1. 这是一场怎样的收购先说结论Synaptics新思科技收购Emza Visual Sense这件事表面上看是一家触控与显示芯片巨头买了一家电竞摄像头方案公司但往深了挖这是一场典型的“AI能力补全战”——补的不是高性能AI而是补的边缘侧最底层、最省电的那一块感知能力。如果你一直关注边缘计算领域应该对Synaptics不陌生。这家公司早年靠触摸板控制芯片起家后来在笔记本指纹识别、显示驱动IC、音频方案上都有布局。最近几年它的关键词是IoT和AIoT但坦白讲它之前的AI能力更多集中在“数据进来之后怎么处理”也就是DSP和NPU侧而Sensor端怎么感知外部世界一直是短板。Emza Visual Sense恰好补的就是这个短板。Emza Visual Sense是一家来自以色列的低功耗计算机视觉公司核心业务是用极低功耗的视觉传感器做实时感知。它的看家本领是WiseEye技术——一个能在MCU级别芯片上跑出完整人体存在检测、人脸检测、手势识别等视觉应用的解决方案。注意是MCU级别不是带GPU的AP级别功耗往往只有毫瓦级甚至微瓦级。这个技术我之前在做智能门锁项目时研究过当时最头疼的问题就是“摄像头功耗压不下来”。智能锁用电池供电传统方案想要常开视觉检测要么换大电池要么干脆做被动红外PIR触发但PIR误报率又很难看。Emza的方案让我印象很深因为它完全跳出了“先拍照再分析”的思路用事件驱动的方式做感知功耗能压到比一颗蓝牙芯片还低。所以Synaptics收购Emza本质上是把“视觉感知的前端”和“信号处理的后端”拼在了一起。对我这种常年做嵌入式视觉方案的工程师来说这个消息的价值不在于“又有两个公司合并了”而在于它预示了未来两三年边缘视觉产品的设计范式摄像头不再是“先拍再算”而是“边感知边算”整体功耗控制在1mW以内。这篇文我会从技术层面把这笔收购拆开讲清楚包括为什么Synaptics需要Emza、Emza的WiseEye技术到底怎么工作、超低功耗视觉会在哪些产品上率先落地以及作为开发者我们该怎么顺应这个趋势做自己的方案选型。如果你是做智能家居、笔记本外设、IPC网络摄像头或者本身就是做MCU生态的这篇建议细读。2. 收购背后的核心逻辑边缘AI的军备竞赛已经打到“省电”这个维度2.1 边缘计算为什么突然卡在功耗上先说一个大趋势。AI模型在云端已经卷得差不多了能用的算力都在往边缘端下沉但下沉过程中遇到的最大矛盾不是算力不够而是功耗压不下去。一颗高性能SoC跑AI模型确实爽但放到电池供电设备上半小时就没电这在产品上就是不成立的。所以边缘AI的演进分成了两条路线一条是“更小模型”——把模型压缩到能在中低端AP上跑典型代表是端侧人脸识别另一条是“更省电的感知”——不做全时帧处理而是把“是否有人、是否有动作”这类基础感知从视频流里剥离开用极低功耗的传感方式常开监测只有确认有事件后再唤醒主控。Emza走的就是第二条路线。这里有一个关键认知很多入门工程师容易把“视觉AI”等同为“跑神经网络”。实际产品落地时“常开感知”和“按需推断”这两层是完全不同的需求。常开感知要求“永远在线、极低功耗、实时响应”按需推断要求“高精度、高算力”。传统方案是一颗摄像头串一颗SoC从头干到尾功耗全部叠加而未来架构一定是“低功耗感知芯片高性能主控”的分工体系Emza做前者Synaptics做后者收购就是要把这个分工体系在产品层面打通。2.2 Synaptics选Emza而不是选一颗更强算力的NPU有人可能会问Synaptics自己不是有DSP和音频处理能力吗直接做超低功耗视觉缺NPU的话买一颗第三方NPU IP授权不就行了为什么非要收购一家做算法的公司这个问题的答案在“落地场景”里。边缘视觉产品的竞争核心从来不只是算力而是“算法、传感器、功耗、成本”四者的综合平衡。Emza的核心资产不是一个NPU核而是“在极度受限的功耗预算内跑起来且精度可用的完整视觉算法栈”。你单纯买一颗NPU核没有匹配的算法没有对摄像头sensor端到端的功耗优化经验照样很难落地。再往深一层讲Emza这套技术其实是“算法硬件协同设计”的结果。它不只是把YOLO模型压缩一下塞进MCU而是从相机捕获方式事件驱动、像素处理方式不是每帧全量输出、特征提取方式轻量级网络到主控协同都做了定制。这种端到端的工程能力靠几百人的芯片公司自建战线来追至少要多花两三年。花一笔可以接受的收购对价直接换取成熟的产品线和工程团队这是典型的外延式技术补全打法。此外从Synaptics的战略来看它这几年在AIoT上的思路一直是“围绕交互展开”。以前是人通过触摸、语音跟设备交互而视觉作为一种非接触式交互无论如何都会成为下一代人机交互的入口。Emza的WiseEye不需要高功耗主控就能完成“人在/不在”的感知正好补上了“被动感知”这一环。2.3 收购后的产品线想象空间把Synaptics原有的触控、音频、显示驱动、生物识别、IoT连接和Emza的视觉感知组合起来会得到什么我脑子里直接蹦出来的产品形态就有好几类笔记本的存活性检测这个是目前Windows阵营在推的方向屏幕前有人才保持亮屏人走开自动锁屏。传统方案用的是RGB摄像头全时开着功耗高、隐私争议大。换成Emza的低功耗视觉传感后红外事件驱动做常开检测主摄像头只在需要时才启动既省电又保护隐私。智能家居的屏前人感应智能音箱、智能门锁、猫眼、楼宇对讲这类设备以前大多是PIR红外热释电方案只能感知“有没有人动”不能区分“人是不是你”。把Emza塞进去之后能在一颗MCU上直接做人脸存在检测和活体识别不用唤醒主SoC。电池供电的安防摄像头这类产品最大的痛点是功耗和误报。传统IPC方案PIR触发后再唤醒摄像头录像你走路太快或背着光触发晚了就没拍到。