关于生物识别的研报整理

目前AI（人工智能）非常的火爆，除了一堆的“独角兽”，还有成百上千家中小型的AI初创企业，但是目前AI实际的应用和落地却并没有想象中那么的火热。目前AI可能是存在“泡沫”的，昨日华为创始人任正非在接受媒体采访时也表达了这样的观点。

另外，值得一提的是，目前AI最先成熟落地的一些领域主要也还是与生物识别相关，比如人脸识别、语音识别等等。而且在芯智讯看来，未来不管人工智能发展到如何高的一个程度，它首先需要解决的一个问题是，怎么知道“你是谁”，然后才能提供个性化的AI服务。而这就离不开生物识别技术了。

比如现在在家庭当中比较常见的智能音箱，一个家庭当中可能会有多个家庭成员，有年轻人、老人、小孩、男人、女人，这么多的用户，智能音箱如何来学习他们的用户习惯呢？因为每个人的用户习惯都是不一样的。如果在智能音箱当中加入声纹识别等生物识别技术，那么将会很好的解决这个问题。使得智能语音助手完全有能力在同一终端实现实现千人千面的个性化智能化服务。

比如，在家庭当中，当你对智能音箱说，“帮我定个昨天中午一样的快餐”，同时你的哥哥也说“帮我也定一个昨天中午一样的快餐”，注意这里可能你们两个人昨天中午定的快餐是完全不一样的，如果有了声纹识别，就能够识别两个语义完全相同的语音指令是由哪两个人所发出的，然后根据这两个人的不同的习惯（昨天中午这两个人分别定的是什么快餐），来满足不同的需求。显然，要达到这样的用户体验，必须要有生物识别技术的加持。

近期芯智讯整理了两份关于生物识别的研报，节选了部分内容，综合如下：

前言：指纹、虹膜、人脸识别最近几年在手机上持续更迭，单机价值大

幅提升，新款 iPhone 生物识别价值量甚至在 15 美金以上，其背后的驱

动在于移动互联网个人对于安全性和认证便捷性的需求。此外，语音/声纹识别、静脉识别等也开始被不少领域应用。我们认为生物识别的价值才刚刚被发掘，未来 5G、云计算、区块链和物联网应用的兴起，对于更复杂、更便捷的环境下面的身份识别将提出更高的要求，行业有望迎来穿越周期的成长。

1. 场景多样化和便捷化是生物识别升级的双驱动

生物识别是一种通过计算机与光学、声学、生物传感器等高科技手段密切结合，利用人体固有的生理特性，如指纹、人脸、虹膜等和行为特征如笔迹、声音、步态等进行个人身份鉴定的方法，因此从生物识别技术的大致可以分为生物体生理特种识别和生物体行为特征识别两大类。

从不同技术的出现先后时间看，指纹是较早被人们有效发现并加以利用的，因此也获得较长的时间的发展演变，而人脸识别近年来则有着较快的发展速度，成为产业发展中重要的一个分支，随着技术进步的持续，未来将会拥有广泛的应用前景。

随着对于身份识别和保密需求的日益增加，以及人们对于安全便捷性追求的持续，各类生物识别技术纷纷开启了应用的空间，相较于指纹、人脸等，其他生物识别技术方面尽管普及度仍然略低，但是各自的特点使得在不同的行业市场中有着较好的发展潜力。

1.1. 移动支付市场高速增长，电容指纹率先爆发

作为目前应用最为广泛、技术最成熟、公众接受度最高的生物识别技术，指纹识别的应用发展历史最为悠久。不过，此前指纹识别主要是应用在一些行业应用领域，采用的也大多是传统的光学指纹识别技术。而指纹识别技术真正的爆发则是在苹果iPhone5S标配电容式指纹以后，才真正拉开了爆发的帷幕。

从手机解锁到线上线下支付，伴随着强烈的安全需求，生物识别已与日常生活密不可分。持续高速增长的移动支付市场，成为指纹为代表的生物识别主战场，根据艾瑞咨询数据，2017 年国内第三方移动支付规模 120 万亿，指纹渗透率达 57%。

