首頁Top區塊
- Advertisement -
打造完善自駕車生態系 科技部攜手NVIDIA簽署合作意向書
為協助台灣打造更完善自駕車生態系,科技部近日與NVIDIA簽訂合作意向書,規劃於台灣智駕測試實驗室與NVIDIA全新的自駕車系統開發驗證平台展開全面合作,包含自駕車虛擬模擬軟體、決策系統與自駕車體等,提升相關技術研發動能。
科技部長陳良基表示,自駕車的出現,打破傳統汽車領域封閉整合的產業結構。這是一個全新的藍海市場,台灣的汽車產業雖然不比歐美日等汽車大國,但台灣具有深厚的IT資通訊實力,將有助產業界跟上自駕車的浪潮,只要策略正確,就有機會打入國際市場。
NVIDIA全球副總裁暨台灣區總經理邱麗孟提到,藉由NVIDIA在車用AI平台上的優勢,台灣車用IC、車載資通訊與車用電子等相關業者,都能透過運用並整合NVIDIA的軟體技術和硬體設備,為全球汽車製造商打造完整的自駕車生態系,大幅縮短自駕技術開發的時程並加速商用化。
NVIDIA研發之自駕車模擬平台DRIVE Constellation、自駕車模擬系統Drive Sim與Drive AGX,以及自駕車體BB8,從影像感知系統、人機介面整合及感知程序等模組,到整部測試車均為其重點項目。
台灣智駕測試實驗室已於2月25日正式開幕並由國研院維運,為強化針對自動駕駛主要關鍵程序「感知」、「決策」及「控制」三方面之測試能量,國研院將與NVIDIA共同投入建立完整的測試服務平台,除滿足產學研界進行自駕車發展時之軟體開發、控制技術、硬體規格等研發需求之外,也將投入自駕車開發者生態圈、新創公司培育專案、辦理深度學習學院及工作坊,並協助監視器及感應器業者設置測試環境。
另外,台灣智駕測試實驗室未來將在NVIDIA協助下,致力營造更便利之自駕車技術研發平台,持續提升虛擬模擬平台、資料彙整平台及場域測試服務能量。利用場域內道路情境、輔助測試設備及虛實整合研發服務平台,除可協助國內學研界及自駕車廠商完成測試評估,在「無人載具科技創新實驗條例」沙盒環境下認證上路之外,亦可提升相關技術開發與落實應用,促成台灣自駕車產業快速發展。
國研院院長王永和指出,與現今自駕車主要的行駛環境相較,台灣的用路環境有行人、機車、汽車等高度混流,交通環境複雜許多。若能發展適合在複雜環境下行駛無礙的自駕車,必定是相關產業發展重點。未來與NVIDIA展開合作,逐步引進NVIDIA自駕車研發能量,以智駕測試實驗室為據點形成研發聚落,協助台灣產學研界研發自駕技術並落實於應用,相信此合作案可為產、學、研界創造三贏的局面。
5nm/6nm製程相繼釋出 三星/台積雙雄競爭更趨白熱化
台積電、三星(Samsung)再掀先進製程競爭戰火,三星近期宣布其5奈米(nm)FinFET製程技術已開發完成,並可為客戶提供樣品,且由於加入了極紫外線(EUV)技術,進一步提升晶片功耗與性能;而繼三星宣布5nm技術完成開發後,台積電也旋即發布其6nm製程消息,並預計於2020年第一季進入試產。兩大晶圓代工強權相繼釋出先進製程進度,較勁意味可說十分濃厚。
據悉,與7nm相比,三星的5nm FinFET製程技術將晶片邏輯區域效率提高了25%,功耗降低20%,性能提高10%;同時三星還將自己在7奈米製程的所有智慧財產權使用至5奈米製程中,以減少客戶從7奈米轉換至5奈米的成本,並可以預先驗證設計生態系統,縮短5奈米產品開發流程和時間。
三星晶圓代工業務執行副總裁Charlie Ba表示,成功完成5nm製程技術開發,證明了三星在基於EUV節點的能力,而為因應市場對先進製程不斷成長的需求,未來將會致力加速基於EUV技術的晶片量產,滿足5G、人工智慧(AI)、汽車、高性能運算(HPC)等新興應用。
目前三星晶圓製造業務與「三星高級代工生態系統(SAFE)」合作夥伴密切合作,為三星5奈米製程提供強大的設計基礎架構,包括製程設計套件(PDK、設計方法(DM)、電子設計自動化(EDA)工具和IP都已從2018年第4季開始提供。
三星指出,目前已開始向客戶提供5奈米多專案晶圓(Multi-Project Wafer, MPW)的服務,同時在6奈米製程上已經成功流片,7奈米製程則即將進入量產階段,未來還預計擴大位於首爾華城的EUV生產線(預定2019年下半年完成),加速EUV晶片生產。
另一方面,在三星宣布其5nm製程完成後,台積電也公開回擊,宣布推出6奈米(N6)製程技術,大幅強化目前的7奈米(N7)技術,協助客戶在效能與成本之間取得高度競爭力的優勢,同時藉由N7技術設計的直接移轉而達到加速產品上市的目標。
台積公司業務開發副總經理張曉強指出,N6技術將會延續台積電目前的市場競爭優勢,提供客戶更高的效能與成本效益,並使客戶能夠藉由完備的設計生態系統,迅速的從此項新技術之中獲取更高的產品價值。
藉由目前試產中的7奈米強效版(N7+)使用EUV微影技術所獲得的新能力,台積電N6技術的邏輯密度較N7技術增加18%;同時,N6技術的設計法則與通過考驗的N7技術完全相容,使得7奈米完備的設計生態系統能夠被再使用。換言之,N6提供客戶一個具備快速設計週期且只須使用非常有限的工程資源的無縫升級路徑,支援客戶採用此項嶄新的技術來達成產品的效益。