Emza是视觉传感器常开直接看哪一帧有人出现再记录误报率低一个大级别。这些产品形态Synaptics靠原有产品线很难独立覆盖但收购Emza后传感器、算法、主控、通信全打通了做完整参考设计卖给品牌客户这个故事在IoT行业是很有吸引力的。2.4 对MCU生态开发者的一记警钟如果你跟我一样常年做MCU开发这条并购消息其实是一个很明确的信号MCU的AI能力已经在从“能跑TinyML模型”向“能做实时视觉感知”跃迁。以前你跑个TinyML图像分类哪怕是MobileNet V1在小模型版本下帧率也低得可怜而现在事件驱动的视觉方案在Cortex-M4级别的MCU上就能跑视觉检测这会在未来两三年彻底改变智能设备的硬件设计逻辑。我见到很多团队做智能设备选型时还在沿用“主控尽量攒性能”的思路不管什么功能都往一颗高性能SoC上堆。但这类设备一旦遇到续航和发热问题就可能被竞品用“更懂功耗”的方案碾压。接下来选型的关键问题不再是“你的芯片能跑多少TOPS”而是“你有没有可能在1mW功耗下完成视觉感知”。这个问题值得每一个做IoT产品的工程师认真思考。3. Emza的WiseEye技术到底强在哪3.1 事件驱动不是每帧都拍而是有变化才处理Emza的核心技术路线是“事件驱动视觉感知”这也是它区别于市面上绝大多数计算机视觉方案的地方。常规的计算机视觉Frame-based工作方式是这样的摄像头按固定帧率比如30fps一帧一帧输出图像每帧都传给处理单元处理单元把所有帧做完分析后再输出结果。这个流程在电力供应充足的场景下没毛病但对电池供电设备来说太浪费了——假设一个人离开房间后场景完全静止摄像头仍然每秒传30帧全黑画面给AI芯片芯片也仍然每秒做30次推理但推理结果永远是“没人”纯属白耗电。Emza的WiseEye采用事件驱动Event-driven方式大幅规避了这个浪费。它的核心思想是只在画面内容发生变化时才产生有意义的数据静止的背景不产生数据。具体到工程实现上它并不是像某些事件相机那样输出异步事件流而是通过“视觉触发”让系统进入低功耗状态只有特定视觉特征比如人形出现出现时才唤醒主控做进一步处理。这个设计最大的好处就是待机功耗极低。根据Emza公开的数据在典型的“存在感测”场景下WiseEye平台整体功耗可以做到1mW上下含图像传感器而传统“摄像头SoC全时分析”方案至少需要100mV级别注意这里指的是瓦特级别的功耗。两者差距能达到两个数量级之上。这个数量级的差距直接把“电池常开的视觉感知”从不可能变成了可能。3.2 WiseEye的硬件架构不只靠算法还有协同设计很多人以为超低功耗视觉只是“把模型的参数变小”但实际上最硬核的地方在硬件协同。Emza之所以功耗能压到这么低除了轻量级网络设计之外还做了以下几件事一是在传感器端做了受限输出。普通的CMOS摄像头sensor排出的都是完整的RAW图或YUV图数据量巨大而Emza配合的传感器通过特定的像素处理和采样控制只在ROI感兴趣区域内输出有效数据大量减少了后续处理器的负担。二是在MCU上做了定制化的算力分配。WiseEye不是把所有计算都压到一颗MCU上而是结合SoC内部NPU、DSP和MCU各层硬件单元的匹配度做了很细粒度的任务切分。比如人体检测这类相对轻量的任务放在MCU侧完成而脸部识别这类重任务则放在主SoC侧完成两者之间有一个分级唤醒的机制。三是模型特别小且配合量化。Emza跑在MCU上的模型不仅是量化到INT8而且经过大量剪枝和蒸馏它的网络结构不是为了刷榜而设计的而是严格围绕“在嵌入式端精度够用”来设计的。这个思路和我之前在端侧部署模型时踩过的坑完全吻合——很多团队死磕mAP平均精度均值然而在实际产品中用户只关心它能不能在晚上识别出有人经过。3.3 WiseEye平台的组成Emza的WiseEye是一个平台型方案不止包含算法它的组成大致如下视觉算法库包括人体存在检测、人脸检测、人脸识别、手势识别、活体检测等模块且都做了低功耗适配。参考硬件设计配套特定的低功耗图像传感器和MCU/SoC参考设计。工具链模型转换、量化、部署的工具能让开发者快速把定制模型部署到目标MCU上。运行时框架在端侧运行时的推理引擎。这个组合逻辑上很完整。它不只是“一个可用的模型”而是“一个可以植入不同产品的整体方案”。硬件设计方不需要自己琢磨传感器选型不需要自己调驱动直接把WiseEye的参考设计拿过去改改就能用。3.4 超低功耗视觉的成像质量问题我在跟同行聊Emza方案的时候很多人会有质疑这么低的功耗图像质量是不是很差检测精度是不是不可用这里面有一个认知偏差需要纠正。超低功耗视觉的目标不是取代拍照摄像头而是做“感知摄像头”。它对图像细节的要求并不高只要能提取出“是不是人”、“人大概在哪个位置”、“人在做什么动作”这层语义信息就够了。Emza常用的传感器分辨率并不高帧率也不高但它通过算法补偿在“感知”这个维度上做到了可用。举个例子一个3m距离的人体存在检测传统方案用800万像素的原图甚至不需要跑AI帧差就能检测到人形。但在超低功耗方案里传感器可能只有QVGA或者更低而且光线不好的时候噪点很大这时候就需要算法具备很强的鲁棒性能够在低分辨率、低信噪比图像上依然识别出人体轮廓。这种能力不是“拿个大模型压一压”就能练出来的而是在算法设计、训练数据采集、传感器特性调优三个方向上同时发力才能达到的效果。Emza在这一点上有十多年的积累它的算法在低分辨率、低照度、低帧率条件下的鲁棒性我认为是目前业界做得最好的之一。这也正是Synaptics愿意花钱买的核心原因之一。4. 