意法半导体（STMicroelectronics，简称ST）是MEMS传感器主要供应商之一。MEMS传感器市场近年的爆发式增长为ST带来了丰厚的收入。在此情况下，ST正在努力寻找和培养新的MEMS传感器增长点。
虽然MEMS传感器早在上世纪60年代初就已经问世，但它真正的兴起也只不过有十来年时间。可以说，当年没有人能够预料到MEMS传感器会以这种方式爆发。近年兴起的移动设备，即以智能手机为代表的便携式消费电子产品，包括平板电脑和智能手表、手环等，为MEMS传感器提供了广阔的用武之地。我们的每一部智能手机都离不开诸如陀螺仪、加速度计、磁力计、压力传感器、温度传感器等MEMS器件，这造就了一个庞大的MEMS半导体市场。
ST副总裁、MEMS传感器产品部总经理Andrea OnetTI先生将移动时代产生的MEMS巨大市场称作第一波MEMS浪潮，而ST正是这波浪潮的主要受益者之一。然而，ST担心这第一波MEMS盛宴的高潮已过。原因有两个。首先，全球智能手机的出货量已经停止增长，而曾被寄予厚望的可穿戴设备市场并没有如期爆发。其次，新上市的移动设备中并没有配置更多的MEMS器件。也就是说，移动设备市场已经趋近饱和，而且MEMS器件在移动设备中的应用也基本饱和，消费类MEMS市场规模不再增长。更糟糕的也许是，随着更多供应商的加入，消费类MEMS器件的利润会遭受侵蚀。
在这种情况下，作为一家先进的MEMS传感器厂商，ST有必要寻找和培养下一个MEMS市场增长点。在OnetTI先生看来，智能工业应用将启动大量MEMS传感器需求，促成下一波MEMS应用浪潮。
智能工业或智能制造，在欧洲称作“工业4.0”，中国称作“中国制造2025”。智能工业是最近特朗普政府挑起的贸易战、科技战的核心战场，可见该领域的战略重要性。MEMS传感器很幸运，它又成了场上主力队员。因为智能工业设备，包括智能汽车，首先必须能够随时感知自身所处的环境，所以它们需要各类传感器。
OnetTI先生指出，与消费类市场不同的是，工业传感器的后装市场潜力巨大。虽然目前新上市的智能设备出货量有限，但现存的工业设备数量庞大，而我们不可能像扔掉旧手机一样扔掉这些旧设备，而是要对它们进行升级改造。据他估算，全球潜在的智能工业设备市场的总规模在10亿台左右。
图1：既有设备和新装设备通过不同的通信方式实现智能化
与消费类市场相比，工业市场对传感器的要求很不相同。消费类市场对成本和功耗敏感，而对于寿命和可靠性的要求则不甚苛刻。工业市场则不同，它对成本不甚敏感，但对寿命和可靠性则要求极严。工业设备所处的环境通常十分恶劣，尤其是温度变化幅度巨大，传感器的性能需要在变化的环境中保持稳定可靠。还有，工业设备的服役时间往往长达十年以上，这要求工业传感器经久耐用。
此外，当同一类传感器应用在不同领域时，我们对它的性能要求也可能是不一样的。OnetTI先生举例说，当用于采集人类语音信号时，MEMS麦克风的频率响应范围一般是20Hz至2kHz。但是，当它要应用在机器对机器（M2M）环境中时，我们要求它能够收集高达80kHz的音频信号。
Onetti先生介绍说，在工业传感器领域，ST具有自己独特的优势。ST拥有自己的厂房，可以完全控制MEMS产品制造过程，具备研发、生产和测试流程完全控制的能力。ST可以针对工业市场的特殊要求对传感器进行精度校准和性能优化，保证产品的可靠性和长寿命。此外，ST的大规模产能为稳定的供货提供了保障。Onetti先生强调，针对工业市场的需求，ST已经做出了郑重的承诺：所有在工业类产品的生命周期超过十年。
ST提供各种类别的MEMS传感器，包括多种运动传感器，以及温湿度、压力和声音传感器等等。针对工业应用，ST首先着力于运动传感器，比如Onetti先生重点介绍的ST最新高精度倾角计。
倾角计的原理是三轴加速度计。倾角计早已应用于工业领域，例如用于货物搬运的叉车。现在，ST提升了倾角计的精度，使它能够应用到新的场景，例如设备自动安装。Onetti先生说，这种设备安装过程是由电脑自动控制的，甚至是远程遥控的，它可以知道设备在安装的整个过程中是否符合安装流程，是否安装到足够的精度，以及在安装过程中遇到了什么异常。要达到自动安装标准，倾角计的精度必须很高，而ST最新的IIS3DHHC MEMS倾角计就可以做到。
图2：高精度倾角计可实现更多应用，如设备自动安装
除了运动传感器，ST还在布局其他种类的工业标准MEMS传感器，以实现工业设备的智能化。Onetti以电机为例说明了ST的传感器产品以及ST的其他产品在智能工业中的应用场景。
智能工业里最常见的是马达，马达的状态需要实时监测，监测参数包括速度、加速度、噪音、角速度、力矩、电流、电压和温湿度等环境因素，这些信息可以告知系统马达是否工作正常。常规的做法是把这些采集到的数据传输给后台的云，让云来进行数据处理。但是，工业马达通常24小时运行，它们会产生庞大的数据量。如果后台的云一直在做满负荷的计算，那么总体成本会很高昂。ST的做法是，按照不同应用的需求量身订做。用加速传感器/模块来检测振动，用麦克风模块来检测噪音，用温湿度模块来检测温湿度：不同类别的信息可以通过几个传感器进行本地采集，然后在本地的人工智能模块（localAI）里面进行信号处理，或称作“预处理”，即本地化的人工智能判别 （localAI）。如果本地人工智能判断出异常，即发现不符合先前定义的工作状态、工作表征，则将数据上报到云，而平时产生的只是小数据量。如此则整个系统就变得相对精简。
图3：采用各类传感器和本地人工智能降低设备监测成本
Onetti最后总结说，继消费市场之后，工业市场对传感器的需求在快速增长。工业市场对传感器的要求有所不同，MEMS传感器必须满足新的要求。智能工业需要严苛环境下的高精度传感器，而ST可以根据应用需求对其裁剪。ST能够提供多种高可靠、长寿命的传感器，以迎合新一波自动化时代对MEMS传感器的需求。