更多

  • 汽车智能化大势所趋，全息芯片、全息车载大屏将改变汽车产业

    汽车显示系统市场规模在2018年估计为150亿美元,从2019年到2025年,复合年增长率将超过10%。到2025年,全球行业单位出货量将超过3.5亿个。到2024年,全球汽车智能显示市场预计将从2016年的47.5亿美元增长到110亿美元,复合年增长率为12.75%。 近年来,面板产能的快速放量,但消费类市场目前增长缓慢,各大面板厂商都在寻找新的快速增长的应用领域。但随着汽车市场的快速发展及车联网时代的来临,车载显示领域已成为继手机、平板市场之后的第三大中小尺寸面板应用市场。 伴随着汽车市场高度繁荣以及智能化汽车、物联网、车联网等的不断发展,车载显示屏也已经悄然占据了继手机、平板之后的第三大中小尺寸面板市场,其中,人们对于人车交互的需求不断增加,也使得车载显示技术快速的发展变化。 早期的车载显示器的出现是为了满足基本的信息显示,但是伴随着汽车智能化的发展,现在人们对于人车交互的需求不断扩大,车载显示技术呈现出多元化的发展,除了传统的液晶屏外,OLED柔性显示技术、多点触控技术、DLP投影技术、HUD平视显示技术、全息技术等等技术也开始进入车载显示领域。 汽车显示系统市场的关键趋势,例如全息显示器的出现,也将推动市场增长。市场的主要供应商专注于汽车应用全息屏的开发。全息显示系统包括几个功能,包括车道偏离警告,正面碰撞警告和导航。多家车企也在致力于开发用于信息娱乐和HUD系统的全息AR显示技术。就是将虚拟的数据和图像结合在现实图像中,从而达到更好的互动和辅助。 在去年,特斯拉公布了一项名为“用于屏幕颜色匹配的全息装饰玻璃”的专利,这项技术可以改善车内显示屏的视角,让屏幕看起来更大、更舒服。 据上述报道介绍,该技术可以减少或消除系统显示部分和非显示部分之间边界的可见性,通俗来说就是让车载屏幕变成一块无边框显示屏。特斯拉还采用了全息玻璃面板,通过采用这些技术,特斯拉希望为其车辆提供可以为所有乘客提供最佳视角的屏幕,增强使用屏幕时的沉浸式体验。车载大屏不光可以成为导航、娱乐等终端,也可以配合车身外的摄像头,并作为汽车后视镜的辅助。 为了实现屏幕的无边框化,特斯拉主要运用了索引匹配胶水和全息玻璃面板两项技术。专利文件显示:“索引匹配胶水可以改变显示屏的感知颜色和外观,以在较小的视角范围内匹配周围框架的颜色和外观。例如,索引匹配胶可以改变显示屏的感知颜色和外观,以在大致垂直于显示屏表面的视角范围内匹配帧的颜色和外观。”不过,文件也指出,由于匹配的视角范围有限,显示屏框架和显示屏之间的边界在某些视角下仍然可以容易看到。 AR技术的兴起为HUD在产品设计上提供了更适配实际使用场景的方向,车载AR技术,通过光场显示级别的HUD将虚拟信息与实景融合,全新的交互方式更加安全、直观、便利。与ADAS功能相结合,可以实时呈现自动巡航、车道偏离、车辆行人监测等信息,有助于驾驶员提早作出反应,减少交通事故发生,增强对驾驶的信心。此外,光场AR技术,可以实现人、车、路(真实世界)、云(虚拟世界)的完美融合,如通过LBS,提供充电、加油、维护、购物、餐饮等增强现实形式的内容提示,并基于时间、空间、用户等多维度的推广,提供竞价排名等增值服务。 微美全息(WIMI.US)为中国领先的全息云综合技术方案提供商之一,公司提供从全息视觉AI合成与呈现、全息互动软件开发、全息AR广告投放、全息AR SDK支付、5G全息通讯软件开发到全息人脸识别等全息AR技术的一站式服务,商业应用场景主要聚集在家用娱乐、光场影院、演艺系统、商业发布系统及广告展示系统等五大专业领域。 微美全息云是增强现实的一种内容提供方式,就是让你看到现实中不存在的物体和现实世界融合在一起的立体影像并与其交互,通过投射装置,将手机或电脑上的影像投影到其他介质上。微美全息云中最具商业价值的就是全息技术。全息技术也称虚拟成像技术,是利用干涉和衍射原理记录并再现物体真实的三维影像的记录和再现的技术。是一种用相干光干涉得到物体全部信息的的三维成像技术。全息技术所记录的不是影像,而是光场。应用场景广,行业成长性高。 微美全息AI-MBTWIMI全息云平台,是公司开发的一款高性能微美全息云管理平台,主要用于为企业、团体、组织或个人提供AR3D应用&全息娱乐、AR3D应用&全息广告与AR3D应用&全息技术服务三大服务体系。云平台根据适用场景的不同分为To B\To C,两者在功能和特性的支持上存在一定差别。To B主要为广告、影院、家装、餐饮、娱乐、游艺等公司提供所需全息虚拟内容与技术支撑服务。To C端的应用主要提供微美全息云AI-MBTNSDK及其插件用在移动端摄影、APP应用之中提供各类个人增值服务,未来还可以应用在AR/虚拟现实/智能眼镜,DLP(数字光处理)投到视网膜;拥有SDK插件和智能计费系统等。 5G时代的到来,成了车载AR应用爆发的高速路。5G网络具备高带宽、低延时、大连接等颠覆性特性,结合云计算、大数据、物联网、人工智能等新技术,为形态多样、交互立体的智能终端的量产应用,带来了巨大的基础设施利好。 未来人工智能是绝对的发展大方向,按照我们以前的常规理解,汽车只能算是冰冷的没有感情的机器,但是当AI人工智能智能被安装到车上又是什么样呢? 对于2020年,汽车市场一如既往的竞争激烈,但是对于技术的革新来说,这是一个爆发的节点,每个技术的爆发必将带来巨大的市场份额,所以我们也期待2020年汽车行业会有更大的技术爆发。

    半导体 汽车显示 全息芯片 智能化

  • 韩国材料、零部件和设备制造商努力开发原创技术反击日本出口限制

    据韩媒报道，去年日本宣布对韩国企业实施出口限制这一措施，引发了韩国中小型半导体材料和零部件制造商的担忧。 不过韩国工业联合会(FKI)6月份对149家从日本进口产品的公司进行了调查，其结果显示，与一年前相比，韩国的材料、零部件和设备制造商的竞争力有所增强。 假设日本企业的竞争力为100，韩国企业在2020年6月的得分为91.6，高于2019年7月日本宣布出口限制时的89.6。 该报道称，韩国的材料、零部件和设备制造商通过加倍努力开发原创技术来反击日本的单边行动。结果显示，他们把危机变成了扩张业务的机会。 FKI指出，日本公司提出的专利异议请求今年有所增加。截至2020年8月，日本公司对在日的韩国公司提出了11项请求。这一数字已经超过了2019年全年提出的8项，而且极有可能超过过去5年提出专利异议最多的2017年。 韩国公司今年对日本公司提出了15项专利异议，这一数字比2019年增加了一倍多，表明两国在技术竞争方面的竞争愈加激烈。

    半导体 半导体 日本 韩国

  • 指甲盖大小的手机处理器，为何能集成上百亿个晶体管？

    手机处理器的芯片大小，与大拇指指甲盖差不多大小，但是一个小小的芯片，却能装下上百亿个晶体管。iphone12中的手机处理器A14，搭载5纳米工艺，集成了118亿个晶体管。 那么小的芯片，真的能装下上百亿个晶体管吗? 纳米(nm)是长度单位，一纳米等于10的负9次方米，是一个非常小的长度单位。珠穆朗玛峰高8848米，它的百万分之一，仅相当于一本书的厚度。而1纳米相当于一毫米的百万分之一。单个细菌人肉眼是看不见的，因为它的直径在微米级别，而1纳米是1微米的千分之一。 氢原子是原子中最小的，它的半径大约是0.037纳米，13个氢原子排成一条线的长度大约等于1纳米。现在的手机cpu是硅基芯片，而硅原子的直径为0.234nm，4个硅原子排排坐就有1纳米的长度。 1纳米这么小，那么在一款小小的手机芯片上集成100亿个晶体管，就很好理解了，是可以做到的。 世界上第1台电脑埃尼阿克出现的时候，体积比一个房间还大。1958年杰克·基尔比发明了基于的集成电路，后面罗伯特·诺伊思发明了基于硅的集成电路。工程师们直接将晶体管制作在一片硅晶片上，微电路(芯片)随之诞生。为了降低功耗和提高性能，集成电路的晶体管数量越来越多，元器件也被做的越来越小。 现在芯片制造工艺早已从微米时代进入了纳米时代。手机和电脑的cpu就是集成度最高的芯片。现在一块手机cpu的面积大约在100平方毫米左右，而一平方毫米至少可以集成1000万个晶体管。 随着微电子技术的提高，仅仅几年的时间，硅基芯片制造工艺就从几十纳米进入了几纳米时代。目前集成电路的制造工艺已经达到了5纳米水平，苹果A14处理器就使用了台积电的5纳米制造工艺。不过元器件的尺度已经快接近极限了，要想提高芯片的性能，就只能另寻它法，比如碳基半导体。 纳米技术是研究结构尺寸在1~100纳米范围内材料的性质和应用，是上世纪90年代初迅速发展起来的，距今不过30年。 纳米技术的概念最早是物理学家理查德·费曼于1959年提出来的。直到1981年，科学家们发明了扫描隧道显微镜，才拥有了目睹纳米尺度下原子、分子的能力，后面还拥有了操控单个原子的能力。