台積電指出,N6技術預計於2020年第一季進入試產,提供客戶更多具成本效益的優勢,並且延續7奈米家族在功耗及效能上的優勢,支援多樣化的產品應用,包括高階到中階行動產品、消費性應用、AI、網通、5G基礎架構、繪圖處理器以及高效能運算。
Intel退出5G智慧手機基頻晶片業務 專注發展基礎設施
英特爾(Intel)宣布打算退出5G智慧型手機基頻晶片業務,並完成了對 PC、物聯網和其他以數據為中心設備使用的4G和5G基頻晶片的評估工作之後,英特爾將繼續專注投資發展5G網路基礎設施業務。
英特爾表示將繼續履行對現有4G智慧型手機基頻晶片產品線的客戶承諾,但不準備在智慧型手機領域推出5G基頻晶片,包括最初計劃在2020年推出的產品。
英特爾執行長Bob Swan指出,英特爾對5G的發展以及網路的雲化感到非常興奮,但在智慧型手機基頻晶片業務中,顯然沒有明確的盈利機會和符合期望的回報。5G業務仍是整個英特爾的發展重點,團隊已經開發了有價值的無線產品和智慧財產權組合。而英特爾正在評估各種選擇,來實現所創造的價值,包括各種資料中心平台和5G設備所內含的機會。
2018全球OSD市場 Sony穩居龍頭
產業研究機構IC Insights發表2019年光電-感測器/致動器-離散元件(O-S-D)研究報告,目前銷售光電元件的公司在前十大O-S-D供應商中排名第一,前十大公司中有九家銷售光電元件,六家提供感測器/致動器,五家提供離散元件。前十大公司中只有四家三類產品都有經營。排名中的10大供應商占2018年全球OSD市場規模的39%,與2017年接近。
在區域基礎上,前十大供應商中有三家總部設在日本,三家在歐洲,兩家在美國,兩家在亞太地區(韓國、中國各一)。值得注意的是,儘管日本經濟持續疲軟,日本在光電和離散電池方面的強大地位繼續使三家最大的日本半導體製造商保持在前十大O-S-D排名中。由於成本壓力,許多日本供應商已逐步淘汰商品經銷商,現在將產品生產外包。此外,許多日本公司也強化對CMOS影像感測器以及相關元件的投入。
與2017年相較,三家公司在2018年排名前10位的排名改變了位置。其中兩家公司在排名上升(ST和OmniVision),而一家公司則下降(Nichia)。2018年CMOS影像感測器供應商OmniVision為新進榜公司,去年其銷售額成長10%至約16億美元。2018年前四大OSD供應商與2017年相同。日本最大的CMOS影像感測器供應商Sony在2018年的銷售總額接近71億美元,輕鬆保持其排名第一的位置,排名第二是夏普的31億美元。在2017年強勁成長19%之後,由於智慧手機市場日趨成熟的CMOS影像感測器需求疲軟,以及光儲存光碟驅動器雷射拾取裝置的出貨量下降,Sony的O-S-D銷售成長在2018年僅放緩至3%。
前10大O-S-D供應商中有6家在2018年實現兩位數成長,其中ST 2018年O-S-D營收成長25%。ST的OSD銷售成長中約有一半來自離散元件,2018年成長27%至13億美元,部分原因是功率半導體,功率二極體以及年內市場供不應求的其他元件的銷售價格上漲。ST的O-S-D銷售成長的另一半來自光電元件收入,其中影像和光感測器的收入成長了48%,達到9.03億美元。
節能減碳無可妥協 電動車系統效能大躍進
車輛CO2排放法規並不新鮮,多年來一直由政府車輛監理機構實施。但最近的各國的目標更為提升,也為汽車電氣化趨勢更添動力。
中國身為全球最大的汽車市場,最近承諾禁止石化燃料汽車,挪威希望2025年銷售的所有乘用車都是零排放車輛,荷蘭則設定了2025年銷售的乘用車中50%需是零排放車輛的較低目標。印度正在推動到2030年只銷售電動車,而這可能只是我們將在全世界看到的法規的開始。從圖1可以看出,目前歐盟CO2排放目標將在2020年中實現,預計今後的排放限制將按照趨勢繼續下去。這些目標對內燃機(Internal Combustion Engine, ICE)的設計形成挑戰,如果沒有電動傳動系統元件作為車輛的混合動力或替代非石化燃料來源的貢獻,就無法實現這些挑戰。
圖1 歐美日汽車排碳標準發展趨勢
空氣品質惡化催生電動車商機
但挑戰不僅僅是石化燃料的消費和由此產生的二氧化碳排放而已。直接注射為基礎的內燃機(如柴油和高性能汽油發動機)產生的氮氧化物排放和顆粒物都是攸關健康的問題。這在都市中是不被接受的,導致相關法規愈趨嚴格-倫敦和巴黎等大城市正在禁止車輛進入市中心,而中國城市則透過日期限制車輛的使用。
車輛電氣化迫在眉睫,但市場將以多快的速度採用?(圖2)匯整了2050年以前車輛發展趨勢,ICE的比重將逐年減少,例如在2032年,50%的車輛將有電動馬達協助傳動系統。不過,燃油車輛要到2045年市占率才會低於50%。當然,未來道路上混合動力或電動車的確切數量將取決於許多經濟和社會因素,例如:
