首頁Top區塊

中國自2005年以來一直是半導體最大的消費國，根據產業研究機構IC Insights的最新研究指出，中國的IC產量並沒有立即出現大幅提升。中國的IC產量占其2018年1550億美元IC市場的15.3%，高於2013年前的12.6%。此外，IC Insights預測2023年中國IC產能將提升至其市場規模的20.5%。預計中國的IC產量在2018~2023年間將呈現15%的年複合成長率(CAGR)。SK海力士、三星、英特爾和台積電是在中國擁有重要IC產品的主要外國IC製造商。 英特爾在中國大連的12吋晶圓廠(Fab 68於2010年10月下旬開始生產MCU)於2015年第三季閒置，因為該公司將晶圓廠轉為3D NAND Flash製造。截至2018年12月，英特爾中國工廠的產能為滿載每月7萬片12吋晶圓。另外，2012年初，三星獲得韓國政府的批准，在中國西安建立一個12吋IC製造廠，生產NAND Flash。三星于2012年9月開始建設該工廠，並於2014年第二季開始生產。該公司在第一階段投資了23億美元，預算總額為70億美元。該工廠是2017年三星3D NAND生產的主要工廠，截至2018年12月，該工廠每月產能10萬片晶圓，三星計劃將該工廠擴建至每月20萬片晶圓。 預計未來五年IC銷售量將大幅增加，包括中芯國際(SMIC)和華虹集團以及長江儲存(YMTC)和長鑫儲存(CXMT)。DRAM廠福建晉華(JHICC)目前處於擱置狀態，等待美國對該公司實施的製​​裁。此外，有可能有新公司希望在中國建立IC產線，如台灣的富士康，該公司於2018年12月宣布擬在中國投資90億美元建立半導體產線，提供代工服務以及生產電視晶片和影像感測器。 IC Insights預測，如果中國的IC產能在2023年擴張至470億美元，那麼它仍然只占2023年全球IC市場總額的5714億美元的8.2%。即使由YMTC和CXMT等中國新創半導體廠建立新的IC生產，IC Insights也認為外國公司將繼續成為中國IC生產基地的重要組成。因此，IC Insights預測，2023年中國至少50%的IC生產將來自在中國擁有晶圓廠的外國公司，如SK海力士、三星、英特爾、台積電、聯電、Globalfoundries和富士康等。IC Insights認為中國目前的本土IC產業發展將遠遠落後於中國政府「中國製造2025」計劃的目標，即2020年實現40%的自給率，2025年70%自給率。  

德國半導體大廠英飛淩(Infineon)科技在功率半導體領域市占全球第一、車用半導體領域全球第二。2018年全球營收達76億歐元，而本於讓人們的生活更加便利、安全和環保的目標之下；2019年，也將在汽車電子、工業電源控制、電源管理與多元電子、數位安全解決方案等四大事業持續推動與發展。 德國本來就是全球汽車產業最發達的國家之一，因此英飛淩投入汽車電子領域甚早，該公司大中華區總裁蘇華表示，英飛凌是為數不多的能全面涵蓋汽車領域重要應用的汽車半導體製造商之一，產品組合包括微控制器、智慧感測器、射頻收發IC、雷達以及分立式和整合式功率半導體，適用于動力總成、底盤、舒適性電子設備以及駕駛安全應用。 根據市調機構Strategy Analytics報告指出，英飛凌2017年汽車半導體市場市占率為10.8%，居業界第二，僅落後於恩智浦(NXP)的12.5%。蘇華指出，在汽車潔淨、安全、智慧的大趨勢下，電動車、ADAS、車聯網等技術與應用為來幾年將持續發展，2018會計年度，英飛凌汽車電子事業處營收為32.84億歐元，營收占比達43%，該公司有信心汽車電子業務將持續發展並更上一層樓。 而在工業電源控制部分，該領域對於高效發電和輸電而言至關重要，相關應用包括風力發電機、高壓直流輸電系統、儲能系統、電動車充電基礎設施以及家用電器等。為了進一步強化此領域業務，英飛凌致力發展碳化矽(SiC)技術，並應用於整合控制器、驅動器與功率開關的智慧功率模組(IPM)。根據IHS Markit的報告，英飛凌在分立式功率半導體與模組市場中，以18.6%的市占率，連續15年居業界第一，蘇華說明，2018年，英飛凌工業電源控制部門營收13.23億歐元，占公司營收17%。 而在電源管理與多元電子方面，專注於打造用於能源管理的功率半導體以及用於無線基礎設施與行動裝置的元件，尤其是MOSFET產品。採用氮化鎵(GaN)製程的驅動器與控制器，近年產業潛力十足；在高頻與感測器領域，矽製程的MEMS麥克風、飛時測距(Time of Flight, ToF)解決方案都是熱門的產品，根據IHS Markit研究，英飛凌於2017年MOSFET功率半導體市場，市占率達26.3%，2018年度，該部門營收達23.18億歐元，占該公司整體營收31%。 而面對5G、物聯網、自駕車、AI等趨勢，蘇華強調英飛凌會採用靈活開放的策略，包括發展5G前端晶片解決方案、mmWave雷達應用、導入AI人工智慧與深度學習於其軟硬體產品中；製造部分該公司除了在德國擁有全球唯一量產的12吋功率半導體廠之外，也要在奧地利興建第二個12吋功率半導體廠，並且擴大委外代工，包括持續與台灣或中國的後段封裝廠的合作關係。

