首頁Top區塊
- Advertisement -
可摺疊顯示設備將亮相 2022總產值將達89億美元
顯示領域研究機構Display Supply Chain Consultant(DSCC)近日發布可摺疊(Foldable)顯示器技術之年度市場報告。其中指出,首款可摺疊螢幕手機將於2019年第一季亮相,並將在同年度達到310萬台銷售量;到了2022年,所有可摺疊顯示設備的市場規模更將達到6,300萬台,市場總產值達89億美元。
DSCC首席執行長Ross Young表示,該報告同時考量顯示器製程、成本規模、面板材料等等因素,分析探討了顯示器市場的不同面向的發展。該報告深入探討了可摺疊顯示器技術的商業化需求,並預測了未來產量、成本、出貨量、價格與出貨面積。該報告中亦表示,可摺疊顯示器市場規模將隨著成本與價格的下降而快速成長。
Young進一步指出,可摺疊是面板能增加智慧型手機產品鑑別度,更能使得OLED供應鏈的產銷更加健康且吸引更多資本支出,該市場具備了強大的成長潛力。該報告考量、分析了許多品牌與面板供應商的生產計畫,其中大多數業者皆看好可摺疊顯示器的長期發展。並且,他們希望可摺疊的特性能為顯示器創造更創新的外型,並能將更大尺寸的顯示器整合至更小外型的設備之中,此發展趨勢也將推動平均售價,並進一步提升獲利。
然而,無論是向外摺疊或是向內摺疊,螢幕彎曲都將使得TFT層扭曲,為顯示器帶來拉扯與壓力,因此搭載可摺疊螢幕的產品設計皆相當困難,每一層面板結構的材料皆必須重新設計,這也是遲遲沒有看到終端產品的原因。
Young預測,考慮到市場接受度與技術難度,最先出現的可摺疊設備將是翻蓋式的智慧型手機;緊接著出現的將是書本式的智慧型手機,也就是使用大約7.7寸的平板螢幕,可以做到1:1的對摺,並且同時能在對摺後呈現18:9全螢幕比例。
隨著三星(Samsung)與華為將在2019年第一季發布搭載可摺疊螢幕的智慧型手機,DSCC預測,可摺疊顯示器市場將在2019年開始,緩慢爬升至310萬台。在2019年之後,隨著成本與價格的下降,以及可用性(Availability)的提升和競爭日趨激烈的市場環境,可摺疊顯示器將進一步導入至平板電腦、筆記型電腦等應用之中。DSCC進一步預測,到了2022年,所有可摺疊顯示設備的市場將提升至6,300萬台,複合年增長率為173%;總產值將達89億美元。
先進製程才是半導體製造金雞母
根據產業研究機構IC Insights研究顯示,全球前四大晶圓代工廠(台積電、GlobalFoundries、聯華電子和中芯國際)加工晶圓產生的平均收入預計在2018年為1,138美元,用八吋等效晶圓表示,與2017年的1,136美元持平,四大代工廠的平均單位收入在2014年達到1,149美元,然後在去年緩慢下降。
台積電2018年平均每晶圓收入預計為1,382美元,較GlobalFoundries的1,014美元高出36%,聯電2018年每片晶圓的平均收入預計僅為715美元。此外,台積電是四家廠商中唯一一家預計2018年將比2013年產生更高的每晶圓收入的晶圓代工廠。相較之下,GlobalFoundries、UMC和中芯國際2018年每晶圓平均收入預計與2013年相較分別下降1%、10%和16%。
就2018年第二季的統計,晶圓代工廠生產的不同製程和晶圓尺寸創造的營收可見。採用0.5微米的8吋晶圓創造營收370美元,而20奈米(nm)以下製程的12吋晶圓可創造6,050美元營收,兩者之間的差距超過16倍。即使以每平方英寸的方式計算,差異也非常大(0.5微米技術為7.41美元,≤20nm技術為53.86美元)。由於台積電45奈米以下的先進製程比重高,預計該公司每片晶圓的收入將從2013年到2018年以2%的年複合成長率(CAGR)成長。
隨著GlobalFoundries暫緩7奈米先進製程的研發,IC Insights認為,在未來五年內,可能只有三家廠商能提供先進製程技術/產品,即台積電、三星和英特爾。
瞄準AIoT商機 宜鼎啟動策略聯盟大打團體戰
工業儲存製造商宜鼎國際積極布局AIoT市場,於近期宣布與旗下安提科技、巽晨科技、捷鼎科技、安捷科等子公司,以及合作夥伴美超微(Supermicro)和鐵雲科技組成AIoT策略聯盟,提供從雲到端的垂直整合解決方案,致力推動跨工控領域的AIoT生態系。