边缘AI的三种路线Emza的位置在哪4.1 三条技术路线的横向对比为了更清楚地说清楚Emza在行业里的位置我拉了一张大家容易理解的对比表把目前边缘视觉感知的主要技术路线放在一起看方案类型代表产品/厂商典型功耗核心优势核心短板传统帧驱动CV方案普通IPC、手机摄像头数百mW到数瓦精度高、功能全面功耗大、不适合常开低功耗事件驱动方案Emza WiseEye、一些事件相机1mW上下常开感知、功耗极低主要是感知不适合精细识别低功耗高性能复合方案带NPU的SoC如瑞萨、Synaptics新一代数百mW级别平衡功耗与算力系统复杂、成本高从这个表可以看出来Emza的WiseEye并不试图取代“高性能SoC摄像头”这条线而是扮演了一个“感知前端”的角色。在系统设计中它可以被理解为类似“数字麦克风”的存在——平时挂在那边一直监听但一听到关键词才唤醒主处理器。WiseEye做的事情本质上是“视觉监听”。4.2 事件相机和Emza的路线是一回事吗很多人容易把Emza的事件驱动和CelePixel、Prophesee这类事件相机Event Camera混为一家实际上它们是两条不同的技术路线。事件相机的原理是每个像素独立检测光强变化光强变化超过阈值就输出一个事件输出的是异步事件流。它的优点是动态范围大、时间分辨率高非常适合高速运动场景。缺点是数据形态跟现有图像处理栈完全不一样生态不成熟而且感知精度在复杂场景下受噪声影响大。Emza的视觉方案本质上还是输出常规的图像帧只是在“何时抓帧”“抓哪些区域”“如何用最少的计算量提取关键信息”方面做了深度优化。它跟现有嵌入式图像处理生态的兼容性更好移植也更快。这里就涉及一个工程问题产品团队选方案时是选择技术上更酷但生态不成熟的路线还是选择工程上更稳、更容易落地的路线如果没有强需求支撑大多数团队会选后者这也是Emza方案更容易被设备厂商接受的原因。4.3 为什么“常开视觉”是一个杀手级能力我过去做过几款带视觉功能的IoT设备最深的感受是产品功能的“体感”和你能不能“常开”强相关。同样是人体检测功能如果必须按一下按钮才启动用户只会觉得这是个“能拍照的开关”不觉得是“智能设备”。真正的智能感知必须是无感的——设备在全时状态下自主判断场景主动提供服务。而这个全时状态就回到了功耗问题上。只有把感知功耗压到毫瓦级才能让“全时感知”变成产品常态。从这个角度看超低功耗视觉感知技术的普及不只是一个技术迭代而是整个IoT产品从“被动交互”走向“主动智能”的底层转折点。Emza被Synaptics收编大概率会加速这些产品形态在下一次智能硬件迭代潮中的落地速度。5. 做实际产品时这套方案能怎么用5.1 智能门锁从PIR误报到视觉确认如果你做过电池供电的门锁/猫眼方案一定被PIR误报折腾过。PIR只能感知红外变化但区分不了人、宠物、暖气片热浪还是树叶晃动。尤其是装在楼道里的猫眼环境温度变化大的时候误报率能到百分之三四十。把Emza这种低功耗视觉感知用进去之后体验完全不一样。PIR先做粗粒度触发比如检测到热源移动然后唤醒视觉传感器做视觉确认这比“直接唤醒主SoC做全量拍照识别”功耗低得多。如果方案做到更激进甚至可以去掉PIR让视觉传感器全时工作。门锁外壳上只加一颗超低功耗视觉模组一有人出现在探测区域就触发识别无误后才唤醒主控做UI交互这会让整个门锁的续航有明显改善。这里有一条我给产品经理的建议做电池类视觉产品时不要一上来就挑战“全时视觉AI”先做“PIR视觉确认”的二级唤醒在功耗和误报率之间找一个产品可接受的最优解。整套系统稳了再逐步增加视觉常开的比重。5.2 智能家居中控屏人来了才亮人走了才息智能家居中控屏现在已经很普及了但很多用户反映“屏幕亮着太耀眼”“不靠近它它就自己亮了”之类的体验问题。这背后的技术原因就是屏前人感应做不好。传统方案可以有多种比如屏幕常亮功耗高、容易烧屏、红外距离传感器只能感应很近的距离、存在传感器额外装置成本高。用超低功耗视觉感知的话一堵墙的范围内有人出现就亮屏人离开后延时息屏整个过程的功耗比屏幕常亮省好几倍。这种“视觉存在”机制还能和回家/离家场景联动比如检测到人靠近中控屏提前显示回家模式、空调提前调温这在智能家居体验上是真正能感知到的差异。5.3 笔记本/平板隐私保护与智能交互的平衡Synaptics在笔记本市场一直很有话语权收购Emza之后最有想象力的场景是笔记本的“智能存在检测”。Windows Modern Standby本身支持S0低功耗待机但传统摄像头在盖合状态下是不工作的。用Emza的低功耗视觉传感器笔记本可以在合盖或者待机状态下继续以极低功耗运行人脸检测实现开盖即亮、人走锁屏、旁人窥探自动模糊屏幕等功能。这里有一个隐私合规问题必须要提涉及视觉的数据合规越来越严格低功耗视觉方案在笔记本上落地的核心优势之一就是“数据不出本机”。因为整个推理只在本地MCU上完成不需要把图像传到云端而且可以做成传感器侧只输出“检测结果”连原始图像都不出传感器芯片。这样的隐私设计在欧盟和国内的合规压力下会越来越吃香。5.4 智能安防从“录制”到“理解”的转折点传统安防摄像头是7x24小时录制视频大量存储浪费在没有事件的场景上。超低功耗视觉感知出现后摄像头可以大部分时间处于“存在感知”状态只有当检测到事件人或物出现才被唤醒录像这会把存储成本和功耗大幅降低。举个例子一个安装在山野、农田、工地等不方便布线场景的户外摄像头以前非用太阳能板加大电池不可现在用超低功耗感知方案电池容量可以缩小一个量级。用户在查看录像时也可以直接按“事件片段”列表查阅而不用快进翻找整个时间轴。6. 收购之后行业会怎么变6.1 从“卖芯片”到“卖感知模组”Synaptics收购Emza后给业界带来的最直接变化可能是产品形态上的变化。以前Synaptics卖一颗触控芯片卖一颗指纹芯片客户需要自己去做系统设计现在有了Emza的视觉感知能力Synaptics完全可以做“端到端的感知模组”参考设计客户拿过去只要做外壳和App就行。