由於對智慧型手機需求的上升以及對電子設備性能的要求越來越高，3D感測器的需求跟著水漲船高。市調機構SBWire調查顯示，3D感測器能應用在許多不同的產業，例如消費電子產品、醫療保健、工業機器人、汽車、安全設備與影像監視；預計到了2026年，3D感測市場將從2016年的12.922億美元達到25.566億美元，年複合增長率為7.2%。 隨著智慧型手機的需求不斷上升，3D感測器的市場需求也逐漸擴大，其中以消費電子產品占了絕大多數，例如行動通訊設備中最重要的功能之一就是利用3D人臉辨識解鎖手機，以取代指紋或PIN的功能。 另外，3D人臉辨識功能使身份驗證更方便也更安全，因此可能很快就會成為行動支付App和行動身分識別服務(Mobile ID)中不可或缺的角色。至於醫療保健、汽車、航空與國防是採用3D影像的先驅，預計這些領域將是驅動3D感測器市場的重要因素。 另一方面，工業領域正迅速而廣泛地採用3D影像技術。智慧圖像感測器和其他工業發展持續開發3D影像在工業應用的能力。隨著對手勢探索應用(Gesture Exploration Application)的需求不斷成長，3D感測器提升了電子和汽車等巨大精密系統的性能和效率。從數位導航到手勢識別再到建設自動化，3D感測器能為所有不同需求的相機量身訂製專屬功能。 然而，由於較高的安裝成本，3D感測器也面臨了挑戰。3D影像系統肯定能比2D系統提供更多資訊，但構造也更加複雜。3D影像的主要難題是校準和某些校準規格的測量，這通常需要比平面校準更多的資訊才能達成。此外，3D影像系統的高成本是另一個障礙，這些系統難以滿足對價格敏感的市場。因此，技術困難和高成本是這些系統普及化的主要障礙。 然而，受到不斷擴大的市場和潛在需求的吸引，企業也正藉由策略性併購、收購和與其他產業合作來拓展3D感測器事業版圖。Apple在iPhone X上發布了3D感測設備，並支付了約3.9億美元給其VCSEL供應商Finisar。3D感測器市場中著名的公司包括了英飛凌(Infineon)、豪威科技(Omnivision)、Occipital、PMD、微芯(Microchip)​​、康耐視(Cognex)、英特爾(Intel)、宜福門電子(Ifm)、LMI和德州儀器(TI)。許多公司正致力於透過策略性收購以及與產業合作擴展旗下業務。

本文的目標讀者為期望拓展關於執行同步創新方法新知的通訊及訊號處理工程師，以及有志於NB-IoT通訊系統的工程師。並提出同步程序，以強化NB-IoT在UE喚醒時的主要同步程序性能。此新程序能讓UE以相對低的偵測延遲評估傳輸的NB-IoT訊號正時及頻率，即使在非常艱困的都會環境亦然；此程序是發展用在CEVA-X核心系列進行高效率執行。 本文分為上下兩篇，上篇主要探討不同的已知同步程序、討論其優缺點；下篇則針對DSP架構實作提出能加強運用窄頻主要同步訊號(NPSS)結構的新同步程序。 NPSS同步有訣竅 同步程序可視為以少數未知參數進行估算的程序，如時間、頻率、相位及其他等等。這類問題已在不同領域經過廣泛調查，如通訊、GPS系統、雷達及聲納。 同步程序是接收資料或估算目標參數的第一步。接收器已明確或部分已知預先判定的訊號(也稱為領航訊號)，領航訊號的一般構造也是如此(如訊號期間和重複模式)。以領航訊號的知識為基礎，UE即可校準系統組態以提升資訊處理能力。 在此處的NB-IoT主要同步階段範例中，主要重點為接收器已知領航訊號，並可因此估算系統參數。 NB-IoT UE使用NPSS以執行蜂巢網同步的主要部分，亦即估算基礎系統參數(如無線訊框的正時和傳輸訊號的頻率)。無線訊框開頭的估算是直接以領航訊號(NPSS)開頭的估算為基礎，無任何模糊性。 以同步而言，假定訊號可用原生取樣頻率240kHz(低速率)或更高的1.92MHz取樣頻率(高速率)處理訊號。主要同步程序包括下列階段： 第一階段為粗估算未知參數，如後「粗估階段」所述。 第二階段為時間及頻率的精細估算，如後「細估階段」所述。 第一階段同步結束之後，UE會繼續第二階段同步流程以獲得蜂巢網ID，以及無線訊框邊界。圖1中顯示資料擷取後的同步程序。 圖1　同步流程 粗估階段 主要同步程序的粗估階段會以240kHz 的較低速率完成，以降低運算複雜性。在多維估算問題中，有鑒於正時和頻率的高不確定性範圍，故粗估算階段有其必要。粗估階段會粗估算接收訊號的正時及頻率。 細估階段 粗估階段完成後將進行時間及頻率細算，以在同步程序完成後加強UE的資料擷取能力。此階段稱為細估階段。粗估算可降低時間及頻率的不確定性，藉以降低細估階段的複雜度。 在此階段中，將進行下列各項： ．演算法以1.92MHz的取樣率並根據粗時間估算開啟「短訊號窗段」。 ．接收訊號的頻率會根據粗頻率估算偏移。 細估階段的輸出為正時及頻率估算值，且錯誤低於粗估算。估算出正時及頻率後，UE會以240kHz的低速率並根據NSSS繼續偵測蜂巢網ID及訊框邊界，例如套用頻域交互相關及循環字首移除。 交互相關同步方法 最直觀的同步演算法為交互相關方法，在此稱為全長交互相關。 此方法依賴接收器側對同步訊號的瞭解。應用於NB-IoT系統時，全長交互相關方法可透過在11msec窗段中的時間τ(以x表示)的接收訊號，與特定頻率假說fn NPSS共軛之間的相關性推導，例如公式1。＼ 公式1 其中NNPSS是NPSS的長度。τ是無線訊框的候選同步點(如無線訊框內的時間點或樣本編號)。 全長交互相關同步方法會產生最多的增益，因為此方法運用系統及傳輸訊號的完整知識(即檢查正時偏移和頻率偏移的不同候選點，以算出明確的NPSS)。交互相關輸出可做為「成本函數」以評估同步表現，而成本函數的峰值為NPSS開始時無線訊框窗段的時間偏移候選點。以成本函數的峰值與平均值比(PAPR)為基礎，即可評估同步程序的可靠性。 有鑒於NB-IoT系統及都會環境的艱困室外條件，UE無法使用11msec窗段估算NPSS的正時並同時維持低假警報機率。為了解決此問題，NPSS會每10msec重複一次，讓成本函數能不連貫加總，直到符合預先判定的條件為止(即成本函數的高PAPR)。 全長交互相關方法需要解決二維估算問題，即同時估算時間及頻率。