宜鼎董事長簡川勝表示,AIoT是目前產業非常熱門的議題,無論是雲端業者或是終端產品開發商,都紛紛投入發展;而要如何將實際應用落實到終端產品,是目前最大的挑戰,也是每家業者努力發展的方向。
簡川勝以智慧路燈為例,指出智慧路燈若與AI概念相結合之後,其功能可能包括環境監測、車流管控、車牌辨識或人臉辨識等。而這些應用便涵蓋了硬體(如感測器)、軟體、資料儲存/傳輸、雲端運算和邊緣運算等,這些工作非是單一公司可實現,而是需好幾間公司相互合作。換句話說,目前落實AIoT應用的挑戰在於技術相當分散,以往某些應用可能靠單一系統整合業者或硬體開發商就能完成,但到了AIoT的時代,不論何種應用都須進行雲端到終端的軟硬體整合,這也代表著企業間的相互合作,勢在必行。
也因此,簡川勝認為,要發展AIoT,便需要整合產業群聚能量,串聯雲到端的技術並加以智慧化,而宜鼎近年積極提倡「極致整合」的概念,繼橫向的軟硬整合之後,下一步便是要實現垂直整合,這也是全球發展AIoT的趨勢。因此,宜鼎便聯合安提、巽晨、捷鼎、安捷科等子公司,以及美超微和鐵雲等策略夥伴,攜手為應用市場提供雲到端的完整解決方案。
簡川勝補充,透過AIoT策略聯盟,可將複雜的技術轉化為簡單、完善、易用且實際的解決方案,加速系統整合商及終端產品開發商實現AIoT應用。
WCCA助電路設計評估 轉換器電流容限估算有訣竅
在本文涉及的分析中,對於電阻器、電容器和電感器,我們只考慮初始容限對元件參數的影響。此外,對於控制器,則僅考慮溫度和老化對其的影響,因為其所有參數都規定為-40℃至125℃範圍內的接面溫度,資料表限制包括老化試驗。本文將透過執行蒙地卡羅分析來估算轉換器在最差情況下的輸出電流極限。WCCA同時採用了幾組方法來分析系統容限:
極端值分析
極端值分析(Extreme Value Analysis, EVA)包括找到最大化和最小化系統/電路輸出(這裡指輸出電流)的參數,並將其效應進行堆疊,找到電路輸出的最差值。需要有明確的函數來描述系統輸出變數及其參數,以便推導出參數向哪個方向(最大/最小)變化會導致電路輸出的最差值。如果我們對系統有一個簡單合理的運算式,這就可以透過檢查來完成。但對於更複雜的、可能涉及非線性函數的運算式,要想確定最差的參數集可能就非常困難。針對這些較困難的情況,我們可能會採用靈敏度分析。
單調系統(Monotonic System)在最差情況下(最極端)的值會出現在當它所有參數在最大值或最小值處達到峰值時。因此,這種系統的EVA結果代表了其可能的最差性能特徵,故結果上可能看起來不樂觀。對於非單調系統,當所有參數被推到一個或另一個極端時,不一定能夠找到函數的最小/最大解,而當一些參數處於其範圍的中間時則可能會被找到。
靈敏度分析
透過靈敏度分析(Sensitivity Analysis)能夠瞭解每個參數(例如:VREF、Rsense、Lp等)對系統輸出變數(例如:Iout)的影響。電路靈敏度是衡量電路在所有其他參數保持不變時,如何對單一組件參數的增量變化做出反應。實際上,它需要找到與所有考慮到的變數相關的系統輸出的區別。當難以或無法透過檢查確定最差的電路參數組合用於極限值分析時,通常可採用靈敏度分析。
蒙地卡羅分析
蒙地卡羅分析(Monte-Carlo Analysis, MCA)是一種統計方法,通常基於電路模擬來評估系統的性能。它是對樣本資料系統的信賴區間的評估電路模擬程式(如SPICE)通常可為蒙地卡羅模擬提供腳本。該模擬包括遵循定義的機率分布(常態分布或均勻分布)為每個參數提供隨機值,並運行多次模擬,計算系統的輸出值。蒙地卡羅模擬通常會生成一個長條圖,顯示多次運行的輸出值散布情況。該長條圖通常看似高斯曲線(Gaussian Curve),模擬器也給出輸出平均值和標準差。可採用以下兩種方法之一對蒙地卡羅模擬的結果進行分析:
1.常態分布的容許區間
2.無分布容許區間
對於這兩種方法而言,分析結果將是一個輸出值的區間,代表與信賴水準相關的覆蓋率。
如果SPICE蒙地卡羅輸出不呈高斯分布,則採用無分布容許區間方法。在本文的案例中,這種方法的容許區間取決於抽樣進行N次測量或模擬得出的最小和最大資料值。測量次數N將設定信賴水準和覆蓋率水準。「e-Handbook of Statistical Methods」一文給出了計算所需模擬次數的方法,以便將最小和最大結果點作為給定的覆蓋率/信賴水準的容許區間。基於此,結果如下:
