CMOS图像传感器：像素读出链路与市场调研口径解析

简介这份行业调研 PDF 面向关注半导体与图像传感赛道的从业者、投资研究人员及产业分析学习者系统梳理 CMOS 数字图像传感器的市场现状与未来趋势可用于快速建立行业认知、辅助选题与竞品研究。全文以全球市场为主线按销量与收入回顾 2017—2021 年数据并展望 2022—2028 年同时对比中国、美国、欧洲、日韩及东南亚等区域市场拆解前照式、背照式技术路线与手机、安防监控、车载电子等应用场景。竞争格局部分覆盖 Sony、Samsung、Omnivision、Galaxycore、SK Hynix 等主要厂商并讨论市场份额、梯队划分、产能分布及产业链上中下游关系目录还包含进出口、价格趋势与政策机遇挑战等模块。资源包仅含 1 个 PDF 文件大小约 413KB轻量便于检索与传阅已有 72 人学习。适合需要一份结构化行业框架、快速定位关键企业与细分市场的研究者参考。1. 一颗像素的读出时序CMOS 数字图像传感器凭什么把 CCD 挤下牌桌反直觉的结论是CMOS 数字图像传感器赢得这场替代靠的不是画质更好而是它把“搬运电荷”改成了“读出电压”。CCD 必须把整行电荷一个包一个包推到输出节点任何一级转移效率不满 100%电荷就一路丢CMOS 在像素里就地把电荷转成电压用源极跟随器驱动列线剩下的放大、比较、量化、校正全是标准逻辑工艺擅长的事。这一改动让图像传感器第一次能跟着标准 CMOS 工艺一起缩放也让“像素”和“电路”能在同一套设计规则里谈成本。做行业分析时这一点很关键几乎所有关于份额、单价、技术类型拆分的结论最后都能追回这颗像素的读出方式和版图结构。搞懂这条链路再读一份 CMOS 数字图像传感器市场调研看到的就不再是一堆百分号而是一组能被验证的物理约束。2. 像素单元与读出链路一个光子怎么变成 12 bit 数字码从光子到数字码中间要过三道关电荷在哪里积分、电压由谁驱动、量化在哪儿完成。这三道关决定了像素能做到多小、噪声能压到多低、一帧要读多久也决定了后面所有市场和成本的讨论边界。先把这条链路拆开看。2.1 3T 与 4T复位管、源极跟随器为什么一个都不能省最早的 3T 像素只有复位管、源极跟随器和行选管光电二极管直接接在源极跟随器的栅极上。这套结构能工作但有一个大问题积分和读出耦合在同一个节点上。你读信号之前必须先把节点复位而复位本身会引入 kTC 噪声等信号读完再复位噪声已经和信号混在一起没有第二次采样的机会去减掉它。这就是 3T 像素噪声压不下去的根本原因也是它在低照度场景里吃亏的地方。源极跟随器不能省理由很实在浮空扩散节点上的电荷量只有几千到几万个电子对应的电压摆幅极小而这个节点要驱动的是一条横跨几千列、寄生电容在皮法量级的列线。如果没有阻抗变换直接接出去RC 时间常数会大到根本没法在一个行周期内建立。源极跟随器把“电荷→电压”的高阻抗节点和“驱动列线”的低阻抗节点隔开代价是它的阈值电压存在随机失配——这是固定图案噪声的主要来源之一。复位管同样不能省。电压域读出的本质是“读一个差值”每次读出前把浮空扩散复位到一个已知电平最终输出的是信号电平减复位电平。没有这个基准直流工作点会漂相关双采样也就无从谈起。到了 4T多出来的那个转移栅把“积分”和“读出”在时间上彻底分开光电二极管一直积分只在读出瞬间把电荷一次性倒进浮空扩散。这一步解耦是相关双采样成立的前提也是后面双转换增益、片上 HDR、全局快门方案的地基。转换增益等于电荷量除以浮空扩散电容。电容越小一个电子给出的电压越大低照度越有利但电容小满阱容量就小高光容易饱和。这是模拟前端最根本的一对矛盾。