简介：这份行业调研报告聚焦 CMOS 数字图像传感器（CIS）市场，面向半导体、图像传感及消费电子领域的从业者、投研人员与产业分析学习者，帮助其快速建立全球与中国市场的规模、格局与产业链认知。内容以 2017—2021 年历史数据结合 2022—2028 年预测数据展开，分别按销量与收入测算市场规模、价格走势与增速，并对比中国在全球市场中的占比变化。核心章节涵盖 Sony、Samsung、Omnivision、Galaxycore、SK Hynix 等主要厂商的销量、收入、价格与份额，第一至第三梯队划分与行业集中度；按前照式、背照式技术类型及手机、安防监控、车载电子等应用拆分的细分规模；上游核心原料与供应商、中游制造、下游需求，以及产能产量、进出口贸易与驱动因素、政策环境分析。包内为 1 个 PDF 文件，约 413KB，单文件即完整报告，结构清晰便于查阅与引用。已有 72 人学习，适合作为技术选型、市场判断或投研参考的结构化行业底稿。
1. 一份把十年数据压进 95 张表的调研，为什么又被翻出来了
CMOS 数字图像传感器行业调研这类资料，过去两年大多躺在战略部和采购部的共享盘里，最近被重新翻出来，原因不复杂：手机之外，安防和车载两条需求线同时把像素尺寸、动态范围、低照度信噪比这些老指标重新推到了台前，而能把这几个口径放在同一张表里横向比的材料并不多。这份资料的时间跨度是 2017 到 2021 年的历史数据加 2022 到 2028 年的预测，按收入、按销量双轨统计，技术类型只拆前照式和背照式，应用拆手机、安防监控、车载电子和其他，区域覆盖六大板块，厂商层面从产能、产地一直到毛利率。它更像一张标定过的坐标纸，价值不在于某个数字多惊人，而在于所有玩家被放进了同一套刻度里。
对从业者来说，真正值得看的是这套刻度背后的取舍：为什么历史窗口选在 2017 起，为什么预测做到 2028，为什么技术路线只留两条。这些选择决定了哪些结论可以直接引用，哪些只能当参考。行业分析做到这个颗粒度，读法就比读数更重要了。
2. 骨架：95 张表与 81 张图构成的十年可比口径
先把这份资料的物理形态说清楚。正文十一章，配 95 张表、81 张图，平均下来每一节摊到两到三张图表。这个密度意味着一件事：它几乎没有叙述性段落，绝大多数结论要靠读表得出。习惯了看结论摘要的人第一次翻开会不适应，因为里面没有“我们认为”这种句式，只有份额、单价、产能利用率、毛利率这些硬邦邦的列。
图表密度高带来的直接好处是可复核。任何一句结论都能倒推回某张表第几行，这对要做内部汇报的人来说很关键——老板问“这个数哪来的”，你能指到表 8 或者图 28，而不是含糊地说某份资料上看到的。
2.1 时间轴：2017–2021 打底，2022–2028 外推
历史窗口从 2017 年开始，这个起点的意义比看上去大。2017 到 2021 这五年正好横跨了一轮完整的供需波动：消费电子多摄渗透率快速抬升的阶段、晶圆产能紧张的阶段、以及车载和安防起量的阶段，全都在这个区间里。用这五年做基数，等于把“正常年份”和“极端年份”一起纳入了样本，算出来的复合增长率不会因为选了个好起点而虚高。
预测段做到 2028，跨度六年。六年对半导体行业是个微妙的长度：足够长到能覆盖一轮产能建设周期（一条特色工艺产线从规划到爬坡大致就是这个量级），又短到不至于把技术路线的颠覆性变化当成既定事实。所以资料里 2022 至 2028 的复合增长率，本质上是一个“假设现有产能规划和现有应用结构不变”条件下的外推值，不是预言。
注意：预测段的数字只有在“假设不变”这个前提下才成立。引用时把前提一起带上，否则很容易被当成承诺。
还有一个容易被忽略的细节：基准年是 2021，不是 2022。这意味着 2022 年当年的实际波动并没有反映在预测起点里。读的时候要自己补一层校准，尤其是单价和销量这两条线，2022 年的渠道库存变化对这两项的影响方向并不一致。
2.2 四个拆分口径决定了你能不能横向比
这份资料有四套拆分维度，互相交叉：技术类型（前照式/背照式）、应用（手机/安防监控/车载电子/其他）、区域（六大板块）、厂商梯队（第一/第二/第三梯队）。四套维度不是并列关系，而是分层关系——先按区域切，再按应用切，再按技术类型切，最后落到厂商。