1.須進行2,456次模擬才能獲得99.73/99的覆蓋率/信賴水準
2.須進行1,439次模擬才能獲得99.73/90的覆蓋率/信賴水準
3.須進行388次模擬才能獲得99/90的覆蓋率/信賴水準
如果手頭只有一個桌上型電腦可用於模擬,進行2,456次和1,439次的模擬並不實際,因為一台桌上型電腦需要幾天的時間才能完成這麼多次PSR恒流返馳模擬,但388次模擬是能夠實現的。
為我們的系統配備一個分析模型能夠帶有一個MCA,比採用SPICE模擬器要快得多。事實上,與線性轉換器相反,PSR返馳是一個開關模式電源。首先必須進行瞬態模擬,直至達到穩定狀態以測量輸出電流值。Mathcad計算輸出電流分布只需幾秒鐘,考慮到2456或更多不同的值,而SPICE在瞬態分析中運行2,456次模擬則需要幾個小時。
為進行WCCA,我們需要確定研究中需要考量的參數。上一段中提出的分析模型包含能夠影響輸出電流的變數。圖1中總結了這些參數,顯示了返馳式恒流轉換器的原理圖,標注藍色的是研究中納入考量的元件或參數。另外,還要考量到傳播延遲tprop。
圖1 一次側穩壓恒流返馳式轉換器中用於研究最差情況下分析的元件
該研究的目標是計算給定輸入電壓和輸出負載下的輸出電流耗散,因此Vin和Vout被視為常數。匝數比Nsp也將被視為常數。對於控制器,我們將參考電壓VREF和至電流轉換器KLFF的線路前饋電壓視為可變參數。對於控制器周圍的元件,RBOU和RBOL是線路電壓感測電阻器,用於建立透過RLFF影響電流感測電壓的線路前饋偏移電流。
返馳式變壓器的一次電感和漏電感(Lp, Lleak),以及感測電阻器可直接影響電流設定點,因此它們也屬於研究範圍。
如前述,RCD鉗位電阻器固定了影響輸出電流的鉗位電壓,因此它也是研究所需要的。
此外,本研究只考慮了這些參數的初始容限(除上一段中解釋過的控制器參數)。目標是提供在轉換器使用壽命之初對輸出電流的預期範圍的估算。
表1總結在研究耗散時需要考量的元件。
下一步包括遵循特定的分布(常態分布或均勻分布)為每個參數生成具有隨機值的向量。為了能夠為每個參數選擇正確的分布,我們需要瞭解元件的製造流程或生產資料。對於控制器,我們具有這方面的知識,但對電阻器或變壓器就不具備。參考文獻表明,當參數的分布函數未知時,應假定為常態分布。另一方面,參考文獻建議在開始分析時對所有變數都採用均勻分布。最終,選擇將Rsense、RLFF、Rclamp、RBOU、KLFF、RZCDU、RZCDL、CZCD以及tprop指定為常態分布。
參數VREF經調整後可為輸出電流穩壓提供嚴謹的參考,因此,均勻分布將受此參數的影響。
我們考慮向量的維數為2,456個元素,這意味著軟體將為每個參數生成一個包含2,456個隨機值的向量。
要採用Mathcad定義常態分布,就需要知道所考慮參數的標準差。由於我們將影響電阻器和一次電感的常態分布,因此必須從參數的初始容限中提取標準差。圖2描繪了具有標準常態分布的隨機變數的機率密度函數(PDF)。標準常態分布是平均值為0、標準差為1的常態分布。可以觀察到,從常態分布中抽取的隨機值中,約99.73%與平均值相差+/-3個標準差(σ),即3σ準則。換句話說,隨機變數值超出平均值+/-3σ的機率是0.0027。可以將其作為起點,並將極限設定在+/- 3σ。基於此,可以將Rsense的標準差定義為:
圖2 標準常態分布
公式1
如果Rsense的隨機值遵循高斯分布,則99.73%的值在標準差的+/-3倍以內:對於Rsense,我們得出圖3中所示的長條圖。
圖3 感測電阻器常態分布
為繪製長條圖,Rsense陣列中的值被劃分為50個直方條。每個直方條的寬度約為1.4mΩ。垂直軸表示落入特定直方條中的值的數量。例如,約275個樣本處於2.9993Ω至3.0007Ω的範圍內。觀察此圖表,可以看到長條圖中某些值位於Rsense +/-1%範圍之外,即圖中Rsense,LL和Rsense,UL之外的範圍。由於製造商的規格也是統計性的,我們不能完全確定電阻值不會超出+/-1%的初始容許範圍,除非在生產時對電阻器100%都進行測試。如果100%的電阻器都經過測試,假設其為截略常態PDF就可能會更精確(圖4)。
