當下，我們使用的手機，裡面都有CMOS，什麼IMX700，IMX707等等，相信大家的耳朵裡面都聽出繭子了。不光手機，攝影愛好者手裡的單反，其裡面的cmos更是牛逼，IMX411、IMX571等等。
小米12的宣傳圖片
CMOS對於手機的重要性不言而喻，相比如今的使用者都心知肚明，這裡不多作分析。在手機行業，面對的底大一級壓宕機的大背景下，又限於手機自身的有限內部空間，手機裡面的cmos不可能越做越大，尺寸必然有限度。為了更好地提高影像結果，面對空間有限的手機，全球各大手機廠商都在尋找另一個方式提高影像，那就是計算光學，本公眾號上一篇文章已經談到華為和榮耀的計算光學。
2020年至今釋出了不少手機，其中大部分均以攝影拍照作為主要賣點之一，我們拋開軟體演算法層面的最佳化，先從感測器尺寸規格來看看目前有哪些手機是有大底加持的。
1、5000萬索尼IMX700，代表機型 P40 PRO+、華為Mate 40 Pro+等。
2、4800萬索尼IMX789，代表機型一加9pro。
3、5000萬索尼IMX707，代表機型小米12pro。
4、4800萬索尼IMX689，代表機型，一加8pro、一加9。
5、5000萬索尼IMX766，代表機型OPPO Find X3， X3 Pro。
6、1.08億三星S5KHMX，代表機型小米10系列、堅果r2等。
7、4000萬索尼IMX600y，代表機型華為Mate 30Pro華為P30Pro等。
8、4000萬索尼 IMX600 ，代表機型榮耀v30pro、華為P20 Pro等，IMX600是華為為了奠定手機拍照領軍地位和索尼聯合打造的。
9、6400萬索尼IMX686，代表機型realme x7pro、紅米K40Pro。
10、6400萬索尼IMX682，代表機型真我 GTNeo、realme GT。
11、4800萬索尼IMX586，代表機型一加7Pro ，一加7等。
12、4800萬索尼IMX582，代表機型iQOO Neo5活力版、紅米k40等。
在手機影像行業裡，堆疊式、背照式影象感測器將繼續主導市場。在2020 年近裡90% 智慧手機成像裝置（下圖）使用相關技術。隨著片上影象處理成為提高效能的關鍵，預計它們在智慧手機中的應用將繼續超過單片背照式影象感測器。
此外，堆疊式 + 背照式影象感測器有源陣列（ active array）增加了對 die 表面空間的需求，這個趨勢是由提高解析度的需求推動的，因為智慧手機的影象在 2020 年就超過了 1000 萬畫素，並仍然呈上升趨勢。下圖顯示了自 2013 年以來分析的堆疊晶片，可以看到用於感光的 CIS 面積佔比越來越高，已經超過了 80%。
Pixel footprint的持續小型化有助於獲得更高解析度。此外，隨著畫素間距的減小，需要增加矽厚度以保持良好的畫素光響應。下圖顯示了矽厚度和厚度與畫素間距之比的趨勢，兩者都隨著畫素尺寸的減小而增加。
我們在三星GW3上觀察到最高的縱橫比（下兩圖）。據瞭解，這是一款6400萬畫素、0.7μm單畫素尺寸的影象感測器，具有4.1μm有源外延厚度（active EPI thickness）和F-DTI（ Front-Deep Trench Isolation）。豪威科技的0.7μm OV64B具有部分 Back-DTI，觀察到其EPI厚度為3.0μm。
畫素尺寸的減小對保持PDAF（ Phase Detection Auto Focus ）畫素的高輸出訊號提出了挑戰。下圖顯示了智慧手機影象感測器在解析度和畫素尺寸方面的PDAF方法。雖然Masked PDAF和雙光電二極體（Dual Photodiode）仍然用於較低解析度和較大畫素尺寸的感測器，但隨著畫素尺寸降低到約1.0μm以下，OCL（On-Chip Lens）已成為PDAF的選擇方法。