| 拆分维度 | 分类数 | 主要回答的问题 | 交叉时的口径风险 |
|---|---|---|---|
| 技术类型 | 2（前照式、背照式） | 工艺路线迁移到哪一步了 | 堆栈式被并入背照式，看不出结构升级 |
| 应用 | 4（手机、安防、车载、其他） | 需求增量来自哪条线 | “其他”类目模糊，容易吞掉新兴场景 |
| 区域 | 6 大板块 | 产能和消费地的错配 | 产地和总部所在地是两套数据 |
| 厂商梯队 | 3 档 | 集中度到什么程度 | 梯队按收入划，不按技术划 |
这张表最该看的是最后一列。技术类型只拆两条，是这份资料最大的简化，也是最容易踩坑的地方。前照式和背照式的分野是像素结构层面的，而过去几年真正的性能提升大量来自堆栈式结构、深沟槽隔离、双增益转换这些工艺演进——这些在只有两个分类的口径里全部被折叠进“背照式”，你从份额变化里看不出结构升级，只能看出路线迁移。
同样，“其他”这个类目在应用维度里是个黑箱。新兴场景在没有形成独立统计口径之前都会被塞进这里，所以“其他”这一行的增速如果明显异动，第一反应应该是去查当年新增了哪些场景，而不是当成噪声忽略。
2.3 产业链那一章：上游材料到下游客户怎么对上账
产业链部分被安排在中后段，章节顺序是先讲上游核心原料和供应商，再讲中游，再讲下游，最后是生产方式、采购模式和销售模式。这个顺序跟实际业务流是反的——真实世界里下游需求先动，中游排产跟着调，上游材料最后才感受到。但从读表角度，从上游往下游读反而更清楚，因为上游的集中度最高，变量最少。
上游的核心原料大致是几类：硅片、彩色滤光片用的颜料光刻胶、微透镜材料、以及封装环节用的各类基板与胶材。这些东西单价不高，但缺一样就出不了货，所以供应商名单那几张表的价值不在金额，在于“有几家能供”。中游是设计加制造加封测，这部分资料给的是产能、产量、产能利用率三件套，产地分布和总部所在地分开列——这个区分很重要，一家公司的总部在一个地方、晶圆厂在另一个地方、封测厂在第三个地方，是很常见的布局，把总部所在地当产地读会得出完全错误的结论。
下游那部分给了代表性客户和经销商名单。经销商这一栏容易被跳过，但对做渠道的人来说是整份资料里最实用的部分之一，因为它能看出哪些市场是靠直供、哪些是靠代理铺下去的。销售模式那一节把直销和经销分开统计，这个区分在单价分析里很关键：同一颗传感器，直供价和经销价之间的差额，往往比不同厂商之间的报价差还大。
3. 影响面：四类岗位从同一份数据里拿到的东西完全不同
同一份资料，落在不同岗位手里会长出完全不同的结论。这不是资料的问题，是问题域不同。下面按四类最典型的读者拆开说，每一类该看哪几章、该警惕什么。
3.1 器件与工艺岗：产能、产地和扩产计划那一节
做器件和工艺的人翻这份资料，通常直奔产能那几章。那里的信息结构是：全球总产能、总产量、产能利用率，然后按主要生产商拆近几年的产能变化和未来规划，再按地区拆产能份额和产量份额。
这里有个读法上的讲究。产能利用率和产能份额要一起看，不能分开看。某一家厂商的产能份额在涨，但全球产能利用率在往下走，说明什么？说明它在逆周期扩产，赌的是下一轮需求。反过来，产能份额在跌而利用率维持高位，通常是这家把新增产能放在了别处，或者干脆转做别的产品线了。单看任何一个指标都会读反。
扩产计划那部分给的是“未来规划”，颗粒度到厂商级别。这块数据的时效性最脆弱，因为规划是会改的。看到某一家的扩产计划时，最好对照一下它的产品列举表——如果规划里新增的产能对应的产品型号和现有产品线有明显代际差，说明这是条新线；如果型号基本重合，那更可能是现有产线的填平补齐。这两种扩产对供应链的意味完全不同，前者会带来新设备和新材料需求，后者主要是耗材。
工艺侧还有一个隐藏信息：技术类型只分前照式和背照式，但你从厂商产品列举和毛利率的对应关系里，能间接看出谁还在靠前照式走量、谁已经把背照式做成标准品。毛利率高的那几家，通常是因为产品结构里高附加值型号占比高，而不是因为成本控制得好——传感器这个行业，成本曲线已经压得很平了，毛利差异主要来自产品组合。
