君子以泽,盗墓笔记,天域苍穹

傳感器、加速計算、存儲以及物聯網、人工智能和工業4.0等等話題是當下半導體產業的關注焦點。日前，在第八屆年度中國電子ICT媒體論壇暨2019產業和技術展望研討會上，與會嘉賓圍繞這些議題進行了深入討論。

英飛凌：ToF的應用越來越廣

ToF（飛行時間）的話題越來越熱，背后是需求市場的放大。該技術可提供準確、可靠的深度數據，相較于其他深度傳感技術，ToF僅使用一個紅外光光源就可以直接測量每個像素中的深度和幅度信息。其通過發射調制紅外光到整個場景，通過ToF成像器捕獲反射光，通過發射光和接收光之間測量到的相位差以及幅度值可以得到高度可靠的距離信息以及完整場景的灰度圖像。

圖：ToF成像原理

英飛凌電源管理及多元化市場事業部大中華區射頻及傳感器部門總監麥正奇表示，不僅是手機，ToF在工業、汽車或消費電子等領域都會有很大的機會。在英飛凌的汽車電子事業部、DSS數字安全解決方案事業部，電源管理及多元化事業部和工業控制事業部四個事業部中，多元化就是射頻和傳感器，是英飛凌業務重要的部分。英飛凌的ToF業務已經覆蓋到消費電子、工業、汽車領域。其中，消費電子主要是以移動裝置，包括手持或VR、AR頭盔；在工業方面，主要是自動化、安防、機器人等應用；在汽車部分，ToF已經是一個選項。

圖：麥正奇，英飛凌電源管理及多元化市場事業部大中華區射頻及傳感器部門總監

針對ToF圖像傳感器，英飛凌的主打產品是REAL3。據麥正奇介紹，該傳感器透過3D的深度圖加上2D的灰階圖，得到一個完整的深度訊息。其算法保證即使在強光下，也不會過曝。而英飛凌特有的智能濾波和偽影校正算法提高了數據精度。ToF的結構使之能夠實現非常緊湊的攝像頭設計，而最重要的是REAL3只需在出廠時做一次校正（5秒內完成）。REAL3的深度計算量很小，CPU占用量低，降低了功耗，“這對移動裝置是最重要的，每個點都可以提供完整的深度訊息，其傳輸出去的數據已經是可用的了，不像其它結構的3D傳感需要不斷用CPU計算深度和幅度訊息，” 麥正奇說，“這些特性可減少手機或移動設備的能耗和熱損耗。”

目前，英飛凌面向工業和移動應用的REAL3已投入量產，該傳感器通過優化CMOS技術，提升了性能、功耗和成本特性。其中，面向移動設備的專用REAL3已經面市，而面向汽車應用的REAL3尚在研發階段。該器件主要由英飛凌自有工廠量產，但也不排除通過代工廠生產，另外，他們也在和錫根的pmdtechnologies合作開發軟件算法，Pmd提供ToF像素矩陣，英飛凌則提供SoC功能塊，并開發ToF優化CMOS制造工藝。

艾邁斯：今年光學傳感有幾個熱點

光學、圖像和音頻是傳感器領域重要的三個領域，其系統方案包含IC、接口、算法和軟件，而在這些領域，艾邁斯（ams）是重要的玩家，其產品應用包括消費電子、工業、汽車和醫療。在3D傳感上，艾邁斯的產品涵蓋ToF、主動立體視覺和結構光三個主要類別，另外，該公司在音頻、攝像頭偵測、健康檢測、電子商務和顯示管理上都有相應的傳感技術和產品。

艾邁斯半導體先進光學傳感器部門執行副總裁兼總經理Jennifer Zhao表示，根據IHS的統計排名，過去八年艾邁斯光學傳感器業務都是行業第一。“因為我們非常注重創新，”Jennifer Zhao說，“今年客戶最大的需求就是怎樣進行屏下管理，我們的環境光、無顯示失真接近傳感器和紅外IR抑制技術能夠滿足需求；在真無線立體聲方面，我們新出的傳感器可以做到0.1、0.2cm的近距離優化。另外在窄或無邊框LCD顯示屏、3D光學傳感以及醫學健康保健方面，我們都能提供高性能的傳感器。”

圖：Jennifer Zhao，艾邁斯半導體先進光學傳感器部門執行副總裁兼總經理

在光學傳感器上，艾邁斯主要產品是兩條線：集成光學傳感器和顏色、光譜傳感器。前者主要是顯示強度管理、攝像頭/顯示屏色彩平衡、接近（手機/家庭助理）和1D ToF接近以及距離傳感，后者則是顏色識別、食物分析、化妝品和膚色監測以及生物傳感器。就智能手機應用看，光學傳感技術的主流趨勢有三個：1、3D人臉識別，主要用于身份識別和安全支付；2、全面屏、無邊框；3、攝影增強。

