首頁Top區塊
- Advertisement -
多產業融合勢在必行 測試策略須日新又新
產業融合並非新概念,事實上可能還是最古老的概念之一。市場在彼此互動時,會自然地交換想法、程序與技術,讓不同市場變得更為緊密交織。如今全球社會彼此相連,這只會讓出現融合機會的速度更快,而且規模更大。針對多產業融合所提出的看法,可說是百家爭鳴。
部落格、文章與分析報告皆指出,數位革命帶來的迅速步調,使歷史悠久的產業陷入混亂,但這些意見很少觸及融合會如何擾亂測試組織。無論融合被視為威脅還是潛在機會,在公司的日常營運中,其影響無處不在。這些優秀組織會運用多產業測試平台,並與接觸多產業的其他組織合作、向其學習,藉此直接解決融合帶來的問題。
建立測試創新推動產業融合
在經常受到引用的2014年Gartner報告「產業融合:數位工業革命」(Industry Convergence:The Digital Industrial Revolution)中,其主張:「對組織而言,產業融合代表最基本的成長機會。」而對測試部門來說,這項機會來自學習與運用其他產業並集中資源,藉此加快創新速度;而融合的本質,以分享想法為中心。
為了避免浪費時間與精力建置已存在的事物,在產品創新領域中常常會探討運用與學習其他產業的概念,這項概念也可應用到測試策略上,功能安全就是很好的範例。重型製造業的產品本質以安全為重,在這項本質的促進之下,經過數十年的學習,此產業開發出可證實其嵌入式電子裝置功能安全的程序:IEC 61508。
鐵路與汽車等其他產業已在其架構中加入講究安全性的嵌入式系統,與此同時,重型製造業則利用EN 50126與ISO 26262來延伸IEC 61508的範圍並加以調整,以在所屬產業中發揮效用;若要在測試策略中新增功能安全測試,向這類標準的專家學習可節省時間。
在融合帶來的諸多效益中,多產業資源的集中是其中一項較不顯眼的好處。隨著產業間的關係更緊密,功能需求也會漸趨相近;因此,向這些產業提供服務的廠商也可增加投資,因為對特定需求的市場會變得更大。就測試而言,以平台為基礎的廠商可對處理器或類比數位轉換器(ADC)等項目增加投資,毋須受到所屬產業的局限,藉此以更低價格向所有產業提供更優質的產品。相較於單產業解決方案,若可對測試的軟硬體或服務挹注投資,多產業解決方案就能大幅提高實現技術槓桿的機率。
結合多產業專業知識 克服融合成本/複雜度
在IBM於2016年對公司最高管理層專業人員進行的重新定義界線(Redefining Boundaries)研究中,其指出:「在未來的3~5年,產業融合顯然會讓其他預期將出現的趨勢黯然失色。」雖然融合趨勢可能帶來正面效益,但相較於備受期待之處,令人擔憂的部分可能更多。
對測試管理人員來說,融合會提高複雜度,並需要更易於調整的測試平台與更靈活的組織。隨著各產業採用不同技術,測試管理人員現在不僅需要測試這些新技術領域,也需要相關的專業知識。
例如,當前的汽車油電混合傳動系統,就需要用到可測試控制、機械、熱力學、電子、軟體,甚至電池化學技術的系統。這麼一來,即便是僅在數年前以低靈活度封閉式專利平台所建置的測試系統,也會顯得老舊。
因此,測試系統應改採開放式的模組化軟硬體,不僅能在不同的I/O類型、程式設計語言與廠商環境下作業,同時也能使用完善定義的API與可互通性標準,對無法預測未來情況的組織來說,這會是更艱鉅的挑戰。
此外,在這個融合的時代中,未來變得模糊不清。公司、測試策略與測試平台應設計為可快速配合未來調整,無論未來情況為何。例如,航太公司過去的行動非常保守謹慎,而且仰賴漫長的產品生命週期,但現在其供應鏈與消費性電子裝置供應鏈更為緊密連結,讓航太公司需要提高其靈活性。
因此,航太測試部門需要讓測試設備跟上大幅加快的技術更新速率,而關鍵在於,在設計測試架構時就加入這種適應性,跨產業交流活動與監看其他產業的貿易刊物,有助於讓團隊了解最新趨勢。
若能與具備多產業專業知識的組織合作,會更加理想,如此將有助於公司更有效因應意外情況,並運用其他產業的最佳做法。公司可將最棘手的問題外包給已解決該問題的第三方,或可針對5G與IoT等迫在眉睫的趨勢,在其他產業中建立策略性合夥關係。
例如NVIDIA與奧迪(Audi)即攜手合作以加快技術開發的速度,而Boeing與Embraer則合作以從競爭者手中搶下市占率;這僅是其中兩個例子,其他還有許多例子可說明這類合作如何讓組織超越其產業同儕。重新評估測試應放在供應鏈中的哪一環節,以及審視供應商,也是明智的策略。組織若能積極採取行動,即可做好迎接未來的準備,或許還能進一步影響未來。
(本文作者為NI自動化測試產品管理副總)
迎戰5G大數據運算難題 GPU力助電信商導入AI效能
5G高頻寬、低延遲與大資料量傳輸特性,預期將會徹底改變人們的生活,也意味著在5G時代將帶來處理大數據運算的難題。為此,電信商開始攜手GPU廠商,企圖以導入人工智慧(AI)效能的方式,解決5G資料量爆炸的課題。
NVIDIA全球電信產業發展負責人Soma Velayutham表示,雖然5G環境不會一蹴可幾,但不容置疑的是它與過去的通訊技術截然不同。舉例來說,智慧手機與雲端服務的普及化,使得消費者每天使用社群媒體和影音串流的應用服務逐漸增加,可看到4G用戶每天所產生約1GB數據資料量,而5G時代,在雲端AR/VR、車聯網、工業物聯網及智慧城市的帶動下,每天用戶所產生的資料將高達300GB,此現況也將為布局5G的電信業者帶來全新挑戰。。
