蚂蚁分泌信息素，蛤蚌吐出肉舌，蹬羚从震动中预知危险……从低等生物到高等生物，“传感”无处不在。

“进化了千年的人眼，只需要几个点的信息，就能判断出这是不是个熟人。”德国人工智能研究中心科学总监菲利普·斯鲁萨力克提到人类的这个普通能力时，觉得它很神秘。作为人工智能科学家，他到现在还没能为古老的生物本能找到一个恰切的模型。

人工智能的“传感”要从哪里更靠近“灵性”这种微妙的感觉？近日，苹果公司发表了一篇新的人工智能论文，将光学雷达传感器收集的原始数据转化成 3D 测绘图，引得传感获得的信息从纯数据向三维立体迈进了一步。尽管距离“灵性”还有相当的距离，但这项研究仍能启发人们将注意力聚焦于人机交互中信息获取和处理的一端。

配备“初脑” 传感器可以更智能

“阿尔法狗”的两个远亲也火了：一个是互联网大会上展示“唇语识别”的搜狗中文“汪仔”；另一个是在深圳实现了无人驾驶公交的“阿尔法巴”。

前者打破定式思维，将语义识别的传感器破天荒地改成了光学传感，用图像捕捉的信息判断语言的沟通。后者车身上扁圆形的传感器很是抢眼，“阿尔法巴”靠它感知道路、躲避障碍。

人类获取信息，80%是通过眼睛；在人工智能捕获信息的过程中，视觉传感器也占据着相当重要的地位——目前主要有雷达、视频两种方式。视频相较于雷达来说，是整体展现，呈现情况不易受干扰，而雷达对周围环境进行 3D 建模，会比一般的照相摄像头能包含更多深度信息。

“目前应用的障碍传感设备有微波雷达、超声波雷达等，也有通过捕捉视频图像的方法，”北京智能车联产业创新中心技术人员毕超介绍，传感设备会安装在车辆侧，也会安装在道路侧，要求无缝覆盖，“就像手机和基站的关系，确保信号通畅。”

通畅是基础，判断是关键。“汽车的速度要求无人判断和操作在毫秒之间，因此计算两车之间、车路之间、车人之间的碰撞可能性必须要快。”毕超说，信息的获取、传递、计算、反馈等过程，需要一气呵成。

具体地说，刹车或报警前，有许多计算——雷达获取到三维点数据、识别障碍物、进行障碍物前后两频对比，识别静态还是动态。动态障碍物计算出运动速度、结合无人驾驶汽车自身位置信息，计算出避障所需的小安全距离，决定对策。

怎么才能更快一点？业内尝试着将数据中心“预处理”的部分前移到传感器端。“我们进行了智能传感器的尝试，”升哲科技工程师刘正中说，“原来传感器具备收集信号的单一功能，但是信号需要在传感器端和处理终端来回传递，这些需要时间也需要能源，如果传感器能提前过滤掉一些不必要的信息，过程会精简不少。”

也就是说，之前的传感器是严格的手、眼、耳、鼻等感觉器官，现在的它们配备了小小的“初脑”。“这对于视频类的传感器非常有效，因为视频的数据量太大了。”刘正中说。

“照相机我们已经研究得很透了，雷达还需要继续研究。我们也需要进一步探索，什么样的传感器才能感知到，人类感到的这些微妙变化。”菲利普说。AI 市场对于传感器的需求在快速变化，亟待新型传感器的更新换代。

新材料和量子技术 让传感器突破极限

同样心怀期待的，还有美国国家工程学院院士、斯坦福大学教授鲍哲南，她曾表示，“我们期待有新材料带来颠覆性的技术。目前把外界的信号转变成电信号的载体是脆性的，希望找到容易被压缩、可以拉伸的新材料。我们还希望它有自愈性、可降解。”

有了新材料做基质，将电子器件集成起来将成为柔性电子和人工皮肤。传感器“硬朗”的形象将发生*改变，不仅可以随意拉伸、弯曲和旋转，在获取触感的同时，甚至可以出汗。

资料显示，*半导体研究所日前就开发出一种超薄高像素柔性电子皮肤阵列。通过引入聚合物中空球纳米结构，传感器对环境压力展现出了超高的灵敏度，能探测到 0.6Pa 的低压。“在不同环境下拉扯揉折之后，仍能感受到外部压力与温度的变化，为了避免人体生理信号监测中，体表温度变化对器件的影响，科研人员还对传感器进行了温度补偿，进而提高器件在实际应用中的检测精度。”这项研究成果近期发表在《纳米能源》上。

鲍哲南期待的变革与突破，也从另一个维度到来——量子科技引入光学传感器的研究已经可以达到应用级别。

“可以突破现有传感的速度与距离极限，”麻省理工学院进行过关于单光子成像的研究，曾发表在《科学》杂志上，相关研究人员介绍，传统的光学三维成像需要高强度光，而量子科技和三维成像的结合，能够实现平均每个像素只需要 1 个光子，比传统的主动光成像方法的效率提高几个数量级。

量子技术对光学成像的度、速度以及距离的提高是颠覆性的。从理论上说，无人驾驶汽车、甚至无人驾驶飞机可以实现了。由于它探测灵敏，甚至可以给细胞内的细胞器装上传感，感知细胞活动。

如果说通讯互联的规模是以人为载体的百亿量级，物物互联是以物为载体的万亿量级，那以细胞为载体的互联将拥有超出人想象的潜力规模。

开拓市场的潜力 需要产业释放

尽管传感器在研究层面展现出 AI 产业驶入蓝海的潜力，但在产业界却不温不火。

有分析文章指出，在人工智能硬件领域，有芯片和传感器两个方向，在芯片领域国内还有几家数得出的企业，而传感器几乎全部依赖进口。

“脑电波的测量仪器基本是进口产品，传感器的精度等性能比较稳定。”中国标准化研究院研究员张运红说。东南大学相关学科实验室数据记载，六维力传感器一个大概 10 万元，基本来自进口。

相较于应用层面和系统层面，这个起着支撑作用的“栋梁”元件没能入得大多数投资者和产业者的眼。“不会讲故事，引不来投资，”有分析这样调侃。

*软件研究所研究员戴国忠的观点更加系统，“传感器是人机交互的重要组成部分，人机交互和人工智能是不同的着力方向，”他对这两个领域 60 年来的历史进行了分析，得出规律：人工智能热的时候，人机交互的发展将处于低谷。而人机交互受关注时，人工智能的热潮就会反落回去。

这样的此消彼长可以追溯到它们诞生时，“斯坦福大学人工智能实验室主任约翰·麦卡锡等人提出人工智能时试图构建能复制人类行为的计算机系统，而麻省理工学院的心理学和人工智能专家约瑟夫·利克莱德提出人机交互时，则是希望机器能够完成人类交给的任务。”戴国忠说，追求目标趋同，但是研究思路和方法*不同。

尽管在实际的产业发展过程中，二者是难分彼此的，这种学术上的区分很大程度上更有助于明确研究目标和方向，引导产业均衡发展，避免“一哄而上”“一头热”。

传感器遇冷正在引得业内观察者的关注，希望那些冷门但重要的 AI *区域，不会成为产业发展的短板，而是能够推进 AI 实现一个整体进化。