圖2 2015~2050年車輛發展趨勢
資料來源:Strategy Analytics、Evercore、NXP CMI
.汽油和柴油價格與電力價格比較。
.技術進步-規模經濟、電池成本效益提升、電池化學性能的改善以提高能量密度(範圍)、充電基礎設施的普及。
.越來越令人關切的問題:環境及氣候變化。
.消費者行為和對車輛擁有權的態度以及電動汽車技術接受度。
.關於燃油經濟性、二氧化碳排放和污染的法規的態度。
從圖2中還可以看到,有不同形式的電動汽車,從輕混合動力(Mild Hybrid, MHEV)到全混合動力(Full Hybrid EV, FHEV)和插電式混合動力電動汽車(Plug-in Hybrid EV, PHEV)到純電池電動汽車(Pure Battery EV, BEV)。未來每輛車,至少有一個電動機,協助燃油車。不出意外的話,隨著電力行駛的比重持續提升,二氧化碳減排效果將越來越明顯。
油電混合車發展迅速
傳統的ICE需要在寬鬆的駕駛條件下行駛。因此,在某些領域,特別是低速度/高扭力的效率受到影響。電動機是ICE的好夥伴,因為它們在低速時輸出最大扭力,這意味著ICE可以根據更適合的條件進行優化。
第一輛混合動力汽車是FHEV車型。由豐田普銳斯(Toyota Prius),於1997年首次推出,目前仍是銷量最高的混合動力汽車。自普銳斯問世以來,已經取得了許多進步,最顯著的是PHEV,其中增加了外掛程式功能為電池充電。在純電模式下,PHEV僅適用於短距離,通常為20~30公里。FHEV和PHEV往往從類似的電壓水準運行,約為400V(圖3)。
圖3 不同類型車輛的電動化程度
最近的FHEV和PHEV車輛有兩個電動機,一個是針對電池的剎車動能回收和充電而優化的,另一個是針對扭力和功率進行優化以帶動車輛。然而,由於電機在低速時非常強大,ICE可以在容量上縮小規模,也可以使用更省油的控制策略,比如Atkinson迴圈。在這種情況下,當活塞向上移動壓縮時,進氣閥保持打開時間更長,這會減少活塞向上移動的摩擦,使發動機效率更高,但使其變慢。另一種方法是REEV它有一個小ICE來為電池充電,而不是驅動車輪。
48V系統提升車輛效能
最近的一個創新以取代FHEV的是48V MHEV。這些基於ICE動力總成補充及一個中型鋰離子電池和一個可逆的48V電動機。其目的是支援低速加速,並在煞車時給電池充電。與傳統的12V系統相較,48V系統滿足了以更低的成本和體積,提供更多電力需求。在高壓混合動力汽車中可減少二氧化碳排放量近20~30%(CO2/km)的情況下,48V MHEV據稱可減少10~20%。因此,MHEV以20~30%的成本帶來了PHEV二氧化碳減排效益的70%。此外,48V系統可以很容易地整合到現有的車輛動力總成和架構。
48V系統帶來的第二個好處是能夠透過將機械負載轉換為48V電源的電氣負載,減少內燃機的負載,而減少二氧化碳排放。需要更高功率不間斷運行的應用最適合,如空調壓縮機、電子渦輪增壓、主動懸吊和動力轉向。與PHEV和FEV中使用的高壓系統相比,另一優勢是不需要特殊的隔離和保護(圖4)。
圖4 48V系統於車輛中運作概況
BEV將大約60%的電能從電網轉換為車輪上的電能。傳統汽油車輛只將儲存能量的20%轉化為車輛動力之前,這聽起來並不是很有效。為了提高消費者對電動車的認識,消除大眾採用的障礙,增加電池容量是實現這一目標的方法之一,但這也增加了重量、降低了效率。業界需要考慮其他系統方面的問題,如:
.減少電力驅動系統的損耗-儘管比ICE更有效率,但透過電動傳動系統仍有16%的能量損失。
.增加電車動能回收的使用-當剎車,車輛的慣性轉動電動發電機,產生電力,然後儲存在電池。
.減少充電損耗-當充電的電池,能量損失轉換交流電轉換到直流使用電池,以及在克服電池的充電阻力。
提升電動車效能各顯神通
為了提高電動傳動系統的效率,車廠不斷研究發展電機的科學及其在電動汽車上的應用。例如,BMW i3採用革命性的混合同步永磁磁阻電機來減少問題,同時在較高的速度範圍內提供高功率的技術發展。電機的速度越來越快,而在最有效的地方運行電機的需要,控制方法也越來越先進,涉及的數學模型越來越多。
多相電機的主題也在重新驗證,趨勢是六或更高的相位元數目。無論是純六相方法或雙工三相位設置,機械安裝與彼此固定的轉移。使用多相電機,每個相位的電流更小,因此可以調整元件的尺寸,再加上減少扭矩紋波,而有可能優化直流電容器的尺寸,並改善電池波動,最終可能改進範圍。多相控制的另一個好處是冗餘,因為即使在元件發生故障的情況下,操作也可以在較低的級別上繼續進行。
預測模型控制技術可用於利用卡爾曼濾波(Kalman Filtering)或狀態空間建模(State Space Modelling)來提高ICE或電動機的暫態效率。但另一種提高傳動系統效率和整體車輛效率的方法是更完善地決定在旅途的各個階段使用什麼扭力源。混合動力控制單元(Hybrid...