Velayutham進一步說明,從4G轉型為5G網路的過程中,最大的不同在於5G提升了100倍的頻寬、200倍的密度與40倍的延遲速度,而這些效能亟需仰賴更多的雲端支援,也就是軟體定義網路(SDN)的技術,同時結合AI、深度學習、大規模多重輸入多重輸出(Massive MIMO)與可編程(Programmable)等技術能力予以支援,藉此滿足5G所需要的頻寬、網路速度與大連結效能。
而當5G應用需要更多的運算需求,CPU成長曲線也正逐漸趨緩當中,也有人說摩爾定律即將步入終點。Velayutham認為,網路速率以30倍的速度飛快成長,通用型運算處理的CPU已無法滿足需求,此時就需要GPU加速器的運算才能予以滿足。以NVIDIA來說,提供了軟硬體整合平台,其中結合GPU Cloud、高效能運算(HPC)、AI、視覺化(Visualization)等能力,超越摩爾定律的效能,並以每年1.5倍的指數級速度成長,預計2025年成長將達千倍以上。
當5G、AI與GPU的相遇會產生甚麼火花呢?時至今日,也有越來越多的電信商開始產生濃厚興趣,包含中國移動、AT&T、SK Telecom與Verizon皆有相關的布局。舉例來說,SK Telecom將目標放在智慧城市的應用,期能透過智慧影像分析(IVA)的方式保護公民與財產,實現這項能力背後須具備即時分析百萬台攝影機之數據的技術,須仰賴深度學習與強大的運算能力。基於此,SK Telecom採用NVIDIA GPU支援AI遠端影像監控應用服務(VSaaS),提升5倍的訓練速度,並透過TensorRT拓展推理引擎能力,使其在不犧牲精度的情況下兼具成本效益。
此外,Verizon則是希望了解設置於各地的基地台網路品質,期能藉由GPU的導入提升基地台網路分析能力並確保網路QoS。據了解,Verizon使用NVIDIA GPU將傳統基於ML-ARIMA演算法升級於DL-LSTM,從而提升網路分析精度並縮短分析時間,將過去需要一整天分析的時間,所短成一小時內完成。
Velayutham強調,NVIDIA與內容供應商、行動設備,以及各類型消費性電子商合作,在此基礎下,已清楚了解各種應用所面臨的困境與挑戰,扮演串聯上中下游5G相關產業與應用的關鍵角色,預計將能更加深入的協助電信商克服5G挑戰,加速其5G相關建設的布署。
收購Norstel AB股權/與Cree簽署協議 意法強勢布局SiC市場
意法半導體(ST)積極搶攻碳化矽(SiC)市場商機,不僅在日前宣布與Cree簽署長期供貨協議,因應滿足日漸成長的碳化矽功率元件市場需求,近日更發表將收購瑞典SiC晶圓製造商「Norstel AB」55%的股權;透過上述舉動,ST可望更加鞏固其在SiC市場的成長與競爭優勢。
意法半導體總裁暨執行長Jean-Marc Chery表示,該公司是目前唯一一家量產車規等級碳化矽元件的半導體公司,毫無疑問,ST想要加速提升SiC業務的應用規模和廣度(不管是在車用或是工業領域),在2025年估值超過30億美元的市場中取得更佳的市場競爭優勢。
Jean-Marc Chery進一步說明,為此,收購Norstel的多數股權是加強該公司SiC生態系統新一步,透過此一收購,將能提高ST旗下碳化矽產品的靈活性,以及提高產量和品質,並支援該公司長期碳化矽發展路線圖和業務;而與Cree達成長期供貨協議,更是能提升該公司的靈活應變能力,亦有助於推動碳化矽在汽車和工業領域的應用普及。
據悉,ST此次將收購Norstel AB 55%的股權,並可選擇在某些條件下收購剩餘的45%,如果行使這些條件,收購總額將達到1,375億美元,並以現金支付。ST表示,藉由此次收購,未來該公司將可在全球產能受限的情況之下,控制部分碳化矽元件的供應鏈,為自身帶來一個重要的成長機會。
而Cree簽署的長期供貨協議,根據該協議規定,在目前碳化矽功率元件市場需求明顯成長的期間,Cree將向意法半導體提供價值2.5億美元之150mm先進碳化矽裸晶圓與磊晶晶圓,加速碳化矽於汽車和工業兩大市場實現商業應用。
Cree執行長Gregg Lowe指出,該公司始終專注於提高碳化矽解決方案的應用普及率,而這份協議是為支援半導體工業從矽(Si)向碳化矽轉型而簽署的第三份長期供貨協議。同時,Cree也不斷擴大產能以滿足持續成長的市場需求,特別是工業和汽車應用領域。
滿足高功率/小體積設計 DPSM優化能源管理決策
由於通訊設備中含有動輒數百條負載點電壓軌,因此系統工程師需要一個簡單的方法來管理這些電壓軌,包括其輸出電壓、定序以及最高容許電流。現今許多深次微米IC的數位處理器要求在其核心電壓之前升高其I/O電壓,許多DSP則要求核心電壓在其I/O電壓之前進行升壓。此外,關閉電源的定序也不可或缺。為此,系統工程師需要一種簡易的變更方法,藉以優化系統效能,以及為每個DC-DC轉換器儲存特定組態,以便簡化設計操作。
此外,大多數通訊設備製造商除了著手提高其系統的資料吞吐量與效能之外,還設法加入更多功能與特色。在此同時,業者也面臨壓力必須降低系統整體功耗。舉例來說,常見的挑戰是重新排定操作流程,把作業移至使用率偏低的伺服器,設法關閉其他伺服器,以藉此降低整體耗電量。為因應這些要求,關鍵在於必須知道終端使用者設備的功耗。因此妥善設計數位電源管理系統(DPSM)即能提供使用者功耗資料,進而做出明智的能源管理決策。