圖4 鉗位在+/- 1%的感測電阻器常態分布
在定義了表1中提到的每個參數的向量之後,我們可以計算IL,pk和Vclamp的向量,最後獲得表示Iout可能值的長條圖,如圖5所示。我們可以提取Vin=162V、Vout=20V時的平均輸出電流及最大值和最小值:
圖5 輸出電流分布
-Iout,mean=479mA
-σIout=4.99mA
-Iout,min=465.3mA
-Iout,max=492.2mA
產生的輸出電流分布並非高斯分布。因此,我們將採用無分布區間方法來闡釋結果。對於2456個樣本,輸出電流的區間為,覆蓋率/信賴水準為99.73/99。
最初,該設計的目標輸出電流為480mA:Iout,nom=480mA.最後,如果我們將Iout的精準度定義為與目標值Iout,nom的偏差,則:
公式2
公式3
考慮到控制器參數的溫度範圍為0到85℃,輸出電流容限約為+/-3%。為與模擬器進行比較,我們也採用分析模型來獲得輸出電流分布,為所有相關參數選擇了388個隨機值,從而得到99/90的覆蓋率/信賴水準,結果統整詳見表2。
為進行比較,採用Simplis執行了相同的操作,Simplis是專門用於處理開關電源模擬難題的模擬程式。Simplis與SPICE類似,其工作主要在元件級別,但其分段線性(PWL)建模方法使其能夠以10到50倍的速度對開關電路進行暫態分析(Transient Analysis)。
開發PSR控制器(NCL30082)的行為模擬模型是為了執行瞬態模擬以尋找輸出電流穩態值。蒙地卡羅分析會運行388次瞬態模擬。每次模擬都會將從常態分布或均勻分布中選出的隨機值分配給研究相關的參數。計算每次瞬態類比的50個開關週期的平均輸出電流,最終得到如表2所示的結果。
標題
模擬器直接計算388次模擬的輸出電流的平均值和標準差值。蒙地卡羅模擬持續大約2小時,而分析模型只需要不到1分鐘就能獲得388或2,456個隨機值的結果。可以看出Simplis的結果與分析模型得出的結果非常相近。
在構建特定的轉換器時,很重要的一點是要檢查性能波動,瞭解電路中所用元件的自然擴展情況。如果從主電源給LED串供電看似簡單,那麼要確保這些LED在最終用戶使用時能夠獲得經穩壓的、穩定的電流,則需要進行大量的統計分析。要想確保最高的產品品質,進行此分析極其重要。
(本文作者為安森美應用工程師)
導入AI電網管理效率提升 虛擬電廠平衡電力供需
為了改善突發性的缺電問題並維持電網平衡,先進國家率先在電力市場導入需量反映制度,藉由要求客戶在尖峰時段關閉空調等設備,將省下來的電回饋給電網,以調度電力給急需用電的客戶、並支付節電獎勵,或是透過以價制量的方式,針對尖峰用電收取較高的電費,刺激客戶減少在尖峰時段的用電量。因此,部分能源業者瞄準需量訂價的需求缺口,協助客戶在電費較高的用電時段,從高價的電網電力轉向使用較便宜的蓄電池電力,讓客戶在不改變用電行為下,降低營運的電力成本,如美國STEM。
此外,為了改善再生能源供電不穩的問題,也有能源業者從自產自用的綠電生產者(Prosumer)角度思考,協助綠電生產者運用蓄電池儲存餘電,以便於需要時或電價較高的時段,使用蓄電池的電力來降低電費,或出售給急需用電的人來賺取營收,如德國Sonnen和美國Tesla。
STEM結合AI與儲能技術優化用電
STEM創立於2009年,前三年專注於儲能技術的研發,申請多項儲能相關專利,直到2012年才將公司從原本只提供硬體相關的儲能系統,轉為優化客戶用電之儲能服務,透過結合儲能、大數據分析及雲端運算技術,協助企業用戶在不改變原本的用電行為下,降低電費。此思維與傳統的能源管理方案不同,過往企業要降低用電成本,多從節能角度思考,有時甚至得配合電力公司在用電尖峰時段減少用電,但像飯店、工廠、養殖漁業等日常運作易受缺電所影響的產業,其電費將因需求高峰時段的加價,難以控制用電成本。
STEM並不僅是協助企業用戶控制用電成本,其最終目標是優化電網的服務效率,如降低電網尖峰負載、改善再生能源併網所產生的間歇性電力入網等電網平衡議題。因此,STEM一方面提供企業用戶服務,另一方面擴張其儲能站點,以累積足夠的可調度電力,協助電力公司進行大範圍場域的電力調度。此種透過儲能設備之間的相互連接所形成的蓄電池網路,構成了「虛擬電廠」,能在電力市場中扮演供電者的角色。