頻率維度採頻率假說的網格測試，並根據網格的頻率值判定領航訊號的頻率。頻率候選點的網格必須盡可能縮小尺寸以降低複雜性，但若真實頻率與最接近假設頻率之間的最大距離過長，則交互相關引發的衰減會因 NPSS的時段偏長而導致系統表現劣化。 以初始蜂巢網搜尋為例，CFO錯誤的範圍會因為±20ppm±7.5kHz的大頻率偏移及持續的時間偏移而非常高。考量到CFO的範圍和NPSS訊號的長時段(約0.78msec)，全功能交互相關方法所需的假設頻率數量會非常高(約50個假設頻率)。 在NB-IoT系統中，高假說數量會導致高複雜性及高記憶體消耗(用於各假設頻率的成本函數)，亦即將全長交互相關方法用於NB-IoT系統的同步做法非常不可行。曾有學者提出在頻域運算交互相關性以降低交互相關方法的複雜性。然而，即使針對交互相關方法實作特殊硬體，此方法的複雜性仍約比其他已知方法高10倍，如自動相關方法。 總結而言，全長交互相關方法的優點是能提供非常低的同步延遲，特別是低SNR的情形。但是，此方法對NB-IoT系統的缺點為高複雜性以及高記憶體需求。 自動相關同步方法 另一眾所周知的同步方法稱為自動相關方法。由於NPSS是由11個相同的OFDM符號組成(乘以預先判定的11-長度偽隨機二進位覆蓋碼)，因此自動相關同步方法是適合NB-IoT系統使用的選擇。舉例而言，假定運算最多四個NPSS符號的自動相關延遲(k=1,2,3,4)，如公式2。 公式2 其中： x(l,τ)是從同步候選點τ算起的第l個符號。s(k)是覆蓋碼。除了覆蓋碼外，自動相關的同步演算法不會使用NPSS。 在真實候選時間偏移點，CFO在兩個相鄰NPSS符號間引發的相轉期望值會與分式CFO及符號間的距離成比例，亦即公式3。 公式3 分式CFO是真實CFO及最大CFO值的模數並可加以估算；這會造成頻率估算的模糊性，但可在同步的細估階段解決。 相較於前所述的全功能交互相關方法，自動相關方法的成本函數反而能連貫累計。因此，可從不同的自動相關延遲形成成本函數，而成本函數在真實時間偏移的相等於單一延遲自動相關的相位。此成本函數可表示為公式4。 公式4 成本函數可隨無線訊框逐漸連貫累計，因而可減少需要的累計次數，因為系統內的雜訊與時間無關。NPSS真實正時的預期相等於公式5。 公式5 這代表雖然可估算傳輸訊號的頻率，但由於CFO的高範圍，因此可考慮使用多個頻率解法(即頻率估算流程存在高模糊性)。 總結而言，自動相關方法的優點為： ．成本函數可用於估算NPSS的起點及訊號的頻率。 ．成本函數可隨時間連貫累計。 ．可簡單有效以遞迴實作。 但是，此方法對NB-IoT系統的缺點如下： ．表現低於全功能交互相關方法，特別是低SNR時。 ．頻率估算存有模糊性。 兩相關同步方法 如前所述的兩個知名同步方法提供相反的同步表現： ．全功能交互相關方法 全功能交互相關方法會從單一交互相關性產生最多的增益，且只需少數累計次數即可在10msec窗段內以低機率估算NPSS的真實位置。 此方法的缺點為若CFO的範圍非常大，則需要高複雜性(很有可能在NB-IoT系統的初始蜂巢網搜尋時發生的情境)。也需要高記憶體配置。 ．自動相關方法 自動相關方法雖然實作簡易，但在低SNR的情況下會表現不良(主要是高同步延遲及高RF-ON耗電量)。 兩相蜂巢網同步新程序上路 下列章節描述稱為兩相蜂巢網同步方法的新同步程序。此程序是專門針對NB-IoT系統設計，並在性能與複雜性之間達到平衡。此方法是針對NB-IoT系統提出的新方法，用以改進同步表現(即降低系統延遲)，同時在可行範圍內維持系統複雜性。兩相關同步方法包括多個步驟。各步驟如下列章節所述。此方法藉由以240kHz的低取樣率處理訊號後抽取，以偵測無線訊框內的NPSS時間偏移及接收訊號的頻率。 NPSS是由重複的OFDM訊號乘以覆蓋碼組成。此方法使用重複的OFDM(以及各OFDM符號的值知識)，以針對無線訊框(10msec窗段)內的NPSS位置進行良好估算，亦即時間同步。圖2顯示兩相關同步訊號方法的流程。 圖2　兩相同步訊號方法流程 第一步：OFDM全符號交互相關性 兩相關同步訊號方法的第一步是找出OFDM全符號長度交互相關性，亦即獲得接收訊號與NPSS的OFDM符號之間的17個樣本長度交互相關性。 NPSS是由11個相同的符號乘以二進位覆蓋碼組成。只需將下列因數相乘，即可輕易證明兩個頻率不同的相同訊號間的交互相關性衰減：第一個因數是兩個訊號頻率間的差值；第二個因數是同步訊號的時段。 藉由將全長NPSS訊號(約0.8msec)的交互相關長度減到OFDM符號的較短長度(約0.07msec)，兩個訊號頻率間的可能差值就會增加11倍。 在實作概覽中，增加真實頻率與假定頻率間的最大差值會導致粗估算流程的假說數量降低11倍，另可降低11倍的演算法複雜性和記憶體消耗量。 NPSS具有重複結構，因此該短長度交互相關方法具有降低複雜性的優點，可使用遞迴運算演算法以減少實作此方法所需的運算次數。針對每個時間偏移候選點，若不運算11個交互相關性，則可改用遞迴運算以節省先前時間偏移候選點的輸出數，然後僅運算單一短長度的交互相關性；這能大幅減少需要的運算量，且只需管理少量的記憶體配置(尺寸不大)。舉例而言，短長度相關性可如下求出公式6。   公式6 其中： 1.NPSSsymbol是NPSS的符號。 2.Nsymbol是符號的編碼範本。 3.k是符號編碼(如k=0,1,…,10)。 4.fh是頻率假說。 由於雜訊與時間無關，因此短長度交互相關性可大幅降低雜訊的功率。針對傳輸訊號的真實CFO與CFO假說間的距離，訊號的功率會對應衰減，但即使只有少量CFO假說，輸出SNR後短長度交互相關性仍會大幅增加。 