1.2. 场景多样化和便捷化双驱动，屏下指纹、3D Sensing 大放异彩

随着移动互联网时代应用持续增加，生物识别的场景越来越多，消费者也需要更加便捷的识别方式，带动生物识别技术持续升级，屏下指纹、虹膜、人脸识别等大放异彩，单机价值实现大幅提升，新款高端手机甚至在 15 美金以上。根据中研网数据，2017 年全球生物识别市场规模大约 172 亿美元，指纹、人脸、虹膜识别分别占比 58%、7%、6%。

2. 生物识别的升级需要更强大软硬件一体化的支持

从电容指纹到屏下指纹，再到 3D Sensing，总结主流生物识别技术的演进历史，我们发现随着应用场景越来越多，外部环境也越来越复杂，干扰因素也相应增多。在不同复杂环境中的生物识别，对降噪算法的要求也更加苛刻。不过相应地，应用场景不断拓宽后，生物识别行业的成长空间持续打开。

2.1. 电容指纹提取信号清晰，算法简单

电容指纹是通过检测手指与 Sensor 之间的电容信号得出指纹图像，距离过远信号会大幅衰减，所以电容指纹 Sensor 一般外置，上面加一个 Cover，如果采用 Underglass 方案也会对玻璃减薄。

由于识别环境简单，采集电位信号后生成的是黑白图像，清晰、稳定，对指纹算法的要求并不高，进入门槛较低，大部分芯片设计厂商采取和第三方算法厂合作的模式进入。同时芯片的 Die Size 可以不断做小，且不影响辨识度，从而持续降低芯片成本。但是在应用上就比较局限，主要用来做解锁和支付。

2.2. 屏下指纹识别环境复杂，需要更强大软硬件一体化的支持

屏下指纹主要包括光学指纹和超声波指纹两种。光学指纹：1）经过两代更迭，技术成熟度高；2）Sensor 较为简单，芯片成本低；3）但是识别时干扰较多，需要算法和硬件设计高度配合；4）OLED 产能配套完善。

而超声波屏下指纹：1）还没有成熟产品出货；2）Sensor 制造难度大，芯片成本高；3）算法相对简单；4）需要柔性 OLED 配套。光学和超声波未来都可以实现大面积区域的识别，体验要优于电容指纹。

2.2.1. 光学指纹识别干扰因素多，算法与硬件设计高度配合提升体验

我们在汇顶科技深度报告中已经详细论述了第一代和第二代屏下光学指纹的结构以及产业链上 OLED 的产能配套情况，本文主要论述光学指纹识别过程中的干扰因素以及价值量的问题。

目前光学指纹采用微距摄像头原理，Sensor 需要拍下指纹图像，然后运用图像识别算法进行 Match，最后得出结果。采集到的图像主要受到以下几类因素干扰：

1）光源是 OLED 屏，发光点会对图像产生影响；

2）使用一段时间后保护玻璃上的油污、粉尘会影响光线的反射；

3）外部环境光线干扰，比如太阳光；

4）环境的温度、湿度等。

这些干扰因素都会对成像产生影响，从而影响最终的识别速度和识别率，因此需要降噪算法、光学指纹结构、芯片设计高度配合并持续迭代，电容时代指纹芯片厂+第三方公版算法厂的模式难以为继，强大的算法能力成为芯片设计公司的核心竞争力。

2.2.2. 二代光学方案仍需持续优化，保障算法与设计附加值

由于光学指纹 Sensor 就是一个低像素的 CMOS 芯片，目前 Die Size 已经做的很小（目前 1 片 8 寸 Wafer 大约能切 2500 颗左右，电容指纹在 1300 颗左右），我们预计在整个光学方案中成本占比只有 15 个百分点左右。由于提取图像噪声很多，继续降低 Die Size 会影响辨识度，因此不具备持续降价的基础。

