在人工智能的所有分支中，机器视觉无疑是应用zui广泛的方向，它支持人脸检测、工业异常检测、手势识别等许多重要应用。顾名思义，机器视觉利用机器学习/人工智能分析视觉信号，通过人工智能直接生成分析结果。因此，机器视觉自然需要一个图像流量传感器作为输入信号，而随着机器视觉和人工智能的逐渐发展，机器视觉和图像流量传感器芯片结合成“智能图像流量传感器”符合技术发展的脉络。如果进一步分析智能图像流量传感器，我们认为可以分为两类。diyi类是图像流量传感器和人工智能计算的结合，即图像流量传感器模块不仅可以输出图像，还可以直接输出人工智能算法计算的结果。这样的智能图像流量传感器可以称为“人工智能赋能的图像流量传感器”。它们往往能以ji低的功耗进行人工智能分析，因此在物联网和可穿戴智能设备中有着重要的应用。
另一类智能图像流量传感器是专门为人工智能应用设计的图像流量传感器，其输出内容和方式往往与传统图像流量传感器不同。这种智能图像流量传感器可以称为“赋能人工智能的图像流量传感器”。这类图像流量传感器中的一个重要图像流量传感器是事件驱动的流量传感器，突破了传统图像流量传感器固定帧率的特点，从而为一些重要的工业和智能汽车应用提供支持。
当然，我们也可以期待一个同时结合了以上两个特点的智能影像流量传感器，为各种人工智能应用提供硬件支持。目前，索尼是智能影像流量传感器领域布局zui多的巨头。与此同时，我们也看到一些初创公司不断在这个方向探索新的技术和应用。
如前所述，图像流量传感器为机器视觉这一zui重要的机器视觉应用提供输入信号。在传统的机器视觉芯片解决方案中，图像传感和人工智能算法运行在不同的硬件上，图像流量传感器提供图像信号，处理器或AI加速芯片执行人工智能算法。然而，在强调低功耗和能效比的移动终端或物联网智能设备中，会造成能源浪费，难以应对一些永远在线的应用场景。
比如我们拿目前流行的手机机器视觉解决方案来说，通常的做法是手机SoC中的主处理器AP打开图像流量传感器，图像流量传感器将图像信号发送给SoC，SoC中的处理器、GPU或AI加速器运行人工智能算法并输出结果。在这个过程中，能效比存在几个瓶颈。首先，镜像流量传感器bixu将镜像传输到SoC，在此期间需要使用MIPI等接口，导致额外的功耗。其次，SoCbixu在整个过程中保持清醒，通常整个操作系统都bixu运行。因此，即使AI加速器可以高能效比运行算法，但整个过程中zui大的能耗部分可能不是人工智能算法，而是SoC处于唤醒状态并运行整个操作系统所带来的额外功耗。
这种功耗在手机偶尔只需要运行机器学习时可能是可行的，但在物联网和可穿戴设备中成为瓶颈，尤其是需要执行常开机器视觉算法时。
人工智能赋能的图像流量传感器可以解决这个问题。具体来说，这种智能图像流量传感器将人工智能算法的运行模块集成在图像流量传感器模块中，因此可以直接输出机器视觉算法的结果，这种运行机器视觉的方法通常被称为“流量传感器传感器内计算”。通过流量传感器以内的计算，将机器视觉算法的运行单元从SoC改为image流量传感器，因此在运行机器视觉算法时，SoC不需要唤醒或运行操作系统，而是可以处于低功耗待机状态。另一方面，由于整个系统比较简单，没有操作系统等额外开销，而且还有一个为机器视觉算法量身定制的加速器芯片模块，所以能效比可以很高。zui后，在接口方面，通常可以实现智能影像流量传感器在检测到重要输出时，中断唤醒SoC，只需要传输机器视觉算法的运行结果，大大降低了数据传输开销。
在人工智能赋能的图像流量传感器中，索尼于去年shouci发布了具有流量传感器内部计算功能的智能图像流量传感器IMX500，有望用于各种需要低功耗、高性能的边缘机器视觉应用领域。此外，索尼还发布了相应的开发平台Aitrios，可以以订阅服务的形式为用户提供智能影像流量传感器的模型开发和部署服务。