【引爆】国巨47亿元收购美国普思电子；5G射频芯片商机爆发
2018-05-23
14:01:17
来源: 老杳吧
点击
1.47亿元，国巨宣布收购美国普思电子！
2.2018年全球半导体资本支出将首度破千亿美元大关
3.全球5G射频芯片商机 引爆RF SOI产能战火
4.新创公司聚焦结合AI与存储器的全新运算架构
5.智能感测识别技术多元 AIoT开启应用商机
1.47亿元，国巨宣布收购美国普思电子！
2.2018年全球半导体资本支出将首度破千亿美元大关
报告中表示，之前在 2018 年 3 月份，IC insight 曾经预期 2018 年全年半导体的资本支出将成长 8%。如今，才不到一季的时间，IC insigh 就把预估值由原本的 8% 上调至 14%。这样看来，2018 年全年的半导体支出将首次破千亿美元大关，而且金额将比 2016 年足足成长 53%。
报告中进一步指出，近两年来始终位居半导体资本支出龙头的韩国三星，虽然 2018 年还未公布全年的资本支出金额，但是一般相信，将不会超出 2017 年 242 亿美元的数字。不过，就目前的观察，三星仍在上紧发条不放松。
事实上，三星在 2018 年第 1 季的半导体资本支出达到 67.2 亿美元，较之前 3 季水平略高。但是，若相较 2016 年同期，则已经成长近 4 倍的规模。累计过去 4 季以来，三星半导体部门的资本支出已经达到 266 亿美元的金额。
IC insight 预期，2018 年三星半导体的资本支出将在 200 亿元上下，略低于 2017 年 242 亿美元。不过，因为 2018 年首季就有较之前略高的成长。因此，最后的结果很 可能将比预期的 200 亿美元来的高。
另外，因为 NAND Flash 及 DRAM 的市场需求强劲，韩国存储器大厂 SK 海力士预期也将在 2018 年增加资本支出至 115 亿美元，较 2017 年的 81 亿美元成长 42%。
而 SK 海力士在 2018 年增加的资本支出，将主用于在韩国清州两家大型存储器工厂的建置工作上。另外，还要扩大中国无锡的 DRAM 工厂。清州工厂在 2018 年年底前将开始兴建，而中国无锡 DRAM 厂的扩建，也计划在2018年年底前动工，这时间将比原计划的 2019 年初开工要早几个月。
Technews
3.全球5G射频芯片商机 引爆RF SOI产能战火
随着全球5G世代即将来临，持续驱动8吋与12吋晶圆厂产能需求，不仅部分晶圆厂扩产旗下8吋厂射频SOI(RF Silicon On Insulator)产能，以期能赶上强劲的市场需求，目前包括台积电、GlobalFoundries、TowerJazz及联电等更同时扩充或导入12吋厂RF SOI制程，全力迎接第一波5G射频芯片订单商机。
目前全球约有95%的RF SOI芯片系由8吋厂打造，手机相关RF SOI芯片亦多是在8吋厂生产，而绝大多数的射频切换器(RF Switches)及相关产品同样是在8吋厂打造，然随着RF SOI制程由0.18微米向下微缩到0.13及0.11微米，现阶段已有部分产品转向12吋晶圆厂投产。
国际半导体大厂包括台积电、GlobalFoundries、TowerJazz、联电、Sony、中芯国际、华虹宏力及意法半导体(STMicroelectronics)等，旗下均有8吋晶圆厂RF SOI产能，值得注意的是，近期大型晶圆代工厂纷积极导入12吋厂RF SOI产能，包括台积电、GlobalFoundries、TowerJazz及联电等均展开12吋厂量产，导入0.13微米到45纳米等制程节点。
半导体业者指出，导入RF SOI制程所打造的芯片可锁定不同应用市场，最主要应用是手机射频前端模组(RF front-end modules)，其整合射频零组件如功率放大器、天线调谐器、低噪声放大器、射频切换器等，负责处理手机传输及接收等功能。
目前手机射频零组件芯片价格约12~15美元，未来5G智能型手机问世后，手机内相关芯片价格将达18~20美元以上，这亦是当前RF SOI产能吃紧的原因之一。
全球第一大RF SOI基板供应商Soitec，市占率高达70%，同时生产8吋及12吋RF SOI基板。另外两家供应商是日商信越(Shin-Etsu)及台厂环球晶圆，亦供应8吋和12吋RF SOI基板，至于陆厂青华则仅供应8吋RF SOI基板。
目前RF SOI基板产能处于瓶颈阶段，无论是8吋或12吋基板均呈现供应吃紧状态，这使得晶圆代工厂在扩产时受到限制。至于RF SOI芯片导入12吋厂量产，仍无法解决整体RF SOI产能吃紧问题，因为12吋厂产能主要锁定高阶5G系统应用，部分产能配置于4G手机应用。