DPSM的主要利益是降低設計成本以及加快產品上市時程。運用完備的開發環境,透過內附直覺化操作的圖形介面(GUI),即可輕鬆開發各種複雜的多軌系統。此外,這類的系統還能簡化電性測試In-Circuit Testing(ICT)以及機板除錯,直接透過GUI進行修改,而不是在電路板上以補焊接線(White Wire)的方式進行修正。另一項好處,是其能預測電源系統故障以及進行預測性措施,而這一切都要歸功於具有即時遙測資料來提供協助。最關鍵的好處,可能是具有數位管理功能的DC-DC轉換器,讓設計者能開發各種「綠能」電源系統,在負載點、機板、機架、甚至安裝系統層面以最低耗能達到目標效能(包括運算速度、資料傳輸率等),藉此降低基礎設施成本以及產品生命週期內的總體持有成本。追根究柢,資料中心占最大比重的成本項目就是冷卻系統的耗電成本,而這些冷卻系統則負責讓資料中心內部的溫度維持在預設最佳作業溫度以下。
此外,系統工程師仍需要透用一些相對簡單的功率轉換器來滿足機板上其他電源軌,但能用來置放它們的電路板空間則一直不斷地縮減中。這方面也導致無法將這些轉換器置於電路板的背面,因為2mm最高元件高度的限制,以致必須裝在多片電路板上,安排成並列機架的組態。業界真正想要的是微型化的完整電源供應器,採用的元件貼焊到印刷電路板(PCB)時其高度不會超過2mm。本文將詳加探討這樣的解決方案。
廠商推SiP方案應戰
為此,半導體商ADI便推出Power by Linear µModule穩壓器,該產品是完整系統晶片構裝(SiP)解決方案,不僅可將設計時間縮至最短,還能解決通訊系統常見的機板空間與電源密度等問題。這些µModule產品是完整的電源管理解決方案,內含整合式DC-DC控制器、功率電晶體、輸入與輸出電容、補償元件以及電感等,全部均包含於微型表面黏著BGA或LGA封裝中。運用Power by Linear的µModule產品來進行設計,將使完成設計流程所需的時間大幅減少50%,而縮減幅度端視設計的複雜度而定。此系列µModule穩壓器能將元件選擇、最佳化以及布線等設計重擔轉移到元件,進而縮短整體設計與系統除錯時間,最終加快產品上市時程。
這些µModule解決方案整合許多分立式電源、訊號鏈以及隔離式設計中常用的關鍵元件,裝入一個類似IC的纖巧封裝內。之後再經過嚴格的測試與高可靠度的製程,使µModule產品系列能簡化各種電源管理與轉換方案的設計與布線流程。此產品系列涵蓋廣泛的應用領域,其中包括負載點穩壓器、電池充電器、DPSM產品(PMBus數位管理電源供應器)、隔離式轉換器、電池充電與LED驅動器。針對每種元件提供隨附PCB Gerber電路圖檔的高度整合解決方案,使這些µModule電源穩壓器不僅能解決時間與空間的限制,本身就是一款高效率與可靠的方案。此外,ADI許多新產品能協助客戶開發低電磁干擾(EMI)的解決方案,符合EN55022 Class B標準的規範,使系統設計者能獲得十足的信心,讓自身開發的終端系統能符合嚴格的雜訊性能標準,包括終端系統必須遵循的雜訊免疫力業界標準。
此外,隨著系統複雜度提高,所運用的設計資源也更廣泛,而縮短的設計週期,致使業者必須專注開發系統的關鍵智財。這通常意謂電源供應器會被擱在一旁,直到開發週期的後期階段才會展開設計。加上有限的時間,以及有限的專業電源設計資源,如此巨大的壓力催生出一款擁有最小底面積的高效率解決方案,透過PCB底部空間的善用,達到最大的空間使用率。
µModule穩壓器在這個關鍵領域能提供理想的解決方案。其概念是內部複雜,但外部簡單,結合切換穩壓器的效率以及線性穩壓器的設計簡易性。審慎設計、PCB布線以及元件的選擇,這些在設計切換器穩壓器都是相當重要的環節。許多有經驗的設計者在其職場生涯初期都有燒掉電路板的經歷,若是面臨時程短暫,或是電源供應器設計人才有限,現成的µModule穩壓器則不僅能節省時間與空間,還能減少設計程式所面臨的風險。
超薄µModule解決方案最新出爐的成員就是LTM4622。這款雙2.5安培或單一雙相5安培輸出降壓(Step-Down)電源穩壓器,達到6.25mm×6.25mm×1.8mm尺吋的超薄LGA封裝。高度接近下焊式1206電容,其超薄的高度讓它能貼焊在機板的正面(Topside)。此外,薄型化規格使其能符合各種嚴苛的高度限制,例如PCIe,以及嵌入式運算系統採用的先進夾層卡(Mezzanine Cards),如圖1所示。
圖1 LTM4622(A)能貼焊到PCB的背面
此外,LTM4622A是最近發表的產品。LTM4622的衍生「A」版本擁有更高的輸出電壓範圍,從1.5至12伏特,取代非A版本的0.6至5.5伏特。系統設計者能藉此得到更寬廣的輸出電壓,並支援需要較高電壓的終端系統。A版與非A版元件的輸入電壓範圍都是3.6至20伏特。Power by Linear的µModule DC-DC穩壓器還可透過一個簡單的方式來提供高功率與DPSM功能。由於許多µModule穩壓器能以並聯方式組建出高負載電流與精準的電流匹配功能(額定準確度為1%),其能減輕各處熱點(Hot Spot)的電勢。此外,只需動用其中一款µModule穩壓器就能將DPSM功能納入到產品中,即使其他並聯的µModule元件並沒有內建DPSM功能,只要有一個支援DPSM的µModule就足以提供完整的數位介面。
有了DPSM元件,系統設計者就能進行許多工作,其中包括:
設定電壓、定義複雜的導通/關斷順序、定義包括過壓與低電壓極限值等預設失效條件以及設定在數位通訊匯流排上的重要電源供應器參數,像是切換頻率以及電流界限等。
透過同一個通訊匯流排,我們可以讀回各項重要的作業參數,像是輸入電壓與輸出電壓、輸入與輸出電流、輸入與輸出功率、內部與外部溫度以及在我們產品中的耗用能源量測值。