这种模式在IoT碎片化市场里面尤其吃香因为大量小品牌厂家没有能力做摄像头调试和算法部署。我认识的一些方案商已经在做类似的事他们自己用Synaptics这颗主控第三方低功耗视觉算法做出来的模组毛利能到硬件行业很少见的水平。这类“技术整合型”产品的价值会随着Emza这类IP融入Synaptics的芯片组合而水涨船高。6.2 对MCU厂商的“鲶鱼效应”Emza给行业带来的另一个影响是“把视觉AI拉到了MCU级别的功耗线”。以前很多MCU厂商做过TinyML试水但更多是Demo级演示真正落到量产项目上的寥寥无几。Emza给了业界一个样板只要能拿出匹配的算法、匹配的传感器、匹配的部署工具MCU级视觉是完全可以量产的而且功耗表现能碾压传统方案。这会让MCU厂商重新审视自己的产品定义。未来MCU的内置加速器不只是给AI推理用的还要解决“如何低功耗地采集视觉信号”的问题。也许未来MCU芯片会集成带ROI控制的摄像头接口支持在Sensor端提取特征后再传数据而不是像现在一样强行塞一个DVP/MIPI接口完事。6.3 “算法定义硬件”会从口号变成现实早年大家都说“软件定义硬件”但在嵌入式领域更准确的说法是“算法定义硬件”。Emza的WiseEye不是先选了一颗通用MCU再去适配算法而是算法团队先定义清楚“我需要什么样的算力、什么样的内存带宽、什么样的传感器控制逻辑”再回头去跟硬件团队打磨。这种协同方式做出来的芯片和方案比“先有芯片再塞算法”的方式在能效比上要优秀一个档次。以后做AIoT芯片的产品经理如果不懂算法可能会越来越难做。因为芯片的很多设计决策Sensor接口怎么设计、SRAM要多大、NPU的带宽规划都要根据目标算法模型来确定。芯片设计者不能再闭门造车必须跟算法团队、传感器团队在定义阶段就深度绑定。7. 作为开发者现在该做什么准备7.1 选型层面把“敏感度”思维带进去我给开发者尤其是方案公司的建议是从现在开始评估方案时把“感知常开功耗”作为一级指标来看待。以前你选主控可能先看CPU主频、内存大小、AI算力现在要先问一句待机时整套视觉感知系统的平均功耗是多少一个简单的评估方法对着产品定义列出“最常用的状态”和“最耗电的状态”然后看方案的功耗分布是否合理。如果大部分功耗都被“常开感知”占用了那这个架构一定有问题。合理的设计应当是常开功耗尽量压低主要功耗发生在“事件发生后的处理阶段”。7.2 技能层面事件驱动编程思维越来越重要从开发者的角度看未来嵌入式视觉产品的代码结构会向“事件驱动”回归。传统高清摄像头方案的代码是“采集—推理—输出”循环跑低功耗视觉方案是“感知触发—唤醒—处理—回休眠”状态机驱动。这套开发模式和蓝牙低功耗BLE的开发非常像核心思路就是尽量多睡觉睡醒了干正事干完立刻接着睡。如果你有BLE的开发经验做低功耗视觉开发时很多概念都可以直接复用事件、回调、唤醒源、低功耗定时器、外设分级供电。这其实是一个好消息——不需要全新的知识体系而是把已有的低功耗设计方法论和AI部署技能拼接起来。7.3 生态层面关注“多模交互”的机会Synaptics收了Emza之后下一步大概率会把视觉感知和音频感知、触控感知组合成“多模态感知”方案。比如设备可以通过语音唤醒、触摸唤醒、视觉唤醒三种方式复合判断用户意图。这种多模态融合的需求会带动一批新的中间件和算法岗位。作为开发者现在可以开始关注多模态数据的同步和融合。比如视觉和音频事件如何在MCU侧时间对齐、如何在不同模态数据有冲突时做仲裁、如何在低功耗状态下轮询多个唤醒源并决定优先处理哪个。这些技能未来一定紧缺。7.4 踩坑提醒别被“低功耗”宣传忽悠了最后泼一点冷水。低功耗视觉感知类方案的实测功耗跟厂商宣传册上的数字往往差不少原因在于“标称功耗”都是在理想条件下测出来的——特定传感器、特定帧率、特定光照、特定场景。实际产品放在真实环境里尤其是多目标场景、逆光场景、复杂动态背景下视觉算法会频繁触发功耗随之直线上升。我的实操建议是选型时一定要做“最恶劣场景功耗测试”。模拟用户在最复杂的背景前待一整天的场景测出平均功耗然后以这个值作为续航评估的依据。如果方案在这个条件下还能满足你的续航目标那才说明它是真的“超低功耗”。另外还要关注传感器和算法的适配问题。有些传感器虽然标称低功耗但等待唤醒的模式切换时间很长或者在不同的环境光条件下输出的质量差别很大会直接影响算法准确率。建议拿到方案后先在自己的目标场景里跑一个月跑测再决定是否量产。8. 我的看法与后续关注点从Synaptics的角度看收购Emza是一笔划算的买卖。边缘视觉芯片市场的关键竞争壁垒不在制程多先进而在“多模态感知的整合能力”和“功耗控制到极致的工程能力”。Emza恰好在这两点上都有十多年积累。这笔收购不是简单的“买技术”而是“买团队”、“买时间窗口”和“买产品定义能力”三位一体。从行业的角度看这桩交易再次验证了我这几年一直坚持的判断边缘AI的发展重心正在从“跑更重的模型”转向“定义更低的功耗”。性能竞赛已经不再重要前提条件都不满足。谁能把功耗压到最低谁就能在下一波智能设备浪潮里占住最利好的身位。作为长期做嵌入式视觉的从业者我个人后续会重点关注三个方向一是Synaptics推出整合Emza技术的参考设计后实际功耗曲线和开发体验如何二是Emza的WiseEye技术是否会被进一步集成到Synaptics的SoC内部形成“硬件级视觉感知单元”三是这种“芯片算法传感器”深度绑定的模式会不会被更多芯片厂商效仿从而带动整个低功耗视觉产业链的成熟。如果你已经在做视觉相关的IoT产品我的建议只有一条不用着急换方案但一定要开始关注“常开视觉感知”的功耗指标。因为产品定义的下一次迭代胜负手很可能就藏在这颗看起来很不起眼的低功耗感知芯片里。 Synaptics收购Emza：边缘AI进入毫瓦级视觉感知时代