此虛擬電廠的概念於2015年初步被驗證。STEM藉由參與加州電力系統營運機構標案,進入到加州的電力零售市場,透過預測軟體將所設定的目標價格與市場競價,並自動調配可調度之儲電電力到電網中,且成功調度電力給PG&E(太平洋瓦斯電力公司)。
目前STEM已有800多個儲能站點(主要分布在加州和夏威夷),其中超過100個儲能系統參與虛擬電廠計畫,提供緊急電力調度服務,2017年內即有600多件虛擬電廠調度案例。特別是6月中的熱浪造成電價飆高,STEM於1小時內完成橫跨七區電網的電力調度,解救加州面臨大區域停電的威脅。
只有儲能技術並不足以協助用戶優化電力使用時段,需要一套機制判斷何時該用電網電力、何時該轉用蓄電池之電力。在STEM的解決方案中,由智慧能源監控裝置(Power Monitor)蒐集用戶電力使用習慣、當時氣候、電價等數據,進行用電行為之分析與預測,並透過PowerScope提供用戶可視化的分析報告,供用戶做營運決策之參考,如關燈、溫度調控、關閉部分設備等。然而,最關鍵的蓄電池放電與儲電時機的判斷,則交由儲能網路及系統背後的大腦--Athena,制定既快速又精準的用電優化策略。
Athena為全球第一個運用在儲能和虛擬電廠策略的人工智慧系統,透過大數據分析與深度學習技術,每分鐘可處理400MB資料,持續學習並改善其邏輯演算法。由於進行即時優化用電的決策過程非常複雜,即便擁有儲能技術,還必須經過數以千次的計算、預測模擬及瞬間判斷才能掌握低成本的用電時機。目前Athena已學習超過500萬小時,處理近兩億筆數據,並進行超過3,500萬次模擬預測,以確保掌握客戶的用電行為,精準地判斷切換電力來源的時機。
透過Athena的自動決策,可協助客戶進行24小時能源管理,在不增加客戶的工作負擔下,每年替客戶省下約800萬美元。此外,客戶還能加入虛擬電廠計畫,與800多個儲能站點共組虛擬發電廠,在電力市場賺取額外收入。
Sonnen P2P電力交易平台共享社區綠電
Sonnen於2010年成立,最初從家庭蓄電池製造進入市場,協助用戶解決太陽能供電不穩的特性,透過住宅式的儲能設備將餘電儲存,並結合社區能源共享與電力交易平台,讓用戶除了享受自用發電零電費,透過各家戶所裝設的儲能設備聯網,還能在自家發電不足時向鄰居借電,或是在餘電過盛時提供給需要用電的家戶。隨著Sonnen電池逐漸滲透市場,將所有蓄電池集結起來,甚至可以向電網供電,成為當地的虛擬電廠。
目前Sonnen已成為歐洲最大的蓄電池製造商,約有三萬套系統在全球營運,市占率超過20%,除了歐洲,也銷售至美國和澳洲。其中,Sonnen虛擬電廠服務已被驗證,並向德國、義大利、奧地利和瑞士的10萬名用戶提供虛擬電廠供電服務。
Sonnen從家庭蓄電池起家,考量到太陽能發電受限於氣候及日照時間,會有供電不穩的情況發生。為了讓用戶享受低成本的乾淨能源,Sonnen打造出P2P能源交易平台,讓裝設Sonnen蓄電池之用戶彼此之間可以進行儲電交易,打破傳統電廠對用戶的B2C銷電模式。
SonnenCommunity讓缺電戶以低於電網之電價購入綠電,讓餘電戶獲得高於電網收購之收益,加速用戶回收蓄電池裝設之成本,協助用戶達到零成本用電之目標,因此家戶的太陽能發電系統不僅能自用,還可透過能源交易平台創造收入,用戶不必擔心政府取消補貼再生能源發電後,將無法負擔再生能源發電設備之成本。此外,當加入SonnenCommunity的成員越多,越能促進綠電使用效率,形成一個獨立於中央電網的能源自給自足社區。
藉由能源交易平台所累積的服務基礎,Sonnen更進一步地嘗試將儲能系統結合區塊鏈技術,協助中央電網平衡電力供需。2017年11月,Sonnen和歐洲電網營運商Tennet進行歐洲第一個透過區塊鏈技術平衡電網供需試驗計畫,運用IBM的區塊鏈技術及Sonnen家庭儲能系統來穩定供電,讓德國北部過盛的風電可以儲存下來,並且透過南部儲能系統釋放太陽光電,改善北部風電浪費及南部工業區缺電問題。