3.2 终端产品线：手机、安防、车载三条曲线的节奏差
三条应用线的节奏完全不同，这是整份资料里对产品规划最有用的判断。
手机这条线的特征是量大、周期短、规格迭代快。它的需求波动跟整机出货节奏强绑定，一款机型卖得好不好，直接决定那颗定制传感器的排产。这条线的份额变化最剧烈，也最不值得做长周期外推——六年的预测在手机这条线上参考价值有限，两三年的窗口更实际。
安防监控这条线的特征是规格稳定、替换周期长、对低照度性能极度敏感。这条线上的技术选型一旦定下来，往往会用很多年，所以份额迁移非常慢。慢的好处是可预测，坏处是新产品切入极难，因为客户没有换供应商的动力。
车载电子的特征是认证周期长、失效成本高、对温度范围和动态范围的要求远超消费级。这条线的量起得慢，但一旦定点，生命周期长得多。三条线放在一起看，会发现一个反直觉的现象：某一年手机线的增速可能最高，但把时间拉长到六年，贡献增量最稳定的往往是另外两条。
提示：按应用拆分的市场规模表里，收入份额和销量份额的排序经常不一致。销量占比高但收入占比低，说明这条线用的是低价位产品；反过来就是高价值、小批量。这两张表要对着读。
3.3 投资与供应链：CR3、梯队划分和并购清单
做投资和供应链管理的人，重点在竞争格局那两章。核心指标是集中度——前三家合计份额，以及第一、第二、第三梯队的划分。
梯队划分这件事，资料给的是按收入划的三档，但这个划法有个副作用：它把“技术领先但规模不大”和“规模不小但技术跟随”的玩家放进了同一档。所以看梯队的时候，必须配合技术类型份额那张表一起看，否则会误判谁在往上走。
并购情况那几张表，是整份资料里更新最慢但信息密度最高的部分。并购事件本身是滞后的，但它反映的是行业整合的方向：是横向合并同类产能，还是纵向吃下上游材料或下游模组。这两种整合对供应链的意味完全相反，前者会让供应商名单收缩，后者会让某些环节被内部化、外部订单减少。
还有一张表值得单独拎出来：主要厂商产品型号、规格、参数及市场应用。这是全篇唯一一张把型号和参数摊开列的表。做选型对比或者做竞品分析，这张表的效率比翻十篇产品手册高得多。它不能替代数据手册，但能在十分钟内告诉你“这个档位上有哪些人在打”。
3.4 本土替代口径：进口与国产份额对比里的三个坑
本土市场的份额对比是这份资料被引用最多的部分，也是最容易被误用的部分。
第一个坑是口径。进口和国产的划分，是按厂商注册地、按生产地，还是按品牌归属？这三种划法会得出三套不同的数字。一家在海外注册、在本土设厂出货的公司，按注册地算进口，按生产地算国产。资料里给的是哪一套，需要看表注；如果表注没写清，那这组数字只能看趋势方向，不能看绝对值。
第二个坑是内销与外销。本土厂商的出货里，有多少是卖给本土客户、多少是出口的，这个比例决定了本土替代的真实成色。如果一家厂商的出货增长主要来自出口，那它反映的是全球需求，不是本土替代。
第三个坑是时间对齐。进口数据的统计周期和厂商出货的统计周期经常差一个季度，尤其是通过渠道走的部分。把两个不同周期的数字直接相减算份额，误差可能比份额变化本身还大。
4. 易误读：五个把结论读反的常见姿势
4.1 误读一：份额领先就等于技术领先
份额高只能说明卖得多，不能说明做得好。传感器的份额由整机厂的选型决定，而整机厂选型要考虑成本、供货稳定性、以及配套的算法调校资源，技术参数只是其中一项。一家厂商可能在某个规格档位上份额压倒性领先，但在更高一档的产品上完全没有存在感。
怎么看：把份额表和产品型号表叠起来。如果某家的份额集中在少数几个型号上，说明它是靠单点爆款；如果份额分散在长产品线上，才是体系能力。这两种领先的稳固程度差很远。
4.2 误读二：把 2028 年的预测数当成目标
预测值是在“现有产能规划和现有应用结构不变”的假设下算出来的，而现实中这两件事都会变。更关键的是，预测模型里的复合增长率是一个平滑后的结果，它不会告诉你哪一年会掉下去。
怎么看：把预测段的绝对值丢掉，只留增速的方向和相对排序。哪条应用线的增速排序在前、哪个区域的增速排序在后，这个相对关系比绝对数字稳健得多。
4.3 误读三：用一个复合增长率概括全部细分