    半导体 晶体管 集成 芯片

  • 可给手机降温的微流体集成芯片

    我们的手机电脑等电子产品在使用时会产生许多热量，如果热量没有能及时散发，必定会影响设备的性能与使用。有研究人员发现，将微流体系统集成到微芯片内部，展现出了卓越的冷却性能。 提升电子系统性能的一个高效又节能的策略是将微流体冷却通道集成到芯片中，以防止芯片过热。然而，此前设计并构建的最先进的微流体冷却系统却是独立于电子芯片之外的，妨碍了将通道集成到电路中为热区提供直接的冷却。 由于这种集成会显著增加芯片制造的复杂度，成本也会相应提高。van Erp等人在《自然》上发表论文，报道了一种集成微流体冷却系统的电子设备，让微流体冷却系统与电子元器件紧密结合，并且采用一种单次的低成本工艺流程进行构建。 电力电子技术使用固态电子器件将电能转换成不同的形式，可见于各种各样的日常应用[2]，从计算机到电池充电器，从空调到混合动力汽车，甚至卫星。对更高效率、更小功率的电子器件的需求越来越大，意味着这些器件每单位体积转换的功率量已经大幅增加。这反过来又增加了器件的热流密度，即单位面积产生的热量。以这种方式产生的热量已经成为了一个大问题：美国的数据中心用于冷却计算机的能源和水与费城全城的住宅用量相同。 微流体冷却系统在降低电子器件温度方面蕴含着巨大潜力，因为热量可以高效地传递到这些系统。总体上看，目前已经开发出三种微流体冷却方案。第一种用于冷却被保护盖盖住的芯片。 热量从芯片经盖子传递到带有微流体通道的冷板，液体冷却剂会流过通道。这里用两层热界面材料(TIM)帮助将热量从盖子传递到冷板：一层在盖子与板之间，另一层在盖子与裸片(用于制作芯片的半导体硅片)之间。 在第二种设计方案中，芯片没有盖子，因此，热量从芯片背面通过一层TIM层直接传递到微流体冷却板。这两种方法的主要缺点是需要TIM层——虽然TIM的设计能有效传热，但在TIM层与裸片、盖子和冷板之间的界面处仍会产生热流阻力。 有效解决这个问题的方法是使冷却剂与芯片直接接触——这是第三种常用设计。例如，裸片直接喷射冷却是一种很有价值的技术，液体冷却剂可以从微通道中的喷嘴直接喷射到芯片背面[5–7]。由于没有TIM层，这种方法的冷却效率很高，并且不需要改变芯片制作过程。然而，微流体器件的制作一般比较昂贵。虽然已经开发出了低成本的基于聚合物的技术，但其不适用于电子设备目前的生产和组装工艺。 另一种是冷却剂直接与芯片背面直接接触的方法是嵌入式液体冷却，让冷的液体通过直接蚀刻在半导体器件中的直的平行微管道(SPMC)泵送。这能有效将芯片背面变成了散热器，并展现出卓越的冷却性能。但是，与其他方法相比，裸片需要额外的加工过程。SPMC的主要缺点是，当液体流过时，管道中的压力会大大增加，这意味着需要一个大功率的泵。这增加了能耗和成本，并对半导体器件产生具有潜在破坏性的机械应力。另一个大的缺点是芯片上会产生高温梯度，这会引起热机械应力并导致薄裸片的局部翘曲。 与SPMC相比，名为嵌入式分流微通道(EMMC)的三维冷却系统在降低泵送能量需求和温度梯度方面具有巨大潜力。在这种系统中，一个三维层级分流管(具有数个分配冷却剂端口的通道部件)为嵌入式微通道提供多个入口和出口，从而将冷却剂分流到多个平行区域。然而，将EMMC集成到电力电子器件的芯片中增加了器件制造的复杂度和成本。因此，先前报道的EMMC是作为单独的模块被设计和制作出来的，后续再将其结合到热源或商用芯片上以评估其冷却性能。 Van Erp等取得了突破，他们开发了一种一体化集成式分流微管道(mMMC)——在该系统的单个裸片中，EMMC与芯片集成并共同制造。因此，掩埋的通道嵌入在芯片有效区域的正下方，从而使冷却剂能够直接从热源底下通过。 微芯片一体化冷却系统。Van Erp等人为电子设备芯片开发了一种通用设计方案，其中，作为冷却系统的微通道系统是与芯片共同制造的。冷水流过分流管，将水输送到硅基微通道中。水直接从氮化镓层下面流过，氮化镓是一种半导体材料，氮化镓层包含了电子器件组件(未显示)。因此，冷水有效地散发器件产生的热量，保证其具有良好的性能。顶部的金属触点将通道密封。 mMMC的制作过程包括三个步骤。首先，将窄缝刻蚀到覆盖了一层半导体氮化镓(GaN)的硅衬底中;窄缝的深度即是要制作的通道的深度。然后使用一种被称为各向同性气体刻蚀的工艺，将硅中的窄缝加宽到通道的最终宽度;这种蚀刻工艺还使短的通道连接起来产生更长的通道系统。最后，通道顶部的GaN层的开口被铜密封。随后就可以在GaN层中制造电子器件。与先前报道的制作分流微通道的方法不同，van Erp及其同事开发的流程不需要分流通道和器件之间键合或连接。 作者还应用他们的设计和构建方法制作了一个电力电子模块，将交流电(a.c.)转换为直流电(d.c.)。使用该设备进行实验表明，仅使用0.57 W cm–2的泵功率就可以冷却超过1.7千瓦/平方厘米的热流密度。此外，由于消除了自体发热引起的性能减退，液体冷却设备展现出明显高于同类未冷却设备的转换效率。 Van Erp和同事的结果令人印象深刻，但是与任何的技术进步一样，要做的还很多。例如，需要进一步研究薄的GaN层的结构完整性随时间的变化，以了解它能够稳定多长时间。此外，作者使用最高工作温度为120°C的粘合剂将设备中的微通道连接到支撑电路板上的流体运输通道。这意味着组装后的系统将无法承受更高的温度，例如回流焊接(一种电子设备制造常用的流程)一般用到的温度(250°C)。因此，与制造中使用温度相匹配的流体连接方案仍有待开发。 另一个未来的研究方向是在交流直流转换器的最新设计中采用mMMC概念。van Erp及其同事发表的设计是一个简单的测试案例。此外，在他们的实验中，作者仅使用液态水进行了单相冷却(也就是说，水并没有因为过热变成气体)。 在两相流冷却系统中表征器件的冷却和电力性能将会很有用。两相流冷却系统中，液体蒸发带走热量。最后，在实际应用当中，水可能不是理想的冷却剂，因为水有结冰或者直接与芯片接触的风险。 未来的工作需要研究使用不同的液体冷却剂。尽管仍有一些需要解决的挑战，van Erp及其同事的工作是向低成本、超紧凑、高能效电力电子冷却系统迈出的一大步。 他们的方法超过了目前最先进的冷却技术，并且有望使产生高热流密度的器件成为我们日常生活的一部分。

    半导体 微流体 集成芯片 微芯片

  • 芯英科技，“伏羲”芯片能耗仅为进口芯片的10%

    10月15日，2020年全国双创活动周浙江分会场活动暨钱塘芯谷启动仪式在杭州举行。活动现场还举办了钱塘芯谷揭牌仪式、芯谷首批落户项目授牌仪式。 钱塘芯谷此次集中落户授牌的11个半导体产业项目，总投资86亿元，包括芯英AI芯片、至芯紫外芯片、金卡智能物联生态科技、麦格米特高端装备等。 据钱塘新区发布消息，芯英科技CEO杨龚秩凡表示，将在新区开展首代“伏羲”芯片研发、设计和生产，该芯片应用于服务器端，可通过海量数据构建训练平台算法，产品对标英伟达V100等世界顶尖高性能AI通用芯片。除了实现AI通用芯片的国产替代以外，“伏羲”芯片能耗仅为进口芯片的10%，整体性能更优越。 深圳芯英科技有限公司成立于2018年12月，自主研发高性能AI通用芯片，打造完整的软硬件一体化系统。 钱塘芯谷位于钱塘新区核心板块， 规划总面积138平方公里，以半导体产业、未来产业为主导方向，重点发展集成电路、柔性电子显示、智能终端、5G等产业，致力于打造半导体千亿产业大平台和芯片之城。 钱塘芯谷正逐步形成以集成电路为主导的“1+X”产业体系，以“基础产业+未来产业”双轮驱动，“核芯产业”牵引高质量转型发展的产业形态。

