传感器 ct 中国医学设备崛起：影像芯片突破垄断，国产化替代还远吗？

发布时间：2024-11-25 10:11:19

中国医学设备崛起：影像芯片突破垄断，国产化替代还远吗？

如果现在还有人告诉你中国打破某个芯片垄断，我相信你一定会表示怀疑，甚至嗤之以鼻，但这次却是真的，因为它不仅研制出来了，而且已经量产，它就是影像芯片。

视频版本点击右侧观看：影像芯片，助力国产医学设备

影像芯片多行业实现国产化

让人欣慰的是，中国企业攻克影像芯片的领域还不少，有航天的、有医疗设备的、也有数码产品的。

比如6月份发布的高端医学影像设备自研芯片，都是典型例子，甚至还有更早的航天影像芯片。其中医学影像芯片还填补了国内高端医学设备芯片的空白。

有望在几年内打破大量依赖进口的局面。

那么问题来了：影像芯片是什么，它和普通芯片有什么区别吗？中国是如何打破垄断的？今天我们就来说说这个事情。

CT机

要说中国为什么研究医学设备芯片，还要从20年前美国企业的傲慢开始说起。

医疗器械的痛楚

当时高端的医疗器械市场基本被欧美三大巨头瓜分，也就是通用电器、飞利浦以及西门子，他们在业内有个赫赫有名的称号，“GPS”。

GPS垄断市场，自然就谋求高利润，所以他们生产的高端医学设备就一直以高价著称，而且对中国医院相当的不友好。

倒不是说他们卖高价本身，而是搞价格差异化，比如一台高端CT在国外售价几百万元人民币，但到了国内，同样的设备售价就高达几千万人民币，涨了几倍

中国以前并不富裕，很多医院都是靠着国家支持，自然也没啥太大的预算，所以很多小型医院根本买不起CT机，只有一些大城市的医院才能配备的了。

在那个时期CT机是一种“基层买不起，老百姓用不起”的高端医疗器械。本来这也没什么，谁让人家有技术是吧，卖个高价，我们咬咬牙也能坚持，大不了等有钱了再多买几台！

这个时候发生了一些不愉快的事情，直接推动了中国在高端医疗器械上的布局。

在上世纪80年代，辽宁省沈阳市卫生局花了数十万美元从美国引进了CT机，结果使用过程中出现了故障，导致机器不能用了。

他们就联系美国公司，请美国公司派售后过来维修，没想到遭到了拒绝，又经过数次沟通后，他们依然不准备过来维修。

这下把医生们惊呆了，不说把顾客当上帝吧，至少这也是属于售后范围，厂家过来维修那是行业规矩，结果愣是没办法。

被逼无奈，只能请东北工学院的老师过来救急，他们也不懂呀，只能边学习边尝试修理，数百万元的设备被晾了几个月，才解决了问题。

这件事在当时影响挺大的，没引进的医院担心售后问题，已经引进设备的医院也担心设备出现问题，很多人都是心惊胆战,后来国内医疗设备企业就想，既然我们能修，那么为什么我们就不能造呢？

本着求人不如求己的精神，中国医疗设备先驱们被迫启航，1997年，经过十年的奋斗，中国第一台国产CT成功面世，自此也开启了逆袭的道路。

经过20多年的奋斗，中国在CT机上取得了辉煌的成绩，诸如联影微电子等国内医疗企业实现了从整机系统、核心部件、到顶层元件上的技术突破。

其中就有我们今天的主角：影像芯片，它就是联影微电子攻克的PET-CT专用影像芯片，是CT设备中核心的核心。

影像芯片到底是啥？为啥中国这么多企业都要自研影像芯片?

影像芯片

它全称是：图像信号处理器，也叫ISP芯片，顾名思义，就是用来处理图像的。率先开始大量应用的还是在太空探测时期后。

当时美国NASA用模拟相机对月球进行观察和拍照，由于距离太远，他们拍出来的图像非常模糊，不利于观察。

然后他们就想：有没有什么办法能改良呢？后来还真让他们发现了一个可以提高相机质量的方法，就是利用图像传感器和图像信号处理器模拟人眼。

它有什么作用呢？我们简单给大家科普下。

NASA模拟相机的原理，其实就是模拟人眼，我们人眼成像挺复杂的，但是原理稍微简单，我们可以看一看下面这张图。

人眼成像

人眼成像的原理简单来说是，物体反射的光线进入的我们眼睛，被眼睛视网膜上感光细胞捕捉，它会检测光的强度、位置和颜色等等信息，然后将这些光信息变成一种电信号，再通过视觉神经传达给大脑，大脑分析后进行成像，就成了我们眼睛所看到的景物。