隨著畫素尺寸的減小， Masked pixels的 Fill-Factor也在減小，因此PDAF訊號也隨之減小。目前所能觀察到的最小 的Masked pixels是來自三星於2019年釋出的0.8μmGM1以及2020年釋出的GD1（下圖）。他們都是採用四畫素合成技術的方式在你感測器上實現，並使用清晰通道來增強PDAF輸出。
由於基於OCL的PDAF畫素不會犧牲表面積，並且由於基於抗蝕劑（ resist-based）的工藝易於擴充套件，因此OCL-PDAF被用於生成較小的0.7μm感測器，並且隨著0.6μm畫素生成的實現，OCL-PDAF有望繼續使用。
此外，隨著自動對焦的進一步完善，傳統的2x1 OCL結構現已演變為2x2 OCL結構，以促進X和y方向上的PDAF。下圖顯示了觀察到的在使用中的不同2×2 OCL方法。最近在0.7μm、6400萬畫素的OV64B中觀察到，豪威科技使用相當於2x2畫素的大型OCL，而三星使用一對相鄰的2x1 OCL來實現2x2效果，就像在去年推出的0.8μm、1.08億畫素的HM1和HM3以及0.7μm的PI中所觀察到的那樣。在最近畫素間距為 0.7 μm的HM2上 ，OCL-PDAF 通常用綠色通道（green channe）來替換紅色和藍色通道，以實現最大化的輸出訊號，其PDAF 單元密度為 32:1 或 36:1。
相比之下，索尼引入了全陣列2x2 OCL方法，其中微透鏡（microlens）的畫素大小是整個有源陣列的兩倍。這最初是在2020年釋出的，1.12 μm、4800萬畫素的感測器IMX689上看到的。，而最近也在IMX766和IMX789上觀察到。由於全陣列自動對焦沒有PDAF專用畫素，因此所有畫素都可用於影象採集。
如下圖所示，由於畫素內溝槽隔離（ in-pixel trench isolation），雙光電二極體全陣列（Dual Photodiode full array）PDAF仍然是“大畫素”PDAF方法。索尼在IMX700中釋出了Octa-PD技術，這是一款1.22μm、5000萬畫素的Quad-Bayer CIS，它在所有彩色通道中的每個畫素都有2個光電二極體。而三星在GN2中引入了一種改進的雙光電二極體PDAF方法。這同樣是一款1.40μm、5000萬畫素的感測器，具有傾斜的綠色通道（slanted green channel）in-pixel DTI，有助於X和X方向的PDAF。三星目前保持著在GN1中創造的1.2μm的最小畫素尺寸雙光電二極體PDAF方法的記錄。
對於小畫素尺寸的智慧手機感測器，低光照條件下的高訊號輸出繼續驅動Color Filter Array（CFA）mosaic和pixel-binning合併策略。下圖顯示了智慧手機影象感測器CFA圖案的解析度和畫素尺寸。2019年，索尼在IMX608中使用了4x4 分組方法。2020年，三星在1.08億畫素的感測器（HM1、HM2和HM3）中採用的是3x3畫素分組方案，並將其命名為Nanocell。
下圖顯示了智慧手機影象感測器的mosaics中CFA間距與pixel-pitch的對比 ：拜耳、2x2、3x3和4x4）畫素尺寸的關係。觀察到最大CFA間距是4.48μm的IMX608，其次的是豪威科技2.8μm採用4cell技術的OV12D2Q以及三星採用四畫素合成技術的GN2。從2020年的統計結果來看，智慧手機影象感測器的CFA間距變化很大，數字介乎1.4μm和2.8μm之間。隨著畫素尺寸的進一步減小，3x3和4x4Mosaics.的利用率可能會增加。