    半导体 半导体 集成电路 芯片

  • 英伟达DPU，在数据中心领域对英特尔的挑战

    最近几年，“颠覆”、“极致”、“革命性”等概念很容易的出现在科技厂商的发布会新闻中。而iPhone12的发布现场，蒂姆库克就用上了“新纪元”的字眼，标志着iPhone正式地步入了5G时代新纪元。 但国内消费者对5G已经是见怪不怪了，苹果自嗨的划时代产品因为没有达到市场的预期，当日股价就跌去3800亿个小目标，后面就要靠销量来证明苹果自己有没有跨入“新纪元”了。 相比较于关注度高的消费电子领域，本文要把重点放在大多数人不太熟悉的数据中心产业，及其更上游的数据中心计算芯片上面。因为我们看到随着云计算的大规模普及和AI计算的指数级增长，数据中心被提到前所未有的重要位置。 最近在参加一个有关数字通信产业的论坛上，听到一位中国信通院的专家的观点是：数据中心，将成为和5G技术并肩，下一个数字技术的制高点。类似的观点，我们也在英伟达线上2020年GPU技术大会，从黄仁勋那里听到：数据中心已成为全新的计算单元。 黄仁勋之所以有这样的底气，就在于这次发布会上推出了一款全新处理器DPU，以及围绕该处理器的软件生态架构DOCA。据英伟达的介绍，DPU可以和CPU、GPU相结合，构成完全可编程的单一AI计算单元，实现前所未有的安全性和算力支持。 那么，DPU能否真正承担起与CPU、GPU一样的计算重要性，实现数据中心的一次巨大革新?其创新点到底在哪里?这些仍然是我们要去回顾和考察的问题。 一、英伟达DPU的过“芯”之处 从英伟达在GTC的介绍上来说，DPU(Data Processing Unit)处理器，其实是一种SoC芯片，其中集成了ARM处理器核、VLIW矢量计算引擎和智能网卡的功能，主要应用在分布式存储、网络计算和网络安全领域。 DPU的主要作用就在于替代了数据中心原本用来处理分布式存储和网络通信的CPU处理器资源。在DPU之前，智能网卡(SmartNIC)正在网络安全和网络互连协议方面逐渐取代CPU。而现在DPU的出现，相当于是智能网卡的升级替代版本，一方面增强了智能网卡对网络安全和网络协议的处理能力，一方面又整合和加强了分布式存储的处理能力，从而在这两个领域更好地替代CPU，从而释放CPU的算力给到其他更多应用。 英伟达在DPU上的技术突破，来自于去年收购以色列芯片制造公司Mellanox之后，在这家公司的硬件基础上开发出BlueFeild系列的两款DPU——英伟达BlueField-2 DPU与BlueField-2X DPU。 据介绍，BlueField-2 DPU具有英伟达Mellanox Connext-6 SmartNIC的所有特点，与8个64位的A72ARM处理器内核一起，实现可完全编程，并能提供每秒200千兆比特的数据传输速率，从而加速关键数据中心的安全、网络和存储任务。 最核心的一点是单个BlueField-2 DPU可以提供相当于消耗125个CPU内核所提供的数据中心服务，从而有效释放CPU内核的算力资源。 而BlueField-2X DPU则拥有包括BlueField-2 DPU的所有关键特性，其特性能够通过英伟达安培GPU的AI功能得以增强。而在英伟达的路线图里，未来的Bluefield-4 将会引入CUDA 和 NVIDIA AI，极大加快网络中计算机视觉应用处理的速度。 另外一个值得注意的是英伟达提出配合DPU处理器的软件开发工具包——DOCA(Data-Center-Infrastructure-On-A-Chip Architecture)。英伟达的专家将DOCA类比为数据中心服务器领域的CUDA，其意图在于帮助开发人员在DPU加速的数据中心基础设施上构建相应的应用程序，从而丰富DPU的应用开发生态。 从以上介绍我们看出英伟达的两个野心，一个是DPU试图再一次复制“GPU替代显示加速卡成为通用显示芯片的路径”，再一个是DOCA试图再一次复制“CUDA在GPU通用化过程中所起到的开创生态之功”。 如果和不久前英伟达收购ARM的消息结合起来，我们看到英伟达的一个重要考量，就是以ARM架构的CPU为核心，从服务器的应用加速扩展到服务器的全部应用场景，从而实现在数据中心服务器领域的更大突破，目标自然是剑指英特尔CPU为代表的X86服务器生态。 而在考察DPU挑战CPU霸主地位的可能性之前，我们可以简单来了解下英伟达在数据中心的布局。 二、英伟达的数据中心“野心” 在经历过游戏显卡业务的增速放缓，以及加密货币退潮后带来的显著业绩下滑的影响之后，几经波折的英伟达终于坚定地将未来押注在了AI计算和数据中心的产业布局上面。 2017年，英伟达的数据中心业务季度营收首次超过了5亿美元，同比增长了109%，这使得黄仁勋在一次大会上大力肯定了数据中心业务的价值。 英伟达早在2008年，最初就是通过最早的Tesla GPU加速器和初级的CUDA编程环境来为数据中心进行GPU计算，试图将更多的并行计算从CPU卸载到GPU上。这成为英伟达GPU之后进化之路的一条长期策略。 此后随着AI计算需求在数据中心当中的爆发式增长，AI硬件正成为越来越多数据中心扩容建设的关键所在。当超强AI算力成为数据中心的刚需，英伟达GPU凭借强大的并行计算和浮点能力，突破了深度学习的算力瓶颈，成为AI硬件的首选。这一契机才使得英伟达能够在数据中心的硬件版图上站稳脚跟，当然，英伟达的野心远不止于此。 英伟达最主要的布局就在于2019年3月，花费69亿美元收购了以色列芯片公司Mellanox，而这家公司所擅长的正是为服务器、存储和超融合基础设施提供包括以太网交换机、芯片和InfiniBand智能互连解决方案在内的大量的数据中心产品。而英伟达的GPU与Mellanox的互连技术结合，可以使得数据中心工作负载将在整个计算、网络和存储堆栈中得以优化，并能实现更高的性能、更高的利用率和更低的运营成本。 当时，黄仁勋把Mellanox的技术看作是公司的“X因素”，也就是把数据中心改造成一个可以解决高性能计算要求的大型处理器架构。而如今我们看到DPU的出现，已经是具有这一架构雏形的一种尝试了。 今年，英伟达花费400亿美金的天价从软银手中收购半导体设计公司ARM，其意图之一就是要把ARM架构的CPU设计应用到英伟达所要搭建的未来计算模式中，主要布局的领域就有超算、自动驾驶和边缘计算模式。其中，基于英伟达GPU的AI运算平台与ARM的生态系统结合，将不仅能够强化英伟达高性能运算(HPC)技术能力，又可以带动英伟达数据中心业务营收持续创高。 可以说，英伟达在数据中心领域的成功与否，都与能否实现数据中心的规模化运算有关，从发展自研的DGX系列服务器到整合Mellanox的技术，再到借助ARM生态发展全新的数据中心计算架构，都是为转型数据中心业务所作的准备。 当然，想要实现这一目标，还要看下英特尔是否答应了。 三、英伟达挑战英特尔，距离还有多远 目前来说，数据中心当中，95%左右的GPU仍然还是连接到x86 的CPU之上，英伟达如果单纯只是做GPU的增量，仍然无法撼动英特尔在数据中心服务器的霸主地位。现在，英伟达显然已经不满足于抓住增量市场，而是更希望能切入数据中心的存量市场，即设法用自己的芯片产品去取代英特尔(以及AMD)主导的X86 CPU。 自从英伟达开始收购ARM，外界能够看到英伟达已经多次显示出其试图利用ARM处理器进一步占领数据中心服务器市场的决心，而集成了ARM核心的DPU将成为其打入数据中心存量市场取代X86 CPU的第一个切入点。 英伟达推出DPU来切入这个市场，而非直接用ARM核心CPU来与X86 CPU直接竞争，其实是一种比较讨巧的做法，相当于用集成了网络、存储、安全等任务的下一代CPU产品来达到逐渐替换CPU的目的，即使其中所内涵的ARM CPU性能无法对标同一代的X86 CPU，但是整体机由于在DPU SoC上集成了专用的处理加速模块，因此总体性能一定是超过X86 CPU的。这种有点“田忌赛马”味道的策略，很可能成为英伟达开始替代低端X86 CPU的开始。 但是英伟达想要在中高端处理器市场来挑战英特尔，还要面临一系列的困难。 首先，正是英伟达的GPU与X86 CPU已经形成一种非常稳定的强互补关系。英伟达想要采用基于ARM架构的处理器做高端服务器，还需要ARM处理器性能出现大幅的提升，而现在，这一进程并不明朗。 再一个是英特尔早已为应对英伟达的种种挑战进行了相应的回应和布局。早在2017年，英特尔就宣布要开发全栈的GPU产品组合，而预计明年英特尔的首批GPU将在使用GPU的各个市场上发布。 为阻击英伟达在AI计算和自动驾驶领域的扩张，英特尔也先后收购了收购了Nervana和Movidius作为边缘AI计算的布局，收购了Mobileye作为自动驾驶的布局。并且，英特尔还在2018年宣布，将开发一个用于异构计算的全栈开放软件生态系统OpenAPI计划，来应对CUDA生态的扩张。也就是说，英特尔不仅在英伟达的后院搞事情，同时也在建立自身的X86服务器的生态系统。 数据中心业务对于英特尔来说，也正在成为其最核心的业务组成。2019年Q4英特尔的数据中心业务超越PC业务，成为其收入的主要来源;而在今年，英特尔对其技术组织和执行团队的重组，也被外界视为全面转型数据中心业务的开始。 可以想见在未来的数据中心处理器业务上，英伟达将迎来英特尔最为强劲的保卫战和反击战，而广大的服务器集成商或将成为这场角力赛的受益方。 螳螂捕蝉，黄雀在后，英伟达还要面对ADM这一新对手的追赶。不久前ADM曝出要花费300亿美金收购赛灵思，就被看作是叫板英特尔，阻击英伟达的双战略。 除此之外，英伟达还要在数据中心处理器业务中面临来自客户自研芯片的挑战。云服务商本身也不愿意完全将自身的计算核心完全交给英伟达，无论是AWS、还是谷歌、阿里巴巴、华为，都已经在布局自己的云端处理器。 不管怎么说，数据中心已经成为英特尔、英伟达、AMD这些老牌芯片巨头未来争夺的主战场，而英伟达如何能够在X86的如日中天和云计算客户的自研路线中，找到一个切入到中高端服务器处理器的关键点，刚刚发布的DPU也只能算作一个初步的尝试。 未来数据中心的博弈，将围绕AI、超算等所有领域全面展开，英伟达数据中心在强敌夹击中必定任重而道远。