1. 这是一场怎样的收购先说结论Synaptics新思科技收购Emza Visual Sense这件事表面上看是一家触控与显示芯片巨头买了一家电竞摄像头方案公司但往深了挖这是一场典型的“AI能力补全战”——补的不是高性能AI而是补的边缘侧最底层、最省电的那一块感知能力。如果你一直关注边缘计算领域应该对Synaptics不陌生。这家公司早年靠触摸板控制芯片起家后来在笔记本指纹识别、显示驱动IC、音频方案上都有布局。最近几年它的关键词是IoT和AIoT但坦白讲它之前的AI能力更多集中在“数据进来之后怎么处理”也就是DSP和NPU侧而Sensor端怎么感知外部世界一直是短板。Emza Visual Sense恰好补的就是这个短板。Emza Visual Sense是一家来自以色列的低功耗计算机视觉公司核心业务是用极低功耗的视觉传感器做实时感知。它的看家本领是WiseEye技术——一个能在MCU级别芯片上跑出完整人体存在检测、人脸检测、手势识别等视觉应用的解决方案。注意是MCU级别不是带GPU的AP级别功耗往往只有毫瓦级甚至微瓦级。这个技术我之前在做智能门锁项目时研究过当时最头疼的问题就是“摄像头功耗压不下来”。智能锁用电池供电传统方案想要常开视觉检测要么换大电池要么干脆做被动红外PIR触发但PIR误报率又很难看。Emza的方案让我印象很深因为它完全跳出了“先拍照再分析”的思路用事件驱动的方式做感知功耗能压到比一颗蓝牙芯片还低。所以Synaptics收购Emza本质上是把“视觉感知的前端”和“信号处理的后端”拼在了一起。对我这种常年做嵌入式视觉方案的工程师来说这个消息的价值不在于“又有两个公司合并了”而在于它预示了未来两三年边缘视觉产品的设计范式摄像头不再是“先拍再算”而是“边感知边算”整体功耗控制在1mW以内。这篇文我会从技术层面把这笔收购拆开讲清楚包括为什么Synaptics需要Emza、Emza的WiseEye技术到底怎么工作、超低功耗视觉会在哪些产品上率先落地以及作为开发者我们该怎么顺应这个趋势做自己的方案选型。如果你是做智能家居、笔记本外设、IPC网络摄像头或者本身就是做MCU生态的这篇建议细读。2. 收购背后的核心逻辑边缘AI的军备竞赛已经打到“省电”这个维度2.1 边缘计算为什么突然卡在功耗上先说一个大趋势。AI模型在云端已经卷得差不多了能用的算力都在往边缘端下沉但下沉过程中遇到的最大矛盾不是算力不够而是功耗压不下去。一颗高性能SoC跑AI模型确实爽但放到电池供电设备上半小时就没电这在产品上就是不成立的。所以边缘AI的演进分成了两条路线一条是“更小模型”——把模型压缩到能在中低端AP上跑典型代表是端侧人脸识别另一条是“更省电的感知”——不做全时帧处理而是把“是否有人、是否有动作”这类基础感知从视频流里剥离开用极低功耗的传感方式常开监测只有确认有事件后再唤醒主控。Emza走的就是第二条路线。这里有一个关键认知很多入门工程师容易把“视觉AI”等同为“跑神经网络”。实际产品落地时“常开感知”和“按需推断”这两层是完全不同的需求。常开感知要求“永远在线、极低功耗、实时响应”按需推断要求“高精度、高算力”。传统方案是一颗摄像头串一颗SoC从头干到尾功耗全部叠加而未来架构一定是“低功耗感知芯片高性能主控”的分工体系Emza做前者Synaptics做后者收购就是要把这个分工体系在产品层面打通。2.2 Synaptics选Emza而不是选一颗更强算力的NPU有人可能会问Synaptics自己不是有DSP和音频处理能力吗直接做超低功耗视觉缺NPU的话买一颗第三方NPU IP授权不就行了为什么非要收购一家做算法的公司这个问题的答案在“落地场景”里。边缘视觉产品的竞争核心从来不只是算力而是“算法、传感器、功耗、成本”四者的综合平衡。Emza的核心资产不是一个NPU核而是“在极度受限的功耗预算内跑起来且精度可用的完整视觉算法栈”。你单纯买一颗NPU核没有匹配的算法没有对摄像头sensor端到端的功耗优化经验照样很难落地。再往深一层讲Emza这套技术其实是“算法硬件协同设计”的结果。它不只是把YOLO模型压缩一下塞进MCU而是从相机捕获方式事件驱动、像素处理方式不是每帧全量输出、特征提取方式轻量级网络到主控协同都做了定制。这种端到端的工程能力靠几百人的芯片公司自建战线来追至少要多花两三年。花一笔可以接受的收购对价直接换取成熟的产品线和工程团队这是典型的外延式技术补全打法。此外从Synaptics的战略来看它这几年在AIoT上的思路一直是“围绕交互展开”。以前是人通过触摸、语音跟设备交互而视觉作为一种非接触式交互无论如何都会成为下一代人机交互的入口。Emza的WiseEye不需要高功耗主控就能完成“人在/不在”的感知正好补上了“被动感知”这一环。2.3 收购后的产品线想象空间把Synaptics原有的触控、音频、显示驱动、生物识别、IoT连接和Emza的视觉感知组合起来会得到什么我脑子里直接蹦出来的产品形态就有好几类笔记本的存活性检测这个是目前Windows阵营在推的方向屏幕前有人才保持亮屏人走开自动锁屏。传统方案用的是RGB摄像头全时开着功耗高、隐私争议大。换成Emza的低功耗视觉传感后红外事件驱动做常开检测主摄像头只在需要时才启动既省电又保护隐私。智能家居的屏前人感应智能音箱、智能门锁、猫眼、楼宇对讲这类设备以前大多是PIR红外热释电方案只能感知“有没有人动”不能区分“人是不是你”。把Emza塞进去之后能在一颗MCU上直接做人脸存在检测和活体识别不用唤醒主SoC。电池供电的安防摄像头这类产品最大的痛点是功耗和误报。传统IPC方案PIR触发后再唤醒摄像头录像你走路太快或背着光触发晚了就没拍到。