1. 从MWC 2019看ToF技术的“小”时代2019年的世界移动通信大会MWC上英飞凌Infineon发布了一款号称“全球最小”的飞行时间ToF传感器模组。当时这个新闻在手机供应链和光学传感圈子里激起的涟漪远比普通消费者感知的要大。它瞄准的是当时智能手机上最热门的功能之一前置面部解锁。今天回过头来看这个发布更像是一个技术路线的“宣言”它宣告了ToF技术从实验室和高端设备正式迈向了大规模、小型化、低成本集成的“小”时代。对于硬件工程师、产品经理甚至是关注技术趋势的爱好者来说理解这个“小”模组背后的门道远比知道它“小”本身更有价值。它关乎我们如何在寸土寸金的手机内部做设计关乎生物识别技术的演进方向也关乎未来AR/VR、机器人等无数应用的感知基础。这篇文章我们就来拆解一下这个“全球最小”的ToF模组看看它到底解决了什么问题技术实现上有哪些精妙之处以及它对我们今天和未来的产品设计意味着什么。2. ToF技术从原理到手机前置解锁的挑战在深入那个“最小模组”之前我们必须先搞清楚ToF到底是什么以及为什么它会被选为面部解锁的解决方案。ToF全称Time-of-Flight中文叫飞行时间法。它的核心原理非常直观传感器发射一束调制过的红外光通常是不可见的这束光遇到物体比如你的脸后反射回来被传感器接收。通过精确测量光从发射到返回的“飞行时间”就能计算出传感器到物体表面的距离。因为光速是已知的常数所以距离 (光速 × 飞行时间) / 2。2.1 ToF vs. 结构光一场技术路线的抉择在2019年前后手机前置面部解锁主要有两大技术路线苹果带火的结构光Structured Light和以ToF为代表的主动立体视觉。结构光像苹果的Face ID它投射出数万个有特定图案的红外点阵到人脸上。通过一个红外摄像头捕捉点阵的形变再结合复杂的算法重建出精确的3D人脸模型。它的优点是精度极高安全性好活体检测能力强。但缺点也很明显系统复杂需要点阵投影仪、红外摄像头等多个组件、模组体积大导致“刘海屏”或“宽额头”、成本高、功耗也相对较大。ToF此处主要指间接ToFiToF它不投射复杂图案而是发射经过调制的连续正弦波红外光。通过测量反射光与发射光之间的相位差来间接计算飞行时间。它的优势在于系统简单核心就是一个发射器VCSEL激光器和一个接收器SPAD或APD传感器阵列。速度快可以瞬间获取整个场景的深度图帧率高。中远距离性能好对于手机前置解锁所需的几十厘米距离性能绰绰有余。体积潜力大理论上元件可以做得更小。当时结构光因为苹果的背书和高安全性是高端旗舰的象征。而ToF更多被用在手机后置摄像头上用于背景虚化、AR测距等。英飞凌在MWC 2019发布前置ToF模组其意图非常明确用更简单、更小巧、成本更可控的ToF方案去挑战结构光在高端面部解锁领域的统治地位为安卓阵营的“真全面屏”设计提供新的硬件基础。2.2 手机前置环境的特殊挑战想把ToF塞进手机狭窄的“额头”或屏下面临的挑战是巨大的空间极端受限这是最大的物理限制。所有元件必须极度紧凑。功耗必须极低用于解锁是瞬时工作但待机时的点按亮屏、抬手亮屏等场景要求传感器能以极低功耗持续感知这就对芯片的功耗管理提出了苛刻要求。精度与安全性的平衡解锁功能关乎安全深度图的精度必须足够区分人脸与照片、面具等欺骗手段。ToF需要与算法紧密配合达到支付级的安全标准。环境光抗干扰手机在任何光照环境下都要能工作从阳光直射到漆黑一片。ToF传感器必须能有效过滤环境中的红外噪声比如太阳光里有大量红外线。散热小型化意味着散热面积小激光器工作时产生的热量需要有效管理避免影响性能和使用体验。英飞凌的“全球最小”模组正是针对这些挑战交出的答卷。3. 拆解“全球最小”模组英飞凌的技术实现虽然英飞凌当时没有公布该模组的所有内部型号但结合其技术积累和行业信息我们可以清晰地勾勒出这个模组的核心构成和技术亮点。3.1 核心芯片REAL3™图像传感器这无疑是模组的“大脑”和“眼睛”。英飞凌的REAL3™系列是专为移动设备优化的ToF图像传感器。在这个最小模组中它很可能集成了以下关键特性背照式BSI像素结构这是实现小尺寸和高性能的关键。类似于高端相机CMOS的背照式技术它将感光电路移到像素后面让更多的光能够进入感光区域显著提升了在弱光下的信噪比和测距精度。这对于在暗光下实现快速解锁至关重要。单芯片集成一颗芯片上不仅集成了数万个SPAD单光子雪崩二极管像素点作为接收阵列还集成了高精度的时钟电路、模数转换器ADC以及部分预处理逻辑。