智能穿戴產品已融入日常生活中，而隨著AI的迅速發展，以及消費者對于健康生活型態日益重視，為帶給消費者更佳的使用體驗，穿戴式設備的功能不斷推陳出新，而這些應用皆有賴大數據的整合處理，實現智能化的深度資訊搜集與分析，因而驅動傳感器的精確度需求大增。

　　穿戴式設備商機持續成長，根據市場研究機構IDC預估，2021年智能穿戴設備出貨量將達2億4010萬臺，相較于2017年的1億2550萬臺，市場成長將近一倍，5年復合成長率達18.2%;而穿戴式產品的使用定位也逐漸明朗，目前多以運動、定位、通話、支付為主，特別是在健身、健康生活的風潮擴散之下，運動健身更是穿戴式設備的重要應用領域，像是國際知名大廠Apple、Garmin、三星(Samsung)皆紛紛推出著重于運動應用之穿戴產品。

　　與此同時，人工智能(AI)的迅速崛起，也為穿戴式設備帶來全新應用，例如人體動作識別，透過深度資訊搜集與分析，結合AI的穿戴設備將能提供更有效、準確的數據讓消費者參考;而傳感器，便在這波運動健身和AI浪潮中扮演關鍵的角色，其訊息搜集的品質直接影響后續的處理與應用，因此，目前各大傳感器供應商皆致力于提升傳感器精確度。

　　AI/多功能應用興　推動傳感器精準度提升

　　AI的快速發展，帶動各種創新應用如雨后春筍般而來，而這股浪潮也蔓延至穿戴應用之上。意法半導體亞太區產品行銷經理陳建成(圖1)表示，隨著健身、醫療照護風氣擴散，加上AI興起，穿戴設備的功能和應用愈來愈廣;而為有效分析日漸龐大的數據資料，提供消費者更準確、更值得信任的分析結果，后端的算法也因而變得更加復雜。為減少算法運算時間，設備商也開始要求傳感器精確度，換言之，繼小尺寸、低功耗之后，精確度已成傳感器設計重要的考量之一。

　　Ams臺灣區總經理李定翰也指出，穿戴式設備勢將會朝特化產品發展，例如專業的運動腕表、醫療照護設備等，而面對愈加廣泛的應用和更趨復雜的算法，傳感器若能提升精確度，第一時間偵測到的數據越準確，后段算法越能分析出正確的資料供消費者參考，如此一來，便有利于終端制造商加快產品和應用開發時程，這便是現在傳感器精確度不停提升的主要因素。

　　提升感測精準度　三大參數為關鍵

　　AI風潮席卷全球，穿戴設備創新應用也日漸增加，而背后的算法復雜度大增，也促使傳感器精確度須跟著提高。陳建成指出，要提升傳感器的準確度，得在設計時參考三個關鍵參數，分別為噪音(Noise)、穩定度(Stability)，以及誤差(Tolerance)。

　　上述三種都是強化傳感器精準度的關鍵參數，而這些參數中又各自包含許多調校細項，像是噪音中須注意的包括震動排除(Vibration Rejection)、閃爍雜訊(Flicker Noise)、高頻率噪音(High Frequency);穩定度則是須注意長時間穩定(Stability of Time)、穩定度vs溫度(Stability vs Temperature)、可靠性(Repeatability);至于誤差則是包含偏移(Offset)、靈敏度(Sensitivity)和非線性(Non-Linearity)。

　　陳建成進一步解釋，噪音、穩定度及誤差參數皆為調整傳感器精準度重要參數，若噪音沒有調整完善，容易導致偵測數據失真;穩定度則是確保產品能因應不同的環境變化，持續收集準確數據。

　　陳建成舉例，若一款傳感器的震動為10GHz，就表示該傳感器皆在10GHz的震動下收集資訊;但如果傳感器穩定度不夠好，其震動頻率不停隨著使用者的動作或外在環境改變，從10GHz跳到20GHz，再從20GHz跳回10GHz，就意味著此一傳感器的數據收集是非線性的，這樣子所收集的數據是相當不準確，也容易導致算法無法順利運行，使穿戴設備相關應用分析失真，或是停擺。也因此，傳感器的穩定度對于實現精確偵測是具備高度的重要性。

　　至于誤差值部分，毋庸置疑，一定是朝誤差值越小越好，目前各家傳感器的供應商目標都是追求誤差值在正負1以內。陳建成說，現今各家業者積極追求誤差值的原因就如同前面所說，后端的算法對于傳感器精確度的要求越來越高，希望傳感器在第一步偵測時，所收集到的數據就相當準確，才能減少算法之后的運算和調校時間。

　　陳建成解釋，過往穿戴式設備制造商之所以沒有特別要求傳感器精確度，是因為穿戴設備的功能較為簡單，對于數據分析的需求還沒有這么高;但隨著AI興起，大數據時代來臨，加上消費者對于穿戴設備的功能要求越來越高，制造商須透過算法開發更多創新應用，使得算法愈趨復雜。在這種情況下，若傳感器精確度不足，已無法像過往一樣，靠后端算法多花一點時間，針對硬體不足的部分進行調整。總結來說，如今小尺寸和低功耗對于傳感器而言已是必備條件，穿戴式設備制造商進而開始對傳感器精確度有所要求，希望借此加速產品、應用開發時間。