V2X晶片/車款紛問世 2021將成車聯網應用元年
2019世界通訊大會(2019 MWC)如期於台灣時間2019年2/25~2/28登場。本屆MWC主題聚焦在智慧連結(Intelligent Connectivity),並將大會定調為Intelligent Connectivity元年,5G、AI、大數據(Big Data)、IoT將會影響未來的體驗;與此同時,車聯網應用也在MWC 2019當中紛紛亮相,車聯網相關業者均將2021年設定為車聯網商用元年,並以此時程為目標積極進行研發與建置。
MWC車聯網應用紛問世
車聯網可說是2019 MWC另一亮點,各大車廠、晶片商、通訊設備業者和電信商均在展會上秀出量產商用級產品;而5G汽車協會(5GAA)更於MWC 2019期間宣布,C-V2X行動車聯網技術將準備在全球地區廣泛推行。
與此同時,5GAA的成員如愛立信(Ericsson)、西班牙電信(Telefónica)、Ficosa和Seat也相繼展示C-V2X應用。像是透過C-V2X直接連結用於城市安全駕駛(配有高精度地理定位解決方案),可預先得知下一個路口的狀況,包括盲彎右轉時偵測對向腳踏車或斑馬線上的行人路徑,且即時告知駕駛人即將進入路口;並使用路邊的寬頻訊號傳送器,透過邊緣運算(Edge Computing)運用與其他車輛進行溝通。
其餘如Continental與Vodafone也展示為保護用路人而研發的數位安全防護(Digital Safety-Shield)應用;此一應用是透過5G連網技術搭配C-V2X通訊技術,讓道路使用者更容易了解所處環境,並在德國Aldenhoven 5G行動實驗室測試實際狀況。
為加速C-V2X發展,5GAA也和全球認證論壇(GCF)宣布將合作推動C-V2X技術的認證和測試;雙方將整合資源和專業知識,以解決目前在認證能力和流程方面的問題,以促進全球C-V2X發展並縮短C-V2X產品的上市時間。
另一方面,浙江吉利控股集團則宣布計劃在2021年發布首批支持5G和C-V2X的量產車型。這些車型將由吉利聯合高新興集團(Gosuncn)和高通(Qualcomm)子公司Qualcomm Technologies打造。高新興與Qualcomm Technologies將為吉利提供基於Snapdragon車用5G平台的5G和C-V2X產品。
吉利汽車早於2018年便發布了自動駕駛領域的G-Pilot四步戰略。目前,吉利汽車部分車型的自動駕駛水平已經達到Level 2,預測將在2021年提升部分車型至L3級別,同時搭載5G和C-V2X技術產品。吉利認為,在2021年發布的新車型將會激發市場對L2級別車型上5G和C-V2X的通訊需求,以及對L3級別無人駕駛技術的探索。
吉利研究院副院長沈子瑜表示,未來吉利汽車都會引入融合5G和C-V2X技術的產品,而該公司首款搭載L3級別無人駕駛系統的車款,將會成為打開5G和C-V2X時代的旗艦車型。
高新興集團董事長劉雙廣也指出,5G及C-V2X將成為自動駕駛的核心技術之一。此次與Qualcomm Technologies一起為吉利提供安全、可靠的5G和C-V2X連接和產品,是相當令人興奮的事情;未來也會持續配合吉利實現高頻寬、低延遲的技術驗證,使其新車型能如期上市。
2021車聯網商用開跑供應鏈摩拳擦掌
資策會產業情報研究所所長詹文男表示,在MWC 2019,車聯網相關業者均將2021年設定為車聯網商用元年,並以此時程為目標積極進行研發與建置。在網路通訊端,半導體、設備與車廠深度合作,陸續提出整合Wi-Fi、藍牙、GPS、可雙頻支援DSRC/C-V2X、可跨區等具通用性的量產級解決方案,以進一步降低聯網車與電信網路在設計與生產上的複雜度。
晶片商力攻V2X商機 高通/華為率先出擊
為達到2021車聯網商用目標,晶片業者可說是加快布局腳步,推出相關產品,以搶占市場先機,高通、華為尤為積極,旗下的V2X方案皆已亮相。
高通於2019 MWC展會期間發布針對新一代連網汽車所打造的Snapdragon車用4G平台及Snapdragon車用5G平台。Snapdragon車用4G及5G平台具備整合式C-V2X直接通訊技術、高精準度多頻全球衛星導航系統(HP-GNSS)以及射頻前端(RFFE)功能,用以支援全球主要電信營運商使用的關鍵頻段。
高通技術公司產品管理資深副總裁Nakul Duggal表示,最新的Snapdragon車用平台將有助於推動連網汽車進入5G時代,提供數千兆位元且低延遲的連線速度、精準到巷弄程度的導航能力以及完整的整合式C-V2X解決方案,以提升車輛及交通運輸基礎設施的用路安全。透過這些新的無線解決方案,可支援汽車製造商、一級的道路基礎設施消費者,開發出更快速、更安全且更有鑑別度的新一代連網汽車產品。