此服務營運之關鍵在於蓄電池及家電設備的聯網和區塊鏈技術的配合。Sonnen採用Z-Wave通訊標準,讓蓄電池能和家用電器及其他設備之間進行無線控制,了解家電的用電時段,在電網超載時挪出儲電空間或在電量短缺時支援電網電力,並透過區塊鏈技術進行各時段之電力供需紀錄與電價計算,支援大量小額交易,以快速調節中央電網之負載,以較低成本的儲電服務改善電網營運。相較於過往為了要解決風電過剩或供電不足的瓶頸,電網營運商必須和第三方電廠針對風電減產或緊急供電額外簽約,大幅增加營運成本。以Tennet為例,2016年在德國就大約花費8億歐元的成本在平衡電網的供電系統。
此計畫除了降低穩定電網營運之成本,藉助現有的輸電線路和儲電設備,也能協助政府省下興建輸電線路的費用,提升了用戶家庭蓄電池服務的價值。目前試驗計畫正處於測試階段,將在六個月後進行結果評估。此外,為更進一步研究P2P能源交易機制,Sonnen於2018年3月加入NEMoGrid計畫,希望透過區塊鏈技術改善電網對住戶或住戶間的大量小額交易對當地電力成本、當地電網穩定性的影響,以促成分散式能源交易,進一步擴大儲能市場的規模。
台灣電力市場尚未普及需量反應制度,但台電正積極鋪設智慧電表,且台北市公宅也將進行需量反應之試驗,若能及早進入智慧能源管理軟體研發,將用電行為與儲能設備及電廠供電進行整合,所累積的服務經驗及相關能源資料蒐集,日後將成為電力公司及企業爭相合作之對象。
雖然台灣業者在今年已推出首座分散式智慧能源交易市場,然而和歐洲電力市場結構不同,無法直接仿效Sonnen的P2P綠電交易平台。事實上,目前美國市場也未開放民眾之間自由交易電力,因此Sonnen在進入美國市場時也無法直接導入在歐洲的成功模式,而是透過與當地建商合作,將儲能設備整合在新屋內,作為未來向電力公司提供、虛擬電廠服務之基礎設備。
台灣和美國市場相同,不開放民眾自由購電,但可以參考Sonnen進入美國的策略,在翻新舊社區計畫或新建案規劃時,將虛擬電廠概念埋入社區建造,為住戶描繪出永續生活之願景,作為未來尖峰用電短缺時,可彈性調度之電力,解除台灣缺電之困境。
資策會MIC產業分析師甘岱右
消弭架構界線 Arm/Intel聯手加速物聯網部署
為簡化與加速物聯網(IoT)部署,安謀國際(Arm)近期宣布英特爾(Intel)、myDevices及Arduino等公司加入Arm Pelion物聯網平台生態系統,成為策略合作夥伴,共同強化物聯網從裝置、連接到資料管理的能力,協助企業建構更具彈性、安全、可擴充的解決方案。在與Intel聯手之後,Arm的Pelion物聯網平台能連入(Onboard)與管理各種Intel架構(x86)平台,進一步拓展原先連至Arm架構物聯網裝置與閘道器的支援版圖。
物聯網風潮持續席捲全球,一旦物聯網世代來臨,將徹底改變現有的生活模式,然而,要建置大量的物聯網裝置,須先克服複雜度、碎片化、以及多樣性等方面的挑戰,以及因應這些裝置每天產生的龐大資料;為此,物聯網勢必需要各個廠商構成堅強的生態系統。
Arm指出,物聯網崛起將會顛覆使用者與裝置以及週遭世界互動的模式,而要建構一個完善的物聯網生態系統,需要所有廠商齊心合力,而該公司也於近期推出Pelion平台,結合裝置對資料的連接、管理;並與眾多策略夥伴合作,如Intel、myDevices、Arduino、Sprint合作,近一步強化物聯網部署的彈性、簡易性與擴充性。
而為消除物聯網裝置擴充障礙,實現「任何裝置、任何雲端」的目標,,Arm與Intel攜手合作,結合Arm Pelion Device Management裝置管理與Intel Secure Device Onboarding (Intel SDO)服務,讓企業組織能立即著手生產裝置,毋須事先知悉終端客戶登入憑證(Onboarding Credential)的相關訊息,也毋須知悉終端使用者會選用哪一種應用框架。
換言之,透過雙方合作,Arm的Pelion物聯網平台能連入與管理各種Intel架構平台,這將促成更有彈性的雲端配置(Provisioning)模式,並奠定Arm與Intel裝置的相容基礎,使用戶能透過Arm Pelion物聯網平台進行管理,以及連入到任何應用雲端。
Arm表示,這將促成業界從孤島分立的供應鏈轉化為協立的框架,包括設計層面,以及取得安全連網式裝置的管道。這項合作跨出重大的一步,帶動更多元的客戶選擇、更少的裝置存貨,而整個物聯網供應鏈也能達到更高的產量與速度 ,並降低部署成本。