    半导体 dpu 数据中心 英伟达

  • 国产首家汽车AI芯片创业公司地平线，如何实践软件定义汽车？

    特斯拉凭借在三电系统、电子电器架构、自动驾驶、制造与销售方面的颠覆性创新，受到了资本市场的青睐，市值已飙升至4000亿美金，坐稳全球汽车第一市值的宝座。 此外，特斯拉的每一个动作也成为了智能汽车行业的风向标。与此同时，中国造车势力也实现逆增长，蔚来、小鹏、理想三家市值也均超过了千亿人民币。自此，智能汽车时代已经到来。 芯片作为未来智能汽车的大脑，直接影响智能座舱和自动驾驶，自然也成为智能汽车时代的必争之地。智能汽车面对非常复杂的环境，感知、融合、决策需要巨大的计算能力，而传统的通用计算平台的算力功耗比TOPS/W居高不下，而且算力的利用率极低，已经成为智能汽车性能提升的瓶颈。 因此AI芯片成了车用芯片的最佳解决方案，特斯拉于2016年开始了汽车AI芯片的自研之路。特斯拉自研AI芯片的优势主要在于两方面： 第一，通过自动驾驶需求的场景定义芯片，特斯拉无疑是最懂其自动驾驶场景的; 第二，特斯拉同时精通软件算法和硬件，软硬深度融合，实现从数量级上提升有效算力。 结果，特斯拉用了3年完成FSD芯片的落地，144TOPS/72W，能效比达到了2TOPS/W, 是量产自动驾驶AI芯片里能效比最高的。结合特斯拉的选择，对于汽车AI芯片，我们不难推断： 1、汽车AI芯片必将成为智能汽车的核心，AI芯片将决定汽车智能化程度; 2、场景定义芯片，通过软件算法和硬件的结合是AI芯片的关键; 3、芯片的深度定制导致合作模式的转变，车企若不自研芯片，那与芯片公司的协作需要进一步加深，将打破传统的Tier2→Tier1→OEM逐级合作模式。 中国智能汽车的AI芯片产业现状 回到本土，我国有着世界上最好的互联网环境和最好的通信技术，有着中国速度加持，并且有着被芯片掐脖子憋着的一口气，智能汽车时代是中国引领世界的绝佳时机。那么，我国又应该如何应对?对于汽车芯片的布局我国主要分为三类： 第一类，类似于特斯拉通过车企整合垂直产业链的做法，吉利投资的芯擎科技，将从智能座舱芯片切入汽车芯片领域。在半导体方面深耕多年的比亚迪，在IGBT、指纹芯片、MCU和BMS相关芯片有一些积累，至于AI芯片未来是否有布局就不得而知，毕竟跟同城兄弟华为合作也是不错的选择; 第二类，百度、阿里、华为等互联网和ICT公司已经从AI芯片、OS到生态的全面布局; 第三类，围绕汽车AI芯片展开创业的创业型公司，如地平线、寒武纪、黑芝麻、芯驰科技等。根据车智君了解，现在国内大大小小的AI芯片公司已经有数十家。 从2020年9月到10月，华为、百度、地平线、黑芝麻都纷纷在各自的发布会上展示出了自己的AI芯片产品。在AI芯片早期竞争阶段，可能都聚焦在峰值算力上。但对于AI芯片，能有效的指标是：有效算力(算力利用率)、算力能耗比(TOPS/W)、成本和量产能力。 这里面吸引到车智君眼光的是地平线，2015年成立的汽车AI芯片公司，比特斯拉成立芯片团队还早一点。地平线作为全球第一家新兴汽车AI芯片公司，从量产落地到新品开发都取得了阶段性的成果，在其2020北京车展的发布会上有四大亮点。 亮点一：产品性能行业领先，算力能耗比媲美特斯拉。 发布会主角 “征程3”是地平线车载AI芯片的进一步迭代。征程3采用16纳米工艺，基于地平线自主研发的BPU2.0架构，AI算力达到5 TOPS，典型功耗仅为2.5W，算力功耗比与FSD芯片一样，达到了2TOPS/W，具有高性能、低功耗、拓展性强、安全可靠的特点，支持高级别辅助驾驶、智能座舱、自动泊车辅助、高级别自动驾驶及众包高精地图定位等多种应用场景。 “征程3具有极高的AI算力有效性，能耗比超越多款行业主流芯片，而且具有出色的图像接入和处理能力，不仅支持基于深度学习的图像检测、分类、像素级分割等功能，也支持对H.264和H.265视频格式的高效编码，是实现多通道AI计算和多通道数字视频录像的理想平台。”余凯介绍说，征程3不仅性能优异，而且灵活开放，客户可使用地平线算法样例、AI芯片工具链，以及进行应用开发所需的全套工具，快速实现产品级应用落地。面向未来，地平线即将推出更强大的征程5，针对高等级自动驾驶场景，单芯片达到96 TOPS的AI算力，支持16路摄像头，组成的自动驾驶计算平台具备192-384 TOPS算力，可支持L3-L4级自动驾驶，据说已经斩获车型定点。“地平线是首个通过国际权威的 TV ISO 26262功能安全流程认证的中国AI芯片公司，征程5按照ASIL B(D)打造，应用满足汽车行业最高安全级别ASIL D要求。”余凯说：“地平线还计划推出性能更为强劲的车规级AI芯片征程6，算力超过400 TOPS，满足ASIL C级功能安全。” 亮点二：创新协作模式，与车企深度协作，通过场景定义芯片，车企投资与业务的双重绑定。 发布会上发布的广汽版征程3是由地平线和广汽联合定义的，满足了广汽在汽车智能化方面的量产规划和差异化需求，价值最大化的实现了广汽智能驾驶和智能座舱的相关功能。除了在业务上的深度协作，广汽资本也战略投资了地平线，实现资本和业务的双重绑定。此外，地平线在智能驾驶领域已同奥迪、一汽红旗、上汽集团、长安汽车、比亚迪、理想汽车、长城汽车等车厂达成深度合作，初步建成覆盖智能驾驶和智能座舱的智能汽车芯生态。未来，地平线将自己定位为 Tier2 供应商, 坚持以“芯片+算法+工具链”为基础平台，结合整套数据闭环的能力进行底层技术开放赋能。 亮点三：开放平台、做智能汽车的赋能者 车企与供应商的合作向来都存在着博弈，而在智能智车时代如何减少博弈、深化合作?开放也许是最好的要是，而地平线“天工开物”AI开发平台(Horizon OpenExplorer)将算法、芯片以及产品快速迭代能力开放给客户。 基于自研AI芯片打造的地平线“天工开物”AI开发平台，由模型仓库、AI芯片工具链及AI应用开发中间件三大功能模块构成，包含面向实际场景进行AI算法和应用开发的全套工具，最大限度地方便客户进行个性化的应用开发，全面支持客户快速构建场景应用。 本次发布会推出升级版的“天工开物”AI开发平台2.0，新加入完整的数据闭环系统方案。地平线数据闭环系统赋能合作伙伴实现从数据采集标注、模型训练优化、仿真评测，到模型OTA部署，端到端的数据迭代闭环，打造具备覆盖整车整个生命周期的持续进化能力。 亮点四：多场景商业化落地，造血能力强 创业公司面临的首要问题是生存，而芯片行业又是一个技术要求高、资金投入高，回报周期长的行业，创业门槛极高。对此，地平线做出了一个很好的商业实践，2019年智能驾驶业务实现上亿元营收。 地平线副总裁兼智能驾驶产品线总经理张玉峰说：“地平线与主机厂和一级供应商保持紧密合作，进行中的合作项目超过50个，已签下20余个前装定点项目，预计装车辆可达数百万台，2020年内将有6款搭载地平线车载AI芯片的量产车型上市。” 在车展期间，地平线与合作伙伴联合展出征程系列芯片赋能的高级辅助驾驶(ADAS)、高级别自动驾驶、智能座舱及众包高精地图定位等多个面向中国驾驶场景的落地方案，地平线近期也与追势科技、大陆深化战略合作。 今年，地平线与中海庭在武汉完成了众包自动采集成图和更新方案在近百辆车次上的技术验证，服务武汉智能网联汽车道路测试与示范应用。 今年，长安汽车与地平线基于该芯片联合开发了智能座舱NPU计算平台，并搭载在其今年推出的全新车型UNI-T上，可实现视线追踪、分级疲劳检测、多模唇语识别、驾驶员行为识别、智能情绪抓拍和手势识别等创新性主动式交互功能。征程2业已成为首个上车量产的国产 AI 芯片。长安UNI-T上市3个月销量超3万台。 9月22日，全球首发搭载自动驾驶中国芯的纯电SUV奇瑞蚂蚁正式上市，搭载地平线征程2车规级AI芯片，实现了L2+级自动驾驶。 近期，地平线与美国自动驾驶技术公司COAST Autonomous达成战略合作，搭载地平线Matrix自动驾驶计算平台的COAST无人车将在美国城市中心、社区和校园等低速自动驾驶场景中部署。 回归到开篇提到的特斯拉为何自研芯片的问题，除了传统芯片产业难以满足智能汽车的定制化需求，再就是特斯拉即精通软件又精通硬件才有实力打造最适合自动驾驶的AI芯片，那对于地平线而言，他们面对的是互联网更加发达、数据更加丰富、速度更加快的中国智能汽车市场，有着绝佳的成长土壤。 此外，地平线前期花了较大的精力在ADAS方面的算法和软件开发，在软件和硬件融合层面，中国创业公司可能无人能出其右。前百度IDL常务副院长，地平线创始人兼CEO余凯，经常说：“我们是软件算法里面最懂硬件的，硬件里面最懂软件的。”这正是开发AI芯片的一项关键能力。 智能汽车时代已经到来，软件定义汽车成为新的趋势，再加上国家新基建政策对芯片产业的加持，通过市场和政策的双重加作用，AI芯片势必得到高速发展。 相比于特斯拉强大的垂直资源整合能力，我国汽车产业更加分散，更适合分工协作和联合创新，从目前进展来看，华为、地平线均是各个车企不错的选择。

    半导体 特斯拉 智能汽车 地平线

  • 新兴产业边缘计算与传统数据中心

    随着实际应用的需求，边缘计算已经不只是个概念，具有越来越重要的应用意义。边缘计算之所以受到重视，主要是因为海量增长的数据已经使得传统数据中心以及云计算平台难以招架，此时，处于大型数据中心和端侧之间的微缩版“小型数据中心”(边缘计算就在这里发生)应运而生。 它的主要特点包括：低延迟，因为算力部署在设备侧附近，响应实时性强;低带宽运行，因为接近用户，所以不需要高传输带宽;安全，因为数据在本地采集，本地分析、处理，从而减少了数据暴露在公共网络的机会，保护了数据隐私。 可以说，边缘计算与传统的数据中心和云计算既有很强的协同关系，也存在着一定的竞争关系。这样，包括微软、亚马逊、谷歌，阿里、华为、百度等云服务巨头厂商在内的各路神仙都在积极部署边缘计算。这就给众多芯片厂商提供了更加广阔的市场发展空间。 一、老牌儿劲旅的争夺 数据中心和云计算的核心芯片就是CPU，而这正是英特尔这个“计算王”称霸行业多年的根基所在，其CPU在企业级计算领域的市占率一直保持在90%左右。然而，边缘计算会带来的红利给了英特尔不小的紧迫感，近些年，该公司越来越重视在边缘侧算力的布局，特别是在工业边缘计算，以及多接入边缘计算 (MEC) 平台推广方面不遗余力，还特别推出了专门适用于边缘侧的至强Xeon D等一系列芯片。 近些年，英特尔在数据中心的最强劲竞争对手非英伟达莫属了。由于抓住了GPU在数据中心所需的AI算力这一风口，使得英伟达在企业级计算领域的风头几乎盖过了英特尔，为了追赶英伟达，英特尔先后收购了几家AI初创公司，最具代表性的就是Nervana和Habana Labs，这当中也经历了各种不如意和挫折，在用AI芯片这一新产品捕获大客户“芳心”的道路上，老牌儿企业也是一路艰辛。 在传统数据中心业务优势被一点点蚕食的情况下，英特尔正在用其最擅长的CPU拓展着边缘计算市场，这也正是英特尔的优势所在。而凭借GPU逐步做大数据中心市场之后，英伟达的雄心也在膨胀，同样瞄准了具有巨大发展潜力的边缘计算市场，也正是因为如此，其对Arm发起了并购邀约。 在公开收购Arm之前，英伟达就已经推出过专门用于边缘侧的计算芯片，典型代表是边缘超级AI计算机Jetson Xavier NX，还包括Jetson AGX Xavier，Jetson TX2系列和Raspberry Pi竞争对手Jetson Nano。Jetson Xavier NX运行在基于Arm的Carmel微体系结构的六核SoC上。可见，英伟达的边缘计算芯片与Arm关系紧密，而Arm与英特尔CPU相比，虽然整体性能仍有差距，但其低功耗特性，以及适中的算力，与边缘侧计算需求不谋而合，这正可以拓展英伟达在CPU方面的空白，同时又可较为平滑地过渡到边缘计算应用领域。 英伟达还于今年推出了新款EGX平台，该平台能够实时感知、理解和处理数据，无需首先将数据发送到云端或数据中心。据悉，EGX平台可以从基于Jetson Nano处理器的轻型服务器——能够以几瓦的功耗每秒钟处理0.5万亿次操作，扩展到基于边缘服务器NVIDIA T4机架的微型数据中心——可以每秒完成10000万亿次操作。该公司在边缘侧应用领域的芯片产品越来越多，如果能够成功收购Arm，将为其与英特尔在该领域的竞争增添一枚重重的砝码。 谈到企业级计算CPU，就一定会想起英特尔的老对手AMD。后者本来已经无还手之力了，在该领域的市占率一度下降到了1%。然而，在新任CEO Lisa Su的带领下，卧薪尝胆、苦练内功，制定了符合市场需求的产品路线，在正确的道路上越走越快，5年时间内，其PC端CPU市场份额已经达到了37%左右，企业级计算的市占率也从低谷期的1%上升到了8%。 然而，企业级市场的竞争壁垒要远大于PC端的，也正是因为如此，英特尔90%的市场份额依然难以撼动，如果只靠研发产品这一条腿的话，很难保持持久的竞争力，两条腿走路才能更有力量且持久，而另一条腿就是并购，因此，AMD收购赛灵思恰逢其时。 虽然这一并购案还未得到官方证实，但从产品组合以及融合发展策略上来看，对赛灵思的收购，对AMD来说，没有比这更优的方案了。 单靠CPU与英特尔在企业级市场竞争，已经显得心有余而力不足，如果能整合赛灵思的FPGA，显然会增大AMD的竞争砝码。更重要的是，CPU+FPGA的组合，可以使AMD在具有巨大发展潜力的边缘计算领域更得心应手，不只局限于增量空间有限的传统数据中心市场。 作为FPGA行业的霸主，赛灵思也一直在拓展其在企业级计算市场(这里主要是指数据中心和云计算)的发展空间，不过，与CPU相比，FPGA并没有算力方面的优势，而这也是其一直未能在数据中心阔步前进的重要原因，不过，FPGA的灵活性及其在通信方面的优势，也是CPU无法比拟的。也正是凭借这些特色，赛灵思在工业、医疗、航空航天、卫星通信等领域发展得如鱼得水，而这些领域正是边缘计算的主要市场所在。因此，相比于传统数据中心，FPGA在边缘计算方面是有优势的。这或许是AMD收购赛灵思的一个重要原因，CPU+FPGA的强强联合，可以使AMD在边缘侧的竞争力倍增。 谈到边缘计算，就不得不提另一家重要的厂商，它就是Marvell。作为企业级计算和通信芯片的重要一支，过去几年，该公司经过多次重组和并购，逐步剥离掉消费类等业务，将资源都集中在企业级芯片的研发和市场拓展上了，特别是收购Cavium以后，将Arm架构处理器和边缘计算应用作为了重点拓展领域。 如前文所述，Arm处理器在边缘计算应用领域有先天优势，将重点放在Arm上的Marvell自然不会错过这块市场，特别是推出ThunderX系列处理器之后，更凸显了其在该领域的发展雄心，目前，该系列已经推出两代产品，并承诺每两年升级一次。2018年的ThunderX2基于ARM v8.1架构，今年推出了第三代ThunderX3，第四代ThunderX4有望于2022年面世。 企业级计算、通信和存储是Marvell的三大核心业务，通信是重中之重，该公司这方面的业务也在向边缘计算倾斜，具体芯片就不在此详述了。 二、新势力 以上提到的都是在市场上摸爬滚打了几十年的老牌儿企业，它们要么看到了边缘计算的市场发展前景，尽量早布局，要么就是其产品在边缘计算领域有先天优势，从而被看中，以并购或资产重组的方式进一步提升竞争力。 此外，由于边缘计算是新兴市场，就必定有新的年轻企业看到机遇并加入战团。 有几家做Arm服务器芯片的初创企业越来越多地受到了业界关注，如Ampere等，它们的产品很有特色，但局限于当前的Arm架构性能，要想在高性能数据中心和云计算应用上与传统的x86架构CPU竞争，还是有很大难度。但是，这些处理器在SBC企业级计算，以及边缘侧应用领域，还是有不错发展前途的。 除了Arm服务器芯片之外，还有一些新兴产品企业也有望在边缘计算领域谋得红利，如嵌入式FPGA企业，它们将FPGA进行了IP化处理，不再是传统的FPGA芯片，而是向客户提供FPGA的IP，可以嵌入客户设计的SoC中。这种FPGA几乎可以覆盖所有传统FPGA芯片的应用场景，但又不限于这些应用，还会有拓展。这在未来的边缘计算领域也会有发挥其优势的空间。 三、结语 与传统数据中心相比，边缘计算属于新兴应用领域，且市场发展空间十分可观，这就为相应计算芯片的发展和创新提供了土壤。 无论是老牌芯片企业、初创型公司，还是涉足数据中心和边缘计算芯片的大型云服务提供商，都在积蓄力量，以求获得未来竞争的主动权。