另外業者也可針對其設計執行極精準的封閉循環式邊限測試,以及極精準地微調電源電壓。
這些元件本身就設計成能夠自主運行。一旦設定並灌入輸入電力,它們就會啟動電源供應;在負載點極精準地穩壓電壓,並持續監控電壓與電流來執行使用者設定的失效管理機制,啟動非揮發性記憶體的失效記錄器,以在偵測到失效狀況時用來儲存電源系統的資訊。
lDPSM可以層疊(Cascaded)方式組建出彼此同調(Coherent)的大型電源供應器系統。其中運用了跨晶片協調匯流排,其運行速度達到全線速(Wireline Speed)。
內建的非揮發性記憶體(NVM)支援元件組態儲存以及失效日誌記錄等功能。
這些元件內含I2C/PMBus通訊埠,並採用業界標準PMBus指令集來控制與管理電源系統。
這些PSM元件背後都有共用LTpowerPlay GUI全力支援。LTpowerPlay是一款工程級圖形介面,在開發時就納入電源系統設計與除錯方面的需求,並融入遠端用戶支援的功能。
圖2顯示一個LTM4677(36安培DPSM µModule穩壓器)的應用示意圖,其與三個LTM4650s(50安培µModule穩壓器)並聯,組成一個180安培DPSM負載點解決方案。
圖2 結合一個LTM4677 DPSM µModule 與3個LTM4650 µModule穩壓器,能從一個額定12伏特輸入,轉換成186安培/1伏特的輸出。
在現今通訊設備中採用具有DPSM功能與超低晶片高度的功率轉換元件,能為電源供應器設計業者提供一個簡單且有力的途徑,藉此向核心電壓提供高功率輸出,最低並可支援至0.5伏特,在作業溫度範圍內最大直流輸出誤差範圍為正負0.5%,如此的規格很接近最新20奈米以下ASIC、繪圖處理器以及FPGA等元件。若是具有晶片高度的限制,可採用超薄型µModule穩壓器,例如LTM4622(A),這款晶片裝到電路板時的高度不到2mm,因此原本沒用到的電路板的底側空間還能善加運用,如此不僅可省下昂貴的電路板空間,由於整體的操作效率提高,所需的冷卻資源也將隨之減少。
最後,µModule穩壓器非常適合運用於通訊設備,因為它們不僅能大幅縮短除錯時間,還能提高電路板空間的使用效率。如此不但降低基礎設施的成本,系統生命週期的總體持有成本也會隨之降低。對於設計與組裝等設備廠商而言,這也是一項雙贏的局面,因為企業一旦加以運用,就會將之安裝在自身的資料中心。
(本文作者為ADI電源產品行銷總監)
從集中到分散的AIoT運算 邊緣運算優化深度學習網路
AI人工智慧的浪潮一波波襲來,帶動雲端儲存、大數據分析等新商機崛起,但隨著更大量、即時的資料吞吐量,傳統雲端架構已逐漸無法負荷如此龐大的運算需求。邊緣運算(Edge Computing)有助於降低傳統雲端架構的運算負荷、提升邊緣端的數據與資料處理能力,大幅改善運算效率以及數據應用。根據研究機構預估,2018~2022年全球邊緣運算相關市場規模的年複合成長率將超過30%,吸引許多廠商競相投入布局。
與雲端運算相較,邊緣運算更加無所不在,不僅應用領域廣泛,產業投資較小,也與台灣產業型態更加契合,邊緣運算將因為物聯網(IoT)蓬勃發展,扮演更明確、更高價值的角色,該技術可以處理複雜的工作,也可以負擔簡化的運算,端視它配置的運算資源和分析軟體,如果邊緣裝置無法立即處理,還是可以透過雲端來接手。本次活動邀請相關技術領域的研究單位與廠商擔任講師,剖析邊緣運算架構、專用加速硬體、產業發展趨勢與應用前景。
從集中到分散式的運算結構
物聯網發展與成長迅速,相關裝置更是高度成長,產業研究機構資策會MIC研究指出,全球具自主反應功能的IoT主動式裝置(Active Device)在2015年時共有129億個,其後一路成長至2020年將突破212億個,2025年時預計進一步成長至342億個。資策會MIC資深產業分析師兼專案經理施柏榮(圖1)說,以具備IoT功能來加以區分,預計2021年,具有IoT功能的主動式裝置已達50%,2025年預計達到62%,顯示全球有愈來愈多的裝置具備數據感測、資料蒐集、資料互聯的功能。
圖1 資策會MIC資深產業分析師兼專案經理施柏榮說,邊緣運算發展之下,AIoT裝置將具備數據感測、資料蒐集、資料互聯的功能。
再者,全球主動式IoT裝置數量2015年,約有28億個,2019年為IoT裝置數量首次超過全球人口總數的年份,2020年更將挑戰100億個大關,2025年則預計達到215億個,是2020年的兩倍之多(圖2)。施柏榮認為,全球人均IoT數量(全球平均每人所擁有的IoT裝置),2020年為1.3個、2025年將達2.69個,意味著當年全球每人將有近三個能夠蒐集環境數據的裝置或設備,與人類的日常生活更加密不可分。
圖2 全球人口與主動式IoT裝置數量發展趨勢
資料來源:資策會MIC整理(12/2018)
物聯網的發展將產生資料的洪流,數據的處理與使用成為未來幾年亟需解決的問題,施柏榮指出,終端設備所處的位置,將產生不同類型的數據使用情境。而邊緣人工智慧(Edge AI)是在物聯網邊緣位置上,執行機器學習推論(ML Inference)並處理來自終端的數據與資訊的運算服務,達到降低雲端負載、終端立即回應的效果。
邊緣運算的重點在調整過去雲端運算的集中式(Centralized)結構,轉變為以分散式(Distributed)運算為核心,賦予近終端的節點,也可以進行運算、分析、決策等功能,施柏榮強調,除了解決網路壅塞,資料處理延遲等問題,邊緣運算並非是要取代雲端運算的功能,而是重新定義、優化雲的架構。Edge AI的運作在Cloud、Edge、Thing之間皆產生非常緊密的交換與連繫,彈性化架構是運作的重點。