圖：3D人臉識別技術包括結構光、主動立體視覺和ToF三類。其中結構光主要適用于近距離，具有最佳深度圖質量和安全性，成本也最高，主要被高端手機選用；主動立體視覺適用于中等距離，其深度圖質量也比較優良，但是精度沒有結構光好，其成本較結構光有優勢；ToF適合中遠距離（5米左右），系統集成簡單，尺寸最小。

Jennifer Zhao介紹，艾邁斯在3D傳感領域不僅有VCSEL光源、光路和光學封裝、NIR和ToF攝像頭這些硬件，也有與曠世、bullus 3D等合作的軟件算法，以及3D應用的軟件。而除了手機，智能家居、工業自動化以及汽車也是艾邁斯3D傳感的重要市場。

就全面屏趨勢而言，近100%的屏占比推動了對OLED（或BOLED）屏下元件的需求。“在OLED屏，主要客戶的要求有兩點：一是屏下靈敏度要很高，因為光要通過OLED屏下面打出來；二是在所有亮度等級下都要能運行，”Jennifer Zhao說，“我們的TCS3701支持這些要求，在OLED屏下高光低光下都能應用，該產品目前已經量產。”

圖：不同屏占比對3D傳感器尺寸的要求不同

攝影增強是目前手機最主要的功能，3D傳感發揮著重要作用。其中關鍵技術包括激光檢測自動對焦、光源閃爍控制、自動白平衡和閃爍補償。激光檢測自動對焦通過1D ToF傳感器支持，要能檢測2cm-2.5m距離，精度在±5%，能夠抗蓋板玻璃上的污垢干擾并能抗太陽光。艾邁斯最新的相關產品是TMF8801，可以滿足這些要求。

光源閃爍控制、自動白平衡和閃爍補償主要是解決在AWB算法中可能會被少數飽和顏色所主導的場景誤導以及人工光源環境中拍攝的照片出現波紋的問題。艾邁斯通過色溫傳感器，可以在所有的光源環境中提供精確的色溫來解決這個問題；通過光學傳感器來精確的測量環境光以調整混合光源造成的失真；通過光源閃爍檢測傳感器自動檢測環境閃爍輔助算法來解決閃爍波紋的問題。

賽靈思：AIoT為加速計算引擎提供商機

AI的核心是高性能計算，過去CPU一直被用于通用計算，從2012年開始，GPU被用于高性能計算。AI雖然發展迅速，但落地的場景和實際回報離大家的預期還要差一點。賽靈思人工智能市場總監劉競秀認為主要原因在于兩個剪刀差產生的阻礙。

圖：劉競秀，賽靈思人工智能市場總監

“第一個剪刀差是需要處理的數據和計算芯片所能夠提供的處理能力之間的剪刀差。” 劉競秀說，“第二個剪刀差就是芯片設計生產的長周期和快速迭代的市場需求之間的差距。就是快速變化、快速迭代的市場和ASIC開發周期漫長之間的差距。”

他認為，摩爾定律的性能升級效應在放緩，芯片迭代成本高昂，而FPGA可以滿足原型開發和快速導入計算平臺產品的需求，不必像ASIC那樣必需是成熟市場規模上量才能回收成本。

圖：兩個剪刀差阻礙AI落地和回報預期

AI的主流應用場景包括與視頻、圖像和語音相關的應用。其中跟視頻相關的安防監控系統對AI的需求在加大，因為AI技術可以解決以往人工監控下警力不濟的痛點，極大的提高警察系統的效率。另外，高檔寫字樓、高檔酒店、機場、火車站等無人值守閘機、無人值守超市也主要應用AI人臉識別技術。

網絡視頻的內容審查需求也是AI視頻落地的一個應用。“現在大都還是依靠人力做，非實時短視頻業務相對比較容易，直播類的就比較難，”劉競秀說，“不少AI公司現在做了基于文字、人臉識別，包括基于行為動作的審查機制的解決方案，現在在不同的場景、不同的網絡節點都在做相應的嘗試跟大量的部署。”