第二步：全符號相關性 自動相關方法的一大優點是在低SNR時的表現。NB-IoT系統在設計上需要面對低SNR及頻道劣化的艱困室外條件。在這類條件下，對收到的訊號求出自動相關性會增加假警報並造成高同步延遲。求出前一步驟所述的短長度交互相關性後，交互相關輸出的SNR會大幅增加，因為雜訊的功率會與符號的長度等比例下降。 計算交互相關輸出後即可求出三維變數yh(τ,k)，其中h,τ,k分別是CFO假說、正時候選點及符號索引。 確認自動相關方法的輸出SNR會隨輸入的SNR降低而大幅降低。我們提議使用交互相關輸出計算全符號自動相關性，因其SNR大幅高於收到的訊號。考量到這點，透過下列方程式算出的自動相關性SNR輸出會大幅高於已接收訊號的自動相關性。自動相關性的運算需考量覆蓋碼s(.)，並可表示為公式7。 公式7 自動相關性可透過極低的記憶體配置輕易的以遞迴算出。此時可輕易發現求出的自動相關性輸出與自動相關方法非常類似，唯一的差別只有此輸出是以特定頻率假說計算。 由於同時採用NPSS的重複性質及 OFDM訊號的知識，故此方法預期能取得比自動相關方法更好的表現。 第三步：成本函數公式化 成本函數可用Sh(τ,m)的加權組合表示為公式8。 公式8 其中wm代表連貫合併的權數。 正時錯誤接近0且CFO假說成本函數最接近真實CFO時，成本函數的量級即可最大化，而成本函數的相位也會與真實 CFO與CFO假說間的差值成比例；這代表給定CFO假說及成本函數峰值的相位，即可如公式9求出成本函數的良好估算值： 公式9 第四步：連貫合併 為了讓系統能耐受艱困環境和低SNR，NPSS會每10msec重複傳輸一次。成本函數可連貫累計以提升估算表現。透過公式10簡易IIR濾波器進行累計： 公式10 ρΣ,h(τ),α為累計的成本函數及衰變因數。衰變因數可用於根據過去的累計次數來加權成本函數及累計成本函數，另外也能耐受時間偏移。 第五步：NPSS偵測臨界值 根據給定的臨界值比較成本函數的峰值與成本函數的平均值(即PAPR)即可找出 NPSS。PAPR測試會在每一無線訊框間隔進行。 符合臨界值條件時，即可根據成本函數峰值的位置及其相關分別估算NPSS的位置及訊號的載波頻率偏移。在粗估階段估算的時間偏移及載波頻率需要細算，這會在下一步驟中完成。 第六步：正時及頻率的粗估算 以時間及頻率偏移的粗估算為基礎，可在1.92MHz的更高速率進行額外測試，以細算時間及頻率的估算值。 細估階段的重點包括以更高速率求出交互相關性，這會在各無線訊框期間不連貫累計；頻率估算也會在此階段細算。 SNR降低　殘餘延遲表現提升 初始蜂巢網搜尋主要階段的延遲表現是如前所述的三種同步方法模擬。模擬作業是以500次獨立試驗進行，並採用下列的頻道情境： 1.ETU及都卜勒1Hz，如圖3所示 圖3　各同步方法的比較 (ETU-1) 2.EVA及都卜勒5Hz，如圖4所示 圖4　各同步方法的比較(EVA-5) 3.EPA及都卜勒0Hz，如圖5所示 圖5　各同步方法的比較(EPA-0) 在以上測試中，偵測率大於99%。在下面的圖示中，延遲表現是以第90百分位的殘餘延遲為基準，亦即在90%的測試中指定SNR及頻道低於或等於延遲。 由於全功能交互相關方法從收到訊號取得的增益最高(因此延遲最低)，故其他方法的延遲會以此方法標準化。延遲表現是以保護波段部署及最低-12.6dB的SNR為準示範。 從以上圖示可發現，隨著SNR降低，自動相關方法的殘餘延遲表現會比交互相關方法的延遲大幅提升。但是，我方提出的兩相關同步方法表現仍非常接近交互相關同步方法的表現，即使在非常低SNR的情況下亦然。 (本文作者為CEVA演算法工程師、演算法團隊負責人與資深系統架構師)

電信和國防應用推動射頻氮化鎵(RF GaN)蓬勃發展。根據市調機構Yole Développement調查指出，RF GaN產業於2017~2023年間的年複合增長率達到23%。隨著市場不斷地發展，截至2017年底，RF GaN市場產值已經接近3.8億美元，2023年將達到13億美元以上。 目前國防仍是RF GaN的主要市場，因為其專業化的高性能需求和價格敏感度(Price Sensitivity)較低，因而為以GaN為基底的產品提供了許多機會。2017~2018年，國防領域占了RF GaN市場總量的35％以上，完全沒有減少的趨勢。Yole Développement資深技術與市場分析師Hong Lin表示，這個重要的GaN市場將持續與GaN的整體滲透力一起成長。 RF GaN已經被工業廠商認可，並明顯地成為主流。領先的參與者正快速地增加收入，這種趨勢在未來的幾年內將保持不變。從智慧財產的角度來看，美國和日本主導著整個RF GaN智慧財產生態系。 Knowmade執行長兼聯合創始人Nicolas Baron評論，科銳(Cree)毫無疑問地擁有最強的智慧財產地位，尤其是以碳化矽(SiC)為基底的GaN高電子遷移率電晶體(High-electron-mobility transistor, HEMT) 。另一家RF GaN元件的市場領導者--住友電氣工業，專利地位也不錯，但仍落後於Cree，且專利布局動作有放緩趨勢。反觀，富士通、東芝(TOSHIBA)和三菱電機(Mitsubishi Electric)等其他日本公司則正在加快他們的專利申請，因此現在也擁有強大的專利組合。 Baron進一步說明，Cree也在RF GaN HEMT智慧財產的競賽中處於領先地位。針對Cree的 RF GaN專利組合分析顯示，它可以有效地限制該領域的專利活動，並控制大部分關鍵國家其他企業的自由營運(Freedom to Operate, FTO)。 另一方面，英特爾和MACOM目前也十分積極進行RF...