未来12吋RF SOI产能将是5G应用发展必要条件，对于RF SOI芯片而言，12吋厂产能拥有许多更佳的条件，包括可提供更多制程控制与晶圆厂内全自动控制，且在容忍度、重复性及良率等方面均优于8吋厂产能。
针对RF SOI基板产能供给吃紧问题，Soitec执行副总裁Thomas Piliszczuk表示，随着合作伙伴青华取得认证，8吋RF SOI基板产能可望在2019年获得改善，至于12吋RF SOI基板产能，在Soitec、信越及环球晶圆等纷增加产能下，2019年起供需吃紧应可获得纾解。
从晶圆代工业者扩充产能的角度来看，需要更多的12吋RF SOI基板产能到位，尽管基板供应商愿意扩充产能，然短期而言，12吋RF SOI基板供给还是相当有限。
面对5G世代即将来临，12吋厂RF SOI产能竞逐已展开，晶圆代工厂纷扩产以因应强劲订单需求，目前GlobalFoundries已在美国纽约州East Fishkill及新加坡旗下两座12吋厂导入RF SOI量产，包括0.13微米及45纳米制程。
事实上，GlobalFoundries已先行在美国佛蒙特州Burlington和新加坡旗下两座8吋厂导入RF SOI量产，其目的是先卡位供应链需求，在投资12吋厂RF SOI产能的同时，亦稳住旗下8吋厂产能，借此保有客户订单。
TowerJazz则已出货8吋RF SOI，目前正在日本旗下12吋厂启动RF SOI量产，目前以65纳米制程为主，并可望向下微缩至45纳米。台积电和联电亦已出货8吋RF SOI，并计划投入12吋RF SOI产能建置竞赛。DIGITIMES
4.新创公司聚焦结合AI与存储器的全新运算架构
有几十个工程师挤在美国德州奥斯汀(Austin)近郊重划区的咖啡店与美容院之间，探索运算技术的新方向──这是一家名为Mythic的新创公司，目标是将神经网路映射至NOR快闪存储器阵列，以或许可节省两个数量等级功耗的方式来运算与储存数据。
如果他们成功了，这家新创公司就可跳过来自诸如英特尔(Intel)或是其他IP供应商、以及众多富裕中国新创公司的数位处理器与核心；这些处理器的目标都是进驻下一代保全摄影机、无人机、工厂设备等试图搭上人工智慧(AI)热潮的嵌入式系统，甚至是未来的自动驾驶车辆。
“我们从研究所的时候就知道，混合讯号处理很适合这类应用；”与同事Mike Henry在密西根大学(University of Michigan)一起创立Mythic的David Fick表示：“你需要利用其可调阈值电压来储存很大的数据量与快闪存储器──每个电晶体都非常具吸引力。”
Mythic所开发的快闪存储器阵列，基本上可免除将数据从外部存储器移出移入的需要，因此大幅节省功耗；Fick表示，他的指导教授David Blaauw与Dennis Sylvester“已经展开一些快闪存储器研究，我们也拥有一些专长技术，因此能很轻易地加速启动一个专案。”
不过要在存储器中执行类比处理器这种有数十年历史的老概念是件棘手任务，Fick表示：“你必须考量很多类比效应──不匹配(mismath)、杂讯、温度，而且存储器单元也有很多类似的显著效应；”不同于配备经过妥善定义之存储器、处理与储存子系统的数位电脑，机器学习使用的类比电脑基本上是一个整合性的庞大工程。
“你需要同时一起设计所有的东西，因此需要了解重叠领域的人，例如了解彼此领域的元件端设计与神经网路设计工程师；”Fick解释：“我们在这方面已经远胜于其他人，因为我们拥有一个可以完成整个任务的超强团队。”
确实，这家公司才刚完成B轮融资、获得一笔高达5,000万美元的资金，有部分原因是他们拥有一个总监等级(director-level)专家组成的多元团队，包括来自德州仪器(TI)的类比专家、Microchip的快闪存储器设计总监，以及Netronome的实体设计专家。
Dave Fick与他的宠物狗Ellie在奥斯汀办公室合影；Ellie是Mythic这家公司的非官方情绪支持总监
（来源：EE Times）
Mythic也借由实现一系列的原型投片逐步展现其技术进展赢得投资者青睐，Fick在学校里的VLSI设计表现就赢得不少声誉；他表示：“当你以研究所学生身份设计芯片，包括存储器、合成、设计规则检查变异(DRC variations)…等所有的步骤都得自己动手；而如果你是直接进入业界，你可能永远看不到整个设计流程，所以很多从学校独立的新创公司会更容易成功量产。”