这种高度集成是缩小模组体积的根本。抗环境光技术芯片层面会采用特殊的技术比如背景光抑制SBI或特定的调制/解调方案来区分自身发射的调制光和强烈的环境红外光确保在户外阳光下也能稳定工作。低功耗设计支持多种电源状态和快速唤醒模式。在待机监听时可能只有极小部分电路以极低功耗运行一旦检测到接近动作立即全功率启动实现“零延迟”的解锁体验。3.2 发射端微型化VCSEL激光器VCSEL垂直腔面发射激光器是ToF的光源。它的特点是光束质量好、易于集成成阵列、功耗相对较低。在这个迷你模组中VCSEL芯片本身必须非常小并且其配套的驱动芯片Driver IC也需要高度集成能够产生高速、精准的电流调制信号以驱动激光器发出特定频率的调制光。激光器的功率和发散角需要经过精心设计既要保证在有效距离内通常30-50厘米有足够的光强覆盖人脸区域又要严格符合人眼安全标准IEC 60825-1 Class 1。3.3 光学镜头与滤光片这是模组的“眼镜”镜头需要采用小尺寸、大光圈F值小的红外镜头尽可能多地收集微弱的反射光。镜头的畸变控制也很重要否则会影响深度图的几何精度。窄带滤光片紧贴在传感器前面。它只允许与发射激光波长通常是940nm相同波段的红外光通过而强烈阻挡其他波段的光尤其是可见光和太阳光中的近红外这是对抗环境光干扰的第一道也是最重要的一道物理防线。3.4 封装与集成系统级封装SiP的胜利“全球最小”的秘诀很大程度上归功于先进的封装技术——系统级封装System in Package, SiP。它不是简单地把芯片和元件放在一块电路板上而是像搭积木一样将ToF传感器芯片、VCSEL驱动芯片、可能还有微控制器MCU等通过高密度互连技术如硅转接板、Fan-Out等垂直堆叠或并排集成在一个极小的封装体内。注意SiP和SoC片上系统不同。SoC是把所有功能做在一颗硅晶片上设计复杂成本高周期长。而SiP是将不同工艺、不同功能的芯片“封装”在一起灵活性高开发速度快是当时实现复杂功能微型化的最优解。英飞凌这个模组很可能就是一个高度集成的SiP模块。这种设计带来了直接好处体积急剧缩小省去了芯片间大量的PCB走线面积和外围分立器件。性能提升芯片间互连距离极短减少了信号延迟和损耗提升了整体响应速度和抗干扰能力。可靠性增强整个传感系统被封装成一个坚固的整体抗机械冲击和灰尘能力更强。4. 从模组到功能面部解锁的完整链条一个能工作的面部解锁功能硬件模组只是起点。它需要与手机的其他部分紧密协作构成一个完整的系统。4.1 软件与算法硬件的灵魂再好的硬件没有优秀的算法也是徒劳。ToF面部解锁算法主要完成以下任务深度图预处理矫正镜头的畸变过滤掉噪声点比如飘过的灰尘、头发丝反射的异常点。人脸检测与对齐在深度图中快速定位人脸区域并将人脸的关键特征点如眼睛、鼻子、嘴巴轮廓与预存的注册模型对齐。特征提取与匹配从对齐后的3D人脸深度信息中提取一组鲁棒的特征向量比如鼻梁高度、眼眶深度、脸颊曲率等。然后将实时提取的特征与手机安全区域如TEE内存储的注册特征进行比对。活体检测这是安全的核心。ToF的活体检测有其独特优势3D形状检测照片或屏幕是2D平面其深度信息是无效或混乱的算法很容易识别。微动检测可以检测人脸极细微的、无意识的动作如呼吸带来的面部起伏这是高级的活体特征。材质反射率分析真人皮肤和硅胶面具、纸张对红外光的反射特性不同在深度图和数据信号上会有差异。英飞凌通常会提供完整的软件驱动和基础的算法套件但手机厂商如OEM会在此基础上进行大量的优化和定制以适配自己的ID设计如屏幕挖孔形状、功耗策略和安全等级要求。4.2 与手机系统的集成这个小小的模组需要被“安顿”在手机里供电与功耗管理需要手机电源管理芯片PMIC提供稳定、纯净的电源轨并支持动态电压频率调整DVFS在性能和功耗间取得平衡。数据接口通常采用高速的MIPI CSI-2接口将采集到的原始深度数据流快速传输给手机的应用处理器AP或专用的视觉处理单元VPU。结构设计模组需要被精密地固定在手机的中框或支架上确保其光轴与屏幕保护玻璃之间的相对位置稳定。任何微小的位移或倾斜都可能导致解锁区域偏移影响用户体验。模组前方还需要有透红外光的盖板通常是黑色油墨丝印的玻璃或蓝宝石既要保证红外光透过率又要从外观上看与屏幕融为一体。5. 技术影响与行业演进MWC 2019之后的ToF之路英飞凌2019年的这个发布在当时更像一个“技术标杆”展示了可能性。