    半导体 芯片 云计算 边缘计算

  • 解读地平线一芯多用的AI汽车芯片

    芯片作为未来智能汽车的大脑，直接影响智能座舱和自动驾驶，自然也成为智能汽车时代的必争之地。智能汽车面对非常复杂的环境，感知、融合、决策需要巨大的计算能力，而传统的通用计算平台的算力功耗比TOPS/W居高不下，而且算力的利用率极低，已经成为智能汽车性能提升的瓶颈，因此AI芯片成了车用芯片的最佳解决方案。 在AI技术的加持下，汽车将会越来越类似高级机器人，它不但能自动驾驶，还能提前察觉到车内乘员的需求，并及时做出相应的回馈。前景当然是美好的，但是要实现这些以往只存在于科幻电影里的应用，还面临着诸多挑战。最关键的部分在于AI技术需要更全面更完善的算法，以及性能更强大的芯片。 在经历了过去一年美国对华为的持续打压之后，相信大家对芯片行业已经不再陌生了。中国虽然在芯片的制造方面还面临很多瓶颈，但是在芯片设计方面已经具备了不俗的实力。具体到车规级AI芯片领域，成立于2015年的地平线就是一家非常值得关注的公司。 在2020北京车展上，地平线发布了全新的征程3芯片，更强大的征程5也即将推出。而在应用层面，目前地平线的车规级AI芯片已经已成功签下两位数的量产定点车型。 说起汽车上的芯片，稍有了解的朋友可能会立马想到特斯拉的FSD芯片、华为的MDC芯片，又或者是高通的820A芯片、华为的麒麟710A芯片。 实际上，前者和后者是两种不同的芯片。特斯拉FSD和华为MDC属于智能驾驶芯片，针对的是驾驶辅助或者高级别自动驾驶功能;高通810A和华为麒麟710A属于智能座舱芯片，针对的是车内大屏以及各种交互功能。地平线的独特之处在于，它专注于AI加速运算，并且可以用一款芯片实现多种功能。 在2019年8月，地平线推出了中国首款车规级AI芯片——征程2，并且很快受到了车企的追捧。今年，长安汽车与地平线基于该芯片联合开发了智能座舱NPU计算平台，并搭载在新车UNI-T上，征程2芯片让长安UNI-T具备了车内场景化感知能力，并可以基于感知结果为用户提供更精准的智能推荐以及智能车控等服务。 地平线征程2车规级AI芯片。 AI人工智能技术在长安UIN-T车内有非常广泛的应用。中控屏处于熄屏状态时，注视屏幕1s即可唤醒屏幕;临近高速下道路口时，车辆通过视线追踪技术，结合转向灯、方向盘转角、车速等信息，判断驾驶者是否分心并及时提醒;车辆可识别眨眼和打哈欠的频次，判定疲劳驾驶等级，并及时提醒驾驶者。这背后离不开征程2芯片的支持。 随后，奇瑞的全新纯电SUV蚂蚁也搭载了征程2芯片。在这款车上，征程2芯片扮演的是智能驾驶芯片的角色，帮助奇瑞蚂蚁实现了L2+级别的驾驶辅助功能。 奇瑞蚂蚁将采用地平线的征程2芯片作为ADAS高级驾驶辅助功能的芯片。 同一款芯片在不同车型上的不同作用，充分说明了地平线芯片“一芯多用”的特点。据了解，地平线的征程系列芯片是一种平台化的芯片，通过软件可以使得它多元化，从而覆盖很多不同场景的应用需求。厂商不用再针对每一个细致问题去做一颗定制化芯片，研发成本可以通过更广泛的应用场景而被分摊。这就是软件定义汽车或者软件定义硬件的一个集中表现。 基于征程芯片的Matrix智能驾驶环境感知解决方案能够较好地支持驾驶辅助和自动驾驶功能。 目前，地平线已经推出了征程2和征程3两款车规级AI芯片。征程2芯片采用28nm制程工艺，算力为4TOPS(万亿次/秒)，功耗为2W。征程3芯片采用16nm制程工艺，算力为5TOPS(万亿次/秒)，功耗为2.5W，它可以支持高级别辅助驾驶、智能座舱、自动泊车辅助及众包高精地图定位等多种应用场景。通过多颗征程3芯片组成计算平台，还可以支持L3级别的自动驾驶功能。可以看到，地平线的芯片在算力上并不突出，其优势在于有非常高的计算精度，因此算力的有效利用率很高。 地平线征程3车规级AI芯片采用更先进的制程工艺，算力有所提升，功能更加强大。 正在研发中的征程5芯片在算力上会有一个飞跃，其单芯片的AI算力达到了96TOPS，可以支持16路摄像头。多颗征程5芯片组成的自动驾驶计算平台具备192-384TOPS算力，可支持L3-L4级自动驾驶。 立足于本土，地平线的产品不但在成本和性能上具备一定的优势，而且与车企之间能够有更紧密的合作，能够帮助车企用好芯片。地平线不仅提供芯片，还可以提供算法和开发工具，对于车企提出的问题，传统供应商可能需要半个月以上的时间才能给出反馈，而地平线只需要半个小时。 基于这些优势，地平线对未来有十足的信心，提出了今年10万颗、明年突破50万颗的量产装机目标。而在更加长远的维度上，地平线将争取在中国的ADAS芯片市场占到一半以上的市场份额。

    半导体 特斯拉 ai芯片 地平线

  • Cree被更多人看好的原因

    在LED芯片领域，一定绕不过美国Cree，欧洲飞利浦、欧司朗，日本日亚化学与丰田合成等公司。这些IDM企业凭借其业务模式的优势，在LED领域建立了领先的优势，公司推出的产品也备受好评。Cree制造的正向电压低、超薄厚度、发热性低、针对静电放电(ESD)的高容限/耐受、使用寿命长久等典型特征的LED灯珠，使Cree在LED芯片领域一骑绝尘。 但是2020财年对于Cree(CREE.US)而言都是充满挑战的一年。例如，在最近结束的会计年度的四个季度中，收入和EBITDA均下降。但是，尽管基本面似乎在恶化，但Cree的股价在2020年仍大幅跑赢大盘。接下来将解决造成这种情况的原因。 1、2020财年盈利结果 Cree在发布第四季度报告时总结了可谓艰难的一年。第四季度收入同比下降18%至2.057亿美元。Cree的非GAAP净亏损也达到了2000万美元。利润率持续下降。总体而言，第四季度更多的是基本面恶化而不是改善。 其实第四季度的表现并不是什么例外。在整个2020财年，CREE的 收入同比下降16%至9.039亿美元。Cree年终的非公认会计原则净亏损为4,910万美元。与上一年相比，2020财年的毛利率下降了800-900个基点。 前景并不好。Cree预计2021财年第一季度将进一步亏损。指导要求第一季度收入为2.032-2.1亿美元，中点同比下降13.5%。Non-GAAP净亏损预计为22-26M美元，比去年更差。因此，总的来说，Cree没有太多要报告的内容。 2、商业环境的恶化蔓延到其他领域 Cree不仅在2020财年看到其收入和利润下降。下表还显示了其他方面的一些变化。以Wolfspeed细分市场为例。在2019财年，Wolfspeed同比增长64%，从3.286亿美元增长至5.382亿美元。这帮助抵消了当年LED产品下降9%的情况。注意，Wolfspeed包括碳化硅(“ SiC”)和氮化镓(“ GaN”)材料，功率器件和RF器件。 但是Cree无法在2020财年保持这一增长水平。2020财年，Wolfspeed同比收缩13%至4.707亿美元。另一方面，Wolfspeed的表现仍优于LED领域，后者在2020财年下降了20%。CREE将这种变化归咎于几个因素： “与2019财年相比，2020财年Wolfspeed部门的收入减少主要是由于中美之间持续的贸易争端，亚洲需求减弱以及COVID-19爆发导致客户需求受到限制。” 看来中国与Cree收入的下降有很大关系。2018财年，中国市场占收入的42%，但到2020财年，这一比例降至29%。来自中国的收入在两年内下降了大约三分之一。相比之下，其他市场的表现要好得多，如下所示。 中国近期的疲软大部分与华为有关，后者是Cree公司已停止与之开展业务的公司。在第四季度的收益电话中，CREE表示： “因此，就华为而言，我们在一年的大部分时间里都没有向华为发货，而且在我们的任何未来预测或预测或您的情况中，我们都做好了没有华为收入的准备。” 3、Cree的股票似乎并不关心基本面的恶化 但从股票来看，投资者似乎对这些视而不见。 Cree显然在2020财年没有好年景。但是公司的努力可以追溯到更久以前。如上图所示，过去几年，公司的收入一直呈下降趋势。在经历了几年的快速增长之后，2014财年的年收入达到了16.48亿美元的峰值，但此后下降了近一半，至2020财年的9.04亿美元。在同一时期内，EBITDA从3.11亿美元增至负5800万美元。 但是，尽管Cree面临着所有明显的不利因素，但该股的表现仍然出色。年初至今，Cree的升值幅度为38.8%，大大超过了半导体行业的同行。例如，iShares PHLX半导体ETF(SOXX)是由30家半导体公司组成的ETF。Cree包含在其股份中。年初至今，SOXX的涨幅为20.2%，略高于Cree同期涨幅的一半。 4、大家看好Cree的原因 Cree的价格走势表明，相当多的人将赌注押在Cree上。如果人们认为即将到来的好时机，人们可以并且会忽略季度数字疲软。在Cree这里，人们认为弱的季度数字可以忽略，因为这些数字在不久的将来会有所改善。。 如前所述，Cree是SiC和GaN材料及相关产品的供应商。半导体通常由硅制成，但是硅芯片具有许多缺点，例如带隙能量低，导热系数低和开关频率限制。这就是对SiC和GaN受欢迎的原因。它们解决了这些缺点。 SiC和GaN是两种具有更好的导热性，更高开关频率和更高温度的宽带隙半导体，可以耐受更高电压，因此在做器件的时候使用SiC和GaN，可使芯片更小，更轻，更快，更高效和更可靠。这些属性在许多应用中，尤其是在电源应用程序中是理想的。例如，SiC和GaN广泛用于5G基站，尤其是功率放大器和RF芯片。 将来对SiC和GaN的需求很有可能会增加。例如，一些预测看碳化硅市场以19.3%的复合年增长率增长至2025年，由于从电力电子与电力汽车的需求。这对包括Cree在内的供应商来说是个好兆头。 但是，值得一提的是，快速增长的市场也可以吸引该领域日益激烈的竞争。例如，据报道，中国将在十月下旬公布其下一个五年计划时将重点放在半导体上。重点将放在包括SiC和GaN在内的第三代半导体上。 其他公司可能寻求在市场上扮演更大的角色。例如，安森美半导体公司，微芯科技，英飞凌技术公司，瑞萨电子公司和意法半导体都投入其中。在日益拥挤的市场中，每个人都可以让Cree抢钱。Cree可能会凭借Wolfspeed与SiC和GaN市场一起增长，但其他公司也希望这样做。并非每个人都能在这样的环境中蓬勃发展。 乍一看，Cree似乎像一个谜。该公司一直在商业方面努力。第四季度和2020财年的最新收益报告也不例外。两家公司的收入和收益均大幅下降。该预测要求最高和最低线进一步缩小。假设基于这些标题而惩罚这样一家公司的股票将是不合理的。 但是，事实离真相还很远。尽管季度间盈利疲软，但Cree迄今的表现仍较年初增长39%。相比之下，半导体ETF SOXX和SPDR S&P500分别落后于年初至今20%和3.8%的涨幅。当一家公司做得不好时，这种收益似乎是没有根据的。 一旦您了解了Cree产品线的战略性质，情况就会变得更加清晰。Cree的产品可以帮助释放5G和电动汽车等许多改变游戏规则的行业的全部潜力。 即使Cree目前是领先的供应商，它也没有垄断地位。第三代半导体市场尚未成熟，一切仍然敞开着，这意味着任何人都可以成为赢家。

