3D 人臉感測技術在 Apple 於 iPhone X 中採用後，一夕間變成了市場顯學，名列中應鏈中的相關廠家，也成為資本市場追捧的新寵。實際上，3D 感測技術在科技業已有相當的技術積累，接下來我們可以透過零組件、模組與子系統、運算與系統、終端與應用四個面向，來看3D 感測技術帶來的變革。

 

首先是零組件的部分，從手機的解鎖、支付等資安需求，手機應用上從數字密碼、圖型識別等透過手機原生組建的安全認證方式。從對於零組件需求來看，指紋辨識功能主要為電容式感測器、虹膜辨識基本配備則有 LED IR 與 IR Camera，而 3D 人臉辨識 (若採結構光) 的發展，則需要包含 IR Laser、Diffractive Optical Elements、IR Camera 等基本配備。

 

接著從模組與子系統角度來說，指紋辨識牽涉的層面與傳統 IC 廠的角色相比，差異在於晶片封裝後，需增添 Coating 的工藝，這部分 IC廠可自行設計製造或委託專業模組廠製作；相較之下，虹膜辨識與結構光的技術發展，牽涉的硬體設計與製造複雜度遠比指紋辨識技術高出許多，需要 TX (光源) 與 RX (相機- IR Camera) 兩個獨立模組才能構成一個子系統。除了傳統上光源與 IR Camera 是來自於不同的廠商外，單看 TX 模組，不只需要晶片封裝技術，更涉及許多晶圓級的光學封裝技術與光學元件的整合。

 

上述段落已說明 3D 人臉感測若使用結構光技術，相關的模組與子系統的複雜與領域知識程度，已非傳統 IC 供應商所及。這也顯示出若單一廠商想要獨立完成這個子系統，需投入的研發與生產規模將會很大，除了技術門檻外，市場風險也非傳統零組件廠可承擔。

 

另外，除了 3D 感測模組之外，演算法的突破，也是促成 iPhone X 3D 人臉辨識問世的關鍵之一。相較於指紋辨識與虹膜辨識的影像算法，3D 人臉辨識為了要達到自適性，需透過Neuro Network Engine，方能在合理的運算速度與能耗內完成人臉辨識的識別，這也是在為什麼 Apple 直到 2017 年才推出此項產品。

 

然而，對應的系統仍有幾個關鍵因素需要討論。第一，以 Computer Vision 的角度來看，3D 模組與子系統所要產出的是能加速運算晶片處理的資訊，這點會影響整個 DOEs 元件與相機模組的選擇與設計。第二，3D 模組運算資料精確度對照的子系統組裝精度、熱漲冷縮材料的規範，也受限於算法與終端應用的需求，或是結合如 TOF 技術作為距離參照。這兩點拉高模組開案的複雜度，因此很難有單一模組設計適合大範圍的應用。

 

此外，從系統的角度出發，3D 感測模組用於解鎖上，還要考慮能耗的設計，如何在低能耗下達到判斷是否有人臉等待解鎖，必須透過既有的 IR Camera，還是要透過 RGB Camera，這也會讓 3D 感測子系統的模組設計出現不同的變化。

 

最後回到最根本的終端與應用，3D 感測模組在遊戲機的配套、個人電腦 (Windows Hello 或是 RealSense 技術)、工業、手機的後鏡頭都有商用的案例存在，但遠不及此次 Apple 帶起的風潮，主要還是因為 iPhone 一年有 2 億左右的銷售數量，即便目前僅一個型號搭載，全年也可能貢獻 7 千萬支以上的搭載。

 

因為是 Apple，有足夠的產值、毛利率與供應商配合來支撐此研發規模。然而，3D 感測模組的搭載是否成為標配，還要端看 iPhone X 是否帶來夠好的應用情境讓 Android 的手機廠商願意跟進。再者，在各自獨立運作的 Android手機供應鏈當中，3D 感測價值鏈與供應鏈發展的狀況仍要看手機廠、主晶片業者、零組件廠、模組廠等要角，未來由哪些廠商承擔風險、主導產品以獲取利益，只有在 Android 生態系有明顯的默契下，才有機會跨過技術鴻溝，加速 3D 人臉技術的大規模普及。