此外，AI在自動駕駛的ECU處理上也有很大前景。不過，相對于視頻，AI在語音上的應用還不夠成熟，劉競秀指出這是因為視覺相關應用，屬于用CNA或者DNN做網絡檢測的應用，能夠提供端到端解決方案，而語音應用的AI（例如LSTM），其網絡模型只是不同語音模型中的一部分，有大量的前處理跟后處理的技術，跟AI沒有關系。在語音識別的技術中，AI只是眾多技術處理環節中的一環，其效率好壞并不一定，能否為語音做更好的加速，要看客戶所選擇的具體方案。此外，現在語音聊天機器人還有能力上的限制，無論數字級多豐富，訓練的網絡多深，也沒辦法聊二十句，這也限制了AI語音技術的發展。

作為FPGA供應商，賽靈思的新戰略已確定為以數據中心優先，加速核心垂直市場的增長，其Versal計算引擎將為此賦能。作為賽靈思下一代計算引擎，面對通信和人工智能高性能場景，Versal定義了完全不一樣的芯片架構，劉競秀強調，通過豐富的資源配置和優化，采用賽靈思的方案，最快只要幾個小時就可以把新的網絡部署在硬件上，把系統運行起來，“這對AI創業公司和合作伙伴來講是最重要的，可以非常快地拿到一個原型機，用這些原型機去真正的場景做性能、功能的迭代、數據的收集，這樣產品才能比別人更快地推向市場。”

圖：賽靈思從底層到應用端的開發資源

ADI：新趨勢加快工業4.0落地

什么才是工業4.0？工業4.0怎么落地？什么時候落地？ADI亞太區工業自動化行業市場部經理于常濤表示，目前工業4.0面臨一些困境，如實現工業4.0的路徑和時間表不明確，許多正在發揮作用的業務基礎因素帶來不確定性，投資有不確定性的風險，與客戶進度的匹配等，但有一點可以肯定——先行者會有極大的優勢。

圖：于常濤，ADI亞太區工業自動化行業市場部經理

于常濤指出，一個典型的工業4.0工廠應該包含四個要素：一、要有機器人的應用；二、要有控制系統；三、要有現場的若干儀表和傳感器；四、必須有穩健的傳輸通訊網絡把各網絡連在一起。他認為，工業網絡看重的是有線的方式，無線的作為補充，還沒有那么普及，包括5G如何落實在工廠當中還有爭議。

圖：一個典型的工業4.0工廠所包含的要素

隨著中國人力成本的提高，對于ADI來講，圍繞工廠自動化的機器人會有更多的商業機會出現。傳統的機器人機器手臂，只需要控制系統和相應的軟硬件及基本的安全功能設計，但隨著物聯網和人工智能概念融合之后，會有更多的元素加載。

“比如說各關節角度的監測，在大負載情況下，手臂本身的抖動情況，同時機器人在和工作人員緊密配合的時候一定不能傷到人，這涉及到若干傳感器的技術。”于常濤說，“同時作為工廠的一分子，機器人也需要把參數上傳到云端，這催生了通訊的機會。所以這些需求給ADI創造了不止一倍的機會。”

工業4.0落地給ADI創造的機會還包括針對控制技術諸如角度或者編碼器的完整的解決方案、針對整個機器手臂的姿態監控的傳感、針對檢測震動的加速度傳感器，以及安全方面的解決方案。此外，作為連接現場儀表和整個控制單元的核心單元電機控制模塊，ADI可以提供所有環節的產品，其他領域包括24V輸入、5V輸出的電源、軟件定義I/O（每個通道都可以任意地定義為數字量的輸入輸出，或者模擬量的輸入輸出）等。于常濤強調，軟件定義I/O是非常靈活的方案，可以完全根據現場的設施結構，通過軟件的方式把系統完整地運行起來，在很大程度節省了現場工程安裝的難度和成本。

軟件定義I/O控制非常適用于工業以太網，工業以太網會更多的運用到工業4.0中。而在驅動部分，ADI這邊也做了很大的投入，其核心優勢也體現在高集成度和靈活性，如ADI的fido5000可以用單一一顆芯片支持目前主流的工業以太網的協議，同時，ADI正在計劃于今年底推出下一代的基于千兆以太網的TSN方案。

圖：ADI今年底將推出TSN方案

華虹宏力：功率器件聚焦4個方向

從去年下半年開始，有關國內汽車銷售景氣下滑的消息不斷，最近中國汽車工業協會公布的數據顯示今年一季度乘用車銷量同比下滑了13.7%，但與此同時，新能源汽車銷量卻持續保持快速增長。今年一季度新能源汽車銷量同比增長達109.7%！所以，華虹宏力戰略、市場與發展部科長李健把電動汽車視為芯片產業的機遇，將成為下一波增長的重要應用載體。