據悉,Snapdragon車用4G平台是高通技術公司的第六代多模LTE車用數據機,其設計旨在支援最高達5個LTE載波聚合的全維度多重輸入多重輸出(FD-MIMO),讓此平台能夠使用全球電信營運商布建的各種頻譜。
另一款Snapdragon車用5G平台則符合3GPP Release 15規範,且因利用了高通旗下5G新空無線電創新技術及解決方案,此平台可支援FDD及TDD網路,以及獨立式(SA)和非獨立式(NSA)運作模式。此外,Snapdragon車用5G平台亦設計用以支援各式各樣的新興行動服務模式,而這也是全球首次在車用平台中支援雙卡雙通功能,讓汽車和駕駛可各自選擇專屬的網路營運商資費方案,並透過遠端服務提供進行管理。
此外,Snapdragon車用4G及5G平台皆具備IP加速(IPA)功能,優化LTE與輔助高通Wi-Fi 6產品之間的數據傳輸能力,同時亦支援高通車載資通訊軟體開發套件(SDK),提供應用程式開發的環境;整合式C-V2X技術透過支援直接V2V和直接V2I通訊,以及搭載4G和5G的WWAN汽車連網(V2N)能力,協助改善道路安全意識、改善交通效率以減少壅塞情形並增加運輸容量。
不僅如此,新推出的車用4G和5G平台還支援同步多頻率與多重衛星全球導航系統(GNSS),包括全球定位系統(GPS)、伽利略定位系統(Galileo)、全球導航衛星系統(Glonass)、北斗衛星導航系統(BDS)及準天頂衛星系統(QZSS)等,並配有高通慣性導航技術3(QDR3),此優化的技術可用以提供精準度極高的定位能力,搭配全面且幾乎可隨時隨地使用的3D導航解決方案。
至於華為則是發布5G多模終端晶片「Balong 5000」,可支援多種豐富的產品形態,除了智慧手機外,還包括家庭寬頻終端、車載終端和5G模組等。華為指出,Balong 5000是全球首個支援V2X的多模晶片,可以提供低延遲、高可靠的車聯網方案。
據悉,Balong 5000具備小體積、整合度高的優勢,能夠在單晶片內實現2G、3G、4G和5G多種網路模式,有效降低多模間資料交換產生的延遲和功耗;並支持SA和NSA組網方式,可以靈活應對5G產業發展不同階段下使用者和運營商對硬體設備的通訊能力要求。
另外,Balong...
布局邊緣運算市場 AMD推新SoC擴展嵌入式產品陣容
隨著社群網站的蓬勃發展、5G商用化的來臨以及人工智慧的應用愈加多元,數據傳輸速度的需求也更高。對此,AMD宣布擴大Ryzen嵌入式產品陣容,推出全新AMD Ryzen R1000嵌入式處理器。
AMD嵌入式解決方案事業群產品管理與業務發展總監Stephen Turnbull表示,現在人們對數據傳輸的依賴越來越高,舉例來說,在臉書上每小時就有400小時的影片上傳量,加上5G的商用、生物辨識應用等等,需要在邊緣近行更多運算、更智慧化。AMD Ryzen R1000嵌入式處理器能支援各種類型的多媒體環境,包括博弈機台、數位顯示器、邊緣運算的企業級安全功能、聯網與精簡型電腦裝置,同時提供軟硬體的相容性。
另外,Turnbull也提到,目前安全性的問題備受重視,AMD Ryzen R1000嵌入式處理器擁有企業等級的安全性,其中包括安全信任根(Secure Root of Trust)以及安全運行技術(Secure Run Technology),藉由這些功能,在連至邊緣運算網路或運型數位螢幕時,可以打造各種安全解決方案。
AMD Ryzen R1000嵌入式處理器擴展了Ryzen嵌入式產品陣容,以開發各種高效能低功耗解決方案。目前研華(Advantech)、東擎科技(ASRock Industrial Computer Corp.)、廣積(IBASE)、Netnorome、鼎通盛(Quixant)等廠商已著手開發搭載AMD Ryzen R1000嵌入式處理器的產品。
此外,由於嵌入式產業要求更沉浸式、更具吸引力的視覺體驗,支援高解析度螢幕以處理繁重運算圖像資料的處理器需求也跟著提高。新推出的嵌入式處理器能支援3台更新率達60FPS的4K螢幕,且提供H.265編碼/解碼(10b)與VP9解碼功能,讓OEM與ODM廠商打造優良的視覺環境。
5G傳輸/應用複雜度大增 AI引擎克服密集運算挑戰
許多產品中機器學習的採用(通常採用DNN/CNN網路的形式)大大增加了運算密度的需求。AI引擎針對線性代數進行了最佳化,可滿足這些要求的運算密度,同時與可編程邏輯中執行的類似功能相比,功耗也降低了50%。AI引擎使用了許多工程師所熟悉的C/C++範例進行程式設計。AI引擎與賽靈思的自行調適與純量引擎整合,可提供高度靈活且功能強大的整體解決方案。
技術進步推動運算密度提高
多種技術的進步推動了對非線性更高運算密度的需求。採樣速率為每秒千兆赫的資料轉換器能夠對RF訊號直接採樣,這雖然簡化了類比系統,但需要相應數量級更高的DSP運算密度支援。直接RF採樣結合多個天線的使用,例如具有數萬個天線的高階雷達系統。