    半导体 半导体 cree led芯片

  • ICinsights预测：2020年中国在纯晶圆代工市场的份额将为22%

    ICinsights报告显示，2018年纯晶圆代工市场在当年的所有增长几乎全部由中国大陆提供;到2019年，虽然受到中美贸易战的影响，但是中国大陆在晶圆代工市场贡献的市场份额达到21%;尽管2020年疫情对中国经济产生重大影响，但是预测估计，今年中国在纯晶圆代工市场的份额将为22%，比十年前高出17个百分点。 预计日本仍将是纯晶圆代工销售的最小市场，今年的市场份额仅为5%(比2010年的份额仅增长2个百分点)。预计到2020年日本的晶圆代工市场价值约为36亿美元，日本的纯晶圆代工销售份额预计将约为2020年美洲纯晶圆代工市场(351亿美元)的10%。 IC Insights认为，未来纯晶圆代工服务的日本市场只会略有增长。日本的无晶圆厂IC公司基础设施很小，预计未来五年不会增长太多。因此，预计日本晶圆厂需求的几乎所有增长都将来自利用IC代工服务的大量日本IDM(例如瑞萨，东芝，索尼等)。 海思和其他无晶圆厂IC公司在中国大陆的兴起增加了该国对代工服务的需求。图2显示了IC Insights列出的2018-2020年中国顶级纯晶圆代工厂家的销售额。 总体而言，中国的纯晶圆代工销售额在2019年增长了10%，达到118亿美元，远好于去年纯晶圆代工市场总量下降1%的水平。此外，预计到2020年，对中国的纯晶圆代工销售将增长26% 如图所示，联电在中国的销售额增长最快，跃升了19%。增长的动力来自其位于中国厦门的Fab 12X的持续增加，该工厂于2016年底开业。该晶圆厂目前的月产能为1.87K 300mm晶圆。预计到2021年中期将完成每月25,000片晶圆的扩展。 在2018年跃升59%之后，台积电在中国的销售额在2019年又增长了17%，达到69亿美元。因此，去年台积电的销售额增长几乎全部来自中国市场，中国在该公司销售中所占的份额从2016年的9%增至2019年的20%，翻了一番以上。 2020年，总部位于中国大陆的中芯国际和中国台湾的台积电在中国大陆的预计销售预计将增长将分别达到32%和30%。对于中芯国际来说，今年该公司在中国大陆的销售额将增长32%，这与该公司在2019年录得的中国销售额下降7%相比有了很大的转变。 去年下半年，台积电在中国的销售强劲，这得益于其向无晶圆厂IC供应商海思(HiSilicon)销售7纳米应用处理器。 2020年上半年，台积电在中国的大陆销售额持平于每季度2.2至23亿美元。鉴于台积电向海思的设备出货已于9月中旬结束，因此该收入能否在20年4季度被其他中国公司的销售所取代尚待观察。