Emza是视觉传感器常开直接看哪一帧有人出现再记录误报率低一个大级别。这些产品形态Synaptics靠原有产品线很难独立覆盖但收购Emza后传感器、算法、主控、通信全打通了做完整参考设计卖给品牌客户这个故事在IoT行业是很有吸引力的。2.4 对MCU生态开发者的一记警钟如果你跟我一样常年做MCU开发这条并购消息其实是一个很明确的信号MCU的AI能力已经在从“能跑TinyML模型”向“能做实时视觉感知”跃迁。以前你跑个TinyML图像分类哪怕是MobileNet V1在小模型版本下帧率也低得可怜而现在事件驱动的视觉方案在Cortex-M4级别的MCU上就能跑视觉检测这会在未来两三年彻底改变智能设备的硬件设计逻辑。我见到很多团队做智能设备选型时还在沿用“主控尽量攒性能”的思路不管什么功能都往一颗高性能SoC上堆。但这类设备一旦遇到续航和发热问题就可能被竞品用“更懂功耗”的方案碾压。接下来选型的关键问题不再是“你的芯片能跑多少TOPS”而是“你有没有可能在1mW功耗下完成视觉感知”。这个问题值得每一个做IoT产品的工程师认真思考。3. Emza的WiseEye技术到底强在哪3.1 事件驱动不是每帧都拍而是有变化才处理Emza的核心技术路线是“事件驱动视觉感知”这也是它区别于市面上绝大多数计算机视觉方案的地方。常规的计算机视觉Frame-based工作方式是这样的摄像头按固定帧率比如30fps一帧一帧输出图像每帧都传给处理单元处理单元把所有帧做完分析后再输出结果。这个流程在电力供应充足的场景下没毛病但对电池供电设备来说太浪费了——假设一个人离开房间后场景完全静止摄像头仍然每秒传30帧全黑画面给AI芯片芯片也仍然每秒做30次推理但推理结果永远是“没人”纯属白耗电。Emza的WiseEye采用事件驱动Event-driven方式大幅规避了这个浪费。它的核心思想是只在画面内容发生变化时才产生有意义的数据静止的背景不产生数据。具体到工程实现上它并不是像某些事件相机那样输出异步事件流而是通过“视觉触发”让系统进入低功耗状态只有特定视觉特征比如人形出现出现时才唤醒主控做进一步处理。这个设计最大的好处就是待机功耗极低。根据Emza公开的数据在典型的“存在感测”场景下WiseEye平台整体功耗可以做到1mW上下含图像传感器而传统“摄像头SoC全时分析”方案至少需要100mV级别注意这里指的是瓦特级别的功耗。两者差距能达到两个数量级之上。这个数量级的差距直接把“电池常开的视觉感知”从不可能变成了可能。3.2 WiseEye的硬件架构不只靠算法还有协同设计很多人以为超低功耗视觉只是“把模型的参数变小”但实际上最硬核的地方在硬件协同。Emza之所以功耗能压到这么低除了轻量级网络设计之外还做了以下几件事一是在传感器端做了受限输出。普通的CMOS摄像头sensor排出的都是完整的RAW图或YUV图数据量巨大而Emza配合的传感器通过特定的像素处理和采样控制只在ROI感兴趣区域内输出有效数据大量减少了后续处理器的负担。二是在MCU上做了定制化的算力分配。WiseEye不是把所有计算都压到一颗MCU上而是结合SoC内部NPU、DSP和MCU各层硬件单元的匹配度做了很细粒度的任务切分。比如人体检测这类相对轻量的任务放在MCU侧完成而脸部识别这类重任务则放在主SoC侧完成两者之间有一个分级唤醒的机制。三是模型特别小且配合量化。Emza跑在MCU上的模型不仅是量化到INT8而且经过大量剪枝和蒸馏它的网络结构不是为了刷榜而设计的而是严格围绕“在嵌入式端精度够用”来设计的。这个思路和我之前在端侧部署模型时踩过的坑完全吻合——很多团队死磕mAP平均精度均值然而在实际产品中用户只关心它能不能在晚上识别出有人经过。3.3 WiseEye平台的组成Emza的WiseEye是一个平台型方案不止包含算法它的组成大致如下视觉算法库包括人体存在检测、人脸检测、人脸识别、手势识别、活体检测等模块且都做了低功耗适配。参考硬件设计配套特定的低功耗图像传感器和MCU/SoC参考设计。工具链模型转换、量化、部署的工具能让开发者快速把定制模型部署到目标MCU上。运行时框架在端侧运行时的推理引擎。这个组合逻辑上很完整。它不只是“一个可用的模型”而是“一个可以植入不同产品的整体方案”。硬件设计方不需要自己琢磨传感器选型不需要自己调驱动直接把WiseEye的参考设计拿过去改改就能用。3.4 超低功耗视觉的成像质量问题我在跟同行聊Emza方案的时候很多人会有质疑这么低的功耗图像质量是不是很差检测精度是不是不可用这里面有一个认知偏差需要纠正。超低功耗视觉的目标不是取代拍照摄像头而是做“感知摄像头”。它对图像细节的要求并不高只要能提取出“是不是人”、“人大概在哪个位置”、“人在做什么动作”这层语义信息就够了。Emza常用的传感器分辨率并不高帧率也不高但它通过算法补偿在“感知”这个维度上做到了可用。举个例子一个3m距离的人体存在检测传统方案用800万像素的原图甚至不需要跑AI帧差就能检测到人形。但在超低功耗方案里传感器可能只有QVGA或者更低而且光线不好的时候噪点很大这时候就需要算法具备很强的鲁棒性能够在低分辨率、低信噪比图像上依然识别出人体轮廓。这种能力不是“拿个大模型压一压”就能练出来的而是在算法设计、训练数据采集、传感器特性调优三个方向上同时发力才能达到的效果。Emza在这一点上有十多年的积累它的算法在低分辨率、低照度、低帧率条件下的鲁棒性我认为是目前业界做得最好的之一。这也正是Synaptics愿意花钱买的核心原因之一。4. 