Ein chinesischer Blogger hat kürzlich enthüllt, dass sich die Technologie-Richtung der CMOS-Bildsensoren in den kommenden Jahren erheblich ändern wird. Es wird nicht mehr nur nach der reinen physikalischen Sensorgröße mit „großen Einheiten, die überdimensioniert sind“ gestrebt, sondern die Entwicklung wird sich in Richtung „Verkleinerung der Größe und Reduzierung des statischen Stromverbrauchs“ bewegen. Berichten zufolge haben bereits einige Halbleiterhersteller ihre CMOS-Planungen in Richtung „CMOS und Scheduling-Core-Integration“ geändert, was bedeutet, dass der Bildsensor eng mit dem Rechenlogik-Chip integriert verpackt wird.
Der Blogger weist darauf hin, dass sich diese Technologie derzeit noch in der Entwicklungsphase im Labor befindet und voraussichtlich um 2028 in die Massenproduktion gehen könnte. Da dieses Konzept zur technischen Richtung der oberen Lieferkette gehört, werden zu gegebener Zeit mehrere Endmarken in der Lage sein, in dieses völlig neue Feld zu wechseln.
Die CMOS-Integration wird einen Kompromiss zwischen Bildgebung und AI-Rechenleistung mit sich bringen
Aus der Perspektive der physikalischen Eigenschaften ist CMOS äußerst empfindlich gegenüber der Stabilität der Stromversorgung und Rauschen. Wenn der Rechenlogik-Chip mit dem Sensor in derselben Verpackung integriert wird, wird dies unvermeidlich zu einem gewissen Verlust der ursprünglichen Bildqualität führen. Der signifikante Vorteil dieser Richtung liegt jedoch darin, dass sie die starke AI-Rechenleistung nutzen kann, um „physikalische Mängel auszugleichen“. Durch die Rechenleistung, die durch die Integration bereitgestellt wird, kann der Sensor direkt auf der unteren Ebene effizientere AI-Funktionen wie Rauschunterdrückung, Superauflösung, Multi-Frame-HDR-Fusion und Nachtaufnahmeverbesserung ausführen.
Der Blogger hat auch auf die Bedenken einiger Verbraucher reagiert, die „lieber unscharfe Bilder machen, als den AI-Geschmack zu haben“, und weiter klargestellt, dass diese technologische Evolution im Wesentlichen im Bereich der tiefen „Computational Photography“ angesiedelt ist. Der Kern liegt im Wettbewerb um die Verarbeitungskapazität von AI-Bildern und nicht nur in der reinen AI-generierten Bildinhalte. Mit anderen Worten, die entsprechenden Funktionen basieren weiterhin auf realen optischen Signalen und führen lediglich fortschrittlichere Algorithmen in die Bildverarbeitungskette ein, um die Qualität des endgültigen Bildes zu verbessern.