去年年底以来，随着生成式AI的大行其道，边缘AI也开始受到重视，不少半导体厂商都推出了相关的芯片产品。在不久前的第11届EEVIA年度硬科技媒体论坛暨产业链研创趋势展望研讨会上，Bosch Sensortec GmbH高级现场应用工程师皇甫杰介绍了嵌入式AI与MEMS传感器结合发生的“化学反应”，他主要通过其2款全新的MEMS产品进行了阐述。

  图：Bosch Sensortec GmbH高级现场应用工程师皇甫杰

  早期2000年初，传感器的作用就是一个物理信号的检测，承载的就是要检测物理信号，然后提供给上层使用，所以它是单一的MEMS和模拟前端，在做一些数字电路的信号处理，然后直接把物理信号转成一个电信号提供出来，相对功能比较单一。

  随后，传感器开始集成更多的算法和软件功能，能够实现一些定制化的配置，集成一些更丰富的功能，甚至可以集成一颗可编程的处理器，做算法的集成，让它实现更多的功能。

  到目前为止，边缘AI算法也可以集成到小小的传感器产品里面去，因为现在的处理器已经可以做到非常低的功耗，处理能力也可以实现AI算法的运行。所以在整个过程中，传感器这个单一的硬件慢慢承载了更多的任务，去做更智能的应用场景。

  AI算法集成到传感器带来的好处

  边缘AI算法可以集成到传感器本体内，那么将AI算法集成到传感器内有什么好处呢？

  首先是可以在器件端做定制化，或者个性化，对每个用户做一个适配，让传感器识别精度适应到每一个独立的用户；

  其次是传感器的数据不需要上传到云端，数据只是存储在设备本身，甚至传感器内部，这样可以保证传感器数据的安全性，或者用户数据的安全性；

  三是实时响应，无需将数据上传云端，再反馈到设备端，中间的过程直接忽略掉，直接在传感器里面做响应，响应速度会更快；

  四是可以进一步降低设备的功能，延长电池的使用寿命，或者电池的日常使用时间。

  集成了AI算法的传感器BHI380

  据皇甫杰介绍，BHI中，B代表Bosch、H代表Hub、I代表加速度计与陀螺仪二合一的传感器。BHI380尺寸非常小，所以该传感器可以应用在几乎多有的电子产品，比如手机、手表、TWS耳机等。

  其主要优势是：第一，紧凑的尺寸，可以方便集成到各种各样消费类电子产品中；第二是功耗很低，因为它内部集成了一个超低功耗的处理器，工作时，功耗也仅有几百微安；三是内置的处理器在出厂时集成了基本的功能，或者AI算法。当然，用户也可以自己做二次开发，集成用户自己的算法，具有可扩展性。

  应用场景方面，首先可以用在TWS耳机，实现3D音效跟踪；二是手势识别或者动作识别；三是人机交互；四是步行导航；以及AI健身相关的记录，或者健身动作的追踪，包括游泳姿态算法。

  “我们现在的AI传感器BHI380已经集成了一些AI相关的运动监测算法，用户可以在日常使用过程中，可以自己定义健身动作，也可以使用传感器内部自带的动作识别。”皇甫杰在分享中表示。

  他举例说，比如做哑铃的举握，这个算法传感器并没有包含，用户可以进入到学习模式，重复地做动作大概3~5次之后，就可以让传感器识别到用户的动作特征，因为BHI380的算法里面有一个公共的机器学习模型，捕捉到用户的特征之后，会快速建立用户特征的模型，直接生成到传感器内部，保存起来，下次用户再做相同动作的时候，就可以直接识别。

  环境类四合一传感器BME 688

  据皇甫杰介绍，BME 688是目前全球最小的一颗四合一传感器，它集成了温度、气压、湿度及气体传感器。基于该环境类传感器，可以给用户提供一个微环境的监测，甚至可以做一些微环境的天气预报预估，以及配合智能家居的联动等。

  通过四合一的传感器怎么实现AI的功能呢？该传感器没有办法再进一步集成控制器，或者处理器，因此，Bosch通过PC端，给用户提供一个AI学习的开发工具，用户可以基于这个工具去做自己的一些定制，或者应用场景的定制。

  如何利用BME 688来检测不同的气体呢？黄甫杰做了详细的说明，第一步，用户定义好自己的气体种类，比如想要检测某一种咖啡的气味，他就可以基于咖啡的目标气体，让传感器去采集目标气体的信号。数据收集到了之后，在PC端有一个对应的简化工具，可以让用户基于采集到的目标气体的传感器信号，去做一个数据特征的捕捉。可以在捕捉到数据特征之后，结合工具生成一个数据模型，去对这种目标气体做识别。最后就是通过生成的模型，集成到客户算法里面，就可以结合传感器的物理信号，在真实应用场景的时候可以做功能的检测。

  应用领域方面，BME 688可以用来检测森林野火、人体有害气体、冰箱内食物新鲜程度等。