NASA的模拟相机也是如此：光信息进入镜头后，经过图像传感器转化成电信号，这些电信号经过专门的处理器进行分析，再印出来。

这里的传感器就像人眼的感光细胞，而处理器就是人的大脑，也是我们说的影像芯片，它是用来处理电子信号，所以也叫图像信号处理器，在整个相机中同样属于核心部件。

照相机传感器

影像芯片自从诞生后，经过数十年发展，在影像设备行业已经成为关键的核心部件，甚至决定了一个机器的整体性能。

以CT机为例。一般的CT检查流程简单，我们只要躺上去，然后在X光的照射下完成检查，等一会医生就可以拿到检查好的片子，对吧？

这个过程看着很神秘，其实它的原理还是和人眼、相机是一样的，整个成像流程大致是X光照射在人体身上，衰减后的光会被下方的探测器捕捉，接下来就是正常的相机成像过程：经过光电转化和计算机处理后，成为我们常常看到的CT影像。

计算机中的影像芯片就是专门用来处理CT影像的，CT影像芯片性能越强，检查出来的结果也越接近真相，所以影像芯片又被称为：CT设备里的塔尖技术。

联影微电子攻克的CT影像芯片，就属于这个类型，而且达到了行业内顶尖的水平，搭载它的PET-CT机，检测的飞行时间可以达到万分之一秒的级别（190皮秒），这个数值是行业内的纪录，也就是说国产CT机已经有能力迈向高端了。

CT机也借此成为中国高端医疗三大设备里，国产化程度最高的设备。

其实影像芯片不止是医疗设备在使用，它在中国航天、数码、甚至国防军事等等领域都在广泛应用，可以说只要涉及到图像处理，就少不了这东西。而且中国企业在这个领域取得的成就越来越大。

国产化三大设备

当然看到这边，我相信有很多老铁肯定会反驳：这玩意一看就不难，中国企业才能实现国产化，这种情况本猫不想反驳，正如那句话，中国攻克的技术都不属于高难度技术一样。

影像芯片在设计和制造难度上，确实没有大型SOC芯片难度大，但是要说它简单，那也不对。

首先，影像芯片构造同样复杂，指甲盖大小的芯片上需要集成近十亿只晶体管，就这个步骤需要大量的时间和精力才能完成。

联影CT影像芯片

比如联影微电子的团队花了2年，集合上百人的团队，才攻克了PET-CT影像芯片，vivo团队也花了2年，联合300人攻克了V1专业影像芯片，他们投入的成本和决心都很大。

除了难度，他们更大的区别在于赛道不同,我们口中的“麒麟芯片”“高通骁龙芯片”是一种通用大型SOC芯片，它更侧重全能，控制整个机器的运转，而影像芯片属于独立芯片，更侧重专业，在单一能力上反而更强。

它们两个的关系，就像我们人体的大脑和小脑一样，大脑负责“指挥，小脑负责“分析”，或者将独立芯片称作机器的副脑也行。

有些人可能会说了，一个芯片就行了呗，弄那么多有必要吗？

你别说，还真的有必要,比如联影微电子的CT影像芯片，每秒可以处理上百万次的微弱电信号，1块芯片集成的各种数据等同16块通用芯片的功能。

为什么会这样呢？主要是因为术业有专攻。

通用的SOC芯片

通用芯片的性能一般取决于构造，而独立影像芯片的性能是取决于构造与算法，甚至是由不同学科知识共同决定的。

比较典型的例子就是拍照？

为什么现在的人都不用专业相机，而是选择手机呢？原因只有两个字：简单。

不管是对男女老少，也不管是拍人像还是夜景，我们都不用去调灯光，找角度，手机都已经帮我们自动调整好了，我们只需要按一下就可以得到我们满意的照片，而不是需要复杂的摄影知识。

这里利用的就是计算摄影，也就是让AI帮我们学习这些知识，它通过大量的数据进行对比，学习和分析，让手机提前知道人们想要什么样的内容，所以我们拍的就是我们想要的。

在CT上也是同样的道理，CT是检查人体五脏六腑的，但是每个人的五脏都不同，发病情况也不同，你需要处理这些不同的东西，也需要机器学习人体构造。

学习之后再去处理分析成片，比大脑处理更加强大，这个时候专业、独立的影像芯片就诞生了，它就是将算法转化成硬件，用硬件反哺算法。

那么直接在一个芯片上学习不好吗，为什么联影等厂家还要单独弄一个独立芯片呢？

说实话还真不行,大量的学习就会遇到另外一个重大问题：普通的芯片满足不了这么庞大的海量知识，

它的优势特别明显：也就是术业有专攻,上面说过：CT拍摄的片子需要计算机中的影像芯片来处理和分析是吧？

但是这样的话有一个很大问题,通用性芯片需要负责控制整个CT机的系统，要负责的东西太多了。不仅要控制机器移动，还要控制X线管发光、电脑、各种机器运转，甚至整个系统等等，造成拥挤甚至性能不够用等问题，