邊霧運算強化雲端彈性
若以技術發展的角度來觀察,邊際情境智慧(Edge Intelligence via Ambient Computing),定義上就是遠離雲端而靠近面對消費者的裝置那一端,須具備一定的運算與智慧產生能力,能就近處理感測所產生的資料。資策會物聯應用系統中心副主任王秉豐表示,既有雲端架構無法滿足物聯網離線處理、資料隱私、即時回應等需求,導入邊霧運算架構可解決雲端運算面臨的問題,增加使用彈性,解決不同系統間資源共享與再利用的需求。
邊霧運算的技術架構有幾個特色,包括:多樣性與異質性的挑戰,可以通過服務和設備的抽象層來解決;應用程序和資源管理緊密合作,提供複雜的互聯網服務,並自適應地分配邊緣/霧端資源;邊緣資源註冊、識別和控制介面,將是改善網路和服務可擴展性的方法。
而邊霧系統架構未來幾年的發展將遭遇挑戰,王秉豐說明,包括可擴展性(Scalability)、複雜的互連網(Complex Inter-networking)、動態和適應(Dynamics and Adaptation)、多樣性與異構性(Diversity and Heterogeneity)等,邊霧運算將建構更彈性化的IaaS基礎架構,改變既有數據傳輸、儲存模式甚至網路運算計價模式。
邊緣運算應用多樣廣泛
而從應用的角度來觀察,AI將深入各行各業、各個角落,根據產業研究機構資策會MIC研究指出,AI將成為基盤性技術,全球人工智慧的科技支出,2016年約為4.5億美元,但預計於2020年達到192.8億美元、2021年更將突破達到289.6億美元,顯示全球公私領域皆將人工智慧視為科技研發投入的重點,並將逐漸導入應用以強化自身競爭力。
資策會董一志提到,AI應用無遠弗屆,穿戴式裝置就是典型的邊緣裝置,智慧手環與手表的功能有:健身計步、睡眠偵測、心律測量、精準定位等,隨著消費者需求的成長,最新的Apple Watch已經導入跌倒偵測,類似的個人健康與保健功能將持續出現在各式智慧穿戴裝置,並結合更多AI邊緣運算的技術,達成隱私、即時與智慧化的需求。
邊緣運算專用晶片引發卡位戰
AI的熱潮在過去幾年帶動雲端運算的高度成長,同時也帶動資料中心用的記憶體、處理器(High Performance Computing)、高頻寬傳輸介面等的發展,而方興未艾的邊緣運算,也促使晶片廠商大舉投入相關的專用加速硬體的開發,安馳科技專案副理謝秉志(圖3)表示,嵌入式的機器學習(Machine Learning)解決方案有幾個特性,透過軟/硬體可配置特性因應快速變化的深度學習網路,而且可以針對高效能與低功耗彈性調整,支援深度學習網路任意精度的調整,並以即時運算創造低延遲,在不同的應用上可以彈性的進行差異化。
圖3 安馳科技專案副理謝秉志指出,使用深度壓縮(Deep Compression)工具可以有效提升深度學習網路的效率,改善效能。
可編程元件一向以彈性化的配置見長,在AI應用上,依然延續這類特點,而為了節省運算資源,可以支援最小1bit的資料寬度INT 1運算,跟32位元的運算比起來,可以大幅節省硬體資源。而在深度學習網路中,剪枝(Pruning)也成為邊緣運算的發展重點,透過演算法簡化網路的複雜度,將影響學習準確性較小的節點刪除,讓深度學習網路模型可以被裁剪為結構精簡的模型,且網路修剪前與修剪後維持相似效率。
使用深度壓縮(Deep Compression)工具可以有效提升深度學習網路的效率,謝秉志進一步說明,深度學習網路整體效能將獲得改善,大致說來,可將網路節點縮減成1/3,資料傳輸的頻寬需求剩下1/10,網路模型規模剩下1/10,運算效能提升3倍。
而目前在AI領域領先的GPU大廠NVIDIA,同樣看好邊緣運算的發展,也提出轉移式學習(Transfer Learning)工具,該公司技術行銷經理蘇家興(圖4)指出,這是一個將整體網路優化的工具,流程上是先提出已訓練過的模型,加入新的資料,透過轉移式學習的流程,包括剪枝、場景改編(Scene Adaptation)、重新編碼,最後可以產生一個高精度符合應用場景的模型。網路剪枝不是只有縮減模型的複雜度,而是優化整個深度學習網路,經過轉移式學習流程後,模型可縮小6.5倍,但網路效率可以提升2倍。
圖4 NVIDIA技術行銷經理蘇家興說明,網路剪枝不是只有縮減模型的複雜度,而是優化整個深度學習網路,縮小模型並提升網路效率。
深度學習優化有撇步
目前網路上開放共享的深度學習網路模型很多,如何利用別人已經訓練好的模型來達成自己的目標,逢甲大學電子工程系副教授陳冠宏(圖5)建議,可以先看這些模型跟自己的訓練目標有沒有一致,如果差距不大就可以透過剪枝、截斷(Truncation)、權重分類(Quantization)這些方法,加入自身的情境,讓這些網路經過壓縮之後,可以更加符合自身的應用情境,節省訓練的步驟。若是這些訓練好的模型分類與應用不符,則深度學習網路模型就需要重新訓練。
圖5 逢甲大學電子工程系副教授陳冠宏建議,透過剪枝、截斷(Truncation)、權重分類(Quantization)可以讓AI訓練更有效率。
AI的訓練與推論耗費許多運算資源,因此將AI放在邊緣如何提升效能,且不犧牲太多準確率,成為邊緣運算的發展重心,陳冠宏認為,模型壓縮、高平行性(High...