    半导体 半导体 晶圆代工 海思

  • 半导体制程，由28nm向3nm的大跃进

    半导体制程发展到28nm节点的时候，就达到了芯片性能与成本的完美平衡。但是14nm、10nm、7nm、5nm，以及2022年就可以实现量产的3nm制程，不断刷新着业界对先进制程技术的认知。28nm之后的先进制程技术迭代速度超过了之前所有制程节点的发展速度，实现量产的厂家越来越少，但是对其产品的要求越来越多。 以智能手机为代表的便携式电子产品的快速迭代，对芯片的PPA提出了更高的要求，打破了性能与成本的平衡状态，为了得到更小尺寸，更高性能的芯片，成本已被一些产商放在了次要位置(前提是有巨量的芯片需求，从而可以摊薄单个芯片成本)。 1、28nm 在设计成本不断上升的情况下，只有少数客户能负担得起转向高级制程节点的费用。因此，就单位芯片成本而言，28nm优势明显，可以保持较长生命周期。一方面，相较于40nm及更落后制程，28nm工艺在频率调节、功耗控制、散热管理和尺寸压缩方面具有显著的优势。另一方面，由于20nm及更先进制程采用FinFET技术，维持高参数良率以及低缺陷密度难度加大，每个逻辑闸的成本都要高于28nm制程。 虽然高端市场会被 7nm、10nm以及14nm/16nm工艺占据，但40nm、28nm等并不会退出。如28nm和16nm工艺现在仍然是台积电的营收主力，中芯国际则在持续提高28nm良率。 目前，业内的28nm制程主要在台积电，GF(格芯)，联电，三星和中芯国际这5家之间竞争。 台积电的28nm制程在2011年投入量产后，营收占比只用了一年时间就从2%爬升到了22%，迅速扩张的先进产能帮助台积电在每一个先进制程节点都能抢占客户资源、扩大先发优势，并使其产能结构明显优于竞争对手，用更高的产品附加值带来了更高的毛利率。 对于重点发展特殊工艺的联电来说，28nm是其重点业务版块，为此，该公司还放弃了14nm以下先进制程的研发工作。 作为中国大陆第一家制程工艺达到28nm，且同时提供28纳米PolySiON、28纳米HKMG工艺的晶圆代工企业，中芯国际在国内有多个工厂，而其28nm制程产品主要在位于北京的两座中芯北方工厂生产。 另外，近几年，SOI工艺快速崛起，这在很大程度上得益于格芯的大力推动。业内人士普遍认为，对于SOI工艺来说，28nm制程更具优势，可以撑很久，而且当工艺再往前演进时，SOI会越来越有优势。28nm算是一个分界点。到了这个节点，工艺可以很轻松的转换到SOI，而且目前有越来越多的EDA工具支持这种转变。 2、14nm 具有或即将具有14nm制程产能的厂商主要有7家，分别是：英特尔(INTC.US)、台积电、三星、格芯、联电、中芯国际(00981)和华虹(01347)。 目前来看，14nm制程主要用于中高端AP/SoC、GPU、矿机ASIC、FPGA、汽车半导体等制造。对于各厂商而言，该制程也是收入的主要来源，特别是英特尔，14nm是其目前的主要制程工艺，以该公司的体量而言，其带来的收入可想而知。而对于中国大陆本土的晶圆代工厂来说，特别是中芯国际，14nm制程技术已经在今年实现量产。这样，在两三年后，随着新产能的成熟，14nm制程的市场格局值得期待。 自2015年正式推出14nm制程后，英特尔已经对其依赖了4年的时间，该制程也为这家半导体巨头带来了非常可观的收入。从Skylake(14nm)、Kaby Lake(14nm+)、Coffee Lake(14nm++)，到2018年推出的14nm+++，该公司一直在保持对14nm制程的更新。而英特尔原计划在2016年推出10nm，但经历了多次延迟，2019年才姗姗来迟，从这里也可以看出该公司对14nm制程的倚重程度。 台积电(TSM.US)于2015下半年量产16nm FinFET制程。与三星和英特尔相比，尽管它们的节点命名有所不同，三星和英特尔是14nm，台积电是16nm，但在实际制程工艺水平上处于同一世代。 目前，16nm制程依然是台积电营收的主力军，贡献率约为25%。 14nm是格芯最先进的主流制程工艺，位于美国纽约州马耳他，这里除了14nm，还有28nm的，最大产能为6万片晶圆/月，主要采用12英寸晶圆。主要用于代工高端处理器。目前来看，14nm产能占其总营收的比例较小。 联电方面，该公司位于台南的Fab 12A于2002年进入量产，目前已运用14nm制程为客户代工产品。然而，联电的14nm制程占比只有3%左右，并不是其主力产线。这与该公司的发展策略直接相关，联电重点发展特殊工艺。 3、12nm 中国大陆手机市场庞大，且中端和中低端占据着出货量的大头儿，这就给了中端手机处理器芯片绝佳的发展机会，相应的12nm制程技术的市场份额也就水涨船高了。 从目前的晶圆代工市场来看，具备12nm制程技术能力的厂商也不多，主要有台积电、格芯、三星电子和联电。联电于2018年宣布停止12nm及更先进制程工艺的研发。因此，目前来看，全球晶圆代工市场，12nm的主要玩家就是台积电、格芯和三星这三家，这一点，从近两年市场推出的各种芯片也可见一斑。 2018年8月，华为发布了中端芯片麒麟710，采用的就是12nm制程，用在了当时的中端机型、在海外被称为Mate 20 Lite上。 联发科则是12nm芯片的主力军，代表产品多是中端芯片，具体包括：Helio P22，采用台积电12nm FinFET工艺制造;Helio P60;Helio A 系列产品，该公司称其把高端产品功能下放到了用户基数庞大的大众市场。该系列的首款产品为Helio A22。 在中国大陆，紫光展锐最近几年在中端和中低端市场的拓展力度也很大，并逐步扩大着市场占有率，而在即将到来的5G市场，该公司推出了春藤510，采用了台积电12nm制程工艺。 除了手机处理器之外，AMD的显卡RX 590也采用了12nm制程代工生产，而这款产品的代工厂为格芯和三星两家。由于AMD与格芯的深厚关系，其很多芯片都是由格芯代工的，但随着格芯宣布退出10nm及更先进制程的研发和投入，使得AMD不得不将先进产品分给了三星和台积电代工，从而分散了格芯的订单。 4、10nm 到目前为止，有公开的10nm规划，且已经或即将量产该工艺节点芯片的厂商，只有台积电、三星和英特尔这三家。此外，中芯国际很可能也在进行着10nm、7nm制程的研发工作，但具体情况还未公开。 台积电早在2013年就开始了10nm工艺的研发。而按照早期规划，台积电的计划是 2016 年第四季度量产10nm工艺。而实际量产时间与其规划基本吻合，2017年初实现了量产，标志性应用就是苹果的A11处理器，这给台积电带来了巨大的收益。 不过，量产后，台积电10nm营收的比例基本持平，且相对份额不高，28nm和16nm一直是该公司收入的主要来源。 英特尔也早就开始了10nm的研发，原计划是在2016年量产，当时，EUV还不成熟，因此，英特尔选择了多重四图案曝光(SAQP)技术，但研发过程中遭遇困难，导致10nm量产时间一再推迟。而从当时的情况来看，采用SAQP技术造成良率较低可能是迟迟无法规模量产的主要原因。 在那之后，英特尔一直未对外公布10nm量产进度，2017年初，时任英特尔CEO科再奇在美国CES展会前，宣布首颗10nm处理器Cannon Lake就绪，将迎战台积电和三星。然而，没过多久，英特尔官方对外发布了继承当年主打的第七代核心处理器Kaby Lake的第八代Core处理器细节，表示仍将采用14nm制程生产，10nm量产时间又被延迟了。经过多年的周折和延迟，英特尔的10nm终于在2019年底实现量产。 2015年7月，三星电子旗下的制造部门Samsung Foundry的Kelvin Low 在网上发布了一段视频，确认三星已经将 10nm FinFET 工艺正式加入路线图。 2017年，几乎与台积电同步量产10nm制程后，三星将大部分的高通骁龙处理器订单收至麾下。不过，为了赶上台积电7nm制程量产的步伐，三星在10nm上花费的精力和时间也比较有限，2019年，三星的7nm制程收到了高通骁龙765的订单。而与台积电相似，将规划的重点放在了未来的5nm和3nm上，10nm也是昙花一现。 5、7nm 目前，能够量产7nm芯片的只有台积电和三星这两家。 台积电方面，7nm在2017年底就有试产，2018年实现小批量生产，大规模量产是在2019年，在2019年第二季开始量产N7+(EUV的)，与N7相比，N7+的逻辑密度比N7提高15%至20%，同时降低了功耗。 台积电7nm工艺量产后，2019年有100多个芯片陆续流片，包括CPU、GPU、AI、加密货币芯片、网络通信、5G、自动驾驶等芯片。客户包括苹果、华为海思、联发科、高通、英伟达、AMD、赛灵思、比特大陆等。苹果的A13处理器、海思的5G基站芯片，以及AMD的GPU、CPU和服务器芯片都集中在2019下半年出货，且都在争取台积电7nm产能，使其相关产线处于满负荷运转状态，交货时间从原本的2个月拉长到半年，客户一直在排队抢产能。 目前来看，台积电的7nm产能依然很抢手。据悉，今年下半年，台积电的7nm产能将增至每月14万片。这其中，AMD占据着不小的份额，由于该公司最近两年快速崛起，其在台积电的订单量也大增，据悉，今年，AMD的7nm订单将增加一倍，每月需要3万片晶圆的产能，占台积电7nm晶圆总产能的21%。此外，高通占台积电7nm产能的比例在18%左右，联发科将占14%。 与台积电相比，三星7nm的产能利用率则逊色了很多，在量产初期，是以10K左右的少量量产开始的，随着客户下单量增加，持续提升产能。 初期，除了三星自家之外，三星7nm EUV的客户只有IBM，双方曾对外表示将合作开发下一代高性能Power处理器。另外两个大客户是英伟达和高通。 今年2月，三星宣布，在韩国华城工业园新开一条专司EUV技术的晶圆代工产线V1，主要用于量产7nm。目前，V1已经投入7nm和6nm EUV移动芯片的生产工作，未来可代工到最高3nm水平。根据三星规划，到2020年底，V1产线的总投入将达60亿美元，7nm及更先进制程的总产能将是2019年的3倍。 6、6nm 6nm是7nm与5nm之间的过渡制程工艺。 台积电于2019年4月推出了6nm制程(N6)，设计方法与7nm工艺完全兼容，随着EUV技术的进一步应用，N6的逻辑密度将比N7提高18%。根据规划，台积电的6nm制程于2020年第一季度试产，并于年底前进入量产。 三星方面，该公司于2019 年初宣布第一个基于EUV技术的6nm客户开始流片。此外，三星原计划在2020年推出6nm LPE版本。三星6nm在7nm EUV基础上，运用其Smart Scaling技术，缩小芯片面积并降低了功耗。 7、5nm 目前，只有台积电实现了5nm制程的量产。因此，台积电的5nm继其7nm之后，又成为了业界的香饽饽，产能供不应求。 首先，苹果A14处理器和华为海思新款5G规格Kirin手机芯片是台积电5nm工艺的首批两大客户，此外，高通5G芯片X60及新一代骁龙875手机芯片，也将采用5nm。供应链人士称，今年，苹果包下了台积电三分之二的5nm产能。 此外，业界大红大紫的AMD也在争取台积电的5nm订单，估计明年会出货。至于联发科、英伟达、赛灵思、比特大陆等重要客户，也都在后边排队等候台积电的5nm产能。在这种情况下，台积电计划将5nm月产能由原本的5万片提升至8万片。 三星也在加码研发5nm工艺，三星此前透露的信息显示，5nm LPE(5nm Low Power Early)工艺原计划今年上半年投入量产，但从目前的情况来看，量产要等到2021年了。主要客户是高通。 8、3nm 台积电的3nm预计于2022年实现量产，到时候，首批大客户很可能还是苹果。另外，有消息称英特尔最新的GPU也可能会交由台积电的3nm产线生产。 而三星有希望超越台积电的制程可能是3nm，因为三星是第一家官宣使用全新GAA晶体管的，在3nm节点将会用GAA环绕栅极晶体管取代FinFET晶体管，而台积电依然会使用FinFET技术。三星希望2021年量产3nm工艺，而今年上半年完成3nm工艺开发。

    半导体 芯片 节点 半导体制成

  • AMD收购Xilinx会产生什么影响？

    六年前，英特尔(INTC.US)收购Altera。收购之后，英特尔利用Altera技术捍卫了其在数据中心的优势。FPGA市场已经改变了方向，Altera文化被英特尔吸收，赛灵思与Altera长达数十年的争执冷却。 两年前，我们推测赛灵思也将自己定位于被收购。因为新的管理团队加入公司后，不再强调“FPGA”品牌，并宣布该公司为“数据中心优先”，这似乎是一种估值策略——试图使该公司与快速增长的，价值超过千亿美元的数据中心硬件市场相联系，而不是价值数十亿美元的FPGA市场及其温和增长。 但是历史似乎证明了我们错了。从传言中的一些失败的收购讨论来看，新的Xilinx管理团队实际上似乎是在进行反收购，并且该公司似乎正在制定一套连贯的“单独行动”战略，以利用它们技术来攻击和颠覆数据中心和5G市场。 现在，有多个消息来源报导说AMD(AMD.US)正在与Xilinx进行谈判，价格在300亿美元左右。如果发生这种情况(并且绝对不能保证)，那么对于Xilinx，争夺数据中心和5G市场以及FPGA和可编程逻辑技术的未来意味着什么? 首先，许多金融界人士认为收购不太可能。因为收购Xilinx所要付出的代价对于AMD来说是一个巨大的负担，目前尚不清楚该公司为完成这笔交易必须进行哪些财务操作。而且，正如我们所怀疑的那样，如果Xilinx管理层在反兼并方面有点过头，那只会使交易变得更加困难。 尽管从短期看，交易可能对Xilinx股东有利或不利，但我们认为这对客户或该技术的未来没有太大的上涨空间。考虑到Xilinx在未来几年最大的市场机会——数据中心加速、5G和网络。即使在AMD的领导之下，似乎并没有给Xilinx提供任何明显的新优势。 从另一角度来看，请考虑并比较AMD收购Xilinx可能获得的收益与Altera成为Intel一部分而获得的战略。首先，Altera获得了访问英特尔半导体工厂的权限(除了现有的TSMC访问权限之外)，并且很有可能在推动其满足他们的需求方面发出强烈的声音。赛灵思和AMD一样已经在使用台积电，因此在晶圆厂的生产方面他们没有一线希望。Altera还获得并广泛使用了英特尔的封装技术，特别是EMIB技术。这对于以前的Altera来说是关键，可以通过在封装中混合和匹配小芯片(通过EMIB连接)来快速开发和部署FPGA的各种面向市场的版本。 再次， 在市场准入方面：通过成为Intel的一部分，Altera仅通过成为Intel系统的一部分即可获得进入无数插槽的能力，特别是在数据中心和服务器应用程序中。如果英特尔向他们的OEM推出可以使用FPGA进行计算加速，网络加速，存储加速或连接的设计，那么他们就可以拥有自己的FPGA。而且，由于英特尔在数据中心的高度垄断，Altera几乎没有竞争对手。尽管Xilinx能从AMD处理器产品中获得一些类似的效果，但由于AMD的市场份额较小，因此优势要小得多。 加入Intel还使Altera拥有Intel巨大的软件开发资源的优势，这些资源已应用于Intel的oneAPI统一跨体系结构编程模型计划。这有望使软件开发人员能够轻松编写利用异构计算架构(特别是那些包含加速器(如FPGA))的代码。似乎Xilinx不会成为AMD的一部分而获得任何类似软件开发资源的访问权，而且Xilinx内部已经拥有行业领先的软件和工具开发小组。 这些比较都没有显示出Xilinx / AMD的合并会对Xilinx不利，但它们显然给人的印象是Xilinx无法像Altera那样，通过被收购而获得的相同优势。而且，收购永远不会对团队，技术和进度产生重大影响。不可避免的是，项目被推迟，关键员工离职，企业文化冲突并需要时间来合并，而且整个中断期间在战略上是昂贵的。当然，对英特尔/ Altera的收购也表明了这一点。因此，如果我们权衡收购的潜在收益与不可避免的成本，那么尚不清楚Xilinx是否会出现在账本的正面。 通常，由于两家公司的渠道发生冲突并制定出与客户打交道和支持客户的规范，因此在合并过程中会对销售，市场营销和支持方面产生重大影响。FPGA业务非常需要大量支持，在FPGA公司中，最有价值的人力资源可能是现场应用工程师(FAE)。通过收购来保留，维护和管理此类资产始终是极具挑战性的，如果不这样做，可能会对Xilinx客户产生严重影响。 但是，这并不意味着此次收购对AMD不利。AMD将获得Xilinx在5G，网络，汽车和通信领域的强大地位和技术领导地位。在那些可以与Xilinx一起引入AMD芯片的市场中，存在着许多潜在的协同效应。 在拥有自己的FPGA技术来承担AI工作负载加速等机遇方面，AMD还将至少与英特尔平起平坐。AMD首席执行官Lisa Su在将公司从困难的财务挑战恢复到当前对抗英特尔的成功方面表现出了相当的精明。很难想象AMD无法充分利用潜在合并的优势。 随着交易的发展，我们将继续关注。由于两家公司今天所做的工作之间没有太多重叠，因此合并的AMD / Xilinx看起来很像两家现有公司的简单总和。 最重要的是，赛灵思在其服务的许多市场以及其技术组合中已经处于强大的领导地位。他们可能有更多的损失而不是获得。 我们认为AMD将会是一家更大的公司，但由于收购的规模，其财务状况可能处于风险之中。赛灵思肯定会失去很多身份，甚至可能失去一些服务于现有市场和客户的能力。