常见的解法是双转换增益像素里多放一个电容和一个开关暗光时断开走高低转换增益亮光时接入走低转换增益两帧合成出高动态范围。2.2 列并行 ADC 与相关双采样噪声预算到底花在哪量化环节绝大多数设计选的是列并行单斜 ADC每一列一个比较器全局共享一条斜坡电压比较器翻转时锁存计数器值。选它的原因很朴素——N 位精度只要 2^N 个时钟周期而每一列只需要一个比较器加一组锁存器面积小、功耗低速度靠“列数多”而不是“单列快”。算一笔账3000 行、30 帧每行只有约 11 微秒12 bit 要 4096 个周期折算下来时钟频率要三百多兆赫兹。这就是为什么高速传感器要么增加并行度要么干脆在像素层做多次采样。相关双采样的时序是固定的先采样复位电平再打开转移栅把电荷倒进浮空扩散然后采样信号电平最后两值相减。相减可以在模拟域用开关电容做也可以在数字域用两个码值减。数字域做的好处是不需要精密模拟减法器坏处是比较器失调和斜坡非线性不是共模量减不掉只能靠逐列数字校正补。// 4T 像素单行读出列并行单斜 ADC伪代码 // RS: 行选RST: 复位TX: 转移栅SHR/SHS: 复位/信号采样保持 for (row 0; row H; row) { pulse(RS, row); // 选中该行源极跟随器接入列线 pulse(RST); // 复位浮空扩散 FD建立读出基准 sample_and_hold(SHR, row); // 采样复位电平含 kTC 噪声与阈值离散 pulse(TX); // 打开转移栅PD 积分电荷全部倾倒进 FD sample_and_hold(SHS, row); // 采样信号电平 // 列并行单斜 ADC两路电平分别与全局 ramp 比较计数器值锁存 adc_convert_columnwise(row); // 数字域 CDS相减抵消复位噪声与源极跟随器阈值失配 out[row][col] code(SHS) - code(SHR); }这段伪代码里三个脉冲的先后顺序就是全部玄机。RST 必须在 SHR 之前否则采到的是上一次残留TX 必须在 SHR 之后、SHS 之前否则复位电平里已经混进了信号相减等于什么也没减。把 SHR 和 SHS 的顺序写反是最常见的仿真翻车方式出来的图看着正常噪声底却莫名其妙高了三成。参数上TX 的脉宽决定电荷转移是否彻底转移不完全会留下滞后图像上的拖影脉宽拉长又会让暗电流多积一点这两头要一起调。噪声源量级特征是否被 CDS 抑制常见应对光子散粒噪声与信号根号成正比否增大满阱容量或像素面积复位噪声与浮空扩散电容相关是4T 结构加相关双采样源极跟随器阈值失配固定图案部分数字域逐列校正暗电流与白点强烈依赖温度否深槽隔离、背面钝化、黑电平校正列固定图案噪声列级失调否逐列增益与失调标定2.3 滚动快门与全局快门倾斜为什么改不掉滚动快门的每一行曝光时长一致但起始时刻被读出时间依次错开。结果是运动物体在帧内发生位移几何上就一定能推出倾斜这不是算法能修回来的因为每一行的真实曝光时刻不同。要减小倾斜只有两条路提高行并行度让多行同时读出代价是列级 ADC 的面积和功耗成倍增加或者改用全局快门。全局快门要求所有像素在同一时刻结束曝光所以电荷必须有个地方暂存等逐行慢慢读。这个暂存节点在硅片内部遮光、面积大、暗电流高像素里要塞下光电二极管、存储节点和五六个管子像素尺寸就压不下去。这解释了为什么全局快门在舱内监测、工业检测里是硬需求在手机主摄里却始终不划算——不同应用对同一项技术的定价完全不同这一点在后面按应用拆分时会反复出现。3. 前照式与背照式一条金属走线为什么值一个世代同一颗像素改一下光从哪一面进来外量子效率能差出十几个百分点成本也能差出一大截。