光学指纹方案的主要附加值还是在于降噪算法和光学结构的设计，其实目前方案在识别速度和识别率上仍有很大改善空间。以汇顶科技的光学方案为例，2018 年 10 月公开的专利显示，由于透镜的曲度/屈光度(Diopter) 的关系，在影像上对应于透镜边缘处会产生莫尔条纹，从而不利于指纹辨识（图 10 的 5a 中正常指纹影像区域 Ra 较小，51、52 分别为有干扰的水波纹和鱼眼纹）。

汇顶申请专利利用感光像素阵列相对于发光像素阵列旋转（图 11 中发光像素阵列与感光像素阵列形成夹角 a），拉开莫尔条纹与镜心之间的距离，使得可利用滤波运算来保留指纹影像的区域较大，从而有利于指纹辨识（经过滤波运算后图 10 的 5b 中正常指纹影像区域 Rb 较大，鱼眼纹 52’在较外围区域）。

我们判断未来以汇顶科技为代表的芯片厂商将持续优化光学方案以获取更好地用户体验。随着方案的持续迭代，算法和光学结构的设计将继续保持较高附加值。

图10 优化前后的指纹图像对比

图 11：感光像素阵列相对于发光像素阵列旋转

2.2.3. 超声波 Sensor 材料、工艺成本较高，有望在高端旗舰小批量使用

超声波指纹识别技术 2015 年由高通正式推出，由于超声波的最大的难点在于穿透性，比如刚性 oled 封装层氮气、LCD 背光模组等都是穿透的障碍，所以超声波指纹目前只能搭载柔性 OLED。

同时超声波指纹 Sensor 使用压电材料（AIN、PVDF 等）通过 MEMS 工艺制造，然后需要与 CMOS 工艺的 ASIC 电路键合，难度非常高，压电材料和制造工艺成本都非常大，从而影响其推广。我们预计屏下超声波指纹模组价格在 15 美金左右，未来有望先在高端旗舰中小批量应用。

2.3. 3D Sensing 应用场景广阔，算法、设计难度进一步提升

人脸识别算法技术的演进已经将近 20 多年，从最早的子空间方法只能用于检查证件照到如今大量照片的阅读学习，深度学习逐渐成为主流的人脸识别方式，2D 人脸识别技术也趋于成熟。

目前市场上使用频率较高的也仍为使用摄像头的 2D 平面识别方案，这是一种基于平面图像的识别方法，受到姿势、光照、表情等变化幅度的影响较大，因此会存在特征信息缺失、准确度较低等致命问题，照片、视频、化妆及人皮面具等方式都能破解此项识别技术，而 3DSensing技术是基于人脸的立体建模，较 2D 识别技术精度更高。

主流的 3D 成像技术主要有三种：结构光、TOF（Time Of Flight）以及双目测距。结构光主要是通过投影机和单相机投射一幅或多副编码图案，由摄像头采集。根据脸部不同物体造成光信号变化来计算物体深度、位置等信息。TOF 技术则是通过捕捉近红外光从发射到接收的时间差来判断物体的距离；双目测距技术利用双摄像头拍摄物体，再通过三角形原理计算物体距离。

相较而言，结构光技术因其低光表现良好、短距离精度高、识别时间短、成本功耗适中等的优点，更为适合应用在前置摄像头上进行人脸识别。而后置则更多应用的是TOF。

2.3.1. 人脸蕴含丰富信息，苹果目标构建智能家居、汽车闭环生态

电容、屏下指纹获取的都是指纹图像，应用也局限于解锁和支付。相比之下，3D Sensing 获取的是 3D 人脸图像，信息量丰富，应用场景也更为广阔。根据 Yole 数据，3D Sensing 应用市场规模 2023 年将成长至 185.2 亿美元，2017-2023 年复合增速 44%，消费、汽车、工商业为主要应用领域。

终端厂商中，苹果最执着于人脸识别，技术储备也最为丰富，三款新机和 iPad Pro都搭载了3D Sensing，我们判断苹果正不断充实自己的人脸库，目的是构建在智能家居、智能汽车等领域的闭环生态。在智能家居领域，门锁可以通过人脸打开，娱乐系统可以通过人脸以及手势控制；在智能汽车领域，通过刷脸上车、登录车载系统，语音控制空调、查询油耗，行车过程中可以监测疲劳驾驶，带来完美的驾驶体验。