资料里给了很多个复合增长率：全球的、本土的、按技术类型的、按应用的、按区域的。这些数字看起来都能代表“行业增速”，但它们的分母完全不同。全球增速里包含所有应用，手机应用的增速只包含手机，两者的量级差了好几倍。
怎么看：任何增速数字都要连着它的分母一起引用。写进汇报材料时，把“某某应用的六年复合增长率”写全，不要简化成“行业增速”。
4.4 误读四：忽略单价口径和汇率
价格那几张表的单位是每件多少元，但这个“件”是什么，资料里不一定每次都写清楚。是按颗算、按模组算，还是按晶圆上的有效 die 算？口径不同，价格能差一个数量级。
汇率的坑更隐蔽。全球厂商的报价大多以美元结算，而统计口径是万元，中间有一层换算。汇率波动大的年份，按本币计的收入增速和按美元计的销量增速会对不上，这个差额不是需求变化，是换算造成的。
怎么看：看到价格表先确认单位，看到收入表先确认币种。两者对不上时，先怀疑口径，再怀疑数据。
4.5 误读五：把“其他”当成垃圾桶
应用维度里的“其他”类目，份额通常不大，所以最容易被跳过。但这个类目的增速如果连续两年高于整体，说明里面有东西在长大而统计口径还没跟上。
怎么看：把“其他”的占比变化单独拉一条线。占比稳定说明它就是个残余项；占比在爬升说明有新场景在成形，这时候该去查当年新增了哪些应用，而不是等下一版资料把类目拆细。
5. 技术分水岭：前照式与背照式的迁移为什么是慢变量
技术类型那两章，是这份资料里技术含量最高、也最容易被读成“常识”的部分。前照式和背照式的差别，说到底就一句话：光线进到感光区之前，要穿过多少层东西。
5.1 结构差异：金属层挡光与背面减薄
前照式的结构是，感光二极管在下，上面依次是金属互连层、彩色滤光片、微透镜。光线从正面进来，必须先穿过金属互连层。这层金属是布线的必需品，但它不透明，会挡掉一部分入射光，落到像素边缘的光尤其容易被挡住。结果是填充因子做不高，边缘像素的响应比中心低，斜入射光（大光圈镜头下很常见）的损失更明显。
背照式把这个顺序翻了过来：把晶圆背面减薄到只剩感光层，光线从背面直接进，金属层被挪到了感光区背后，不再挡光。这么一改，开口率上去了，斜入射光的容忍度也上去了，配合片上微透镜和深沟槽隔离，相邻像素之间的串扰还能压下来。
代价是工艺复杂度。背面减薄要控制厚度均匀性，减薄之后晶圆机械强度下降，得加支撑衬底，再往后还有堆栈式的做法——把逻辑电路单独做一片晶圆，和感光片键合到一起。每加一步，良率风险就多一层，成本也就上去了。
5.2 迁移速度受什么约束
为什么份额迁移是慢变量？因为卡点不在设计，在制造和验证。
制造端卡在良率和产能。背照式产线和前照式产线不能简单共线，背面减薄、键合、对准这些工序需要专门的设备。一条产线从建到爬坡要按年算，所以供给侧的切换速度天然是慢的。
验证端卡在整机厂的导入周期。一颗传感器从送样到量产，中间要过光学调校、色彩标定、算法适配、可靠性测试一整套流程。手机这条线快一些，一年能走完；车载这条线慢得多，定点之后换个供应商的成本高到没人愿意轻易动。
成本端卡在价格带。前照式在低端市场还有很硬的价格优势，只要终端产品对低照度和动态范围没有硬要求，用前照式就是更划算的选择。所以份额迁移不是“新技术替代旧技术”，而是“新技术从高端往下渗透，旧技术在低端守住阵地”，两条曲线同时在走。
5.3 用一段脚本把份额序列换算成迁移速度
资料里的份额图是逐年画的，肉眼能看出趋势，但看不出速度。把图上的读数抄成序列，跑一遍就能得到两个更有用的量：逐年变化和年均迁移速度。
# 把报告里的技术类型份额序列换算成迁移速度 # shares: 背照式收入份额按年排列。此处为占位示意值，实际请替换为图26/图28的读数 shares = [0.42, 0.47, 0.52, 0.57, 0.61, 0.65] def shift_speed(series): """返回逐年变化(百分点)与全周期年均迁移速度(百分点/年)""" yearly = [round((b - a) * 100, 2) for a, b in zip(series, series[1:])] avg = (series[-1] - series[0]) * 100 / (len(series) - 1) return