隨著堆疊式CIS/ISP Die逐漸成為主流，對更小的TSV/DBI互聯的需求變得至關重要。這是為了減少晶片佔用面積，但更重要的是為了促進畫素級互聯。下圖顯示了2014年至2021年間分析的所有堆疊式感測器的Cu-Cu混合鍵合的DBI間距趨勢。在大多數情況下，外圍的行/列互聯仍然是現在的主流方案，觀察到的行/列互聯最小的TSV/DBI間距為3.1μm。
然而，到目前為止，僅有3款已經商用的影象感測器利用畫素級互聯進行分析，分別是來自蘋果2020 iPad Pro上的索尼SPAD感測器（150 X 200）、索尼 SensSWIR IMX990/991 VGA感測器和豪威科技的OG01A1B（100萬畫素）。其中，豪威的OG01A1B的DBI互聯間距最小，達到了2.2μm，索尼SPAD感測器的DBI間距測量值為5.0μm。
近年來，NIR（Near-Infrared）增強在安全監視、測距應用和機器視覺方面獲得了很多關注。為了提高NIR範圍內的量子效率，我們採取的一種有效方法就是增加CIS的活性矽厚度（active silicon thickness），使其超過用於主流移動應用的厚度。下圖顯示了背照式感測器的活性矽厚度趨勢，突出了每個應用。NIR增強感測器的外延厚度一般在5.9-7.1μm，這與用於主流CIS的3.0-4.1μm的厚度數值形成對比。
改善QE的另一個重要方法是透過促進衍射進入EPI來減少入 incident IR的反向散射。我們觀察到正在使用的包括淺槽/柵格和倒金字塔陣列（IPA：Inverted Pyramid Arrays）。索尼保持著最厚的CIS EPI（IPA）記錄（6.2μm）和最小的畫素尺寸（1.12μm）（IPA（2x2））。豪威科技從淺槽過渡到IPA，並在最新的感測器（8 MP OS08A20）上透過擴充套件IPA成功獲得更高的解析度。安森美半導體和思特威分別在ARX3A0和SC5035中演示了使用IPA（下圖）。
2020年，我們看到了3D飛行時間（TOF）影象感測器的持續發展，見證了在iPad Pro和iPhone 12 Pro/Max的後置攝像頭模組中首次使用D-TOF/LiDAR堆疊式+背照式感測器，即索尼SPAD感測器。
下圖提供了從畫素數、TOF方法和感測器配置方面分析TOF器件的趨勢，看到來自索尼、三星和Gpixel為i-ToF繼續推出VGA型感測器。反向照明的轉變利用了使用850nm-940nm NIR波長QE。對於接近/手勢控制，較小的畫素數感測器繼續占主導地位。
意法半導體最近推出了VL53L5，這是一款64通道前照式D-TOF SPAD感測器，具有多目標跟蹤功能，適用於前置移動應用。隨著對面部識別/生物識別技術的重視，可以預見，未來更高解析度（可能是VGA級）的前置TOF可能會得到更多的採用。
從TOF的畫素尺寸來看，如下圖顯示，隨著背照式感測器的發展趨勢，小畫素的使用將會越來越多。到目前為止，在微軟 Azure Kinect上觀察到了最小的畫素尺寸和最高的解析度，這是一款3.5μm、100萬畫素I-TOF感測器。
最後，我們來看看每個應用程式的畫素複雜度。
圖18顯示了過去十年中每畫素中有效電晶體數量（Teff）的變化趨勢。用於移動應用的CIS通常具有共享畫素，以便減少Teff。相比之下，I-TOF，特別是基於事件的影象感測器，通常利用具有較高電晶體數量的非共享畫素，例如採用 4-Tap pixel以實現深度解析度的32T三星I-TOF 33D和36T三星231YX動態視覺感測器。