这家公司的两个创办人从小就是“科技宅男”(geek)；Fick在高中时的第一份工作就是网页开发工程师，念研究所时则进入AMD、IBM与Intel等多家大公司当实习生。Henry则是为了好玩，很爱参加各种快速写程式竞赛。
大大小小的竞争对手以及需要克服的软体障碍
这些日子以来，Mythic的二人组遇到大大小小的竞争对手，至少有40家老牌与新创IP供应商或芯片业者，纷纷表示准备推出或是正在规划某种形式的客户端AI加速器芯片；这些竞争对手还包括中国几家财力雄厚的新创公司，例如地平线(Horizon Robotics)就是其中最具潜力的一家，已经用较传统的数位架构推出低功耗客户端AI加速器。
还有一家美国新创公司Syntiant，跟Mythic一样在开发利用快闪存储器的存储器内处理器(processor-in-memory)架构，该公司的团队成员包括几位Broadcom前任工程经理，并获得了Intel Capital的支持。此外IBM Research也正在研究以电阻式RAM (ReRAM)为基础的机器学习加速器，但Fick认为该公司采用了错误的方法。
他表示：“他们正在尝试以完美的存储器来让所有事情变得简单，但我们是透过共同设计所有东西取得领先…就算他们找到了理想存储器，总是会有一种不太完美的存储器可以支援更低功耗或是更快速度。”
创新的平行存储器在历史上总因为太难编程而失败，新兴的存储器内处理器芯片肯定也会面临相同的问题，因为机器学习本身需要全新的、仍在发展的编程模型。Mythic的工具虽名为开发平台，但扮演的角色像是编译器，能为其芯片将TensorFlow数据库内描述的神经网路转换为机器语言。
Fick表示，该开发平台采用PCI Express与芯片连结，能提供“如何从芯片取得额外性能的提示，以及一些常见应用的最佳化网路范例。”想要使用TensorFlow以外其他框架的客户，显然会需要使用ONNX格式来转译其任务；ONNX (Open Neural Network Exchange)是少数几种用来转译几个不同AI软体架构的新兴工具之一。
而Fick也充分体认到他的客户所面临之软体障碍：“为了进入这个领域，你需要聘请几个深度学习科学家，但这类专家因为非常短缺、费用也非常昂贵 …建立数据集与神经网路并进行训练非常耗时、代价也很高…这些都是冒险进军且投资此领域的限制。”
好消息是，与竞争对手方案相较，Mythic芯片的存储器阵列应该能处理更多样化的卷积(convolutional)或归递(recurrent)神经网路，而且其性能的提升可望实现在功耗受限制的边缘系统执行更复杂模型。
Mythic到目前为止已经有数款测试芯片投片
（来源：EE Times）
Mythic有几个重量级合作伙伴，例如洛克希德马丁(Lockheed Martin)希望未来的无人机能使用该公司芯片，富士通(Fujitus)则是该公司的快闪存储器供应商。到目前为止，有两种应用似乎超出其能力范围，一个是预算只有几美元的智慧音箱，与Mythic的目标应用相较太过需要控制成本；另一个是自动驾驶车辆，因为需要车用等级规格，是该公司目前无法负担的。
这家新创公司预计在今年底推出40奈米制程芯片，这个节点可支援嵌入式快闪存储器单元设计，也符合低成本目标。Fick指出，其快闪存储器单元已通过28奈米制程品质认证，这会是该公司的下一步；在那之后，晶圆代工业者正在开发嵌入式MRAN与ReRAM单元。
Fick表示：“没有任何理由能阻止我们前进最小节点，我们能从制程微缩中受益；”而如果Mythic成功了，并不会是因为摩尔定律(Moore’s Law)或是那些数位处理器使他们受到欢迎，而会是因为他们将运算技术推往一个全新的方向。eettaiwan
编译：Judith Cheng
(参考原文： Startup Maps AI into Flash Array ，by Rick Merritt)
5.智能感测识别技术多元 AIoT开启应用商机
人工智能（AI）与物联网（IoT）汇流进化为AIoT，形成智能应用的驱动力已成为现今的热门议题，随着机器视觉、深度学习与各项感测识别软硬件技术的进展，使得IoT系统逐渐趋向人类的情感与即时反应，并且促进智能制造相关技术与产品服务的提升，以及开启更多潜在市场应用商机。
台湾工研院IEK与法国知名MEMS & Sensor前瞻技术研究顾问公司Yole Development进行国际合作，并于5/22举办[AIoT驱动智能感测识别应用商机研讨会]，以期通过宏观且全面的分析，完整勾勒出AIoT趋势所驱动的智能感测识别市场的商机何在?如何慎选适合未来产业发展的技术及寻找潜力应用的关键?