圖：李健,華虹宏力戰略、市場與發展部科長

李建表示，半導體產業的歷史發展路徑是一直向上，每個時段都有核心應用來支撐。1992年到2000年，是臺式電腦，2000年到2008年是功能手機，2008年到2016年是智能手機，2016到2018年，整個半導體產業增長率高達20%以上，這是由于大量的新技術出現，包括5G、人工智能、互聯網、大數據、云計算等，但這些技術不會單一存在，它們需要一個實際的產品作為載體來體現，而智能手機自2017年開始已顯疲態，能夠擔任多技術融合載體、拉動半導體快速上揚重任的將是未來的智慧汽車。一個重要原因是汽車電子化。“從汽車的成本結構來看，未來芯片成本有望占汽車總成本的50%以上，這會給整個半導體帶來巨大的市場需求。”李健說道。

汽車電子化拉動了半導體產品的需求，如自動駕駛處理器、ADAS芯片等，同時也為功率器件，如MOSFET創造了新機遇。“2020年，中國新能源車的銷售目標是200萬臺，全球是700萬臺，是一個非常大的市場。”李建說，“有別于傳統車，新能源車里面有電機、電池、車載充電機、電機逆變器和空調壓縮機，這些都需要大量的功率器件芯片。電動化除了車輛本身的變化之外，還給后裝的零部件市場也帶來新的需求，同時配套用電設施，比如充電樁，也帶來大量的功率器件需求。”

電動汽車中功率芯片的用途非常廣泛，啟停系統，DC/DC變壓器，DC/AC主逆變器+DC/DC升壓，包括發電機，還有車載充電機等。以IGBT為例，電動汽車前后雙電機各需要18顆IGBT，車載充電機需要4顆，電動空調8顆，總共一臺電動車需要48顆IGBT芯片。“如果2020年國內電動汽車銷量將達到200萬臺，后裝維修零配件市場按1：1配套計的話，粗略估算國內市場大概需要10萬片/月的8英寸車規級IGBT晶圓產能（按120顆IGBT芯片/枚折算）。”李健算了一個賬，“基于國內電動車市場占全球市場的1/3，2020年全球汽車市場可能需要30萬片/月的8英寸IGBT晶圓產能！除了汽車市場，IGBT在其它應用市場中也廣受歡迎，業內有看法認為還需要新建十座IGBT晶圓廠，我覺得此言也不虛。”

李健表示，在功率器件方面，華虹宏力主要聚焦4個方面：一是Trench MOS/SGT，即低壓段200伏以下的應用，如汽車輔助系統應用12V/24V/48V等；二是超級結MOSFET工藝（DT-SJ），涵蓋300V到800V，在汽車應用中主要是汽車動力電池電壓轉12V低電壓，以及直流充電樁功率模塊；三是IGBT。IGBT在電動汽車里面是核心中的核心，主要是在600V到3300V甚至高達6500V的高壓上的應用，如汽車主逆變、車載充電機等；四是GaN/SiC新材料，這是華虹宏力一直關注的方向。預計未來五到十年，SiC類功率器件會成為汽車市場的主力，主要是在電動汽車的主逆變器，和大功率直流快速充電的充電樁上。

經過多年研發創新和持續積累，華虹宏力已經逐步推進自主創芯進程。截至2018年第4季度，作為全球最大的功率芯片純晶圓代工廠，華虹宏力8英寸MOSFET晶圓出貨已超過700萬片。華虹宏力功率器件工藝的基礎是硅基MOSFET，而中流砥柱則是超級結MOSFET(DT-SJ)，該工藝適用于500V到900V電壓段，其電阻更小，效率更高，散熱相對低，所以在要求嚴苛的開關電源里有大量的應用。

“超級結MOSFET最顯著特征為P柱結構，華虹宏力采用擁有自主知識產權的深溝槽型P柱，可大幅降低導通電阻，同時，在生產制造過程中可大幅降低生產成本和加工周期。”李健表示，“總體來看，華虹宏力的超級結MOSFET工藝每兩年就會推出新一代技術，用單位面積導通電阻來衡量的話，每一代新技術都會優化25%以上。其中深溝槽型超級結MOSFET是華虹宏力自主獨立開發、擁有完全知識產權的創‘芯’技術。”

華虹宏力把硅基IGBT芯片定位為功率器件的未來。其量產狀態為：早期以1200V LPT、1700V NPT/FS為主；目前集中在場截止型工藝上，以600伏和1200伏電壓段為主；未來方向的3300V到6500V高壓段工藝的技術開發已經完成，正與客戶在做具體的產品驗證。在GaN和SiC方面，李健認為未來10到15年市場空間非常巨大。“從市場應用需求來講，SiC的市場應用和硅基IGBT完全重合，應用場景明確；GaN則瞄準創新型領域，如現在流行的無線充電和未來無人駕駛LiDAR，應用場景存在一定的變數。”他說，“從技術成熟度來講，SiC二級管技術已成熟，MOS管也已小批量供貨；而SiC基GaN雖然相對成熟，但成本高，Si基GaN則仍不成熟。從性價比來講，SiC的比較明確，未來大量量產后有望快速拉低成本；而GaN的則有待觀察，如果新型應用不能如期上量，成本下降會比較緩慢。”