5G發展動能將在2019年迎接新的高峰，無論是通訊晶片廠、電信商；或是希冀利用5G技術實現創新應用的各垂直領域業者，無不加緊腳步投入研發與部署工作。然而，5G的傳輸速率、覆蓋範圍及網路密度效能規格，比4G技術大幅躍升，且將運用到過去行動通訊領域較少碰觸的毫米波(mmWave)頻段，因而引發許多射頻系統與天線設計挑戰。 對此，工研院資通所工程師郭芳銚(圖1)表示，5G時代逐漸到來，而產業之所以會積極推動5G，最主要原因在於原本3G、4G的使用頻譜已經十分擁擠，要再找出更大的頻寬因應未來大量資料傳輸、因應創新應用已不太可能，因此產業紛紛往5G毫米波頻段發展。 圖1　工研院資通所工程師郭芳銚表示，3G、4G的使用頻譜已經十分擁擠，無法負荷更多資料傳輸或創新應用，產業因而積極朝5G發展。 不過，雖說毫米波有著足夠的頻寬可因應未來資訊傳輸需求，但其主要缺點便是波長較短，若要進行遠距離無線傳輸，會面臨到高路徑損失和高傳輸損耗問題。舉例來說，3Gpbs和30Gbps的傳輸速度相比，其損耗就相差了20dB，而要補足這20dB的損耗，在天線設計上，究竟是要靠功率放大器(PA)或是天線本身補足，是一大考量。 若採用PA補足，會面臨到輸出功率大增，例如輸出功率從原本的1瓦(1W)大幅提升至100W；若10W的話就會變成1,000瓦，因而提升設計成本。為此，目前多採用相位陣列天線的設計方式，搭配波束成形，克服上述挑戰。 總而言之，為實現5G標準所設定的技術性能目標，新技術的引進勢在必行，包括Massive MIMO，以及新的波形調變，但這些新技術不僅實作難度極高，亦將造成5G射頻系統變得更複雜。因此，如何在兼顧成本、尺寸與能源效率的前提下，實現高性能5G通訊系統，遂成為當今業界最迫切要解決的課題；因應此一趨勢，相關量測、模擬解決方案也紛紛出爐。 實現高效5G前端設計模擬工具扮要角 為實現5G標準所設定的技術性能目標，新技術的引進勢在必行，以打造更高效能的射頻系統。安矽思(ANSYS)資深應用工程師吳俊昆(圖2)指出，5G有望在2019開始蓬勃發展；不過，進入5G時代後，許多關於毫米波的應用和技術也應運而生，因而會出現眾多新挑戰。 圖2　安矽思資深應用工程師吳俊昆指出，5G有望在2019開始蓬勃發展，但須先克服毫米波技術挑戰。 像是需要較小的物理尺寸、較短的波長及更高的設計靈敏度；更多新的材料需進行測試；頻率越高帶來越多的損耗，因此必須有效避免；以及溫度影響變得越來越顯著，像是由於熱漲冷縮影響，有可能出現中午能夠收到5G訊號，但到夜晚卻無法的情形，這些都是邁入5G毫米波設計時需要面臨的挑戰。 國家儀器(NI)大中華暨東南亞區域技術經理連俊憲(圖3)說明，5G潛在商機十分龐大，像是車聯網、智慧路燈、智慧城市等應用未來都將以5G為基礎；然而，要實現這些應用，重點在於5G元件的設計須符合3GPP等標準組織所訂出的規範，帶給消費者良好的使用體驗。 圖3　國家儀器大中華暨東南亞區域技術經理連俊憲說明，5G潛在商機十分龐大，但隨之而來的技術挑戰也不少。 連俊憲進一步說明，不過，6GHz以上的5G毫米波應用，最主要的挑戰便是損耗，而要補足損耗，實現5G應用，前端須添加更多濾波器、功率放大器等，不僅會帶來更多的設計挑戰，也勢將會增加設計成本和時間，這是目前5G射頻系統(RF和毫米波)須解決的困境。 因此，要克服上述挑戰，進而設計出能因應高頻應用的5G射頻系統，於實體設計時便需要有完善的模擬工具從旁輔助，以便先行驗證。為此，安矽思和國家儀器都備有相關模擬方案，進而簡化設計難度與成本。 例如安矽思旗下的ANSYS HFSS軟體，提供三維全波精度的模擬技術，從而實現RF和高速設計，透過高級電磁場求解器和高效諧波平衡和瞬態電路求解器之間的動態連結，進而加快反覆運算和物理原型製作的時程，滿足工程團隊於天線、RF微波元件、高速互連、連接器、IC封裝和PCB等設計需求。 至於NI則是備有Visual System Simulator，Visual System Simulator(VSS)，為當今複雜的通訊系統提供了一個完整的軟體設計環境。該產品使工程師們能夠在通訊設計中為每個底層元件設計合適的系統架構，制定適當的規範。與AWR的旗艦射頻/微波設計套件Microwave Office一樣，VSS也建立在AWR獨特的統一資料模型之上，實現了系統和電路的協同模擬。 5G測試方案齊出　       滿足射頻系統設計 5G商用全面啟動，為打造更高效能的射頻系統，除了需模擬工具從旁輔助外，量測驗證也是設計過程中不可或缺的要素。安立知(Anritsu)業務暨技術支援部門資深應用工程師李冠佑(圖4)表示，目前5G應用共分三個面向，分別為增強型行動寬頻通訊(Enhanced Mobile Broadband, eMBB)將針對大流量行動寬頻；大規模機器型通訊(Massive Machine Type Communications, mMTC)將針對物聯網應用；而超可靠度和低延遲通訊(Ultra-reliable and Low Latency Communications, URLLC)涵蓋了車聯網、智慧醫療等對於低延遲具有高要求的特殊應用。目前在第一階段的規範確定了之後，產業開始積極布局eMBB，期能讓消費者立刻感受到5G的特別之處。 圖4　安立知業務暨技術支援部門資深應用工程師李冠佑(圖右)表示，目前5G共分為eMBB、mMTC和URLLC三個發展方向。圖左為安立知軟體技術部門經理吳錫坤。 邁科立(Microlease)東亞區產品經理鄭聯泉(圖5)則說明，大眾對於5G的期望包含更快的速度、更好的使用體驗與更佳的應用服務；更多行動數據的傳輸、連接；以及更低的延遲。然而，上述提到，5G毫米波設計最大的挑戰在於克服損耗，因而增加設計複雜度，如此一來在量測驗證上也出現了新的需求。像是對於測試設備的頻率要求更高，以及Massive MIMO的測量通道增加等。為此，量測儀器業者針對5G測試需求，旗下的解決方案也不斷推陳出新。 圖5　邁科立東亞區產品經理鄭聯泉透露，更快的速度、更好的體驗和更佳應用，是大眾對於未來5G的期望。 例如安立知便推出全新支援5G產品開發的無線通訊綜合測試平台「MT8000A」，此款多功能的全新桌上型儀器設計採用先進架構，內建支援超快速寬頻5G通訊所要求的寬頻訊號處理與波束成形技術，可支援sub-6GHz與毫米波頻段的RF與協議測試。 鄭聯泉則表示，邁科立的商業模式為量測儀器租賃，因此針對目前5G所需的測試需求，該公司可以提供各種不同的解決方案，像是羅德史瓦茲的FSW Signal &...