圍繞5G無線的炒作多年來不斷醞釀,5G將環境中的所有內容連接到比基地台連線速度快一百倍的網路,比最快速的家庭寬頻服務也要快十倍,該技術有望改變人們的生活。毫米波、大規模MIMO、全雙工、波束成形和小型基地台只是其中幾項運用超高速5G網路的技術。5G的兩大優勢在於速度和低延遲,能夠支援從自動駕駛汽車到虛擬實境的多種新應用。這些技術將運算密度和記憶體要求提高到超越4G的數量級。
使用 5G、大規模 MIMO、多天線和頻段等新技術也將複雜性提高至4G的100 倍。複雜性的增加直接推動了運算密度、記憶體要求和RF資料轉換器的效能(圖1)。
圖1 5G複雜性與4G
摩爾定律備受挑戰
1965年,英特爾聯合創辦人戈登·摩爾(Gordon Moore)觀察到積體電路中的元件數量每兩年翻一番。在1965年,這意味著每個晶片中布局50個電晶體將提供最低的每電晶體成本;摩爾預測,到1970年,每個晶片將增加1,000個元件,每個電晶體的價格將下降超過90%。
摩爾後來將此修改為每兩年增加一倍的資源,從1975年到2012年大致符合預測。摩爾定律預測每個新型更小的製程節點均將提供更大的密度、更高的效能和更低的功耗,以及更低的成本。該觀察結果稱為「摩爾定律」,並持續了大約 50 年。
摩爾定律的原則是提高IC密度、效能和可負擔性的推動因素,不過,隨著IC製程節點達到28nm及以下,出現了「違反」摩爾定律的現象。在較小的製程節點上構建的元件的功耗、成本與效能不再易於預測。5G基地台系統的運算需求與可編程邏輯運算密度之間存在差距。第5代基地台所需的成本、功耗和效能超過了可編程邏輯滿足系統級目標的能力。
因應無線/機器學習 AI引擎相繼問世
為因應下一代無線和機器學習應用對提高運算密度與降低功耗要求的非線性需求增長,半導體業者如賽靈思開始研究創新架構,進而開發出AI 引擎。AI引擎以及自行調適引擎(可編程邏輯)和純量引擎(處理器子系統)形成一個緊密整合的異質運算平台。AI引擎為採用向量的演算法提供了高達5倍的運算密度。自行調適引擎提供靈活的客製運算和資料移動,而純量引擎提供了複雜的軟體支援(圖2)。
圖2 異質運算
圖3則說明了 AI 引擎介面分塊到2D陣列的組成。
圖3 AI引擎陣列
每個AI引擎分塊包括用於定點和浮點運算的向量處理器、純量處理器、專用程式和資料記憶體、專用AXI資料移動通道,以及DMA和鎖止。AI引擎是一組單指令多資料(SIMD)和超長指令字(VLIW),提供多達6路指令並行性,包括每個時脈週期兩/三次純量運算,兩次向量載入和一個次寫操作及一次定點或浮點向量運算。
AI引擎陣列針對即時DSP和AI/ML運算進行了最佳化,通過專用資料和指令記憶體、DMA、鎖止和軟體工具的組合提供確定性時序。專用資料和指令儲存是靜態的,消除了由於緩存失敗和相關填充而產生的不一致性。
簡而言之,AI引擎的目標和目的來自使用DSP和AI/ML的運算密集型應用。其他市場需求包括更高的開發人員生產力與抽象級別,這些都推動了開發工具的發展。AI引擎的開發旨在提供四個主要優勢:
1.與運算密集型應用的PL運算相比,每個晶片面積的運算容量提高3到8倍。
2.與PL中達到的相同功能相比,能將運算密集型功耗降低50%。
3.提供確定性、高效能的即時DSP功能。
4.顯著改善開發環境並提高設計人員的工作效率。
AI引擎原始圖像分塊架構細節
要想真正掌握AI引擎的巨大功能,必須對其架構和功能有一個大致的瞭解。圖4中顯示的AI引擎分塊提供了每個分塊中資源的詳細運算,包括:
.專用的16KB指令記憶體和32KB RAM
.32b RISC純量處理器
.512b定點和512b浮點向量處理器,帶有相關的向量暫存器
.同步處理常式(Synchronization Handler)
.追蹤和除錯
圖4 AI引擎分塊細節
透過使用專用AXI總線路由和直連相鄰AI引擎分塊的組合,將具有專用指令和資料記憶體的AI引擎與其他AI引擎分塊互聯。針對資料移動,專用DMA引擎和鎖止可直接連接專用AXI匯流排連接、資料移動和同步。
運算元精確支援
向量處理器由整數和浮點單元組成。支援8位元、16位元、32位元和單精確度浮點(SPFP)的運算元。對於不同的運算元,每個時脈週期的運算元都會發生變化,如表1所示。
指令和資料並行
通過指令級和資料級並行性落實多級並行。指令級並行性如圖5所示。對於每個時脈週期、兩個純量指令、兩個向量讀取、一個單向量寫入和單向量指令執行的6路VLIW。
圖5 AI指令級並行
資料級並行是通過向量級操作達到的,其中可以在每個時脈週期的基礎上操作多組資料,如表1所示。
確定性效能與連線性
AI引擎架構是為即時處理應用開發的,這些應用需要確定性的效能。兩大關鍵的架構特性確保了確定性的時間:
.專用指令和資料記憶體
