• 如何看待3D感知細分行業發展潛力？

• 3D感知市場規模有多大？——以模組為基礎測算

• 3D感知技術路線選擇以及未來趨勢？

• 3D感知產業鏈構成以及創業公司機會在哪里？

• 以手機為例，拆解3D感知模組成本構成？ 

• 創業公司如何把握本輪3D感知行業機會？

如何看待3D感知細分行業發展潛力？

1）智能化趨勢上，人工智能發展所需3D感知必不可少從智能化發展趨勢來看，外界感知是機器實現智能化的基礎，感知是奠定后續一切智能化應用根基。感知分為很多方面，如果參考人對外界的感知，包括聽覺帶來的聲音、視覺帶來的圖像、觸覺獲取溫度、壓力等。因此視覺感知是智能感知重要組成部分，過去機器通過視覺感知多為2D圖像，但人對外界感知和理解其實是3D的，因此機器未來感知智能化向3D發展勢在必行。

2）在應用場景需求上，眾多應用領域亟待3D感知技術填補需求空白3D感知作為基礎性技術，在眾多場景中存在應用空間，未來在消費電子、機器人、安防監控、汽車智能化、工業智能化等行業細分方向上都有豐富應用。

全球每年攝像頭出貨量超過50億顆，最重要的應用領域包括消費電子（手機為主）、汽車以及安防三大領域。消費電子領域單臺手機攝像頭數量在不斷增加，汽車領域ADAS和AD（自動駕駛）滲透率提高對攝像頭需求也在不斷提升，安防領域攝像頭出貨量同樣逐年增長。采用比較粗略匡算邏輯，2D攝像頭市場每年大約超過500億美元市場容量，疊加應用算法將更大，因此未來3D感知市場潛力可能和2D相當。

來源：Yole；TSR；IC Insight；公開數據

3D感知市場規模有多大？——以模組為基礎測算

對3D感知市場容量預測仍需要相對嚴謹和準確的測算方法和邏輯。我們重點從兩個維度來測算和驗證市場規模：首先參考市場主要研究機構的預測數據，再通過自身預測數據進行交叉驗證，最終得到相對比較可信的整體市場容量數據。根據YoleDevelopment（Yole是全球領先的傳感器、半導體領域咨詢公司）的預測，到2023年全球3D感知市場容量將達到185億美元，其中驅動行業快速增長的重要因素是消費電子產品引入3D感知功能模組，應用包括手機刷臉支付、3D試衣、VR/AR等。

從細分市場來看，手機增加3D感知功能仍然是最重要的市場增長動力，因此我們可以通過對手機市場3D感知模組的市場測算來交叉驗證上述Yole所述市場規模數字。Yole預計2019年3D圖像感知市場約為63億美元，2019年蘋果手機全球銷售約2億部，絕大部分為搭載刷臉支付功能的iPhone X及以上版本，蘋果3D感知模組成本大約在20美元左右，因此可以測算出蘋果約貢獻了40億美元的市場規模，剩下大部分為華為Mate 20/30系列以及螞蟻所推出的刷臉支付設備所貢獻。這樣測算下來市場容量和Yole的預測已基本相接近。如果進一步驗證2023年3D感知模組市場規模，假設智能手機出貨量不出現大幅變動，保持每年14億部出貨量，假設所有中高端手機均可配備3D感知模組，同時需要指出到2023年有可能手機前后置均搭載相應3D感知功能，我們以30%滲透率和單機30美元（包含前后置）計算得到市場規模大約為126億美元（14*30%*30），同Yole的預測也比較接近。因此，3D感知市場總規模我們可以認為到2023年將達到180-200億美元。需要指出的是該規模是我們以模組成本為基礎對市場進行的測算，如果延伸到產業鏈上下游則會有較大變化，尤其是對于下游應用而言，從模組到設備甚至整體解決方案市場容量可能放大2-3倍空間。綜上的測算數據讓我們在整體規模上對未來市場空間有比較準確的判斷，也有助于進一步拆解產業鏈各環節具體市場規模情況。 

3D感知技術路線選擇以及未來趨勢？

理解具體技術路線差異以及其所對應應用場景對于把握未來潛在發展趨勢至關重要。從是否需要發射端主動發射感知光源來看，可以分為被動感知和主動感知，被動感知以雙目視覺感知為主，主動感知可以進一步分為結構光技術和TOF技術，結構光和TOF技術又可以根據實現方式不同進一步細分。具體技術路線分類如下表所示：