隨著汽車朝智慧化、自動駕駛的方向發展，對微控制器(MCU)需求持續增加；未來不論是自駕車、車聯網，都有著各式各樣的連接控制、數據與訊號處理，而MCU便扮演關鍵的控制角色。 恩智浦半導體(NXP)大中華區車用微控制器與微處理器事業部產品行銷經理張曦(圖1)表示，雖說2019全球整體車市成長可能放緩，但是受各地區更嚴格的安全和排放法規影響，汽車的電子化比重還會成長，也就是說車內電控系統的裝載率還會提升，車用MCU市場還會保持成長。 圖1　NXP大中華區車用微控制器與微處理器事業部產品行銷經理張曦表示，新能源、智慧聯網和自動駕駛技術的快速發展以及日趨成熟，對MCU的性能與功能要求也逐漸增加。 其次，伴隨著新能源、智慧聯網和自動駕駛技術的快速發展和日趨成熟，以及整車電子電氣架構的演進，對車用MCU不僅需求增加，且對其性能、功能、生態以及開發難度都提出了新的要求，比如運算力、功耗、功能安全、資訊安全、線上升級、軟體相容性、複用性、可攜性等等。 創新應用/安全推升車用MCU需求 德州儀器(TI)半導體行銷與應用嵌入式系統總監詹勳琪(圖2)表示，MCU在車用市場可分為五個應用，第一是影音娛樂，第二是電動車的電源管理(尤其是電動車的OBC、OBG、AC-DC、DC-DC等)，第三是現今十分熱門的自動駕駛輔助系統(ADAS)，再來是車體照明，最後則是汽車被動安全(安全氣囊)。而目前電動車、ADAS話題相當熱門，也因而成為驅動車用MCU成長的兩大關鍵推手。 圖2　德州儀器(TI)半導體行銷與應用嵌入式系統總監詹勳琪指出，車用MCU的應用十分廣泛，然而不論是用於電動車或自駕車，安全是MCU共通的設計重點。 詹勳琪指出，MCU於電動車的主要應用還是在馬達控制、電源管理之上，像是OBC、OBG、AC-DC、DC-DC，最主要的目的便是使電動車能有更好的能源使用效率。至於ADAS方面，則是車用感測器帶動(如超音波、雷達、攝影機等)，因ADAS的感測器都會搭配MCU進行控制，MCU的需求遂而上揚。 因應電動車、ADAS市場需求，TI也備有相關解決方案，像是C2000 Piccolo微控制器組合最新產品「C2000 F28004x MCU」，可優化如電動車車載充電器、馬達控制逆變器和工業電源供應等高成本電源控制應用。開發人員可利用該產品減少物料成本，同時建構更小、更可靠的系統，提供系統保護和新功能，實現高性能的電源控制系統。 該產品特色包括：優化的性能和功率；先進的驅動和靈活的設計，可有效提高效率和功率密度；強化的數位和類比交叉開關，靈活地支援控制和保護機制；以及嵌入式即時分析和診斷單元強化了除錯功能，超高速序列介面提高了隔離範圍內的輸送量，靈活的引導模式使開發人員能夠減少或消除引導模式針腳。 又或是用於安全控制的Hercules MCU系列產品，該系列產品強化多項安全特性，憑藉整合型即時指令和資料追蹤支援，系統和軟體開發人員將得到富有洞察力、高效率和更好的代碼分析除錯體驗以及更高的執行力，將有助於設計人員更為簡便快速地滿足針對交通運輸應用的ISO 26262功能安全性標準，如先進駕駛輔助系統、網域控制、電子推進系統等。 詹勳琪表示，事實上，車用MCU的應用十分廣泛。然而，不論是用於電動車馬達控制、ADAS系統或車體控制等，車用MCU的共通設計要點便是「安全性」。為了要確保安全性，MCU不僅須通過ISO26262 ASIL A~D(依車廠要求)的認證，也須在MCU中添加所謂的「備援機制」，也就是車用MCU開始採用雙核心鎖步(Lockstep)的設計。 詹勳琪進一步說明，具備雙核心的MCU意味有著雙重保險，也就是同樣的程式由兩顆核心進行運算，而當其中一顆核心故障時，另一顆可以立刻進行錯誤處置，而不致於使運算出現問題，影響駕駛安全。 扮演稱職綠葉　新應用/技術少不了MCU 意法半導體(ST)亞太區汽車產品事業體行銷經理陳錫成(圖3)則透露，車用市場一直都是穩定成長，而MCU扮演著輔助的角色，只要有新的應用、技術出現，MCU的需求也會隨之增加。 圖3　意法半導體亞太區汽車產品事業體行銷經理陳錫成透露，MCU向來是扮演輔助的角色，只要有創新應用，MCU的需求就會穩定成長。 陳錫成說明，不論是油電混合車、電動車或是自駕車，將過往機械控制部分改為半導體晶片控制(例如車窗、座椅等)時，除了需要高效能的中央處理器外，也需透過MCU進一步強化控制效率。又或是要將AI導入汽車當中，當中央處理晶片運算效能不足時，也需要MCU從旁輔助，進而提升資料存取、運算能力和加強隱私，也因此，隨著創新應用的崛起，MCU的需求也會持續增加，且用途會愈加廣泛。 為此，ST備有SPC5 32位元微控制器系列產品，其結合了可擴展的單核，雙核和多核解決方案以及ST獨有的嵌入式閃存技術、符合ISO 26262(最高為ASIL-D)等標準的安全性、完全性能高達150℃、符合標準的數據安全性，包括安全硬體擴展(SHE)和電子安全車輛入侵保護應用程序(EVITA)，以及完整的開發環境(從免費的IDE，代碼編譯器和低成本調試器解決方案到支持AUTOSAR設計的高階解決方案)等特色，得以滿足汽車聯網、馬達控制、安全、低功耗等設計需求。 此外，因應自動駕駛發展，ST近日也宣布旗下內建嵌入式相變記憶體(ePCM)的28nm FD-SOI車用MCU技術架構和性能標準，並從現在開始提供主要客戶搭載ePCM的微控制器樣片，預計2020年按照汽車應用要求完成現場試驗，並取得全部技術認證，未來將用於汽車傳動系統、先進安全閘道器、安全/ADAS系統以及汽車電動化。 據悉，隨著汽車系統的要求越來越高，提升處理能力、節能降耗、更大儲存容量等需求推進微控制器廠商開發新的車用MCU架構。隨著韌體複雜性和代碼量大幅提升，對容量更大的嵌入式記憶體需求是當前汽車工業面臨的最大挑戰之一。