媒體/無人機/醫療應用先行 5G商用雛型漸具
2019年可謂5G商用化的元年,無論是5G晶片、電信基礎建設或服務皆陸續起跑上路。如高通(Qualcomm)、英特爾(Intel)接連宣布推出5G晶片,Verizon率先推出5G Home商用服務;雖說目前5G應用服務發展尚未完全明朗,但大致5G生態環境已有了雛型。根據2019 CES展會上電信商與各產業推出的解決方案來看,預計將以媒體、無人機與醫療科技應用率先起跑,期能為相關產業帶來創新價值。
5G大頻寬、大連結與低延遲的特性,為各行各業帶來許多發展機會。而電信商做為串連各產業應用的角色尤其重要。為了創造更多5G應用機會,Verizon就曾祭出百萬獎金徵求5G應用點子的活動,期能從中找尋新的5G服務商機;與此同時,該公司更與媒體業、航空業及醫療產業有相關合作方案,由此可看出Verizon布局5G的企圖心。
工研院產科國際所組長紀昭吟表示,在媒體產業上,Verizon借助5G大頻寬特性,協助Disney製片廠打造5G網路,使拍片團隊即便到偏遠地區拍攝影片,也能快速的將拍攝內容回傳至製片中心;此外亦與紐約時報合作創建5G新聞實驗室,讓記者在新聞內容產製過程中,加入一些擴增實境(AR)與虛擬實境(VR)的元素。
無人機應用則是發揮大連結的效能。紀昭吟談到,在飛行安全部分,Verizon致力於成為首家擁有100萬架接入其5G網路的無人機運營商,未來將與南方航空合作,採取無人機執行安全任務,讓能夠超越可視飛行視線的無人機,研究陸地上不可見的地點。
最後,在醫療科技的應用主要是訴求低延遲效能為主,無論是Verizon或AT&T在這個領域皆有所布局。紀昭吟指出,Verizon與Medivis合作,實現影像同步傳輸功能做為手術輔助的應用,醫生透過配戴無線AR眼鏡的方式,將影像傳到螢幕進行同步操作,進而提升手術操作的精準性;此外,遠距醫療部分,可看到AT&T攜手Rush大學醫療中心合作創建5G醫院,協助隨時提供民眾護理服務功能。
從晶片端來看,高通2018年底發表全球首款5G晶片,並獲得30款終端設備採用,預計2019將陸續上市。而英特爾(Intel)雖然時程較晚,但也不甘示弱預計於2019年下半年推出5G晶片,其將具備5G無線連接與邊緣運算效能,廣泛應用於雲、網、端運算設備。
紀昭吟認為,5G終端裝置將會以「聯網」設備先行,類型包含行動分享器(Hotspot)、家用網路設備(Router、CPE)小型基地台(Small Cell),和手機原型機等,不過手機並非主打重點。於日前2019 CES展會上,各家推出各式各樣具備聯網功能的產品,其中三星(Samsung)展示的5G方案最為齊全,在家用網路設備主要搭載高通X50 5G晶片,符合3GPP第15版5G NR規範。
綜合上述所言,紀昭吟分析,從5G的服務、終端裝置到晶片發展來看,看似與4G應用服務相似度極高,但深入來看其實大有不同。舉例來說,過去4G醫療重點在於遠距離的影音傳輸效能,而5G醫療則是強調低延遲效能,從規格上比較,可看到4G時代延遲性要求為100~1ms,而5G變成10~1ms的延遲,後者可滿足更精細的醫療應用,也是工研院產科國際所認為5G的發展重點。
實施汽車晶圓偏移監控 車用元件良率提升有秘訣
控制計劃詳細說明了受到監控的製程步驟及其監控方式,包括指定檢測靈敏度、採樣頻率以及所採用的確切製程控制系統訊息等細節。精心設計的控制計劃能夠檢測到所有偏移,並防止因採樣不足使得「極端異常的」漏網晶圓出廠。此外,該計劃將清楚地指出哪些晶圓受到每次偏移的影響,從而可以將其隔離並更充分地處置,這確保了不合格的元件不會被無意的運送出廠。
進行缺陷檢測確保晶圓品質
為了實現這些目標,確保晶圓品質,整套車用晶片服務的控制計劃與消費產品IC生產的控制計劃相比,往往需要更全面的檢測和量測。
在晶圓廠中,對採用同一設計規則的車用和非車用產品的製程控制進行基線數據分析,其結果表明晶圓廠為車用產品採取了更多的缺陷檢測步驟和更多類型的製程控制(檢測和量測)。數據顯示就平均而言:
.車用流程所採用的缺陷檢測步驟大約多1.5到2倍。
.車用流程使用更為頻繁的採樣,不僅是批次採樣百分比更高而且每批次採樣晶圓也更多。
.車用流程使用更高的靈敏度用以捕獲較小缺陷,因其可能對可靠性產生影響。
這些因素的綜合影響導致典型的車用晶圓廠需要比消費產品製造同僚多50%的製程控制性能,仔細觀察一下會看到該性能的確切部署方式。
圖1顯示了在同一晶圓廠中車用和非車用製程流程的檢測點之間的批次數量示例。由於檢測步驟數量更多,如果存在缺陷偏移,則可以在車用流程中更快地發現。而迅速發現偏移則可以減少受影響的批次數量,以更少並更為明確的批次中發現受較高缺陷影響的貨,這有助於滿足車用晶片可追溯性的要求。然後這些偏移批次被單獨隔離並進行100%的高靈敏度晶圓檢測,以便決定其處置方式是放行、報廢或在適用時降級至非車用應用。
圖1 顯示了車用製程流程和非車用(基線)製程流程中在檢測點之間受影響的批次數量示例。車用製程流程在FEOL有更多的檢測點,因此在偏移發生時受影響的批次數量較少。
整套車用晶片服務中的額外檢測點也帶來更多益處,因其縮小了偏移潛在原因的範圍,所以尋找偏移根本原因更為簡便。縮小潛在原因的範圍也有助於8D調查更為迅速有效,以便尋找並解決問題。與直覺相反,因為減少了生產線上的變化,增加檢測點數量反而會減少生產週期時間。