图 15：苹果基于 3D Sensing 的家庭娱乐系统专利

图 16：人脸识别可用于智能汽车的人脸登录和疲劳监测

另外，苹果在发布其首款标配3D人脸识别的iPhone X的时候，不仅使得其3D人脸识别成为移动支付的有效安全认证方式，另外两个应用也被苹果重点提出，一个是能够将人脸表情复制到动画上的动画表情应用 Animoji，另外一个是增强现实（AR）的仿生游戏，尽管后者在宣传中主要是作为仿生芯片的功能应用来推广，但是无可否认的是，AR 已经成为了苹果发展的重要的方向之一，而能够对人脸进行建模实现将会是未来 AR 的基础技术支持。

2.3.2. 结构设计、算法难度进一步提升

为了获取 3D 人脸图像，结构设计和算法实现也更为复杂。以 OPPO Find X 的3D结构光为例，主要光学硬件包括发射端和接收端两个部分，还有一个 Flood illuminator 模组用于人脸识别之前的粗测，核心零部件就包括 VCSEL 芯片、准直镜头、DOE、窄带滤光片和红外 CMOS 等。

算法就更为复杂，一方面，由于数据量庞大，需要使用专用 ASIC 进行计算，ASIC芯片也可以和主芯片集成；另一方面，识别时人脸与 Sensor 距离较远，光路中有大量的噪声，以 STM 的 TOF 方案为例，玻璃上污迹引起的串扰、环境光、发射端的漏光等都会影响成像。进行 3D 人脸识别需要综合考虑成像速度、分辨率和信噪比三者之间的权衡。

3、其他：品类繁多的生物识别技术各有用武之地

虹膜识别：虹膜是位于人眼表面黑色瞳孔和白色巩膜之间的圆环状区域，在红外光下呈现出丰富的纹理信息，如斑点、条纹、细丝、冠状、隐窝等细节特征。除非经历危及眼睛的外科手术，虹膜几乎终生不变。

▲虹膜的纹理及近红外光条件下拍摄的虹膜图像

虹膜识别通过对比虹膜图像特征之间的相似性来确定人们的身份，其核心是使用模式识别、图像处理等方法对人眼睛的虹膜特征进行描述和匹配，从而实现自动的个人身份认证。且虹膜识别是非接触式识别，方便高效。但虹膜识别技术难度高，大多局限于工业领域的应用。在众多生物识别技术中，目前虹膜识别来说是安全等级最高的。

虹膜识别的概念最初是由眼科专家弗兰克•伯奇在 1936 年提出，1987 年由另外两个眼科专家伦纳德•弗洛姆和埃尔朗•萨菲尔用伯奇的概念申请了专利，但当时技术有限，并未开发出相关的处理器，而后美国哈佛大学的研究人员 John Daugman 发明了第一个虹膜识别算法，成功实现虹膜识别。目前有三个国家印度、墨西哥和印度尼西亚将虹膜作为国民身份证的标志，印度会给每个人分配编号采集虹膜，已有约 10 亿的采集规模。而三星接连在 Note7、S8、S8+上搭载虹膜识别，引领虹膜识别不断打开移动终端市场。

静脉识别：通过匹配实时静脉图和记录的个人手指静脉图特征值来进行身份鉴定。人的静脉是完全独特的，就连身体左侧和右侧的静脉也各不相同，有很多静脉在表皮上无法观察到，随着年龄的增长，静脉形状的变化也甚微，同时具有极强的生物活性，因此仿造静脉极其困难。静脉识别在手指有污渍或手指皮肤脱落时仍能实现准确识别，识别效率高。

