類的傳感器非常有效，因為視頻的數據量太大了。”劉正中說。

“照相機我們已經研究得很透了，雷達還需要繼續研究。我們也需要進一步探索，什么樣的傳感器才能感知到，人類感到的這些微妙變化。”菲利普說。AI 市場對于傳感器的需求在快速變化，亟待新型傳感器的更新換代。

新材料和量子技術 讓傳感器突破極限

同樣心懷期待的，還有美國國家工程學院院士、斯坦福大學教授鮑哲南，她曾表示，“我們期待有新材料帶來顛覆性的技術。目前把外界的信號轉變成電信號的載體是脆性的，希望找到容易被壓縮、可以拉伸的新材料。我們還希望它有自愈性、可降解。”

有了新材料做基質，將電子器件集成起來將成為柔性電子和人工皮膚。傳感器“硬朗”的形象將發生*改變，不僅可以隨意拉伸、彎曲和旋轉，在獲取觸感的同時，甚至可以出汗。

資料顯示，*半導體研究所日前就開發出一種超薄高像素柔性電子皮膚陣列。通過引入聚合物中空球納米結構，傳感器對環境壓力展現出了超高的靈敏度，能探測到 0.6Pa 的低壓。“在不同環境下拉扯揉折之后，仍能感受到外部壓力與溫度的變化，為了避免人體生理信號監測中，體表溫度變化對器件的影響，科研人員還對傳感器進行了溫度補償，進而提高器件在實際應用中的檢測精度。”這項研究成果近期發表在《納米能源》上。

鮑哲南期待的變革與突破，也從另一個維度到來——量子科技引入光學傳感器的研究已經可以達到應用級別。

“可以突破現有傳感的速度與距離極限，”麻省理工學院進行過關于單光子成像的研究，曾發表在《科學》雜志上，相關研究人員介紹，傳統的光學三維成像需要高強度光，而量子科技和三維成像的結合，能夠實現平均每個像素只需要 1 個光子，比傳統的主動光成像方法的效率提高幾個數量級。

量子技術對光學成像的度、速度以及距離的提高是顛覆性的。從理論上說，無人駕駛汽車、甚至無人駕駛飛機可以實現了。由于它探測靈敏，甚至可以給細胞內的細胞器裝上傳感，感知細胞活動。

如果說通訊互聯的規模是以人為載體的百億量級，物物互聯是以物為載體的萬億量級，那以細胞為載體的互聯將擁有超出人想象的潛力規模。

開拓市場的潛力 需要產業釋放

盡管傳感器在研究層面展現出 AI 產業駛入藍海的潛力，但在產業界卻不溫不火。

有分析文章指出，在人工智能硬件領域，有芯片和傳感器兩個方向，在芯片領域國內還有幾家數得出的企業，而傳感器幾乎全部依賴進口。

“腦電波的測量儀器基本是進口產品，傳感器的精度等性能比較穩定。”中國標準化研究院研究員張運紅說。東南大學相關學科實驗室數據記載，六維力傳感器一個大概 10 萬元，基本來自進口。

相較于應用層面和系統層面，這個起著支撐作用的“棟梁”元件沒能入得大多數投資者和產業者的眼。“不會講故事，引不來投資，”有分析這樣調侃。

*軟件研究所研究員戴國忠的觀點更加系統，“傳感器是人機交互的重要組成部分，人機交互和人工智能是不同的著力方向，”他對這兩個領域 60 年來的歷史進行了分析，得出規律：人工智能熱的時候，人機交互的發展將處于低谷。而人機交互受關注時，人工智能的熱潮就會反落回去。

這樣的此消彼長可以追溯到它們誕生時，“斯坦福大學人工智能實驗室主任約翰·麥卡錫等人提出人工智能時試圖構建能復制人類行為的計算機系統，而麻省理工學院的心理學和人工智能專家約瑟夫·利克萊德提出人機交互時，則是希望機器能夠完成人類交給的任務。”戴國忠說，追求目標趨同，但是研究思路和方法*不同。

盡管在實際的產業發展過程中，二者是難分彼此的，這種學術上的區分很大程度上更有助于明確研究目標和方向，引導產業均衡發展，避免“一哄而上”“一頭熱”。

傳感器遇冷正在引得業內觀察者的關注，希望那些冷門但重要的 AI *區域，不會成為產業發展的短板，而是能夠推進 AI 實現一個整體進化。