另一方面,Arm也發表Mbed Linux OS作業系統,能在Cortex-A架構上安全且快速地開發以及進行裝置管理。此一作業系統已整合到Arm Pelion物聯網平台,並將創造許多新類別的物聯網裝置,透過平台即可輕易加以管理,帶給企業組織額外的彈性,並加快包括處理影片或終端閘道器這類複雜應用的上市時程。
首款AI加速平台出鞘 Xilinx全面擁抱人工智慧
人工智慧AI發展全面展開,可編程邏輯廠商美商賽靈思(Xilinx)認為,未來已經沒有一個架構可以滿足所有的應用需求,因此該公司正式踏上轉型之路,舉辦賽靈思開發者大會(XDF),並發表未來幾年的技術與產品重點,全面擁抱人工智慧的發展趨勢,以資料中心(Data Center)為發展策略的起點,目標為打造靈活應變、萬物智慧的世界。
一直以可編程技術為發展重點的Xilinx,2018年3月正式啟動策略轉型工作,宣示該公司從元件廠商轉型為平台廠商,提出自行調適運算加速平台(Adaptive Compute Acceleration Platform, ACAP)發展核心,旋即於10月推出第一款產品Versal。Xilinx總裁暨執行長Victor Peng表示,Versal字面上是由Variety與Universal組合而成,希望在技術與應用上可以兼顧多樣性與通用性。
在AI無所不在的時代,AI應用日新月異,晶片設計週期已經落後創新的速度,因此Peng認為,FPGA彈性的特點可以應用在AI的創新上,一般新晶片設計週期高達24個月,透過ACAP平台的協助,可將AI模型加以拆解,變成數個不同的發展(Develop)、優化(Optimize)、部署(Deploy)流程,該平台動態範圍廣泛彈性,可針對不同的應用調整需要的加速範圍。
Versal ACAP結合純量處理引擎(Scalar Processing Engine)、Arm Cortex-A72與Arm Cortex-R5,以及自行調適硬體引擎(Adaptable Hardware Engine),可動態重新配置,即時加速能力最高達八倍;DSP引擎可提供高準確性浮點運算與低延遲;AI引擎具有高傳輸率、低延遲與高效率,可協助AI推論與高階訊號處理,搭配先進記憶體和介面技術,可提供強大的異質加速能力。不管是軟體開發者、資料科學家或是硬體開發者,只須利用符合業界標準設計流程的工具、軟體、函式庫、IP、中介軟體以及框架,就能針對其硬體與軟體進行編程與最佳化。據了解,Versal採用台積電7奈米FinFET製程,正式量產時間為2019年第二季。
Xilinx也以現有UltraScale+ FPGA為基礎,發表Alveo U200與Alveo U250加速卡,就機器學習而言,Alveo U250的即時推論傳輸率比高階CPU高出20倍,甚至在低於2毫秒的低延遲應用方面,也比高階GPU這類固定功能加速器高出4倍。此外,Alveo加速器卡的延遲較GPU減少3倍,在資料庫搜尋等應用方面大幅加速、並提供較CPU高出90倍的效能。
Xilinx總裁暨執行長Victor Peng表示,FPGA靈活彈性將有助AI創新應用發展。
無線充電出貨量持續上升 穿戴裝置有望帶動下ㄧ波成長
隨著終端消費電子使用者對於無線充電功能日趨熟悉,該功能在消費電子的滲透率也將隨之提升。目前,帶動相關元件出貨量的設備依然以智慧型手機為主,然而,在未來由於穿戴裝置相關的使用情境相當適合導入無線充電功能,因此,也有望帶動下一波無線充電元件出貨量的成長。
意法半導體類比與微機電產品應用經理周文介指出,無線充電於消費性產品的應用優勢在於方便性較高;也由於少了接頭拔插的耗損,使得設備更加安全、可靠度也較高。但是也依然有待重廠商齊力突破的挑戰,例如,無線充電相關元件成本依舊過高,同時也由於目前主流的磁感應無線充電技術,需要緊密貼合發射端(Tx)與接收端(Rx),因此將使得設備的外觀設計受到局限。
儘管如此,無線充電的聲勢與使用人數依然在持續提升當中。周文介提到,從2017年開始,無論是Tx還是Rx皆有很大的成長,前年同期相比,兩者出貨量總計成長幅度高達40%;該成長地主要驅動力依然來自智慧型手機。無線充電聯盟(Wireless Power Consortium, WPC)亦公布數據,在2018年6月已有90種型號地智慧型手機導入Qi規格的無線充電功能。
