硬件，尤其是MEMS传感器，仍将会是终端设备中不行或缺的部份，但展望未来，软件在为用户带来价值方面也扮演相同重要的人物。博世（Bosch Sensortec）以为，传感器软件将会变得越来越智能，然后将MEMS传感器转变为更精确且个人化的体系，帮忙用户习惯任何状况。
Bosch Sensortec技能长Markus Ulm说：“软件为传统传感器组件添加了新功用。 我坚信这将会对咱们的工业带来严重影响，”促进MEMS传感器导入当时和新的运用中。
MEMS标准化
“一种产品，一种制程”（One Product， One Process）是MEMS工业中众所周知的不贰规律。MEMS组件有必要通过高度客制才或许满意功耗、推迟、安稳度和内存方面的特定要求。例如，虚拟现实（VR）头戴式显示器需求最低推迟时刻，扫地机器人则要求在各种不同温度下具有高安稳度，而穿戴式设备则需求以超低功率完成自主学习以及定向追寻。Ulm说：“但要开发一种合适一切产品的处理方案极端困难，并且还有必要要有满足的商场掩盖才干真实使其具有商业可行性。”
再者，在迈向制程标准化方面简直没什么开展，这也标志着这一工业与传统半导体工业制程的明显差异。Yole Développement技能商场分析师Damianos Dimitrios以为，“在MEMS标准化方面一向没有任何改进和前进。曩昔二、三十年来一向是这样，业界都在议论标准化，但却一向未能完成。这便是为什么MEMS代工厂和CMOS代工厂的商业模式开展不同的原因。”
Ulm宣称，软件正是逾越这种模范并带来商业含义的首要推动力之一。
越来越聪明
从读取传感器数据到评价数据，直到终究打开学习并依据材料做出本地决议计划，软件现已开展很长一段时刻了。
Ulm说：“软件和硬件的结合，带来了发明传感器以及新的感测办法之路。”
假如硬件中包含不止一种类型的传感器，那么软件就够将各种原始丈量成果汇整在一同，并将成果转化为更有价值的信息。“因此，相较于传感器组件，一个完好的体系能够发生有关感测的更高层级信息。”他并以运用Bosch Sensortec BME680气体传感器为例说，“假如仅运用传感器原始数据，你或许无法分类不同的气体。但透过软件启用，气体传感器中所选用的技能还可用于进行温度光谱分析。”
传感器交融相同透过软件智能化地组兼并评价来自多个传感器的数据，以改进运用或体系效能。可是，实际上，要让多个传感器协同运作并搜集有用的数据并不是那么简略或直接。
Ulm说：“为了简化传感器交融进程，您有必要进步运算才能，或许树立一些机器学习算法，以处理一切的数据、进行分类，并且了解哪些数据来自哪个传感器以及数据在传达什么消息。”
处理才能也是一大应战。Damianos说：“您需求更多的才能来处理材料，但终究，您还需求下降功耗，才干让设备能够继续更长时刻运用，特别是消费类运用。”
Ulm指出：“传感器交融没有到达极限，还需求进一步的研讨和开发。”他说Bosch的办法包含运用人工智能（AI）和软件组成，以使消费电子设备更智能。“软件组成是指依据范畴常识和特定产品版别的特定约束主动发生程码的办法。”
“传感器交融技能完成了必定程度的主动化，这为更杂乱的传感器交融发明了新的时机——因为触及大数据（big data）和许多潜在的数据源，是以往运用传统办法无法完成的。”
软件不只为传感器添加价值，也进一步提升了全体体系。它也变得越来越聪明，能够直接在MEMS传感器内部完成AI。Ulm说：“咱们一向听到许多有关AI的评论，但我想宣扬边际AI （edge AI）作为工业和用例检验的处理方案。”直接在MEMS设备的本地具有AI，将有助于开展新的运用，并为用户带来更多优点。
在边际履行AI算法确实为用户带来了许多优点。第一是个人化，在本地履行核算，并依据用户的个人行为完成优化。其次是用户的数据隐私。Ulm解说说，因为在边际处理数据而无需经由云端，更能让材料保有稳私性。第三个优点是实时反应。“将内容上云处理后再传回设备，将会阅历推迟，并且有许多运用其实并没有必要上云。”在边际履行可防止数据来回传输并削减推迟。第四个优点则是因为在本地进行处理，有助于延伸电池寿数。
但是，Edge AI依然受制于几项要害的成功要素。Ulm说：“不只要了解和操控数据，算法也不行疏忽，这些都是至关重要的，尤其是关于Edge AI而言。”他并着重，Edge AI要能成功取决于三件事。首先从在边际受限条件下履行于设备上的算法开端。“要点在于了解这些算法并开发能够在此条件下履行的新算法。”其次是数据，这些实时发生的数据有必要实时处理。第三是情境架构（context），这意味着数据的解读有必要对特定用例有含义，并且在特定状况下也具有价值。Ulm解说说，“例如，这种价值可所以依据状况怎么以不同办法处理问题的实时反应。”
现在，Edge AI仍处于其开展初期。Ulm表明，因为机器学习社群一向专心于以根据云端的处理方案来处理大数据和大规模的问题，因此还有各种应战尚待处理。
Damianos指出，首要的应战是功耗和摩尔定律（Moore’s Law）的约束。“咱们都知道摩尔定律正逐渐式微。咱们不确认它是否完结，但至少知道它正放缓中，因此关于或许在处理器单元中添加的晶体管数量带来了约束。”另一个确认的应战是材料隐私法规。“在欧洲，咱们现已有《一般数据维护标准》（GDPR）了，但还需求了解其他地区的状况。”
而当被问及MEMS传感器公司如安在edge AI方面有所作为，以及证明较云端供货商更具优势时，Ulm列举了许多用例，包含在极端挨近传感器的边际，或许为客户带来的价值等等。“MEMS传感器公司在此能够运用其优势来打破边际的约束，然后完成本地机器学习处理方案。并且，最重要的是，咱们了解传感器的功用及其怎么运作。”