而ePCM解決方案可以克服這些晶片和系統的挑戰，以進一步滿足AEC-Q100汽車標準的要求，其最高工作溫度可達+165℃，並確保在高溫回流焊製程後其韌體／數據可完好保存，並且抗輻射，為數據提供更多的安全保護。 陳錫成進一步解釋，隨著新應用不斷浮現，對於車用MCU而言，最明顯的要求除了系統效能越來越高之外，「提升安全性」更是勢在必行。也因此，雙核備援機制的設計開始增加，MCU開始從單核走到雙核；同時也需通過ISO26262 ASIL的認證，且隨著自駕車開始朝Level 3、Level 4發展，愈來愈多的車廠期望車用MCU不僅通過ASIL A/B/C的認證，也能符合最高級，也就是ASIL D的標準。 滿足安全規範　 MCU設計挑戰多 自動駕駛風潮起，連帶推車用MCU需求增加，其效能和安全性也須跟著提升。張曦表示，自動駕駛是個極其複雜的系統，總體來說，要打造自動駕駛，需處理來自於各種感應器的資料，因此資料處理量大；同時需要有很強的運算能力，以透過神經網路深度學習來處理感應器資料，建立環境模型；再來是要有很強的自糾錯和異常恢復能力，實現Fail-Operation，才能確保駕駛安全，最後則是要有可靠的通訊能力，使前端與感應器通訊，收集資料，後端與執行機構通訊，完成自動駕駛。 如前所述，由於自動駕駛的特殊性，整個系統必須有很強的自糾錯和異常恢復能力，實現Fail-Operation，也就是在出現異常後，系統必須還要維持至少一定時間的最小系統運行。 為了實現這個目的，就要求系統能夠在最短時間內診斷恢復異常，如果不能恢復就要即時切換到備用系統，以保證整體功能安全。為此，必須採用符合功能安全ASIL-D級的處理器和控制單元，滿足高可靠性的需求，同時也必須有高性能的平行運算能力，滿足大量資料處理、運算需求。 張曦進一步說明，要開發ASIL-D級的處理器，在設計上會有許多特殊的考量，包含互相校驗的互鎖內核、帶自動校驗和恢復的匯流排和記憶單元、內置自測試模組、亂序記憶陣列，以及異常搜集通訊模組等。須符合這些考量，才能開發與具功能安全的處理器和控制元件，進而簡化功能安全系統的開發，克服系統複雜度高、代碼量大；系統複雜度成長快、升級頻繁；新應用新技術導入加速、開發週期縮短；以及對系統功能安全和資訊安全的要求日益提高等挑戰。 如前所述，為了打造更加安全、可靠的車用MCU，在設計上會有很多特殊的考量，而為了應對這些挑戰，NXP推出S32處理器平台，藉由基礎共用平台涵蓋不同應用處理器間的共同需求，像是運算性能、功能安全、資訊安全、線上升級等，進而提升軟體移植性和複用性，同時在不同的應用處理器上搭載專屬硬體加速器提升系統應用功能處理能力。 張曦指出，透過這種方式，使得該公司的車用處理器提升了10倍以上的性能，並提高代碼複用度，縮減系統開發週期；且全平台支援功能安全，資訊安全和系統升級，也大幅提升系統覆蓋度，使得車上任何區域的電控系統，都可找到NXP相對應的車用處理器進行開發。如此一來，便能協助汽車電子業者加速系統開發週期和上市時間。 MCU供應商/車廠密切合作打造完善安全系統 Microchip汽車產品事業部門美洲區行銷經理David Schellenberger(圖4)則認為，現今的汽車行業有四大趨勢，分別為自動駕駛、電氣化、網路化和資料安全性。消費者的偏好和政府新法規的制定是這些趨勢背後的關鍵驅動因素，消費者對自動駕駛提供的眾多便利和改進感到興奮，從共享移動性到增強的交通多元化，再到更安全的道路；至於電動汽車改善了環境，使汽車製造商能夠滿足政府規定的燃油效率法規。 圖4　Microchip汽車產品事業部門美洲區行銷經理David Schellenberger認為， MCU必須要具備相當高的處理以及傳遞速度，才能夠應付自駕車感測器產生的大量數據，保持通訊可靠性十分重要。 此外，也需要先進的網路連接規畫來實現這些趨勢，消費者同時也渴望跟他們的車輛有更智慧的連結；最後，所有目標都需要更好的資料安全防護，使車輛更安全，更能抵禦惡意攻擊。 不過，要實現自動駕駛車輛，必須要仰賴感測器和外部環境所蒐集的大量數據，才能夠安全可靠地運行。也因此，汽車MCU必須要能以非常高的速度處理和傳遞這些數據，以便進行即時決策，這種通訊必須非常安全可靠。 Schellenberger透露，為此，該公司正致力於將汽車MCU的設計重點放在先進通訊協定和網路安全模組等領域，由於自動駕駛是一個新興市場，其中會包括許多並非傳統汽車領域的產業，因此缺乏一致的產業要求以及不斷演進的技術會帶來很大的挑戰。因而推動了半導體供應商與汽車OEM和一級設計師之間的密切合作，以滿足這些不斷變化的需求。 除此之外，數據安全運作和網路傳輸安全是目前最重要的兩個趨勢，因此Microchip致力於了解產業需求並在這兩個領域開發解決方案，並與汽車業者密切合作，確保整體系統解決方案，包括MCU、類比、連接、記憶體和安全零組件等性能與可靠性，使其能夠開發高效能/高安全性的嵌入式控制系統。 車用MCU持續滿足節能/安全/舒適要素 總而言之，汽車工業的目標始終是為使用者打造更為節能、更為安全、更為舒適的車輛，所有的汽車電子發展也是圍繞這三大主題展開，包括最近十分熱門的新能源，智慧聯網和自動駕駛技術。 張曦指出，圍繞上述三大目標，現代車輛便須裝載越來越多、越來越複雜同時卻必須越來越安全的電控系統。因此，對車用MCU的要求可歸納為以下六點： 1.需更高的性能，以適用越來越複雜的系統。 2.需更低的功耗實現節能環保。 3.需更高的功能安全和資訊安全，打造更為安全可靠的系統。 4.需更高的複用和移植性，以更快更可靠的實現新功能和系統開發。 5.需更高的相容和線上升級能力，才能更快更方便實現新功能的反覆運算。 6.需更強的通訊能力，以支援更多通訊介面和協定，實現各模組間的交互通訊。