但它确实深刻地影响了后续几年的技术发展路径。5.1 对手机设计的影响它直接助推了安卓阵营向“更小前置开孔”甚至“屏下摄像头”迈进。虽然最终因为成本、算法成熟度和供应链等因素前置ToF大规模用于解锁的方案并未像后置ToF那样普及后者更多用于AR和视频虚化但它证明了小型化、低功耗的3D感知模组是可行的。这为后续的屏下光线/距离传感器、更小的前置摄像头模组提供了技术借鉴。如今我们看到一些旗舰机的前置摄像头开孔已经能做到极小其中就包含了更精密的传感器集成技术。5.2 ToF技术的多元化发展MWC 2019之后ToF技术并没有局限于面部解锁而是朝着两个方向蓬勃发展消费电子后置主战场后置ToF成为旗舰手机提升AR体验和拍照虚化效果的标配。其应用场景扩展到扫地机器人的避障、智能门锁的3D人脸识别、笔记本电脑的Windows Hello登录等。工业与汽车电子这是ToF更大的舞台。工业自动化中的体积测量、物流分拣、机器人导航汽车内部的驾驶员状态监控DMS、乘员检测、手势控制以及AR/VR设备中的手势交互和空间建模都大量采用了ToF技术。这些领域对体积的敏感度低于手机但对精度、抗干扰能力和可靠性要求更高。5.3 技术本身的迭代自那时起ToF技术也在不断进化直接ToFdToF的兴起苹果在iPad Pro和iPhone上引入的LiDAR扫描仪使用的就是dToF技术。它直接测量光子往返时间相对于iToF具有更远的测距能力、更低的功耗以及对环境光更强的抗干扰性但系统复杂度和成本也更高。dToF和iToF正在不同的应用场景中展开竞争与互补。分辨率与精度提升传感器像素从早期的数万提升到数十万甚至百万级深度图越来越清晰。芯片集成度更高越来越多的功能被集成进单芯片甚至出现了将VCSEL驱动和传感器读出的SoC方案进一步减小尺寸和功耗。6. 给开发者和产品经理的实操思考如果你正在考虑在产品中集成3D感知功能无论是面部解锁、手势交互还是机器视觉英飞凌这个“最小模组”的故事能给你很多启发明确需求优先级首先要问你需要3D信息来做什么是安全认证如支付、交互如手势、还是环境感知如避障不同的需求对精度、速度、距离、功耗的要求天差地别。面部解锁要求高安全性和中近距离精度手势交互要求高帧率和低延迟环境感知则要求更远的距离和更大的视场角。不要为了用ToF而用ToF。进行详尽的技术选型评估iToF vs. dToF如前所述iToF在中小距离、中等精度、成本敏感的场景有优势dToF在远距离、低反射率物体、强环境光下表现更好但成本高。结构光 vs. ToF如果对精度和活体检测要求达到金融支付级且预算充足结构光仍是标杆。如果追求小型化、速度快、成本可控且安全等级要求为设备解锁级ToF是优秀选择。双目/多目立体视觉这是一种纯被动的方案通过多个摄像头视差计算深度。优点是完全无主动光源功耗低在光照好的情况下效果不错。缺点是在弱光、纹理缺失区域效果差计算复杂度高。适合对功耗敏感、且主要工作在良好光照下的场景如一些扫地机器人。供应链与成本核算不要只看芯片或模组的单价。要核算整个BOM成本包括配套的镜头、滤光片、结构件。更要评估开发成本算法是自研还是购买授权驱动和校准的工程量有多大模组供应商能否提供完整的参考设计和软硬件支持英飞凌这类厂商的优势往往在于能提供“芯片基础软件参考设计”的完整套件可以大幅缩短开发周期。高度重视光学与结构设计3D传感是光、机、电、算的结合体。光学设计镜头、滤光片、激光准直直接决定性能下限。结构设计模组固定、遮光、散热决定量产稳定性和良率。在项目早期就必须让光学和结构工程师深度参与。算法与硬件的协同优化这是做出差异化产品的关键。例如和算法团队沟通为了提升暗光性能传感器需要提升哪些参数比如单像素尺寸、灵敏度为了加快解锁速度激光驱动电路和传感器读出电路需要怎样的响应特性硬件为算法提供“更好的食材”算法才能做出“更美味的菜肴”。回过头看英飞凌在MWC 2019展示的不仅仅是一个物理上最小的模组更是一种在极端约束下进行系统创新的思路。它把复杂的3D感知系统通过芯片设计、封装技术和系统架构的深度优化塞进了一个几乎不可能的空间里。这对于所有从事硬件产品创新的人来说都是一个经典的案例极限的性能指标如尺寸、功耗往往不是靠单个部件的突破而是靠跨领域的、系统级的整合与权衡来实现的。今天当我们在使用各种便捷的3D感知功能时不妨回想一下这一切都始于行业对“更小、更强、更省电”的不懈追求而那个“全球最小”的ToF模组正是这条追求之路上一个闪亮的坐标。