.專用連線性與DMA引擎配合使用,以利用AI引擎分塊之間的連線性進行預定資料移動
直接記憶體(DM)介面提供AI引擎分塊與其鄰近分塊間的直接存取,AI引擎分塊資料記憶體可以直接存取北、南和西。這通常用於在整個處理鏈產生和/或消耗資料的同時,將結果移動到向量處理器或從向量處理器移開的結果。實施資料記憶體以落實「乒乓」緩存方案,將記憶體爭用對效能的影響降至最低。
最簡單的AI引擎到AI引擎資料移動形式是通過直接相鄰AI引擎分塊之間的共用記憶體。但是,當分塊距離較遠時,AI引擎分塊需要使用AXI-Streaming資料流程。AXI-Streaming連接是由AI引擎編譯器工具根據資料流程圖進行預定義和編程的,這些串流介面也可用於直接與PL和NoC連接(圖6)。
圖6 Al引擎陣列AXI-MM和AXI-Stream互聯
AI引擎和PL連線性
Versal產品組合的主張之一是能夠在自行調適引擎中使用AI引擎陣列和可編程邏輯。這一資源組合為在最佳資源、AI引擎、自行調適引擎或純量引擎中,讓功能提供了極大的靈活性。圖7顯示了AI引擎陣列和可編程邏輯之間的連接,稱為「AI引擎陣列介面」。AXI-Streaming連接存在於AI引擎陣列介面的每一側,並將連接擴展到可編程邏輯中,並分別擴展到網路單晶(NoC)。
圖7 AI 引擎陣列介面
在每個AI引擎分塊中整合了控制、除錯和追蹤功能,為除錯和效能監控的最佳化提供了可視性。透過Versal產品組合中引入的高速除錯埠,可以存取除錯功能。
AI引擎/可編程邏輯運行對比
AI引擎目標和目的章節提供了是否能滿足應用和市場需求所需的指標。可以通過在PL和AI引擎中運行4G和5G基地台來測算架構的有效性。結果總結表明,採用AI引擎的解決方案可以提供以下:
.與在相同製程節點上的PL中運行的相同功能相比,晶片面積要小3~8倍
.功耗約為PL運算的50%
對於那些不適合向量運行的功能,AI引擎的效率要低得多,因此AI引擎通常不太適合此類功能。在這些情況下,PL將是更好的解決方案。AI引擎和 PL旨在作為運算對等體運行,二者各自處理與其優勢相匹配的功能。
PL非常適合資料移動、面向比特的功能和非採用向量的運算;還可以為非AI引擎支援的操作落實自訂加速器。PL和AI引擎相互補充,能夠形成更強大的系統級解決方案。在大多數運算密集型應用中,可編程邏輯仍然是一種非常有價值的資源;AI引擎/PL組合可提供靈活性、高運算效能和高頻寬資料移動和儲存。
採用AI引擎架構的因應密集運算需求
Versal元件包括三種類型的可編程處理器:Arm處理器子系統(PS)、可編程邏輯(PL)和AI引擎。各自提供用於滿足整個系統中不同部分的各種運算能力。Arm處理器通常用於控制面應用、作業系統、通訊介面,以及更低階或更複雜的運算。PL執行資料操作和傳輸、非採用向量的運算和連接。AI引擎通常用於向量運算中的運算密集型功能。
圖8提供了Versal元件的高階視圖,其中AI引擎陣列位於元件頂部。直接和通過網路單晶片(NOC)支援AI引擎陣列和PL之間的連接。
圖8 具備AI引擎架構的Versal ACAP概述
近年來,半導體業者如賽靈思,非常重視使用高階語言(HLL)來幫助提高元件開發的抽象級別。Versal架構有三個存在根本性差異可編程元素:PL、PS和AI引擎。這三個都可以使用C/C++進行程式設計。
使用採用x86的模擬環境,AI引擎模擬可以具備功能性或迴圈精確性。對於系統級模擬,可以使用支援所有三個處理域的System-C虛擬平台。
開發環境中的關鍵元素是支援DSP和無線功能、ML和AI、線性代數和矩陣數學的AI引擎庫。這些函式庫針對效率和效能進行了最佳化,使開發人員能夠充分利用AI引擎功能。
AI引擎應用
AI引擎針對運算密集型應用進行了最佳化,特別是數位訊號處理(DSP)和一些人工智慧(AI)技術,如機器學習(ML)和5G無線應用。
使用AI引擎 數位訊號處理器效能升
即時 DSP 廣泛用於無線通訊。賽靈思比較了經典窄頻和寬頻無線電設計原理、大規模MIMO以及頻寬和數位前端概念的落實,驗證了AI引擎架構非常適合構建無線解決方案。
在Versal元件的一部分中運行了100MHz 5通道LTE20無線。五個16b輸入資料通道以30.72 MSPS的速率進行流傳輸,並在89抽頭通道濾波器中處理。然後使用兩級半帶濾波器(23和11抽頭)對訊號進行四次上採樣,得到122.88 MSPS的取樣速率。
然後將上採樣流與直接數位綜合(DDS)正弦/余弦波函數混合並求和。另外兩個半帶濾波器(47和27抽頭)進行四次上採樣,產生491.52 MSPS輸入流,以達到波峰因數降低(CFR)功能。由41抽頭濾波器提供的五上/四下分數速率變化,導致614.4 MSPS輸入取樣速率達到數字預失真(DPD)功能要求。
在PL中運算峰值檢測器/比例查找(PD/SF)電路;491.52 MSPS...