在產能和工藝規劃上，目前華虹宏力月產能為17.4萬片（以200mm晶圓計，下同）。具體來說，華虹一廠、二廠和三廠都在上海，其中一廠月產能6.5萬片，先進節點為95納米；二廠月產能5.9萬片，是功率器件主要生產基地，先進節點為0.18微米；三廠的月產能為5萬片，先進節點為90納米；七廠是在建的華虹無錫12英寸晶圓廠，預計今年投產，最先進的技術節點是65/55納米，這也標志著華虹宏力踏上12英寸新征程。

兆易創新：SPI NOR Flash向高端應用演進

作為存儲器一大品類，SPI NOR Flash發展了很長時間，但還在不停地更新換代。去年8月，國際規范組織JEDEC通過了一個新的規范——xSPI，這是新一代超高速SPI接口的規范，將進一步提升SPI NOR Flash的性能。作為世界第三大SPI NOR Flash供應商，兆易創新去年出貨量約20億顆，累計出貨量已超過了100億顆。

兆易創新資深產品市場總監陳暉表示，從半導體芯片的制程工藝上看，Flash制程一直落后于邏輯制程，這限制了Flash進一步縮小晶體管的尺寸，所以到30nm節點，制程工藝很難再向下發展。這意味著高階制程的邏輯芯片內不能加入Flash的部分，需要一個外部的Flash支持它的代碼存儲。所以，大概從2004年剛剛推廣開始，到目前，SPI NOR Flash出貨量已經達到60億顆以上，“ NOR Flash是高可靠性的系統代碼存儲媒介，優點是指令協議簡單、信號引腳少、體積小，符合新的電子設備對體積的要求。”陳暉說道。

圖：陳暉，兆易創新資深產品市場總監

SPI協議接口的頻率和速度的發展經歷了幾代節點，從最初的20MHz，2.5MB/s，到2004年的50MHz，12.5MB/s，到2009年的104MHz，52MB/s，再到2018年的200MHz，400MB/s，即新規范的xSPI，八個I/O口，帶DTR。考慮到老客戶的需求，兆易創新今年推出了基于四個I/O口的通道協議，把頻率提高到200MHz，數據吞吐量達到200MB/s的產品。

圖：SPI協議接口的頻率和速度的發展

xSPI規范的推出，為NOR Flash在車載、AI和IoT之類熱點應用提供了更好的性能。在車載信息娛樂顯示屏應用中，用前一代的104MHz四口來存儲所有顯示屏的數據，其開機讀取需要超過五秒鐘，而用最新的八口協議，用200MHz DTR來讀，不到一秒鐘就全部讀取完。

在儀表盤顯示的應用中，NoR Flash的性能將直接影響到用戶體驗，因為現在的儀表盤分辨率越來越高，有2K甚至4K的顯示屏都在研發當中。NOR Flash有一大部分是要放圖像的數據。這些數據要通過NoR Flash讀取到DRAM里，再通過圖形控制器完成顯示。

這種性能提升的需求，同樣體現在AI的應用上。用前一代產品，在調用算法、AI數據庫時，速度會受到限制，只有用新一代八口的高速率的傳輸，才能夠保證AI芯片運作起來。以MPU為例，在AI應用中會經常調用不同的算法，在數據庫里進行各種比對，來實現對人、車、物的識別，Flash不僅存儲系統代碼，也會存儲算法和數據庫。AI運算需要頻繁調用存儲于Flash內的算法及數據庫，提高Flash 接口的數據吞吐量才能保證AI快速、高效的運算。

IoT應用更能夠體現NOR Flash性能提升帶來的助益。陳暉表示，IoT應用受到系統成本和功耗的約束非常大，不希望DRAM成為負擔，所以主芯片會從Flash里直接調用系統代碼，直接進行本地執行，即XIP（eXecute In Place）的概念——把Flash中存儲的系統代碼按指令讀到指定的Cache中執行，所以，提高Flash的數據吞吐量可以大幅度縮短固定字節數目的讀取時間，減少主芯片等待時間，提高主芯片運行效率。

圖：兆易創新的存儲系列產品

聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容侵權或者其他違規問題，請聯系本站處理。舉報投訴