来源：上证报
近日，随着特斯拉确认人形机器人Optimus将于明年落地，业内预测，全球机器人行业正处于0到1的最佳投资窗口期，相关产业链将迎来爆发契机。其中，MEMS传感器担当着机器人实现智能感知功能的基础，将遇到重要的发展机遇。根据麦肯锡预测，长期来看，全球人形机器人市场空间可达120万亿级别，是一个崭新且空间庞大的蓝海市场。另据数据显示，2030年我国人形机器人市场规模约8700亿元，这将成为全球MEMS行业最大单一市场，增速远高于全球平均水平。如电动汽车一样，智能机器人同样能拉动庞大的上游产业链以及下游应用端需求。三大机器人产业链：上游零部件与原材料、中游系统集成与本体制造、下游个人以及企业相关应用场景，成本可拆分为动力总成系统、智能感应系统、结构件及其他部分。而MEMS传感器担当着机器人实现智能感知功能的基础，将遇到重要的发展机遇。
根据麦肯锡预测，长期来看，全球人形机器人市场空间可达120万亿级别，是一个崭新且空间庞大的蓝海市场。
智能机器人将具备计算机视觉、自然语言处理、动作规划和控制功能，并且拥有语音交互、行走和执行复杂任务等与物理世界互动能力，而实现一切感知的基础和核心就是传感器。MEMS传感器解决了低功耗、微型化、高集成化与智能化需求的矛盾，所以在智能机器人领域有着无可比拟的应用优势。其通过对多种运动及环境因素感知，为数据采集提供高可靠性、可扩展性、灵敏度和成本效益高的解决方案，而且机器人拟人化程度越高，所应用的传感器种类和数量就会越多。从分类来看可分为内部传感器和外部传感器，其中内部传感器包括位置、速度、力、加速度等物理的传感器，主要用于测量机器人自身状态，以实现独立行走、动态平衡、一般肢体动作等；外部传感器模仿人类感官，包括视觉、触觉、听觉、嗅觉、味觉等传感器。随着机器人的智能化程度不断提高，加载的MEMS传感器将变得越来越多。据专家估算，感知部分约占总成本的10%到20%，机器人领域有望继消费电子、汽车之后，成为MEMS传感器的新兴市场。敏芯股份是一家专注于MEMS的技术平台型企业，2007年在苏州创立，2020年科创板上市，被誉为“中国MEMS芯片第一股”。作为国内屈指可数掌握多品类MEMS芯片设计和制造工艺能力，敏芯股份提供MEMS麦克风、压力传感器、惯性传感器以及MEMS
IMU等多种MEMS解决方案支持智能机器人发展。例如，智能机器人的交互功能离不开语音识别，多个复杂且紧凑的MEMS麦克风必须有能力将讲话者声音从噪声中识别出来并定位方向。敏芯股份高性能MEMS麦克风传感器以先进的半导体加工技术制造，并利用波束成型技术，根据到达时间和音频强度差异来辨别讲话者的方向，并通过噪声消除技术把外界的背景声中消除噪声成分。敏芯股份MEMS麦克风出货量已位列全球第四，可按客户需求提供定制化产品。压力传感器可以为机器人感知到准确的信号，帮助其稳定、准确的活动；在进行物体识别、抓取、操作等任务时，还可以感知物体的形状、大小、位置等信息，进行精确的操作等，提高了人形机器人的智能化和自主性，更好地适应复杂的环境和任务。今年，敏芯股份研发出了基于PMUT的超声波ToF传感器。超声波传感器在机器人应用中最受欢迎的是它可以在任何照明条件下工作，不受被测物体颜色和光学透明度影响，用于障碍物检测、高低坡检测和地面检测，包括地面软硬程度，其精度可达毫米。MEMS IMU（惯性测量单元Inertial Measurement Unit，也可称为惯性传感器）主要用来检测和测量加速度与旋转运动，可为机器人提供运动感知和控制能力。例如，实现机器人姿态控制、行走稳定性、步态协调性、模仿人类动作等活动。敏芯股份控股子公司中宏微宇于2013年成立，十年来专注于MEMS惯性传感器、陀螺仪以及MEMS IMU等技术研发、升级迭代，也印证了敏芯股份推崇打造MEMS技术平台型企业——技术研究、技术叠加、技术沉淀的理念。MEMS
IMU的研发难度高，技术积淀要求高，存在较强的技术壁垒，以MEMS陀螺仪举例，其产品从研发到量产需经历近十年时间。敏芯股份通过中宏微宇IMU算法积累，投资敏易链半导体的陀螺ASIC设计以及自研加速度传感器的技术沉淀，将布局从MEMS加速度传感器、MEMS陀螺以及MEMS
IMU的产业链条，以国内大市场的蓝海下，有望复制在声学传感器领域的成功，从而实现无人系统、智能机器人领域质的飞跃。未来，机器人终将与人类越来越相似，而MEMS解决方案是智能机器人一切“拟人化”的基础与条件，有着“中国MEMS芯片第一股”称号的敏芯股份，作为一家MEMS技术平台型企业，为此已吹响了进场号角。《村田MEMS惯性测量单元（IMU）SCHA634产品分析》
《消费类MEMS惯性测量单元（IMU）产品对比分析-2022版》《博世气压传感器BMP581产品分析》
《MEMS热式气体质量流量传感器产品对比分析-2023版》
《Merit Sensor压力传感器及MEMS芯片分析》