    半导体 英特尔 AMD 赛灵思

  • 柔性MEMS传感器诞生目的

    MEMS(Microelectromechanical Systems)微机电系统，将微电子技术与机械工程融合到一起的一种工业技术，它的操作范围在微米范围内，能够把力转化成电信号。MEMS器件应用在手机，健身手环、打印机、汽车、无人机以及VR/AR头戴式设备等日常电子产品中，MEMS在我们的生产生活可谓无处不在。 一般MEMS的生产方式是在基质上堆积物质层，然后使用平板印刷和蚀刻的方法来让它形成各种需要的结构，使用的材料主要是硅，采用类似于集成电路批处理式的微制造技术。这样制造出来的MEMS就是我们常见的刚性MEMS，一般与对应的IC封装在一起，但你知道什么是柔性MEMS吗? 一、柔性MEMS诞生的目的 力的交互，和电的交互或声的交互不一样，它需要有一个作用表面。为了把表面的信息准确地传达到传感器里面，传感器本身一定要是柔性的，才能检测用户触摸操作时所产生的微小形变。 “纽迪瑞是真正全球首家将柔性MEMS概念商业化的公司，”纽迪瑞公司创始人兼CEO 李灏博士介绍到，“其实我们也是做了好多年之后才发现，原来这就是柔性MEMS。” 人和机器进行交流，首先机器要理解人的意愿。从按键到触摸屏，是人对机器输入更简单流畅的演进过程，李灏认为，这个交互过程要用传感器真正地把人的意图翻译进去，一定要用到压力这个维度，柔性MEMS技术就是为了解决目前交互面临的两大问题： 传感器必须是柔性的。虽然现在很多交互的作用表面已经是柔性的，但传感器本身为了配合任何种类的作用面，也必须让表面是柔性的; 即贴即用。可穿戴设备最大的成本是组装成本，力的交互和传导与结构强相关，需要把传感器做得像创可贴一样，撕掉背胶贴上就可以使用，降低组装难度，提高良率。 二、完备了TWS耳机的交互语言 据悉，纽迪瑞的产品主要应用在三大方向，分别是手机(Mobile)，可穿戴(Wearable)，以及可测量(Measurable)。 近些年来的标志性客户及产品有：2015年配合中兴发布第一款3D Touch手机 Axon Mini;2017年配合谷歌发布第一款Edge Sense边缘触控手机Pixel 2;2019年配合vivo发布第一款无按键手机NEX 3;2020年配合华为发布第一款国内/安卓系统压感TWS耳机FreeBuds Pro。 拿可穿戴产品来说，使用时都是紧贴人体的，但由于人体都是导电的，所以交互往往非常困难的。例如耳朵导电，手指也一样导电，手指去触碰TWS耳机，和耳朵接触的信号是会互相混淆的，所以压力是解决交互问题的关键。 但是此前压力交互技术一直不理想，比如戴着TWS耳机想要调音量，就一定要把手机拿出来调;交互也只有一种交互语言——敲两下，因为敲一下会很多误触，敲三下对于用户的要求太高，所以只能实现听歌、接电话等简单的操作。直到AirPods Pro采用压感技术加入了捏一下、捏两下、长捏和短捏等，才基本完备了交互语言。 华为最新的FreeBuds Pro则实现了在耳机上压力加电容滑动调节音量。“我们把这叫传感器融合，把电容交互和压感交互全部放到了一个非常小的传感器里面，“李灏说到，”捏一下就可以听歌、降噪，上下滑动就可以调节音量，也实现了完备的交互语言和更好的用户体验。“ 三、在手机中重新崛起 纽迪瑞公司市场销售副总裁任璐佳表示，柔性MEMS并不单单是一种材料，还要告诉客户怎么做才能商业化。“从材料、算法、模组到一体化的实现和量产工具，都是纽迪瑞自己开发的。目前累积出货量已经超过5000万，品牌渗透率方面11家中有9家已经量产，在很多手机上已经实现了传感器阵列。“ 2015年，苹果iPhone 6S曾经最早将压力传感3D TOUCH功能用在了手机屏幕下，但随后几代产品却默默地取消了这一功能，李灏认为这主要是基于向下兼容和成本的考量。现在手机越来越薄、无孔化和全面屏的同时，厂商还在不断追求游戏体验，但是现在手机既有的一些交互方式已经不能满足了。比如游戏按键，屏幕方向变化的话会误触，所以一些手机厂商会在屏下加压力传感器;5G需要更多的天线，留给实体按键的位置越来越少了，压力触控交互或许可以重新在智能手机上崛起，成为一个大家都需要的功能。 在笔记本行业中，苹果MacBook的触控板没有实体按键，但按下去会有马达反馈。相比苹果笔记本的交互设计，微软系的笔记本交互曾经做得比较差——触控板小，还有两个实体按键。虽然没有微软的支持，但现在联想和华为已经开始用压力去替代实体的左右键。“纽迪瑞可以做到线性输出、满足多维度输入需求(轻按、重按、短按、长按)。“任璐佳说到，”现在windows的笔记本上出现的方案还不具备这些功能。“ 可测量产品除了触控板，还有很多应用场景，比如苹果、微软、华为、三星等头部企业都推出的压力笔，在数字绘画的应用上需要4096、8192这样的压力分级，据悉纽迪瑞已经实现了这项技术的落地。 四、用标准化提升性价比，满足不同用户 消费类市场是最有挑战性的市场，因为光做得好不够，还要让别人用得起，不能期待苹果用的东西别人都用得起。所以纽迪瑞这类供应商，一定要用标准化去把模组的性价比做高，任璐佳表示，“性价比分为成本和性能，成本目前我们已经做到了接近于实体按键，而性能主要看输出和输入。输入方面纽迪瑞已经实现压力数据、算法实现和大规模量产的一致性。“ 在TWS耳机领域，纽迪瑞的客户大致分成三类：一是手机的品牌做耳机，二是传统的音频品牌，三是高仿，这些耳机有不同的价位区间。目前TWS耳机的主芯片趋势是高度集成，任璐佳认为压感功能一定会在有“主动降噪 “级别的TWS耳机中成为标配，这类产品的价格基本上是399元到1299元。目前纽迪瑞有Micro LoadCell、贴合式电容+压感、PCB Sensor+弹片三种专用于TWS交互的压感触控解决方案，主要就是在性价比上满足不同用户。 与纽迪瑞的方案不同，目前市面上有一些采用电容做压力触控的方案，但这类的技术有一些硬伤。电容压力感应的原理是基于两层面板，上面一层面板被压的时候产生形变，这时候它到底下这一层的距离就改变了，通过改变的数值可以计算出受力大小。“这个变量是基于底层面板不动的假设下，但在实际应用中，底层面板一定是会动的。” 李灏解释到，“曾经一家抽油烟机厂商做了电容触控的压力操控板，位置在金属面板的后面，在实验室里面测得很好，但货送到用户家用螺丝一拧，电容之间的距离就发生变化了，整个都不好用了。由此可见在要求抗跌落能力比较强，或者抗安装比较强的，电容方案非常受限制。” 五、未来愿景 而与其他同类压感传感器厂商相比，纽迪瑞优势首先体现在份额上面。据李灏介绍，在除苹果之外的方案中，纽迪瑞占所有剩余方案的98%。“这也是即贴即用方案经过市场检验之后的结果，纽迪瑞解决最大的问题就是易组装。“ 展望未来，纽迪瑞希望在现有产品方案上持续迭代升级，逐步开发新产品线，以不断丰富应用领域和场景，实现更低成本、更高性能以及功能电路的整合。 未来有望籍由消费电子的人机交互，再把压力交互引入到所谓物机应用中，实现多功能复合传感器，例如温度、体征传感以及在汽车和轨道上的应用。 以后的万物互联不仅包括声光电，压力一定也是互联的一部分。比如机器人拿东西，机器对于物体的感知是一定需要有压力反馈的，虽然现在还处在非常早期，但这是未来的大趋势。

    半导体 mems 传感器 压力交互

  • MEMS代工工厂的四个类型

    MEMS加工的MEMS产业早在发展初期，就呈现波浪式的发展状态。早期一些半导体公司就把MEMS加入到其能生产的器件范围，同样的一些晶圆厂也逐渐成为MEMS器件加工公司。 但是每家MEMS代工公司都有自己特有的优势，不同的MEMS代工，不同的起跑线。总的来说，都是为了吸引符合各自特点的客户而采取不同的策略。 MEMS代工工厂大致可分为四个类型： 1.向硅晶圆代工厂提供MEMS代工服务 2.OEM供应商的MEMS代工厂 3. IDM的MEMS代工厂 4.纯MEMS代工厂。 从1和2代工类型来看，MEMS代工选择IDM或者OEM是各有利弊的。IDM的发展已经有二三十年了，但是客户关心的知识产权安全问题一直没能得到很好的解决。 所以，对于晶圆代工来说，他们则是把重点放在工艺和客户上。纯MEMS代工公司是可以同时处理多种工艺和多个客户的，是最具变通的模式。 不同类型MEMS代工，在技术上也是各有差异。 大多情况，MEMS芯片和ASIC芯片分别制造，然后通过系统级封装或键合工艺集成在一起。对于设计者来说，封装集成的灵活性更大。 而一些MEMS代工提供MEMS-CMOS工艺，可将两个芯片集成为单芯片，它的好处是：降低功耗、高速和低寄生效应。需要权衡的是制造复杂性的增加和热预算的减少。 为了适应市场的快速发展，MEMS代工公司还能提供多种堆叠技术，比如3DTSV、2.5D中介层等。 随着电子市场的火爆，MEMS代工的需求也日益提升，也促使MEMS代工的产品在体积上、成本上都变得越来越小。

    半导体 mems 芯片

首页 上一页 1 2 3 4 5 6 7 8 9 10 下一页 尾页
发布文章

活动预告

更多

论坛

更多

相关标签

课程视频

更多