前照式和背照式的分野不是“新工艺替代旧工艺”这么简单它是一条由版图几何决定的硬约束也是这份调研把技术类型单独拆成一章的原因。3.1 填充因子与量子效率前照式的天花板在哪前照式的结构从上到下依次是微透镜、彩色滤光片、多层介质与金属互连、光电二极管。金属层本来是用来把像素里的信号读出来的但它正好长在进光路上。后果有两个一是有效开口率下降像素越小金属占的比例越大二是斜入射的光被金属层遮挡边缘视场出现阴影和色彩串扰相邻像素的滤光片错配就会串色。工程上有缓解手段比如微透镜逐像素偏移做主光线角补偿、金属层开孔跟着偏移、片上透镜优化。但这些手段本质上是拿版图在换光路越往小像素调设计规则越紧、良率越难看。所以前照式的像素下限大概卡在 1.1 到 1.4 微米这一带再往下走外量子效率和串扰会一起恶化。这里说的量子效率是外量子效率含滤光片和开口率损失不是硅本身的吸收效率两者在数据表里经常被混着引用看参数时务必确认。3.2 背照式与堆栈式把电路搬到另一片晶圆上换来什么背照式的做法是把晶圆减薄到几微米翻过来从背面进光金属互连层跑到光电二极管背后。三个直接收益开口率接近 100%不再有金属遮挡斜入射响应大幅改善小像素的边缘也能收光金属布线层数可以放开因为不用再给光路让路——这一点常被忽略但它才是堆栈式能成立的前提。代价也是实打实的。晶圆减薄、背面钝化、抗反射层、承载晶圆键合每一步都在增加工序和良率风险减薄之后靠近表面的缺陷会直接抬高暗电流和白点所以背面钝化和吸杂工艺是关键。深槽隔离在这个阶段变成标配像素之间刻槽填充抑制载流子横向扩散串扰才压得住。再往前一步是堆栈式像素晶圆和逻辑晶圆用铜铜混合键合贴合互连间距从硅通孔的几微米降到亚微米级连接数可以做到每像素一个。于是像素层只留光电二极管、转移栅和一点复位电路逻辑层放 ADC、图像处理器、DRAM 甚至加速器。片上多帧合成、无级减光、超高帧率这些功能能落地不是因为算法突然变强而是因为互连带宽足够。维度前照式背照式堆栈式背照进光面正面穿过金属互连层背面金属层在另一侧背面逻辑独立成层开口率受金属遮挡像素越小越差接近 100%接近 100%斜入射响应差边缘视场易阴影与串扰好好典型像素下限约 1.1 至 1.4 微米约 0.6 至 0.9 微米可更低关键工艺标准前道即可减薄、钝化、键合混合键合、高密度互连成本低中高高主要场景安防、低端消费、扫码手机主摄、高端安防旗舰手机、车载、高速工业3.3 技术类型拆分背后的成本逻辑调研把技术类型单列一章给的是 2021 和 2028 两个份额点。这两个点的差值本质上是两个变量的合力手机主摄的像素尺寸下探速度以及成本敏感型应用在总量里的占比。像素继续往一微米以下走前照式就顶不住但安防、家电、扫码这些场景的像素本来就在两三微米对价格极度敏感前照式在那里有长期生存空间。所以前照式份额的变化方向不能简单读成“技术升级”得看是哪一端的量在变。还有一个极易踩的口径问题份额是按收入算还是按销量算。按销量算前照式因为便宜、量大份额会明显高于按收入算。这份报告的收入份额表和销量份额表是分开列的两套数字必须对上同一套结论否则后面所有派生测算都会歪。4. 市场结构为什么这个行业长成三梯队加高集中一份行业调研的价值不在于把总数切成几块而在于解释为什么切出来是这个形状。图像传感器这个行业长成三梯队结构背后是产能、折旧和应用周期三件事共同作用的结果理解了这三件事表里的数字才有意义。4.1 产能、产能利用率与折旧供给为什么会自己制造周期图像传感器是资本密集型生意一条十二英寸线的设备折旧普遍按五年摊折旧在成本里的占比很高。