国外方面，日韩在 1997 年就推出静脉识别产品；2008 年，日本已将静脉认证系统搭载到IT 机器上，提供情报安全保证；2010 年，波兰的 BPS SA 银行在其华沙营业点安装启用了基于“手指毛细血管”技术的自动提款机；2013 年，手掌静脉技术成为瑞典南部隆德市的一种更加方便、更安全的支付方式，现已在隆德市多家商店和餐厅投入使用。目前，土耳其、日本（三菱和大垣共立银行）、巴西、波兰等银行都在使用手掌静脉 ATM，日本 70%的银行都在使用手掌静脉 ATM 取款机。国内 2004 年开始研发，目前在智能社会事务管理如指静脉养老金发放的生存认证工作、银行金融、智能家居等领域铺开应用。

声纹识别：声纹也是人体独特的生物特征, 由于不同个体的发音器官的结构形状及讲话时发音器官的运动方式方面千差万别， 每个人的原始声音是独一无二的, 很难找到两个声纹完全一样的人， 因此声纹识别技术可将现场采集到的声纹同登记过的声纹模板进行精确的匹配来进行身份认证。与其他生物识别技术相比， 声纹识别对用户的干涉较少，用户接受的可能性较大，它具有简便、准确、经济及可扩展性良好等众多优势，在世界范围内，声纹识别技术正广泛应用于安全验证、控制等诸多领域， 特别是基于电信网络的身份识别。

▲亚马逊Echo

从 1952 年贝尔研究所研制出世界上首个能识别 10 个英文数字发音的实验系统到 1960 年英国 Denes 等人研制的第一个计算机语音识别系统，语音识别直到 2009 年借助机器学习领域深度学习以及大数据的发展，才得以有质的飞速发展。如今，语音识别在移动终端的应用最为可观，包括语音对话机器人、语音助手等，出现了 Siri、Assistant、Cortana 等各式各样的产品。此外，在声纹识别上，亚马逊Echo、阿里的天猫精灵、谷歌Home都有支持。

不过，我国目前处于技术仍不成熟，消费端应用渗透率低的状况，在智能家居、金融、证券、社保、社区矫正、公安、 军队及其他民用安全认证等行业和部门有着广泛的需求和发展空间。

4、生物识别有望迎来穿越周期的成长

根据前瞻产业研究院发布的数据显示，2007 年全球生物识别市场规模仅有 30.1 亿美元，而2013 年达到了 97.8 亿美元，即将到达百亿美元大关，6 年复合增长率高达 21.7%。2015 年的全球生物识别市场规模达到了 130 亿美元， 预计 5 年内 CAGR 约 13.9%，至 2020 年全球生物识别市场规模突破 200 亿美元大关达到 250 亿美元。

而市场研究公司MarketsandMarkets的最新预测数据则显示，全球生物识别市场将由2018年的168亿美元快速增长至2023年的418亿美元。这一增长代表预测期间的复合年增长率达到19.99%。这个增长率还是非常高的。

另外，生物识别产业自身也正在发生着一些变革，我们认为主要包含了几个方面：

1）消费级移动终端领域内，以传统的指纹识别和新兴的 3D 人脸识别技术的渗透率和技术创新正在快速推进；

2）传统的门禁安防领域内，多重生物识别技术的需求在持续增加；

3）随着智能化产业的推进，物联网（IoT）、智能汽车等市场中对安全性的需求将会持续引入生物识别技术。

从中长期来看，5G、云计算、大数据、IoT、区块链、智能汽车等行业的快速发展，以及对安全性和便捷性的高要求，将带动生物识别行业穿越周期，迎来黄金成长。

4.1 大数据

大数据随着互联网的发展，全球数据量迎来爆炸式增长，根据 IDC 数据，2020 年全球数据量将达到 40ZB，13-20 年复合增速近 40%。PAISI 预计 2020 年全球大数据市场规模将突破 1214 亿美元。

海量的数据结合生物识别技术可以孕育出丰富的应用。例如在社区可以获取大量的居民数据，包括指纹、人脸、健康状况等，利用外围人像布控系统，SDK&API，人脸锁和语音控制家电等硬件，可以形成优秀的社区养老解决方案，合理安排和监控老人生活。

4.2 IoT

物联网设备将成为下一个高速增长的终端市场，特别是随着 5G 基础设施建设加快将迎来爆发，根据 GrowthEnabler Analysis 数据，2020 年全球物联网市场规模将会达到4573 亿美元。