边缘AI的三种路线Emza的位置在哪4.1 三条技术路线的横向对比为了更清楚地说清楚Emza在行业里的位置我拉了一张大家容易理解的对比表把目前边缘视觉感知的主要技术路线放在一起看方案类型代表产品/厂商典型功耗核心优势核心短板传统帧驱动CV方案普通IPC、手机摄像头数百mW到数瓦精度高、功能全面功耗大、不适合常开低功耗事件驱动方案Emza WiseEye、一些事件相机1mW上下常开感知、功耗极低主要是感知不适合精细识别低功耗高性能复合方案带NPU的SoC如瑞萨、Synaptics新一代数百mW级别平衡功耗与算力系统复杂、成本高从这个表可以看出来Emza的WiseEye并不试图取代“高性能SoC摄像头”这条线而是扮演了一个“感知前端”的角色。在系统设计中它可以被理解为类似“数字麦克风”的存在——平时挂在那边一直监听但一听到关键词才唤醒主处理器。WiseEye做的事情本质上是“视觉监听”。4.2 事件相机和Emza的路线是一回事吗很多人容易把Emza的事件驱动和CelePixel、Prophesee这类事件相机Event Camera混为一家实际上它们是两条不同的技术路线。事件相机的原理是每个像素独立检测光强变化光强变化超过阈值就输出一个事件输出的是异步事件流。它的优点是动态范围大、时间分辨率高非常适合高速运动场景。缺点是数据形态跟现有图像处理栈完全不一样生态不成熟而且感知精度在复杂场景下受噪声影响大。Emza的视觉方案本质上还是输出常规的图像帧只是在“何时抓帧”“抓哪些区域”“如何用最少的计算量提取关键信息”方面做了深度优化。它跟现有嵌入式图像处理生态的兼容性更好移植也更快。这里就涉及一个工程问题产品团队选方案时是选择技术上更酷但生态不成熟的路线还是选择工程上更稳、更容易落地的路线如果没有强需求支撑大多数团队会选后者这也是Emza方案更容易被设备厂商接受的原因。4.3 为什么“常开视觉”是一个杀手级能力我过去做过几款带视觉功能的IoT设备最深的感受是产品功能的“体感”和你能不能“常开”强相关。同样是人体检测功能如果必须按一下按钮才启动用户只会觉得这是个“能拍照的开关”不觉得是“智能设备”。真正的智能感知必须是无感的——设备在全时状态下自主判断场景主动提供服务。而这个全时状态就回到了功耗问题上。只有把感知功耗压到毫瓦级才能让“全时感知”变成产品常态。从这个角度看超低功耗视觉感知技术的普及不只是一个技术迭代而是整个IoT产品从“被动交互”走向“主动智能”的底层转折点。Emza被Synaptics收编大概率会加速这些产品形态在下一次智能硬件迭代潮中的落地速度。5. 做实际产品时这套方案能怎么用5.1 智能门锁从PIR误报到视觉确认如果你做过电池供电的门锁/猫眼方案一定被PIR误报折腾过。PIR只能感知红外变化但区分不了人、宠物、暖气片热浪还是树叶晃动。尤其是装在楼道里的猫眼环境温度变化大的时候误报率能到百分之三四十。把Emza这种低功耗视觉感知用进去之后体验完全不一样。PIR先做粗粒度触发比如检测到热源移动然后唤醒视觉传感器做视觉确认这比“直接唤醒主SoC做全量拍照识别”功耗低得多。如果方案做到更激进甚至可以去掉PIR让视觉传感器全时工作。门锁外壳上只加一颗超低功耗视觉模组一有人出现在探测区域就触发识别无误后才唤醒主控做UI交互这会让整个门锁的续航有明显改善。这里有一条我给产品经理的建议做电池类视觉产品时不要一上来就挑战“全时视觉AI”先做“PIR视觉确认”的二级唤醒在功耗和误报率之间找一个产品可接受的最优解。整套系统稳了再逐步增加视觉常开的比重。5.2 智能家居中控屏人来了才亮人走了才息智能家居中控屏现在已经很普及了但很多用户反映“屏幕亮着太耀眼”“不靠近它它就自己亮了”之类的体验问题。这背后的技术原因就是屏前人感应做不好。传统方案可以有多种比如屏幕常亮功耗高、容易烧屏、红外距离传感器只能感应很近的距离、存在传感器额外装置成本高。用超低功耗视觉感知的话一堵墙的范围内有人出现就亮屏人离开后延时息屏整个过程的功耗比屏幕常亮省好几倍。这种“视觉存在”机制还能和回家/离家场景联动比如检测到人靠近中控屏提前显示回家模式、空调提前调温这在智能家居体验上是真正能感知到的差异。5.3 笔记本/平板隐私保护与智能交互的平衡Synaptics在笔记本市场一直很有话语权收购Emza之后最有想象力的场景是笔记本的“智能存在检测”。Windows Modern Standby本身支持S0低功耗待机但传统摄像头在盖合状态下是不工作的。用Emza的低功耗视觉传感器笔记本可以在合盖或者待机状态下继续以极低功耗运行人脸检测实现开盖即亮、人走锁屏、旁人窥探自动模糊屏幕等功能。这里有一个隐私合规问题必须要提涉及视觉的数据合规越来越严格低功耗视觉方案在笔记本上落地的核心优势之一就是“数据不出本机”。因为整个推理只在本地MCU上完成不需要把图像传到云端而且可以做成传感器侧只输出“检测结果”连原始图像都不出传感器芯片。这样的隐私设计在欧盟和国内的合规压力下会越来越吃香。5.4 智能安防从“录制”到“理解”的转折点传统安防摄像头是7x24小时录制视频大量存储浪费在没有事件的场景上。超低功耗视觉感知出现后摄像头可以大部分时间处于“存在感知”状态只有当检测到事件人或物出现才被唤醒录像这会把存储成本和功耗大幅降低。举个例子一个安装在山野、农田、工地等不方便布线场景的户外摄像头以前非用太阳能板加大电池不可现在用超低功耗感知方案电池容量可以缩小一个量级。用户在查看录像时也可以直接按“事件片段”列表查阅而不用快进翻找整个时间轴。6. 收购之后行业会怎么变6.1 从“卖芯片”到“卖感知模组”Synaptics收购Emza后给业界带来的最直接变化可能是产品形态上的变化。以前Synaptics卖一颗触控芯片卖一颗指纹芯片客户需要自己去做系统设计现在有了Emza的视觉感知能力Synaptics完全可以做“端到端的感知模组”参考设计客户拿过去只要做外壳和App就行。