對於無線充電而言,良好的應用情境設定將是關鍵。周文介舉例,由於電動牙刷使用環境潮濕,但較少移動設備,因此主要充電座只要安裝在浴室即可。因此,電動牙刷是至今最為成功的無線充電應用實例。可以想見的是,由於穿戴裝置的某些使用情境特性與電動牙刷相似(例如,防水、抗濕氣的需求等等),在未來也將成為無線充電應用的重要戰場。
Wi-SUN進攻智慧家庭 2022前有望成為通用通訊協定
Wi-SUN通訊協定在日本政府的推廣之下,逐漸導入至智慧電表應用之中,近期更將應用拓展至智慧家庭領域之中。由於該連線技術傳輸距離遠、省電等特性,有望在智慧家庭領域大顯身手。隨著Wi-SUN技術在日本區域市場的滲透率逐漸提升,該模組單價競爭力也將逐漸提升,價位有望在2022年前與藍牙(Bluetooth)、Wi-Fi抗衡,成為重要的通用通訊協定。
羅姆半導體(ROHM Semiconductor)台灣董事長勝野英和認為,今後在物聯網市場上,Wi-SUN將是具備雄厚潛力的連線技術。也正因如此,近日該公司與大賀智聯網以及聯齊科技攜手,推出智慧門鎖新品。該產品搭載了ROHM製Wi-SUN無線模組,並經由IoT閘道器進行遠端控制,建構智慧家庭安全。期盼藉此拓展Wi-SUN連線技術的知名度與應用範疇,在日本電子業盛事CEATEC之後,該產品也將在日本市場正式發表。
羅姆半導體營業部課長李師誠則表示,Wi-SUN通訊協定相較於藍牙而言,傳輸距離更遠;與Wi-Fi相比之下,Wi-SUN則又更為省電。Wi-SUN同時具備了藍牙與Wi-Fi的優勢於一體。因此受到京都大學研究單位肯定,積極與日本政府與合作,導入智慧電表應用之中。也正因如此,Wi-SUN連線技術便一直以來都隨著智慧能源、智慧電表的應用發展。
李師誠指出,目前在日本已有800萬用戶使用Wi-SUN智慧電表,使得該技術累積了巨量的數據資料,也由於Wi-SUN的發展歷程,對於未來台灣的智慧電表發展、智慧家庭的開發上,也有極大助益。然而,目前Wi-SUN模組單價依然比藍牙與Wi-Fi模組高上一倍,這也是目前Wi-SUN最大的劣勢所在。智慧電表、智慧家庭商機龐大,假設日本市場推廣成功,Wi-SUN成本便有望下降。李師誠進一步預測,在2020年~2022年之間,Wi-SUN模組單價將有望與藍牙、Wi-Fi匹敵,屆時Wi-SUN將成為僅次於藍牙與Wi-Fi的第三大通用通訊協定。
拓展自製晶片大計 蘋果斥6億收購Dialog部分資產
蘋果(Apple)積極提升自製晶片能力,近日宣布斥資6億美元,收購電源管理晶片(PMIC)供應商戴樂格(Dialog)部分資產及專利授權,並吸收Dialog 超過300名員工(約占Dialog員工總數16%)到旗下工作;這筆收購交易預計將在2019年上半年完成,目前正在等待監管部門的批准。
蘋果硬體部門的高級副總裁Johny Srouji表示,Dialog在晶片開發方面擁有深厚的專業知識,我們很高興有這群才華橫溢的工程師,他們長期以來一直支持我們的產品,而現在將會直接為蘋果工作。該公司與Dialog的合作關係可以追溯到早期的iPhone,未來也希望雙方能繼續建立長期的合作關係。
根據此一交易內容,蘋果將支付3億美元現金,用於前期資產收購,並預付3億美元,為後續三年的收購做出承諾;涉及收購的技術包括電源管理、音頻子系統、充電和其他混合訊號IC的開發和供應,同時將會有超過300名Dialog工程師加入蘋果工作,且蘋果還將接手Dialog在義大利、英國和德國的部分設備。
另外,此一交易案也有助於Dialog加速實現轉型計畫。Dialog於聲明中指出,未來將更專注在物聯網、行動、車用及運算領域,也會強化在客製晶片和可配置混合訊號晶片(Configurable Mixed-signal IC)的專業,以及世界級的電源效率管理設計,以滿足更廣泛的市場需求及提供客製化服務。
戴樂格CEO Jalal Bagherli說明,此次交易再次展現了該公司與蘋果間的合作關係,以及Dialog的業務價值;並同時證明了Dialog的長期目標,未來Dialog將會有一個明確的戰略,專注於可配置混合訊號晶片和節能設計。另外,我們也相信此一交易符合員工的最佳利益,股東也會受益於更佳明確的業務重點,該公司也擁有額外的財務靈活性可進行其他戰略投資。