芯片就像我们的大脑，我们人很难一心多用，芯片也是如此，它的处理能力总是有上限的，负责的东西越多，用来处理主要影像的空间就越少。

独立影像芯片则不同，它只负责CT影像的处理，是这个功能的大脑，其他都不用管，所以在特定功能上，它可以处理的影像内容就更多，这就是术业有专攻。

独立影像的芯片一般专业性特别强，联影微电子研究的CT影像芯片更偏向人体内部构造上的学习和处理，满足CT机的需求，vivo自研的V1影像芯片就更偏向于人体构造和夜景上，满足人们对拍照的需求。

实际上除了vivo和联影微电子外，华为/小米/OPPO都在自研影像芯片，而且有些也量产了自研芯片的好处有很多，厂家可以把自己的算法转化成芯片，甚至在成像上体现出自己的优势，培养芯片制造的整体能力。

比如在中国奋斗了数十年的CT机上，我们不仅实现了中低端的国产化，在高端CT机上，也站稳了脚跟，甚至部分设备还打破世界记录，世界首台全景动态PET-CT也是国产的，它的性能直接达到世界领先水平，探测器的灵敏度和辐射量，比其他产品优秀了40倍，而探测所需的时间反而更少了。

独立芯片的作用其实不止这些，有机会我再做一期，我相信未来类似影像芯片的案例会越来越多，逐渐实现国产化替代。

好了，我是熊猫，我们下期见！

用于工业机器人中的各类传感器，你都知道几种？

在工业自动化领域，机器人需要传感器提供必要的信息，以正确执行相关的操作。一份报告预测，到2021年，全球工业机器人传感器市场将以约8％的复合年增长率（CAGR）稳步增长。对于包括消费者和汽车在内的机器人传感应用，另一份报告明确指出，到2027年，视觉系统将单独成就57亿美元的市场，力传感器市场将超过69亿美元。

下面列出了工业机器人中最常用到的传感器。

二维视觉传感器

二维视觉是一个可以执行从检测运动物体到传输带上的零件定位等多种任务的摄像头。许多智能相机都可以检测零件并协助机器人确定零件的位置，机器人可以根据接收到的信息适当调整其动作。

三维视觉传感器

三维视觉系统必须拥有两个不同角度的摄像机或激光扫描器，用以检测对象的第三维度。例如，零件取放便是利用三维视觉技术检测物体并创建三维图像，分析并选择最好的拾取方式。

力/力矩传感器

如果说视觉传感器给了机器人眼睛，那么力/力矩传感器则给机器人带去了触觉。机器人利用力/力矩传感器感知末端执行器的力度。多数情况下，力/力矩传感器位于机器人和夹具之间，这样，所有反馈到夹具上的力都在机器人的监控之中。有了力/力矩传感器，装配、人工引导、示教、力度限制等应用才得以实现。

碰撞检测传感器

这种传感器有各种不同的形式，其主要应用是为作业人员提供一个安全的工作环境，协作机器人最需要它们。一些传感器可以是某种触觉识别系统，通过柔软的表面感知压力，给机器人发送信号，限制或停止机器人的运动。

一些传感器还可以直接内置在机器人中。有些公司利用加速度计反馈，还有些则使用电流反馈。在这两种情况下，当机器人感知到异常的力度时，便触发紧急停止，从而确保安全。

要想让工业机器人与人进行协作，首先要找出可以保证作业人员安全的方法。这些传感器有各种形式，从摄像头到激光等，目的是告诉机器人周围的状况。有些安全系统可以设置成当有人出现在特定的区域/空间时，机器人会自动减速运行，如果人员继续靠近，机器人则会停止工作。最简单的例子是电梯门上的激光安全传感器。当激光检测到障碍物时，电梯门会立即停止并退回，以避免碰撞。

其它传感器

市场上还有很多的传感器适用于不同的应用。例如焊缝追踪传感器等。

触觉传感器也越来越受欢迎。这类传感器一般安装在抓手上，用来检测和感觉抓取的物体是什么。传感器通常能够检测力度并得出力度分布的情况，从而知道对象的确切位置，让你可以控制抓取的位置和末端执行器的抓取力度。另外还有一些触觉传感器可以检测热量的变化。