Wave Computing再推TritonAI 64平台 布局邊緣AI應用市場
Wave Computing積極布局人工智慧(AI)和邊緣運算(Edge Computing)。繼之前日前宣布即將開放MIPS架構(ISA),供全球半導體企業、開發人員及大學開發新一代的系統單晶片(SoC)外,該公司於近期宣布推出全新TritonAI 64平台,讓使用者可透過單一平台就能用因應各種AI應用案例;同時,該平台提供高效的邊緣推理和訓練效能,以支持當今的AI演算法,同時為使用者提供未來所需的靈活性,確保其對AI演算法的投資。
Wave Computing首席執行長Derek Meyer表示,AI邊緣應用案例正迅速的成長,因而加劇系統單晶片(SoC)設計人員的挑戰。然而,傳統的IP產品並非專為AI設計,為此,該公司推出全新的AI平台TritonAI 64,實現AI邊緣應用的所需的推理和訓練,以支援現今和未來的AI應用;同時,TritonAI 64的推出是繼2018年收購MIPS的另一個里程碑,因其增強了該公司從數據中心到邊緣裝置的AI產品線。
根據技術分析公司Tractica研究指出,到了2025年,人工智慧產品全球市場規模將超過170億美元;而AI邊緣應用的潛在市場範圍(Total Addressable Market)則超過1億美元,成長的因素來自於對於更高效能的推理運算、訓練及AI工作負載日益增加。
而Wave Computing所發布的TritonAI 64,將讓使用者可透過單一平台因應各種AI使用案例。此一平台的特性包括具備MIPS 64位元SIMD引擎,此一引擎可與Wave獨有資料流程圖(Dataflow)和以張量為基礎(Tensor-based)的可配置技術(Configurable Technology)相結合,以及MIPS整合開發環境(IDE)和基於Linux的TensorFlow編程環境。
Gartner:2019年全球PC/手機出貨表現持平
國際研究暨顧問機構Gartner預測,2019年個人電腦(PC)、平板和手機等裝置的全球出貨量將達到22.1億台,與前一年相比表現持平。PC出貨量仍將持續下滑,但手機市場可望於2020年恢復成長。Gartner認為,2019年PC出貨量預估為2.58億台,較2018年下滑0.6%,連續第八年成長出現停滯。2019年傳統PC將下滑3%,出貨量約1.89億台。
Gartner進一步指出,近期越來越多消費者淘汰現有PC卻不考慮購買新機,因此2019年PC出貨量將再減少250萬台。微軟將於2020年1月停止支援Windows 7,因此延遲到2020年才開始升級成Windows 10的企業,將面臨作業系統不受支援的高風險。對企業用戶而言,升級Windows 10持續牽動PC市場邁向另一個階段,目前美國已進入升級的最後階段,而中國大陸的升級潮卻遞延,需要再多幾年才會升級完畢。Gartner分析師預測到了2021年,專業PC的作業系統有75%為Windows 10。
另外,2019年手機出貨量預估為18億台,較2018年下滑0.5%。使用者已經為手機的新科技和應用設下門檻,這意味著除非新機種具有非常新穎的用途、極高效率或絕佳體驗,否則使用者不會有升級的慾望或需求。因此,預期2019年高階手機銷售量將持續在成熟市場呈現下滑趨勢。Gartner預估2020年手機市場可恢復成長,較2019年提升1.2%。不過,廠商必須警覺消費者已開始延長手機使用年限;Gartner預測2023年時高階手機平均壽命將從2.6年增加到2.8年。
2019年世界行動通訊大會(MWC)上不少廠商都展示其摺疊手機,並將於2019年底推出。雖然Gartner分析師認為摺疊手機可望為智慧型手機市場重新注入創新元素,但考量諸多因素,短期市場接受度仍抱持謹慎態度。Gartner預估2023年摺疊手機將占高階手機市場5%,數量總計約3,000萬台。
Gartner分析師預估,消費者使用摺疊手機的方式將和一般智慧型手機相同,一天可能查看手機幾百次,偶而將其展開在塑膠螢幕上打字;就折疊方式來看,塑膠螢幕可能很快就會產生刮痕。由於摺疊手機在製造技術仍面臨諸多挑戰,估計未來五年這類手機仍將為利基(Niche)產品。而除了螢幕面板外,價格也將成為消費者選購時的一大障礙,目前摺疊手機訂價約為2,000美元,即使售價將隨時間下滑,對許多早期採用者(Early Adopter)而言這個價位仍稍嫌昂貴了些。」