1）雙目視覺方案：對計算要求極高，環境光影響很大，目前在3D感知上較少應用雙目成像技術是基于視差原理，并利用成像設備從不同的位置獲取被測物體的兩幅圖像，通過計算圖像對應點間的位置偏差來獲取物體三維幾何信息。雙目在原理上比較簡單，但是在應用過程中面臨兩大重要缺陷：軟件算法計算量極大和環境光影響嚴重。因為需要對兩幅圖片進行比對計算，如果為了達到更高精度，計算中需要對每個像素點或像素塊進行比對，這就造成了異常龐大的計算量，現實應用中需要專門ASIC芯片來支持，這將帶來額外硬件成本；另外一點是受到環境光影響巨大，如果被攝物體本身特征不明顯（如白墻）或者外部環境光過暗或過亮造成被攝物體特征采集不清晰都會對測量精度產生非常大影響。因此，盡管該方案成本較低，但由于存在上述缺陷，雙目視覺方案在實際3D感知中很少被應用。

雙目視覺多角成像

2）3D結構光：近距離3D感知上已被廣泛應用，但在長距離探測上捉襟見肘

結構光技術基本原理是探測投射在被測物體表面特定結構光學圖案的變化來測算距離。當物體距離激光投射器比較近的時候，圖案位移變化就較小；當物體距離較遠時，圖案位移也就會相應變化較大。通過計算位移變化，就能計算出物體的位置和深度信息，進而復原整個三維空間。

結構光成像

結構光技術需要激光器主動發射激光，并通過光學元件過濾衍射形成特定的光學圖案向外發射，接收端則需要特定紅外傳感器接收感知圖案的變化進而計算出深度信息。上圖中左側所發射為特定條紋結構光，打到人臉上條紋發生形變，不同位置形變不同，通過感知這種變化可以得到人臉的深度數據；而右圖則是發射特定散斑結構光，可以看到打到平面上這些散斑圖案并未發生顯著形變（若打到人臉圓形散斑可能變形為橢圓），可以計算得到對面是一面墻。結構光根據所發射不同的光學圖案可以進一步分為散斑結構光和編碼結構光。兩者在接收端沒有顯著差異，主要差別來自于發射端所形成結構光的獲取方式不同，編碼結構光方案并不使用DOE（衍射光柵），而是采用 MASK（掩膜）。

散斑結構光和編碼結構光

散斑結構光典型代表為iPhoneX，其發射端使用DOE（衍射光柵）。編碼結構光典型代表為小米8探索版，使用Mask（掩膜）獲取結構光。具體過程中，散斑結構光通過Vcsel激光器發射激光，通過準直透鏡進行激光準直之后，再通過特定光學元件DOE衍射光柵發射出激光散斑點云（激光先準直聚焦再發散）；而編碼結構光在發射激光后先通過掩膜對激光進行編碼，再通過聚焦鏡頭聚焦后發射出特定圖案的編碼激光（激光先編碼圖案再聚焦）。最終表現在輸出光效果為：蘋果以散斑方式打出3萬個離散分布的紅外點，而小米方案則會在用戶面部呈現幾何編碼圖形。編碼結構光完美規避蘋果散斑結構光專利技術路線，雖然其原理都是將光結構化，但是在硬件使用上有一定區別。散斑結構光的光學器件透過率高，能量利用率高，而編碼結構光mask就是帶鏤空圖案的遮擋版，擋板帶來遮擋的光浪費太大，能量利用率低導致功耗大幅增加。結構光因為有主動發射光源投射的結構光圖案，相比雙目僅依賴被測物體本身光學圖案而言，方案穩定性和魯棒性更好（就算白墻也能有結構光圖案）。但結構光同樣面臨和雙目相同的問題，一方面盡管所需計算量比雙目有所降低，但是仍需完成大量軟件算法計算，因此在應用中大多需要特定專用ASIC芯片支持，這就帶來更多的功耗和成本；另一方面在探測距離上，由于存在基線限制（發射和接收端間距），固定基線下其探測距離有限。因此從實踐來看，結構光方案主要被用在2米以內近距離3D感知，超過2米中遠距離探測顯得力所不及。

3）TOF方案：技術不斷迭代進步中，分辨率是亟待解決重要問題，未來應用空間大TOF成像技術原理相較上述兩種方案更簡單，通過激光器主動發射調制過后的光脈沖信號至目標面上，利用傳感器接收反射光，利用反射回激光的相位差或時間差進行運算得到距離/景深數據。

