華為擁有激光雷達、毫米波雷達的自研技術，該傳感器技術主要為智能駕駛服務，并延伸到智能家居等領域。華為沒有聊AI，但AI技術已經深度融入到華為的傳感器產品中。

據傳感器業內資深人士分析，用毫米波雷達檢測人體存在和動作并不難，難在如何甄別各種動作事件，避免誤判——譬如蹲下就不應該識別成跌倒，目前市場上部分毫米波雷達跌倒監測設備存在較大的誤測情況。

此前，在SensorShenzhen2024上，專家網編輯專訪了Bosch Sensortec高級產品經理周良，此前博世已推出集成可編程AI系統的IMU單元BHI380，其深入分享了博世對AI技術在傳感器中的應用：

“我們對AI的理解，就是說我們過去的傳感器其實就是給客戶提供一些原始的數據，比如說，以加速器和陀螺儀來講，它可能輸出的就是一個加速度信號或者一個角速度信號給到客戶。但是從真正應用的角度來講，客戶可能需要把這些物理量變成它實際使用到的一些數據，那這里面需要一個算法的過程（來進行計算），在以前這個算法需要客戶自己來開發，自己來做這方面的應用。

現在，我們的智能傳感器，就是在傳感器里面放入相當有計算力的一些計算單元。可以是一個外接的MCU，也可以是SoC，那它里面就能夠跑我們博世自己開發的一些算法。這些算法能夠實現本地運行，或者叫做邊緣計算這套模式，讓這個計算重新回到我們傳感器的這邊，來減少整個系統的功耗。然后同時也可以減少客戶對算法開發的負擔。

如果我們能夠提供一些優質的算法，客戶可能拿到這些產品就能直接去應用。他不需要再根據你的傳感器，針對某個場景去開發重復的算法，這樣產品開發效率就能提高，所以這個是我們在智能傳感器領域做的一些探索。”

通過博世提供的集成在傳感器中的AI算法模塊，可以大大減輕下游用戶的產品開發難度，提高產品研發效率——這意味著下游企業將能極大節約研發成本。

如果說博世作為消費電子傳感器巨頭，本身對AI等新技術更為敏銳，那么，工業傳感器巨頭基恩士推出的AI檢測案例，則意味著在工業傳感器等全產業，巨頭們都在積極思考AI技術在傳感器中的應用。

基恩士在其官方公眾號中發布AI檢測案例，文中指出“AI視覺檢測在工業機動化領域也逐漸解決了人工檢測成本高、穩定性差、檢出率不達標等難題。”

通過基恩士先進的光電傳感器配合AI算法，能夠應對工業場景中更多未知場景的精密檢測需求，譬如鑄鋁件的砂眼大小、樹脂件的劃痕長短等，是否符合質檢要求。

結語

數據本身沒有價值，只有將數據轉化為可讀易懂的信息，用于輔助決策，解決實際問題，那么數據才被賦予了價值。

未來，全面智能化時代到來，數以億萬計的傳感器被使用，將產生海量的數據，如何從這些傳感器數據中進行篩選，形成結論，幫助我們做出決策，才是這些傳感器的價值。

在以往，許多時候傳感器傳回來的數據，需要人工進行分析，做出判斷，大大降低傳感器的利用率，面對海量的傳感器數據如何快速做出判斷？答案很顯然——依賴于人工智能技術，對億萬傳感器數據進行分析，做出合理的執行或者告警，這才是人工智能的價值。

顯然，隨著AI技術的進步，未來對海量傳感器數據的處理，傳感器+AI，感知數據加上大腦，才能有價值。