目前，觀察到電晶體數量最高的是最近分析的52T的索尼和普諾飛思基於事件的感測器。基於事件的感測器往往涉及到更多的畫素複雜性，因為它們結合了傳統CIS中不使用的畫素級功能，例如測量訊號強度的對數和畫素內時間戳的使用。因此，基於事件的感測器將受益於晶片堆疊和畫素級互聯，可以在汽車、機器視覺以及其他應用中繼續發展並得到更廣泛的應用。
說了這麼多行業理論性的研究內容，我們看看全球cmos大廠的實際行動。
在2021年12月16日，索尼半導體解決方案宣佈其已成功開發出全球首個雙層電晶體畫素堆疊式 CMOS 影象感測器技術，飽和訊號量約提升至 2 倍，使動態範圍擴大並降低噪點。
傳統 CMOS 影象感測器的光電二極體和畫素電晶體分佈在同一基片，而索尼的新技術將光電二極體和畫素電晶體分離在不同的基片層。與傳統影象感測器相比，這一全新的結構使飽和訊號量約提升至原來的 2 倍，擴大了動態範圍並降低噪點，從而顯著提高成像效能。採用新技術的畫素結構，無論是在當前還是更小的畫素尺寸下，都能保持或是提升畫素現有的特性。
（傳統的）堆疊式 CMOS 影象感測器的堆疊式結構中，背照式畫素組成的畫素晶片堆疊在邏輯晶片之上，而訊號處理電路構成了邏輯晶片。在畫素晶片內，用於將光轉換為電訊號的光電二極體和用於控制訊號的畫素電晶體在同一基片層並列。在這樣的結構限制下，如何實現飽和訊號量的最大化，對實現高動態範圍、高影象質量的攝影具有重要作用。
索尼開發出的全新結構是堆疊式 CMOS 影象感測器技術的一項進步。索尼使用專有的堆疊技術，將光電二極體和畫素電晶體封裝在分離的基片上，一個堆疊在另一個上面。相比之下，在傳統的堆疊式 CMOS 影象感測器中，光電二極體和畫素電晶體並排位於同一基片上。新的堆疊技術支援採用可以獨立最佳化光電二極體和畫素電晶體層的架構，從而使飽和訊號量相比於傳統影象感測器增加約一倍，進而擴大動態範圍。
此外，因為傳輸門 (TRG) 以外的畫素電晶體，包括復位電晶體 (RST)、選擇電晶體 (SEL) 和放大電晶體 (AMP)，都處於無光電二極體分佈這一層，所以放大電晶體（AMP）的尺寸可以增加。透過增加放大電晶體尺寸，索尼成功地大幅降低了夜間和其他昏暗場景下影象容易產生的噪點問題。
對於拍照而言，韌體當然是基礎，只有在擁有良好的基礎上，才能有朝著多方向全面發展的可能。
我是六六科技人，我們說車談科技。歡迎大家關注、評論、轉發，大家的支援再是我創作的原動力。我們下篇再見。
歡迎有相同興趣的朋友加入我們的微信群，聊汽車、聊科技、聊熱點、聊人生。
最後，2021年即將過去，對於六六科技人來說，內心久久不能平靜。
海航破產重組，國內科技企業赴港上市熱潮不斷；
“新疆棉事件”爆發，連鎖反應不斷；
自百度宣佈與吉利造車後，滴滴、海爾、小米、OPPO等廠商紛紛宣佈自家的造車計劃；
滴滴出行遭遇安全審查；蘇寧易購爆出債務危機；“雙減”政策出臺；
地產大鱷恆大陷入債務危機；北京環球影城開園；
反壟斷升級，阿里巴巴、美團、騰訊、百度、滴滴遭到反壟斷監管執法；
年末電商直播巨頭薇婭，因偷稅漏稅被罰13.41億，旗下直播間被平臺關停。
過去的一年對華為來說同樣不平靜，孟晚舟的回國，吹響了華為戰略進攻的號角，中國科技巨頭的“不妥協”，也成為了中國產業升級不屈意志的縮影。
2022年會更好嗎？
答案是肯定的，前行的人將乘風破浪、勇往直前。
預祝大家2022元旦快樂，新的一年，我們繼續相伴。