目前智能机是应用生物识别技术最大的终端，而未来物联网设备的出货量在手机的十倍以上，由于安全性高，体验更佳便捷，我们认为在物联网设备出货的带动下，生物识别行业有望迎来新一轮爆发。

4.3 区块链

区块链技术的核心特征是去中心化和去信任化，凭借在提高效率、降低成本、提高数据安全性方面的优势，逐渐和各行各业创新融合。根据 Tractica 预测，2018 年全球企业区块链市场在 46 亿美元左右，到 2025 年市场规模将达到 203 亿美元。

区块链在数据安全方面的应用离不开生物识别技术的配合，以区块链电商支付平台Nuggets 为例，致力于解决网购支付的数据泄露问题。Nuggets 首先基于区块链技术，对个人信息加密后存储于用户设备本地，付款时直接通过生物识别进行身份验证，商家无法获取用户信息，快递公司获取位置信息后进行配送，确认收货也只需要生物识别验证或者发送二维码。

4.4 智能汽车

汽车智能化的升级从电动化向自动驾驶方向持续发展，在汽车联网和自动化控制的程度越来越高的同时，对于汽车安全性的要求也越来越高，以宝马、奔驰、福田、大众等全球一线的汽车厂商在车辆的防盗、驾驶人员识别、驾驶人员状况判定等领域内推动积极的布局，其中以生物识别技术为基础的包括指纹、人脸、掌纹/掌静脉等多种识别方式，成为厂商在中高端车型中进行差异化定位和营销的重要方向。

生物识别技术应用于汽车场景中的首要需求来自于解锁功能，机械结构的钥匙作为汽车解锁的逐步成为了历史，目前采用射频技术的远程主动式或被动式控制钥匙成为了主流。在以宝马、奔驰、奥迪、福特等厂商推动下，高端车型中已经有了较多的生物识别技术的解锁解决方案在前装市场获得了应用，不过终端消费者市场中的认知度仍然较低，处于导入阶段。

从 Technavio 的研究显示，尽管采用生物识别技术解锁车辆无论是从安全性还是从车辆的层次定位上都符合厂商营销的需求，但是在实际应用的过程中，消费者对于认知度较低，即使是安装了相应功能的高端车型，其实际的使用率也并不如预想，行业仍然处于较为前沿的阶段。

从产业市场规模看，根据 Technavio 的研究数据显示，2016 年生物识别在汽车市场中的整体规模为 1.1 亿美元，未来将会保持 20%左右的增长速度。

按照识别技术分布看，与行业整体的情况类似，指纹识别技术在全部汽车生物识别应用中占比超过 50%的主要应用。2017 年美国消费电子展（CES）上，德国领先的汽车电子厂商大陆集团带来了包括指纹识别启动按钮、人脸识别后视镜等。

车厂方面，捷豹、路虎在其“汽车挡风玻璃清洁系统”的专利中，描述了眼球追踪系统在汽车中的应用，以及在“汽车门禁控制系统”的专利，描述了基于生物识别技术的汽车门禁系统，包括了采用人脸识别、手势识别的技术，并且还可以对驾驶员的生理特征进行检测，以监控身体状况进而保持安全性。福特汽车在 2015 年获得了使用生物信息获取设备获得包括视网膜能扫描，指纹传感器，声音识别单元等信号识别车主进而给汽车控制器解锁车门的专利。

未来，根据 Frost＆Sullivan 的智能移动团队发布的《2016-2025 年全球汽车行业生物识别技术》报告显示，汽车试图更多的了解车上人员的情况，通过各类生物识别传感器技术来不仅是辨识驾驶人员，更重要的是追踪健康和情绪的变化，将驾驶、乘坐、车况、路况等多方面信息进行综合处理，为行车安全、乘坐舒适、车辆保险等各类需求服务。Frost＆Sullivan 的分析师认为，到 2025 年，有将近三分之一的汽车会安装生物传感器，汽车厂商与可穿戴设备、云计算、大数据服务等厂商将会形成更为紧密的合作关系。

