随着连接到互联网的设备数量不断增加，不同感官终端和计算单元之间的冗余数据传输量也在不断增加。在传感器网络附近或内部进行干预的计算方法有助于更有效地处理这些不断增长的数据量，降低功耗，并有可能减少传感和处理单元之间冗余数据的传输。

香港理工大学的研究人员最近进行了一项研究，概述了近传感器和传感器计算的概念。这两种计算方法可以将计算任务部分转移到感知终端，从而降低功耗，提高算法性能。

“物联网上感官节点的数量将继续快速增加。”进行这项研究的研究员之一杨柴告诉TechXplore。到2032年，传感器的数量将达到45万亿，传感器节点产生的信息相当于1020比特/秒。因此，有必要将部分计算任务从云计算中心转移到边缘设备，以减少能耗和时间延迟，节省通信带宽，提高数据安全性和隐私性。

视觉传感器可以收集大量的数据，因此通常需要大量的计算能力。为了证明他以前研究的一种用于图像处理的电阻式传感器和传感器阵列的计算机处理方法可以提高他们对图像的预处理能力。

“在这项研究之后，我提出，在需要新硬件平台的传感器计算模式中，可以使用相同或更少的功率实现新功能、高性能和能源效率。”Chai说随着这一新兴领域的迅速发展，总结已有成果，为未来发展提供展望已成为必要。我们最近在《自然电子》（Nature Electronics）上发表的《透视》（perspective）论文及时概述了这一领域的挑战和机遇。

由于传感器和计算单元的功能不同，它们通常由不同的材料制成，具有不同的器件结构、设计和处理系统。在传统的感官计算架构中，传感器和计算单元在物理上是分开的，它们之间有很大的距离。在传感器计算体系结构中，感知单元和计算单元之间的距离显著减小或消除。

在近传感器计算系统中，处理器或加速器放置在传感器旁边。这意味着处理单元或加速器在传感器端点执行特定操作，这可以提高系统的整体性能，并将冗余数据的传输最小化。

另一方面，在传感器计算体系结构中，单个传感器或多个连接的传感器直接处理它们收集的信息。这就不需要处理器或加速器，将传感和计算功能结合在一起。

柴解释说：“近感测器计算的一大挑战是感官和计算单元之间的整合，例如，计算单元已经采用了非常先进的技术节点，而大多数的传感设备都可以基于大间距技术很好地发挥其功能。虽然单片三维集成技术提供了一种高密度、短距离的集成方式，但其复杂的加工和散热仍然面临着巨大的挑战。”

虽然到目前为止，传感器计算体系结构被证明是结合计算和传感能力的有前途的方法，但它们通常只适用于特定的场景。此外，它们只能使用仍处于早期开发阶段的创新材料和器件结构来实现。

近/内传感器计算是一个跨学科的研究领域，涉及材料、器件、电路、体系结构、算法和集成技术，在不同的场景中需要处理大量的复杂信号。要成功部署近/内传感器计算，需要传感器、设备、集成技术和算法的共同开发和协同优化。

在他们最近发表在《自然电子学》上的论文中，柴和他的同事为近传感器和传感器计算提供了明确的定义。这些定义将感官计算分为低级处理（即通过抑制不必要的噪声或失真，或通过增强进一步处理的特征，从大量原始数据中初步和选择性地提取有用数据）和高级处理（即抽象表征涉及认知过程，能够识别“什么”或“何处”输入信号）。

除了提供传感器计算的可靠定义外，研究人员还提出了实现集成传感和处理单元的可能解决方案。在未来，他们的工作可以激发进一步的研究，旨在利用先进的制造技术来实现这些体系结构或其硬件组件。

到目前为止，Chai和他的同事们的工作主要集中在视觉传感器上。然而，近传感器和传感器内计算方法也可以集成其他类型的传感器，例如那些检测声音、压力、污渍、化学甚至生物信号的传感器。

“我们现在有兴趣将我们讨论的策略扩展到不同的应用场景，此外，现有的大多数报表都局限于相对较小的规模，离实际应用还很遥远。未来，我们将探索扩大设计规模的机会，增加设备数量，并与外围电路连接，以构建一个系统。”柴说。