产能利用率往下掉十个点单位成本可能往上蹿一成到两成因为它摊的晶圆少了折旧却一分不少。所以厂商的行为逻辑不是“价格高就扩产”而是“先锁产能再谈价格”第一梯队自己有厂产能紧张时优先保自己第二梯队靠代工行情紧的时候最先被挤出去。这也解释了为什么调研要把产能、产量、产能利用率三个指标一起列而不是只报产量。产量只说明卖了多少产能利用率才说明成本曲线走到哪了;而产能利用率乘以毛利率才是价格周期的先行指标。下游手机链一旦进入去库存最先被打到的是二线厂商因为一线手里有长约和长约价格跌价压力会顺着梯队往下传。4.2 收入、销量、价格三张表怎么互相咬合表里的收入、销量、价格三张表本该是自洽的收入除以销量应该能反算出价格。但这里有个单位陷阱不留意会差出十倍。收入单位是万元销量单位是千件直接相除得到的是“万元每千件”换算成“元每件”还要乘十。把这条公式固定下来后面所有派生指标都从它走一遍能省掉大量返工。def asp_cny_per_unit(revenue_wan, volume_kunit): 收入单位万元、销量单位千件 - 单价 元/件 注意不是 revenue_wan / volume_kunit量纲差 10 倍 return revenue_wan * 1e4 / (volume_kunit * 1e3) # 等价于 revenue_wan / volume_kunit * 10 def cagr(begin, end, years): 复合增长率years 是年份差不是数据点个数 return (end / begin) ** (1.0 / years) - 1 def revenue_share(rows, keyrevenue_wan): 按收入算份额换成 volume_kunit 就是按销量算两者结论常不一致 total sum(r[key] for r in rows) return {r[name]: r[key] / total for r in rows} def check_consistency(rows, tol0.05): 三表自洽校验反算单价与独立价格表的最大相对偏差超过 tol 就报警 bad [] for r in rows: implied asp_cny_per_unit(r[revenue_wan], r[volume_kunit]) if abs(implied - r[price_cny]) / r[price_cny] tol: bad.append((r[name], round(implied, 2), r[price_cny])) return bad这几个函数里tol取 5% 是个经验值低于 5% 的差异通常来自四舍五入和汇率高于 5% 基本就是口径不一致了常见原因是含税与不含税、是否含封测、器件与模组混算。cagr的years参数最容易写错2022 到 2028 是六年不是七个数据点。三张表交叉看还能读出产品结构一家厂商收入份额排第二、销量份额掉到第四说明它主要做高单价产品反过来就是靠量取胜的中低端。行业集中度指标也是这么用的前三家合计份额高不高要同时看收入和销量两个口径单看一个容易被产品结构误导。4.3 应用结构决定周期相位差按应用拆分真正有价值的地方是识别相位差而不是把总量切成几块。手机、安防、车载这三条曲线迭代节奏、关键指标、价格弹性完全不同把它们加在一起看总规模会把各自的周期互相抵消得出“平稳增长”的错觉。