yearly, round(avg, 2) def cagr(first, last, years): """复合年均增速，years 为间隔年数，不是样本个数""" return round((last / first) ** (1 / years) - 1, 4) yearly, avg = shift_speed(shares) print("逐年变化(百分点):", yearly) print("年均迁移速度(百分点/年):", avg) print("首末年份的CAGR:", cagr(shares[0], shares[-1], len(shares) - 1)) # 线性外推到 2028：仅用于判断量级，不要当作预测结论 print("线性外推2028份额:", round(shares[-1] + avg / 100 * 6, 3))这段代码三个函数各管一件事。shift_speed算的是百分点变化，不是百分比变化——份额从 42% 到 47% 是 5 个百分点，不是 5%，这个区分在写材料时经常出错。cagr里的years是间隔年数，六个样本点之间只有五个间隔，传错这个参数会让结果系统性偏高。最后那行线性外推纯粹是量级参考，份额迁移通常不是线性的，越接近饱和越慢，外推值只能用来判断“到 2028 年是大头还是小头”，不能写进结论。
把输出代回资料里的预测表做交叉验证，是这套流程最有用的一步。如果你外推出来的方向和资料预测的方向相反，多半是两边的起点年份不一致，或者一边按收入算、一边按销量算。
5.4 读图时的三个细节
第一个细节是堆栈式被折叠了。资料的技术类型只有前照式和背照式两类，堆栈式结构在统计上归入背照式。所以背照式份额的上涨里，混着“从正面进光改成背面进光”和“从单层改成堆栈”两种不同的升级，你看不出比例。
第二个细节是双增益转换这类读出电路层面的改进，完全不体现在技术类型分类里，但它对动态范围的贡献可能比像素结构还大。做产品对比时不能只看分类标签。
第三个细节是像素尺寸和份额的关系。大像素和高像素是两个不同的优化方向，前者追低照度，后者追解析力。同一技术类型下，这两个方向的产线可以完全不同。份额表是按技术类型聚合的，聚合之后这层差异就看不见了。
6. 接下来三年：盯住五个可复核的指标
这份资料的预测段能提供方向，但不能提供判断。真正要形成判断，得把预测值翻译成几个每天都能观察到的先行指标。下面这五个，是我认为从这份资料的结构里能直接推出来、同时在日常工作中可验证的。
| 指标 | 观察来源 | 领先还是同步 | 异动意味着什么 |
|---|---|---|---|
| 晶圆端特色工艺产能利用率 | 代工厂季度披露 | 领先一到两个季度 | 下行说明渠道在消化库存，不是需求消失 |
| 背照式与前照式的价差 | 分销渠道报价 | 同步 | 价差收窄说明背照式成本下来了，迁移会加速 |
| 车载定点项目数 | Tier1 的项目公告 | 领先两到三年 | 定点数决定三年后的出货结构 |
| 安防招标中的低照度门槛 | 招标文件参数 | 同步 | 门槛抬升会强制替换存量设备 |
| 应用维度“其他”的占比 | 季度统计 | 滞后 | 占比爬升说明新场景在成形 |
这五个指标的共同点是，它们都不依赖任何一家机构的预测，自己能查、能验。产能利用率看代工厂的季度披露，价差看分销报价，定点数看一级供应商的项目节奏。资料给的是历史刻度和一套拆分类目，把这些类目变成持续跟踪的观察点，才算是真正用上了。
说个自己的教训。早几年做选型对比，我习惯直接引用资料里的份额结论，看到某条技术路线份额过半就默认它是主流，结果在一个低端项目上翻了车——那个档位的客户根本不在乎背照式带来的低照度提升，他们在乎的是每颗便宜几分钱。后来我形成了一个习惯：任何时候拿到一份行业调研，第一件事不是读结论，而是把它所有的拆分维度列出来，逐个问一句“这个维度切下去，会不会把我要的那群人切散”。如果会，就一定回到原始数据自己重算一遍，再下判断。这份资料的四套拆分维度交叉起来有一百多个格子，任何一个格子单独拎出来都能讲一个故事，但故事和生意之间隔着一次重算。
希望帮到你。
本文还有配套的精品资源，点击获取