根據市調機構Counterpoint針對智慧汽車服務的最新研究，全球對於汽車嵌入式影像感測器的需求估計將在2023年倍增。這些影像感測器出貨量的複合年均增長率將達19%，到2023年將超過2.3億顆。 Counterpoint智慧汽車資深分析師Aman Madhok表示，目前，大多數配備倒車鏡頭的汽車都將其用於輔助日常的停車視野。然而，隨著產業進入互聯汽車時代，一切將產生改變。多個影像感測器可以提高安全性和自主性。在所有感測器中，影像感測器是未來提升先進駕駛輔助系統(ADAS)功能的關鍵。 隨著用於汽車日常停車輔助的倒車鏡頭幾乎成為新車款的標準配置，未來將會看到越來越多的汽車配備前置和側置鏡頭，以加強ADAS功能。例如環景攝影機，目前雖然是高階選項，但將在5~6年內被廣泛地採用。形成這個趨勢的關鍵因素是，政府鼓勵廠商提升先進安全功能，另外還有客戶對於先進安全功能逐漸上升的關注和偏好。 此外，隨著ADAS成本的下降，廠商致力於將自動緊急煞車等功能作為主流車款的標準配置。還有停車輔助等便利的功能也有望快速地成長。 Counterpoint智慧汽車研究總監Vinay Piparsania進一步補充，在2018年，受到嚴格的安全法規影響，美國和歐洲占全球汽車嵌入式影像感測器三分之二以上的出貨量。例如，美國國家公路交通安全管理局強制要求所有在2018年5月之後生產的汽車皆須安裝後視鏡頭。 然而，隨著ADAS前置鏡頭的採用率提高，到2023年，在美國銷售的每輛新車將配備超過3個鏡頭。Piparsania進一步補充，中國的安全法規與歐盟新車安全評鑑協會(Euro-NCAP)的標準同步，因此要求相較於其他發展中國家要來的嚴格，未來幾年將成為影像感測器主要市場，中國新車評價規程(C-NCAP)將繼續驅動中國汽車市場對於影像感測器的需求。

國際研究暨顧問機構Gartner最新全球半導體設計總體有效市場前十大企業排名顯示，2018年仍由三星電子(Samsung Electronics)和蘋果(Apple)拿下半導體晶片買家冠亞軍寶座，兩者合計占全球整體市場17.9%，較前一年下滑1.6%；不過前十大OEM廠商晶片支出的占比，則是從2017年的39.4%增加到40.2%。 Gartner資深首席分析師山路正恆表示：「2018年前十大半導體買家中有四家為中國大陸OEM廠商(高於2017年時的三家)，包括華為、聯想、步步高電子和小米，其中華為的晶片支出增加45%，躍升成為第三名，超越戴爾(Dell)和聯想。反觀三星電子與蘋果在2018年的晶片支出成長均大幅趨緩。」 2017年排名前十大的企業中，有八家仍維持在2018年前十名，而金士頓科技(Kingston Technology)和小米則為新入榜的廠商。小米較2017年上升了八個名次至第十位，主要原因在於2018年半導體支出增加了27億美元，年成長率63%。 PC與智慧型手機市場持續整併，對半導體買家排名產生極大影響，尤其是中國大陸的智慧型手機OEM大廠，在收購競爭對手後增加了市場支配能力。正因如此，前十大OEM廠商的半導體支出大幅增加，在2018年半導體市場的占比也達到40.2%，高於2017年的39.4%。這股整併趨勢可望延續，卻將使得半導體廠商更難維持高毛利率。 記憶體價格也是另一個影響市場的因素。過去兩年居高不下的DRAM平均售價(ASP)現在已經開始下滑，但造成的影響卻十分有限，因為當平均售價下滑，OEM廠商將會增加記憶體容量，同時投資頂級機種。Gartner預測，2019年和2020年記憶體晶片營收占整個半導體市場比重將分別達到33%和34%，高於2017年的31%。  

工業物聯網(IIoT)、邊緣雲支援強化智慧、先進安全分析，以及端到端5G網路等技術逐漸實現，將加速製造、物流、交通、能源等產業，以及政府和城市的數位轉型計畫。為此，諾基亞(Nokia)近日宣布推出Future X for industries策略與架構，因應工業4.0與數位轉型市場需求，提升產業生產力。 諾基亞大中華區總裁馬博策(Markus Borchert)表示，為提升生產力與效率，越來越多的業者加大資訊與通訊科技(ICT)的投資力道，進行數位轉型；與此同時，隨著5G世代即將到來，而5G所改變的不僅是消費性終端產品，工業未來也將是5G應用的關鍵領域之一。 不過，將業務支援功能從實體轉向數位化和自動化，雖然已為企業帶來顯著的生產效益提升。但目前大約只有30%的企業(主要是以IT為中心的行業)了解數位轉型帶來的機會。重要的是，占美國GDP三分之二以上的傳統資產密集型產業，皆尚未從工業4.0數位轉型中全面獲益。 為改善此一情況，諾基亞推出Future X for industries策略與架構，採用獨特的技術層設計，來滿足工業網路的關鍵要求。此一架構的技術層分別為：業務應用層，支援個別產業特定應用，如預測性維護、勞動力效率等；數位價值平台層，支援產業自動化、認知分析和數位化運作等；多雲層，提供運算能力的鄰近性和彈性，可確保使用最合適的雲端模式；以及高效能網路層，提供專用、深度覆蓋、可靠的(有線和無線)連接功能，進而彈性、無縫地連結所有事物。 同時，上述網路技術層與包含業務流程及以技術為基礎的「縱深防禦」網路安全方法相結合，並以網路為關鍵防護和中間層，來保護端到端的數據資料和基礎設施。與更豐富的人機介面(HMI)結合後，這些技術層將能夠更直覺、深入及精準地控制自動化系統，並顯著提升數位化營運效率。 諾基亞貝爾實驗室總裁Marcus Weldon指出，在動態的市場中，企業需要最大化的生產力。現在，無論是數位經濟或是實體經濟，任何行業都可以加速其數位化轉型計畫，實現前所未有的生產率提升；而Future X for industries架構，便是實現工業4.0的重要基礎。