维度手机安防监控车载电子迭代周期约 12 个月3 至 5 年5 至 8 年认证 2 至 3 年关键指标像素尺寸、满阱、功耗、模组厚度近红外量子效率、宽动态、低照度宽温工作、高动态、抗 LED 闪烁、全局快门价格弹性高旗舰规格逐级下放极高价格战常态低导入后粘性强供给特征一线锁产能二线为主认证绑定切换成本高周期相位跟换机周期跟项目制与招标节奏跟车型生命周期车载这条线尤其能说明问题认证周期两三年工作温度跨零下四十到一百零五度还要解决路侧 LED 光源的闪烁问题一旦导入整车生命周期内几乎不换供应商。这类需求的供给是刚性的价格是粘的和手机完全是两种生意。做行业分析时把两者放进同一个增长率里平均得到的数字技术上没错商业上没什么用。5. 避坑读这类行业调研最容易翻车的五个地方报告的结构看起来越规整越容易让人放松警惕。下面这几条都是实测中反复踩到的按现象、原因、解决三段记下来读表之前先过一遍。5.1 单位口径万元、千件、元每件之间的十倍陷阱现象拿表里的收入除以销量算出来的单价比价格表小一个数量级或者反过来大一个数量级怎么调都对不上。原因收入列的单位是万元销量列的单位是千件两个带前缀的单位直接相除得到的量纲是“万元每千件”和“元每件”差了十倍。这个坑在手工复制粘贴到表格软件时尤其常见因为单元格里只有数字单位藏在表头。解决把换算写死成公式收入乘一万除以销量乘一千等价于收入除销量再乘十所有派生指标都从这个公式走不要中途手工调整。5.2 复合增长率起点、终点和区间数现象同一组首尾数据两个人算出来的复合增长率差一到两个百分点谁也说服不了谁。原因把“数据点个数”当成了“年数”。2017 到 2021 是四年增长、五个数据点2022 到 2028 是六年增长、七个数据点。用点数做指数结果必然偏小。解决统一用终点年份减起点年份做指数预测区间同样按年份差算。写完公式后拿一个已知答案验一遍比如翻倍用七年年化应该在百分之十点四附近。5.3 “份额”没说是收入还是销量现象一家厂商收入份额排第二销量份额却掉到第四看上去像是数据错了。原因产品结构差异。高端像素单价可能是低端的好几倍收入份额自然被抬高。另外“生产商”和“品牌商”是两个口径代工出货可能记在品牌方名下也可能记在制造方名下同一批货会被算两次或者一次都不算。解决任何份额数字先问三个问题——按收入还是按销量、按出货还是按产值、按制造方还是按品牌方。报告里收入和销量是分开的两张表交叉看才能读出结构单看一张必然被误导。5.4 技术类型与应用拆分不是正交的现象把前照式份额乘上手机份额估出来的规模跟实际差得很远。原因两个维度强相关。手机主摄基本不用前照式安防却大量用前照式两个维度相乘等于假设它们独立这个假设从物理上就不成立。解决要么找到交叉表要么用上下界去夹前照式在手机里的占比取接近零在安防里取高值得到的是一个区间而不是点估计。做测算时给出区间比给一个看起来很精确的错数字有用得多。5.5 历史值与预测值混用、快照日期不明现象同一份报告里同一年的数字在不同章节对不上或者某个年份一会儿是实际值、一会儿是预测值。原因数据快照日期不同。一手访谈、二手财报、行业协会统计的更新节奏不一样加上厂商财年和自然年不一致拼接时就会出现错位。还有一种情况是公开版本把关键数字做成了占位符只保留结构这时候把占位符当实数算结论会离谱得很自然。解决先翻研究方法、数据来源、免责声明那几页确认快照日期和统计口径涉及厂商层面的数字只用同一章节内部的表不要跨章节拼。6. 交叉验证一份调研的结论该怎么跑一遍拿到一份结构规整的调研最省时间的做法不是从头读而是先做对账。两套口径同时跑自上而下按终端出货量乘单机价值量分应用估自下而上把主要厂商收入加总剩下的归到其他厂商残差。两边差在 5% 以内算收敛超过就先查应用归类、器件与模组口径、代工是否重复计算这三件事。对账项做法不一致时先查什么容差本文还有配套的精品资源点击获取