这种模式在IoT碎片化市场里面尤其吃香因为大量小品牌厂家没有能力做摄像头调试和算法部署。我认识的一些方案商已经在做类似的事他们自己用Synaptics这颗主控第三方低功耗视觉算法做出来的模组毛利能到硬件行业很少见的水平。这类“技术整合型”产品的价值会随着Emza这类IP融入Synaptics的芯片组合而水涨船高。6.2 对MCU厂商的“鲶鱼效应”Emza给行业带来的另一个影响是“把视觉AI拉到了MCU级别的功耗线”。以前很多MCU厂商做过TinyML试水但更多是Demo级演示真正落到量产项目上的寥寥无几。Emza给了业界一个样板只要能拿出匹配的算法、匹配的传感器、匹配的部署工具MCU级视觉是完全可以量产的而且功耗表现能碾压传统方案。这会让MCU厂商重新审视自己的产品定义。未来MCU的内置加速器不只是给AI推理用的还要解决“如何低功耗地采集视觉信号”的问题。也许未来MCU芯片会集成带ROI控制的摄像头接口支持在Sensor端提取特征后再传数据而不是像现在一样强行塞一个DVP/MIPI接口完事。6.3 “算法定义硬件”会从口号变成现实早年大家都说“软件定义硬件”但在嵌入式领域更准确的说法是“算法定义硬件”。Emza的WiseEye不是先选了一颗通用MCU再去适配算法而是算法团队先定义清楚“我需要什么样的算力、什么样的内存带宽、什么样的传感器控制逻辑”再回头去跟硬件团队打磨。这种协同方式做出来的芯片和方案比“先有芯片再塞算法”的方式在能效比上要优秀一个档次。以后做AIoT芯片的产品经理如果不懂算法可能会越来越难做。因为芯片的很多设计决策Sensor接口怎么设计、SRAM要多大、NPU的带宽规划都要根据目标算法模型来确定。芯片设计者不能再闭门造车必须跟算法团队、传感器团队在定义阶段就深度绑定。7. 作为开发者现在该做什么准备7.1 选型层面把“敏感度”思维带进去我给开发者尤其是方案公司的建议是从现在开始评估方案时把“感知常开功耗”作为一级指标来看待。以前你选主控可能先看CPU主频、内存大小、AI算力现在要先问一句待机时整套视觉感知系统的平均功耗是多少一个简单的评估方法对着产品定义列出“最常用的状态”和“最耗电的状态”然后看方案的功耗分布是否合理。如果大部分功耗都被“常开感知”占用了那这个架构一定有问题。合理的设计应当是常开功耗尽量压低主要功耗发生在“事件发生后的处理阶段”。7.2 技能层面事件驱动编程思维越来越重要从开发者的角度看未来嵌入式视觉产品的代码结构会向“事件驱动”回归。传统高清摄像头方案的代码是“采集—推理—输出”循环跑低功耗视觉方案是“感知触发—唤醒—处理—回休眠”状态机驱动。这套开发模式和蓝牙低功耗BLE的开发非常像核心思路就是尽量多睡觉睡醒了干正事干完立刻接着睡。如果你有BLE的开发经验做低功耗视觉开发时很多概念都可以直接复用事件、回调、唤醒源、低功耗定时器、外设分级供电。这其实是一个好消息——不需要全新的知识体系而是把已有的低功耗设计方法论和AI部署技能拼接起来。7.3 生态层面关注“多模交互”的机会Synaptics收了Emza之后下一步大概率会把视觉感知和音频感知、触控感知组合成“多模态感知”方案。比如设备可以通过语音唤醒、触摸唤醒、视觉唤醒三种方式复合判断用户意图。这种多模态融合的需求会带动一批新的中间件和算法岗位。作为开发者现在可以开始关注多模态数据的同步和融合。比如视觉和音频事件如何在MCU侧时间对齐、如何在不同模态数据有冲突时做仲裁、如何在低功耗状态下轮询多个唤醒源并决定优先处理哪个。这些技能未来一定紧缺。7.4 踩坑提醒别被“低功耗”宣传忽悠了最后泼一点冷水。低功耗视觉感知类方案的实测功耗跟厂商宣传册上的数字往往差不少原因在于“标称功耗”都是在理想条件下测出来的——特定传感器、特定帧率、特定光照、特定场景。实际产品放在真实环境里尤其是多目标场景、逆光场景、复杂动态背景下视觉算法会频繁触发功耗随之直线上升。我的实操建议是选型时一定要做“最恶劣场景功耗测试”。模拟用户在最复杂的背景前待一整天的场景测出平均功耗然后以这个值作为续航评估的依据。如果方案在这个条件下还能满足你的续航目标那才说明它是真的“超低功耗”。另外还要关注传感器和算法的适配问题。有些传感器虽然标称低功耗但等待唤醒的模式切换时间很长或者在不同的环境光条件下输出的质量差别很大会直接影响算法准确率。建议拿到方案后先在自己的目标场景里跑一个月跑测再决定是否量产。8. 我的看法与后续关注点从Synaptics的角度看收购Emza是一笔划算的买卖。边缘视觉芯片市场的关键竞争壁垒不在制程多先进而在“多模态感知的整合能力”和“功耗控制到极致的工程能力”。Emza恰好在这两点上都有十多年积累。这笔收购不是简单的“买技术”而是“买团队”、“买时间窗口”和“买产品定义能力”三位一体。从行业的角度看这桩交易再次验证了我这几年一直坚持的判断边缘AI的发展重心正在从“跑更重的模型”转向“定义更低的功耗”。性能竞赛已经不再重要前提条件都不满足。谁能把功耗压到最低谁就能在下一波智能设备浪潮里占住最利好的身位。作为长期做嵌入式视觉的从业者我个人后续会重点关注三个方向一是Synaptics推出整合Emza技术的参考设计后实际功耗曲线和开发体验如何二是Emza的WiseEye技术是否会被进一步集成到Synaptics的SoC内部形成“硬件级视觉感知单元”三是这种“芯片算法传感器”深度绑定的模式会不会被更多芯片厂商效仿从而带动整个低功耗视觉产业链的成熟。如果你已经在做视觉相关的IoT产品我的建议只有一条不用着急换方案但一定要开始关注“常开视觉感知”的功耗指标。因为产品定义的下一次迭代胜负手很可能就藏在这颗看起来很不起眼的低功耗感知芯片里。