提高異常晶圓捕獲率 高產量宏觀缺陷檢測需求增
雖然提高檢測能力有助於對製程偏移進行監控和控制,但車用IC質量仍存在著風險。因為每個晶圓在晶圓廠中通過眾多個製程反應室的路徑可能各不相同,所以數百個製程步驟中的微小變化和邊際化的總和可能會產生「極端異常」的晶圓。這樣的晶圓很容易通過一個高度依賴於次級採樣的控制計劃,讓受影響的晶片進入供應鏈。為解決這一問題,許多車用晶片廠正在將高產量宏觀缺陷檢測機台加入其設備組合中,對於每一批次進行更多晶圓的掃描,這顯著提高了捕獲異常晶圓並防止其進入汽車供應鏈的可能性。
新一代宏觀缺陷檢測機台可以將許多老一代明場和暗場晶圓缺陷檢測機台的靈敏度和缺陷捕獲能力結合到一個平台之中,並且可以每小時運行近150個晶圓,可以降低擁有成本。在採用較大線寬設計的200mm晶圓廠中,該檢測能力的提升通常可以捕獲以前未檢測到的多個低水平偏移,如圖2所示。
圖2 每批5個晶圓(圓圈)的傳統採樣計劃可能不會檢測到單個異常的晶圓偏移(方塊)。高產量宏觀缺陷檢測機台可以通過減少採樣不足及其相關風險來防止漏網之魚。
在先進及較小設計線寬的晶圓廠中,宏觀缺陷檢測機台缺乏必要的靈敏度,因而無法取代寬帶電漿和雷射掃描晶圓缺陷檢測機台在傳統生產線監控和圖案晶圓偏移監控中所占據的角色。然而,它們的高產量已經使其在補強現有樣本計劃和捕獲異常晶圓的晶圓級缺陷分布特徵等方面發揮了重要的作用。
車用晶片控制策略的最新發展是採用晶片級別的缺陷檢測篩選。該項技術其中一種,稱為線上缺陷元件平均測試(I-PAT),使用異常值檢測技術來進一步增強晶圓廠的識別能力,找出那些可能通過電性測試但由於潛在的缺陷而在未來產生可靠性失效的晶片,此一方法將會在未來的文章中討論。
(本文作者David W. Price博士和Jay Rathert為KLA資深總監;Douglas Sutherland為KLA首席科學家)
確保自駕車可靠性 車電元件模擬至關重要
隨著車用電子的角色從娛樂轉為協助駕駛人,進而完全掌控車輛,對可靠度的要求亦越來越高。關鍵車用電子系統至少要有10年的壽命,處於引擎蓋下的環境也很惡劣,溫度可高達攝氏150度。而模擬工具可幫助工程師針對電子系統進行模擬、除錯與最佳化,涵蓋可能導致自駕系統故障的各種議題。同時,模擬有助於設計可靠高效率的電子系統,以滿足自駕應用的嚴格可靠度要求。本文將聚焦在可靠度和晶片-封裝-系統CPS)模擬的各個層面,有助於催生封裝/系統感知積體電路IC設計和IC感知封裝/系統設計(圖1)。
圖1 運用模擬工具RedHawk-CTA和Icepak進行晶片-封裝-系統熱可靠度分析。
可靠度為自駕車設計主要挑戰
現在的駕駛人越來越仰賴電子系統確保安全性,像是近來盛行的先進駕駛輔助系統(ADAS)功能,進一步提升電子設備對車輛安全的重要性。當然新興的自駕系統,能瞭解每一個能夠想到的駕駛情境,並做出判斷,確保車輛乘客行人的安全,將進一步增加駕駛、乘客和行人安全對車用電子的依賴。
現在有很多車用電子皆使用較舊的半導體製程,因為其特徵尺寸較大以及設計師的經驗,這些應用的可靠度相對上較容易驗證。但ADAS和自駕科技使用的感測器會產生大量數據,處理速度必須超快,延遲亦需要很低。這些應用需要大幅提升運算能力,因此必須使用剛上市的最先進半導體製程,其特徵尺寸也小得多。
以先進製程設計的新一代積體電路將更多電晶體壓縮到更小的面積上,提供最高運算效能。這些IC運作的供電電壓要低得多,因此更容易受電源和訊號雜訊耦合的影響。在許多情境下,這些半導體需在溫度可達攝氏135度的引擎蓋下運作,因此更容易因高溫導致故障,這亦是一大挑戰。而許多車用電子會暴露在水和塵土下,所以必須密封,進一步增加散熱挑戰。因此如何提供足夠冷卻的難度亦增加。
強化晶片可靠性 電子飄移現象須消除
由於支援ADAS和自駕的車用電子須採先進製程,其普級化使電子飄移(EM),使用期限的可靠度問題,成為關鍵的系統設計議題。電子飄移指的是電子流經積體電路並撞擊導體內的金屬原子,逐漸造成開路或短路,長久下來將導致晶片故障。由於導體的橫切面隨著製程的引進而縮小,晶片變得更容易受到電子飄移影響。電子飄移的現象亦隨著溫度大幅上升,先進2.5D和3D積體電路使得晶粒(Die)愈放愈近,產生熱點(Thermal Hot Spots)的機率亦隨之升高。
我們通常不知道晶片上各導體的溫度,因此設計工程師會替晶片假設一個最壞狀況的均勻溫度。此做法對較舊的製程夠用,但現在先進製程轉換速度更高、導體更細、層數更多,使用此方法大幅地增加EM違規現象(EM Violations)。設計團隊花在評估與修正這些違規的時間亦越來越長,但是如果模擬採用正確的非均溫度剖面圖(Temperature Profile),即能發現許多EM違規現象是假的並且絕對不可能被觸發。
為此,模擬工具如安矽思(ANSYS)旗下的RedHawk平台藉由準確地決定元件和金屬周遭的溫度,正確預測EM違規現象,來處理這些挑戰(圖2)。該平台運用焦耳自加熱(Joule Self-heat)和晶片內金屬導體間的熱耦合原則來製作升溫模型,元件溫度是各電晶體耗電流量以及與鄰近電晶體距離的函數;並運用晶圓廠的製程參數,加上晶粒上金屬和介電質(Dielectric)的熱特性,正確預測局部區域的溫度變化。