视觉和接近传感器类似于自动驾驶车辆所需的传感器，包括摄像头、红外线、声纳、超声波、雷达和激光雷达。某些情况下可以使用多个摄像头，尤其是立体视觉。将这些传感器组合起来使用，机器人便可以确定尺寸，识别物体，并确定其距离。

射频识别（RFID）传感可以提供识别码并允许得到许可的机器人获取其他信息。

麦克风（声学传感器）帮助工业机器人接收语音命令并识别熟悉环境中的异常声音。如果加上压电传感器，还可以识别并消除振动引起的噪声，避免机器人错误理解语音命令。先进的算法甚至可以让机器人了解说话者的情绪。

温度传感是机器人自我诊断的一部分，可用于确定其周遭的环境，避免潜在的有害热源。利用化学、光学和颜色传感器，机器人能够评估、调整和检测其环境中存在的问题。

对于可以走路、跑步甚至跳舞的人形机器人，稳定性是一个主要问题。它们需要与智能手机相同类型的传感器，以便提供机器人的准确位置数据。在这些应用采用了具有3轴加速度计、3轴陀螺仪和3轴磁力计的9自由度（9DOF）传感器或惯性测量单元（IMU）。

传感器是实现软件智能的关键组件，没有传感器，很多复杂的操作就不能实现。它们不仅实现了复杂的操作，同时也保证这些操作在进行的过程中得到良好的控制。

工业机器人避障主要用到哪些传感器？

移动机器人需要通过传感器实时获取周围的障碍物信息，包括尺寸、形状和位置信息，来实现避障。避障使用的传感器有很多种，目前常见的有视觉传感器、激光传感器、红外传感器、超声波传感器等。

超声波传感器

超声波传感器的基本原理是测量超声波的飞行时间，通过d=vt/2测量距离，其中d是距离，v是声速，t是飞行时间。

上图是超声波传感器信号的一个示意。通过压电或静电变送器产生一个频率在几十kHz的超声波脉冲组成波包，系统检测高于某阈值的反向声波，然后使用测量到的飞行时间计算距离。超声波传感器一般作用距离较短，普通的有效探测距离几米，但是会有一个几十毫米左右的最小探测盲区。由于超声传感器成本低、实现方法简单、技术成熟，是移动机器人中常用的传感器。

红外传感器

一般的红外测距都是采用三角测距的原理。红外发射器按照一定角度发射红外光束，遇到物体之后，光会反向回来，检测到反射光之后，通过结构上的几何三角关系，就可以计算出物体距离D。

当D的距离足够近的时候，上图中L值会相当大，如果超过CCD的探测范围，虽然物体很近，传感器反而看不到了。当物体距离D很大时，L值就会很小，测量精度会变差。因此，常见的红外传感器的测量距离都比较近，小于超声波，同时远距离测量也有最小距离的限制。另外，对于透明的或者近似黑体的物体，红外传感器是无法检测距离的。但相对于超声来说，红外传感器具有更高的带宽。

激光传感器

常见的激光雷达是基于飞行时间的（ToF，time of flight），通过测量激光的飞行时间来测距d=ct/2，类似前面提到的超声测距公式，其中d是距离，c是光速，t是从发射到接收的时间间隔。

比较简单的方案是测量反射光的相移，传感器以已知的频率发射一定幅度的调制光，并测量发射和反向信号之间的相移，如上图。

调制信号的波长为lamda=c/f，其中c是光速，f是调制频率，测量到发射和反射光束之间的相移差theta之后，距离可由lamda*theta/4pi计算得到，如上图。

视觉传感器

常用的计算机视觉方案也有很多种，比如双目视觉，基于TOF的深度相机，基于结构光的深度相机等。

基于结构光的深度相机发射出的光会生成相对随机但又固定的斑点图样，光斑打在物体上，因为与摄像头距离不同，被摄像头捕捉到的位置也不相同。先计算斑点与标定的标准图案在不同位置的偏移，利用摄像头位置、传感器大小等参数就可以计算出物体与摄像头的距离。

双目视觉的测距本质上也是三角测距法，由于两个摄像头的位置不同，就像人的两只眼睛一样，看到的物体也不一样。两个摄像头看到的同一个点P，在成像的时候会有不同的像素位置，此时通过三角测距就可以测出这个点的距离。

（此处已添加圈子卡片，请到今日头条客户端查看）