5. 安全升级，多重识别悄然推进

从下表中我们可以看到，不同的生物识别技术在精度、稳定性、识别速度、便捷性方面有着明显的差异，因此在不同的应用领域中，也有着各自不同的特点和优劣势。芯智讯认为，未来多生物识别技术融合将是一大趋势。而目前在智能手机上，虹膜识别+指纹识别，指纹识别+2D/3D人脸识别的多生物识别技术组合已有应用，有些同时还支持语音/声纹识别。

从 Technavio 的数据可以看到，2015 年全球多重识别市场的规模为 42.2 亿美元，未来 5 年将会保持 20%以上的增长速度，从占比上看，考虑实用性、准确率和成本的多方面因素，采用双重识别技术的应用占据了超过 90%的份额。

从市场的细分情况看，以银行、保险、证券为主的金融行业由于其与金钱的相关性属性，使得对于身份认证的关注度较高，成为了双重识别和多重识别技术的主要应用场景，而占比第二位的支付卡也属于金融的大范畴内。从区域市场的应用看，欧美发达国家在金融领域内的防范措施和投入规模较大，使得欧美发达地区成为了双重识别市场的核心应用区域。

6. 投资建议

随着数据信息对于日常生活的影响越来越大，信息安全的诉求成为无论是个体消费市场还是企业市场共同关注的热点，而生物识别技术在移动终端中的渗透率持续提升，推动了相关产业链的公司持续受益。我们认为，3D人脸识别技术、屏下指纹识别等声纹识别技术的创新应用，均为市场重要的发展机遇。中长期看，在安防监控、智能家居、自动驾驶等下游市场的持续渗透中，拥有核心算法或者硬件产品优势的厂商将会获得持续的发展机遇。

移动终端上的生物识别应用变化在短期内将会成为产业核心关注点以及资本市场消费电子产业创新投资机会，我们认为人脸识别技术具备了良好的发展前景，同时作为创新升级，屏下指纹有望也成为中高端手机的配置选择之一。从成本角度看，两者的当前价格均远高于普通的指纹识别模组，因此我们认为两者在中高端市场分庭抗礼。

从产业链的布局看，人脸识别仍然有结构光、TOF 等不同的方案，我们以苹果采用的结构光为例，主要模块包含了发射端和接受端两个部分，其中发射端的核心部件包含了VCSEL、WLO、DOE 等光学元件，而接受端则类似于摄像头模组，由算法厂商在核心芯片上实现整体解决方案。

目前在 iPhone上应用的结构光模组的整体价格约15美元，由于存在价高的技术壁垒，以 VCSEL 和芯片领域内基本以海外厂商为主导，光学镜头组件占据了主要的成本。不过，步入2019年国产VCSEL及光学镜头模组这块也将逐步跟上。未来随着3D产品出货量增加带来的规模效应，整体价格也将会持续的下降。

指纹识别方面，传统指纹识别的价格约在2美元左右，屏下指纹的价格由于不同方案存在不同的价格，整体而言在渗透率仍然较低的前期，价格与人脸识别结构光模组较为接近，未来测算方面也是保持下降趋势。

市场空间的测算中，我们的基本假设包括：

1）智能手机市场整体出货量水平保持稳定，分为苹果、三星和其他厂商，我们预计苹果和三星的高中低端机型占比基本持平，而其他厂商中中高端机型的渗透率会有小幅度的提升预期。

作为高端的生物识别技术，中高端机型的渗透率提升将会较快，其中屏下指纹识别技术目前还需要依赖于 AMOLED 的普及速度，因此其渗透率空间与 AMOLED 相关。

2）人脸识别和屏下指纹识别的价格未来 3 年均保持下降趋势，下降幅度方面后者的幅度更大，产业链预期能够更快的成熟起来。

从上述的分析我们可以看到，随着3D人脸识别和屏下指纹识别的价格的下降趋势，对于传统指纹的取代过程推进，预计到 2020 年整体的市场规模将会超过 60 亿美元。