圖2 以ANSYS RedHawk-CTA進行晶片和封裝熱分析
另外,該平台亦根據晶片上各導線實際經歷的溫度,運用溫度剖面圖來進行熱感知(Thermal-aware)EM查核。此做法能大幅減少EM違規現象的數量,提供的診斷資訊亦遠多於過去。工程師能將精力集中在真正重要的EM違規現象上,並更快修復,大幅減少產品上市時程並降低EM故障風險。
提升車用電子可靠性 熱效應不容忽視
熱效應是確保關鍵車用電子可靠度的另一個重要考量。就晶粒和封裝層次而言,工程師必須確保整個晶片的溫度絕對不會高過最高運作溫度,同時也必須評估運作時的熱週期,因為晶圓和金屬層的熱膨脹係數(Coefficients of Thermal Expansion, CTEs)不同,此會導致晶粒和封裝變形。
另外,電路板層級的熱週期亦可能因為銅和介電質之間的差異造成壓力,變形會造成連接電路板和晶片的錫球(Solder Ball)伸縮,可能導致焊錫疲勞(Solder Fatigue)和其他故障。
因應此一需求,車用電子元件的設計工程師,能夠運用ANSYS晶片熱模型(Chip Thermal Models, CTMs)處理晶粒層級的熱可靠度問題,進而達成完整的晶片與封裝共同分析。
接著,ANSYS Mechanical能夠沿用分析的溫度剖面圖,進一步預測晶粒的熱或機械負載對壓力、張力,以及變形的溫度影響。
就電路板層次而言,能夠用ANSYS SIwave Signal Integrity Analyzer計算印刷電路板(Printed Circuit Board, PCB)電路和鑽孔(Vias)的焦耳熱,評估電路板電路圖和電流密度預測。無縫銜接至Icepak系統層級熱模擬工具,計算主機板的垂直熱傳導率(Orthotropic...
專訪聯發科技通訊系統設計本部總經理黃合淇 Sub-6GHz 5G終端產品搶先問世
聯發科技通訊系統設計本部總經理黃合淇表示,5G在全球各國即將商轉,相關的技術與服務應用需要成熟且完整的生態系共同合作,而非一家公司能夠主導。為因應此趨勢,聯發科致力於參與3GPP國際標準的會議討論以及終端晶片的開發,致力於為客戶提供方案,達到在2020年5G商轉的目標。
黃合淇認為,傳統基礎建設業者在建置大型基地台的同時,也築起了一些技術高牆,小基站(Small Cell)若要與核心網路連結將面對較高門檻;基地台之間的互通性尚有疑慮。另外,民眾普遍排斥在自家住宅附近搭設基地台,也將使得建置小基站的地點難尋。因此,儘管小基站倡議多年,但商業模式仍不明確。
另一方面,Sub-6GHz頻段的特色在於傳輸距離長、蜂巢覆蓋範圍較廣,因此相對於毫米波(mmWave)頻段而言,使用Sub-6GHz頻段對於基地台數量的需求較少。同時,Sub-6GHz頻段所使用的技術多可沿用4G時期開發的技術,因此Sub-6GHz頻段相關的射頻元件產業鏈也相對成熟。
但也由於5G的終端市場非常多樣化,因此儘管聯發科技會先由Sub-6GHz頻段優先切入,但也依然會持續在毫米波頻段上持續開發。同時,也由於終端晶片是聯發科技最為熟悉的市場,因此面對5G革命,聯發科技也將持續往該方向投入研發。
目前聯發科技在5G技術的研發實力,也獲得國際標準組織的高度肯定。根據德國市場調查單位IPlytics GmbH調研報導指出,在全球已提交3GPP 5G標準技術貢獻的前20大公司中,相對於4G標準制定時期,聯發科技的5G提案參與度大幅增加了將近四倍,且聯發科技以43%的5G提案審核通過率高居全球第三。
聯發科技通訊系統設計本部總經理黃合淇表示,5G術與服務應用需要成熟且完整的生態系共同合作,而非一家公司能夠主導。
專訪應用材料副總裁暨台灣區總裁余定陸 搶食AI商機需要材料創新
美商應用材料副總裁暨台灣區總裁余定陸認為,科技業正面臨有史以來最大的AI大戰。在電腦運算處理器部分,人工智慧需要大量、快速的記憶體存取及平行運算,這時繪圖處理器(GPU)及張量處理器(TPU)會比傳統運算架構更適合處理人工智慧的應用。為使人工智慧潛力完全開發,其效能/功耗比需比目前方案提高1,000倍。
另一方面,為了應對大量資料跟高速運算需求,儲存資料用的記憶體、用來傳輸資料的高速介面技術等,也有許多可以發揮跟探索的空間。先進封裝技術的推陳出新,讓異質整合成為可能,不僅讓晶片業者可以在單一封裝內整合更多功能,同時也讓資料傳輸的速度大為提升。
隨著晶片的結構越來越複雜,半導體製程發展的挑戰變得更為艱鉅。但如果在材料科學方面能有新的突破,將可協助半導體製造商解決不少問題。例如在晶片內數量越來越多的矽穿孔(TSV),必須精準地打在正確的位置上,否則會形成短路。但以現在的製程方法,要確保TSV的位置正確,是一大挑戰。為此,應材已發展出可以自動對位的新材料跟對應製程方法。
最後,為了應對未來的挑戰,半導體產業的運作模式也必須跟著改變。當今的半導體產業上下游都是以直線型的方式來運作,但未來必須以網路的思維進行平行發展與學習,運用互連加速創新。每家廠商不只要面對客戶,以後還要跟客戶的客戶、客戶的夥伴攜手合作,才能發展出符合客戶需求的產品跟解決方案。
美商應用材料副總裁暨台灣區總裁余定陸認為,AI為半導體產業帶來巨大商機的同時,也帶來許多新的挑戰。