TOF成像

TOF方案進一步還可以分為iTOF（間接TOF）和dTOF（直接TOF）兩大類，兩大類在技術原理和實現方式上有一定區別。

目前市場上應用較多的是iTOF，但是由于在技術原理上存在固有缺點，造成在遠距離探測上存在較大難度，同時高功耗也是難以克服的問題，尤其對于消費電子產品而言，對功耗比較敏感進一步限制了其應用。而dTOF被認為是未來更理想的應用技術方案，但現階段技術成熟度較低，在分辨率提升、接收芯片研發突破、方案集成等方面仍需不斷迭代發展。 綜上所述，雙目方案目前在3D感知方面應用較少；在近距離3D感知上，目前結構光技術成熟度較高，已開始大規模應用；在中遠距離3D感知上，TOF正在被逐漸大量應用，尤其iTOF方案成熟度較高，已被多家安卓手機廠商所應用，而未來dTOF方案則更具應用潛力，由于目前技術成熟度較低，技術完善仍需時間。

3D感知產業鏈構成以及創業公司機會在哪里？

1）3D感知產業鏈構成情況由于技術路線的差異，在產業鏈上各環節所需核心器件也會存在一定差異，但是總體來講，整個3D感知模組可以分為四大部分發射端模組、接收端模組、RGB圖像模組以及計算芯片，相應產業鏈除終端應用外主要可分為中游模組廠商和上游核心器件兩大部分。

如果以主動3D感知（結構光和TOF）為例：-發射端模組：以紅外激光發射器Vcsel為核心器件，用于發射特定波長的紅外激光光束-接收端模組：以CMOS成像芯片為核心器件，用于將反射回的激光管束進行成像，涉及光電轉化、數模轉換等，最終得到3D信息-可見光模組（2D）：以RGB鏡頭為核心器件，用于獲取2D圖像信息，并且最終和上述3D信息進行融合，形成完整3D信息-圖像處理芯片：一方面負責深度信息計算，另一方面將2D和3D信息進行融合計算，得到最終所需3D信息，尤其結構光技術由于深度信息計算量大，有時候需要由專門ASIC芯片完成。

• 結構光技術產業鏈及核心器件：Vcsel、DOE、IR CIS、ASIC芯片以及綜合技術方案對創業公司充滿機會（下表標綠部分）

從上表可以看出，經過十幾年中國消費電子產業鏈的快速發展，很多傳統產業鏈核心零部件都已經實現突破，國產化率程度很高。在3D感知產業鏈中，一些新增核心零部件及整體解決方案（標綠部分）目前由于技術壁壘較高，國產化率情況還比較低，現有產業鏈供應商也沒有相應的技術積累，這也就給了創業公司通過技術創新重塑產業鏈的機會。

• TOF技術產業鏈及核心器件：Vcsel、TOF接收端芯片（含驅動IC）以及綜合技術方案（下表標綠部分）對創業公司充滿機會

相比結構光方案，TOF方案在核心零部件上有所減少，不需要DOE和專用ASIC芯片，因此理論上講TOF的成本相比結構光將更低。盡管TOF也存在iTOF和dTOF兩大類，但對創業公司而言，主要機會大多還都是集中在Vcsel激光器、TOF接收芯片（包括驅動IC等）以及綜合技術方案方面（上表標綠部分）。

以手機為例，拆解3D感知模組成本構成？

由于未來消費電子對3D感知需求是最重要的細分領域，因此我們以手機（含Pad）為例，在產業鏈分析基礎上，拆解整個3D感知核心模組成本構成，進一步有助于理解各核心器件在產業鏈中地位。

從成本構成上可以看出，結構光目前作為比較成熟方案，未來成本降低空間相對較小，結構光成本較高核心原因是多出了更多的光學元件和專用ASIC芯片，未來很重要的一個降成本途徑將是減少ASIC芯片，通過手機內部自有芯片進行計算。TOF目前由于技術方案不夠成熟，尤其dTOF方案都還沒大規模應用，因此整體成本上并無顯著優勢，未來隨著技術進步和大規模量產出貨，尤其是接收端芯片成本的顯著降低，TOF的成本優勢將逐漸顯現。

因此結合上述國產化率、技術壁壘以及成本占比，可以進一步看到對創業公司而言，未來主要的機會在哪些方面。

傳統產業鏈中，CIS圖像傳感器芯片目前是成本占比和毛利率水平均較高的核心器件，對于3D感知來講，相信最大的機會仍然在成本占比和技術壁壘最高的領域，我們也可以看到目前一些創業公司已在一些特定領域有所突破，相信隨著技術進一步發展，中國創業公司會取得更大發展。

 創業公司如何把握本輪3D感知行業機會？

如何充分利用本輪3D感知行業快速發展的機會實現快速成長，這是創業公司面對的重要問題，這同樣也是投資人衡量創業公司核心優勢的重要因素。以下幾點是我們和一些創業者、產業資源方和投資人交流后的思考，同大家分享：