工研院IEK产业分析师罗宗惠深入探讨影像识别关键技术环节，他表示在影像识别关键零组件方面，包括摄影机(Camera)、影像处理器(Image Processor)与传感器(sensor)，预估在2018年CIS需求将达到45-50亿颗的数量，届时原始数据的品质(例如灵敏度区域、构成因素、像素、帧率、耗能...等)及分析的正确性和效率(电脑运算、算法、AI等)都会成为各家厂商相竞的关键，毕竟使用者在乎的是速度、解析度、精确度及功能是否齐全，例如动态范围呈现的效果清晰快慢程度。
至于影像分析技术所带来的两大价值，像是垂直应用于移动设备、车载应用、安全监控、工业应用、生物医学、物流及机器人等领域，以及解决问题，主要的是缺陷检测、图像分割/边缘侦测、动态分析、位置或方向分析等，其中图像检查缺陷部分常见于工业应用与生物医学领域。
从各产业观察可见，影像即时分析已经普及于各项产品，罗宗惠提出影像识别技术进展的三项特色:1.专业性:准确度和即时性更上一层楼: 2.普及性: 新应用持续被创造: 3.安全性:隐私权与商业应用的拉扯。
就新兴人机介面(HMI)感测识别商机的趋势探讨，工研院IEK资深产业分析师谢孟玹表示，人机介面已由单纯设备操控进入虚实整合/数位分身创新应用型态，未来五感感知功能将加速导入更多新型态穿戴设备与智能机器拓展更多应用商机。
谢孟玹以MIT Media Lab的穿戴读心术为例说明，其揭示人机介面的未来样貌，期望达到用“心(大脑)”随心所欲的控制，而这种目标必须建立在五感感测(视觉、听觉、力觉、触觉、嗅觉)的基础上，加以逐步融合生物电子(生医检测)、生物识别的技术，将能全面启动下阶段的各项新兴人机介面感测识别技术的创新应用，例如人脸/虹膜/眼纹/视网膜识别、语音/耳道识别、指纹/手势识别、静脉识别、键盘敲击习惯识别、步态识别等。他认为未来不会趋于特定类别的生物识别，而是多重识别，能够在不同情境之下发挥适度的应用。
电容、光学、超音波三大指纹识别技术各擅胜场，其中电容式成本/功耗最低，光学式穿透能力最强，超音波抗干扰效果最好，而光学与超音波指纹识别技术已开始整合生理监测功能，例如心率、血流等项目。由于干皮肤、手指压力、皮肤脏污、汗水等因素皆会影响到指纹识别率，进而带动例如OLED微显示指纹识别技术、曲面指纹识别显示器、活体指纹识别、非接触式3D指纹等新兴技术，下世代指纹识别技术蓄势待发。
除了指纹识别，罗宗惠表示，人脸识别将是下一个厂商整合的重点，例如门禁系统朝向整合人脸识别演进，以传统机械式的门禁大厂Klacci为例，已朝向跨领域发展，整合许多资通讯技术。
在感知/AI技术持续精进下，谢孟玹认为生物识别结合行为识别与AI/深度学习的技术进步，将加速人机介面进入人机协同工作与人机情感交流应用的新时代，并且带动更多软件算法的技术创新。未来具有技术能力的学研单位及新创公司的影响力会提升，吸引更多的国际大厂合作、收购或投资策略布局，以维持在既有产业领先的优势。
此外，Yole Development顾问公司Life Sciences & Healthcare部门技术与市场分析师Jerome Mouly 针对『生医传感器移动照护应用趋势及市场机会分析』议题进行深入探讨，剖析居家医材、穿戴健康管理、个人化诊断所需各项Bio Sensor技术应用发展重点。他表示，医疗会随着社会进化与新技术有所改变。低功耗、小型化的bioMEMS和传感器已经从其他市场开发，但传感器性能（如测量、精度）整合为被FDA批准的医疗设备当中的关键。现今大部分技术区块皆可用，而产业链也愈来愈成熟，至于消费者医疗保健则是开发特定医疗传感器以降低传感器可接受成本的关键。CTIMES
责任编辑：星野
-
- 半导体行业观察
-
- 摩尔芯闻
最新新闻
热门文章 本日 七天 本月
热门评论
©2023 半导体行业观察
Copyright©2023 上海爱思尔教育科技有限公司 皖ICP备19011903号-2 皖公网安备 34019202000656号