- Advertisement -
首頁 首頁Top區塊

首頁Top區塊

- Advertisement -

專訪UL副總裁暨台灣總經理陳宗弘 IoT資安認證將成入場資格

UL副總裁暨台灣總經理陳宗弘表示,物聯網應用越來越普及,但物聯網設備被駭客入侵的風險也隨之增加。因此,有部分歐美國家的政府跟通路業者,已開始將這類設備的資安驗證列為強制要求。設備供應商不管是要參與當地政府的採購標案,或是要在當地通路販售物聯網設備,都必須先將產品送往第三方實驗室測試,取得認證標章後,才能取得市場准入資格。 UL副總裁暨台灣總經理陳宗弘指出,對IoT設備進行強制或半強制性的資安驗證,已經是國際趨勢。 舉例來說,加州在2019年就已經通過法律,要求監控攝影機等消費性物聯網設備,必須通過UL IoT安全評等(IoT Security Rating),取得銅級以上標章,才能在當地通路上販售。如果是要參與政府標案,則設備必須取得更高等級的認證標章,例如黃金、白金甚至鑽石級,才具備投標資格。目前台灣政府雖然還沒有類似的強制要求,但如果廠商要參加政府標案,特別是跟重大基礎建設有關的案子,產品一樣得通過資安認證,才能取得入場券。 因此,在本地建立對應的測試能量,對台灣的資通訊產業發展十分重要。在物聯網資安聯合檢測中心成立之前,台灣資通訊業者的產品若要取得UL IoT安全評等標章,只能把產品送到國外進行測試。但在聯合檢測中心成立後,未來設備業者可以直接把產品送來這邊進行預先測試(Pre-test),鎖定可能出現的問題快速修正,節省相關人力物力,並提高正式送測一次過關的成功率,讓台灣的資通訊產品在資安方面更容易跟國際標準接軌。 除了協助台灣業者進行UL IoT安全評等測試外,物聯網資安聯合檢測中心還可針對其他物聯網垂直應用提供一站式檢測服務。目前該中心已完成五本物聯網系統層級資安評估指引,應用範圍包含家庭、交通、等領域。
0

受疫情擴大影響 NAND Flash市場第三季將走跌

根據TrendForce記憶體儲存研究(DRAMeXchange)調查,雖然新冠疫情延燒,使得2020年第一季的終端產品出貨動能疲弱,但在NAND Flash方面,第一季均價在淡季仍上漲約5%。而第二季受到北美及中國市場資料中心的需求持續提升,因此Enterprise SSD占整體NAND Flash出貨比重攀升,將帶動NAND Flash第二季的均價較第一季上漲至少5%。 面對不明朗的疫情狀況,目前OEM客戶有意快速建立安全庫存,以免疫情衝擊中國及南韓的NAND Flash生產重鎮造成危機,因而提高第二季的採購量。考量此因素,不排除目前議價熱絡的狀態可能隱含部分的重複或超額下單 (double booking)的狀況。 至於現貨市場以及通路端,NAND Flash的價格疲態明顯,除了Wafer以外,由於相關通路商有套現求售壓力,部分品牌的SSD產品也開始走跌。目前第二季的NAND Flash整體需求以Enterprise SSD支撐,其他品項的漲勢則相對較弱。分析下半年全球疫情擴散速度大於預期,因此NAND Flash漲勢可能在下半年反轉,甚至最早於第三季開始走跌。 由於多數NAND Flash原廠都傾向將產能轉往Enterprise SSD,以獲得比Client SSD產品線更高的毛利,導致Client SSD供給吃緊。需求方面,即便第一季筆電出貨量受疫情影響衰退明顯,採購端認為後續Client SSD價格將持續走揚,所以並未下修現在與第二季的採購量,目的是提高安全庫存水位,增加第二季Client SSD價格成長的可能性,預計將至少有5%漲幅。 針對Wafer市場,從2019年第四季以來,因為伺服器/資料中心的SSD需求暢旺,加上來自遊戲新機採用SSD的新興需求,在產品排擠效應下,供應商紛紛降低對Wafer市場的供給,進而帶動價格上漲。而現階段仍未見到伺服器/資料中心需求下修及遊戲機上市時間延後,Wafer供給還是相當有限,因此TrendForce預期Wafer市場在三、四月份仍有短期支撐動能,但隨著下半年三大終端產品需求恐受疫情衝擊,無法排除Wafer市場在第二季末報價開始轉弱的可能。   ​  
0

百座廠房關門 晶圓產能新陳代謝持續進行

據IC Insights統計,自2009年以來,世界各地總共有100座晶圓廠關閉,其中日本跟北美最多,各有36座與33座,歐洲跟亞太區過去十年關閉的晶圓廠則分別僅有18座與13座。 IC Insights分析,這些關閉的晶圓廠多半已經是非常老舊的廠房,使用時間已經超過當初興建時的預期。有許多半導體公司為了追求更好的生產效率,因此將這些老舊晶圓廠廢棄不用,轉移到新建的晶圓廠。此外,由於維持晶圓廠運作的資本支出是很沉重的負擔,已經有許多IDM業者改走資產輕量化路線,甚至徹底轉型成無晶圓半導體廠。這個趨勢也造成部分晶圓廠停止運作。  
0

遠距辦公需求遽升 美光預測營收增加

因新冠疫情造成遠距辦公需求遽增,帶動筆記型電腦與數據中心的需求提升。晶片廠商美光(Micron)日前預估本季的收入會高於分析師的預期,且今年第三季的收益最高可望達到52億美元。 圖 晶片廠商美光日前預估本季的收入會高於分析師的預期。來源:FB台灣美光 全球政府相繼宣布封城,同步禁止海外旅遊並鼓勵國民待在家中,藉以控制快速擴散的疫情。加上部分地區出現群聚感染的案例,許多公司改為居家辦公,增加數據中心服務的需求。分析需求提升的趨勢,美光預測今年第三季的營收將落在46至52億美元之間,高於分析師估算的48.7億美元,股票則在盤後上漲5%。 美光總裁暨執行長Sanjay Mehrotra在電話會議中表示,可支援遠距工作與虛擬學習的筆電需求大增。Mehrotra認為,隨著中國封鎖城市來抵抗疫情,遊戲業、電商與遠端工作的使用量日增,推動數據中心業務成長。而需求快速上升可能導致供不應求的窘境,因此美光將供應鏈主力從智慧型手機轉往數據中心的服務。針對消費電子的銷量,三星(Samsung)表示,新冠疫情打擊今年的手機與消費電子的銷售,但是數據中心的需求攀升將活絡記憶體晶片市場。 受到疫情影響,美光的兩間馬來西亞的工廠目前暫時停工,現正嘗試在產能限縮的狀況下完成當地的訂單。另外,兩位美光員工的冠狀肺炎檢測呈現陽性,目前正接受醫療照顧,但美光並未公布兩位員工所在的地區。
0

輕量/生活化能源方案 飛立威光能軟式太陽能板開拓應用藍海

能源產業走向低碳、環保的過程中,太陽能是不可忽視的一環。做為台灣再生能源的重要來源之一,雖經濟部統計近10年間,每年太陽能有平均89.6%的成長率,並在2019年12月成為再生能源中,電源供應量第二名的項目,但仍只占總體發電量的5.6%。在太陽能發電持續推動的趨勢中,能源新創公司飛立威光能(Flexwave)提出彈性的太陽能方案,透過開發軟式太陽能板與能源嵌入系統,希望翻轉市場對於太陽能只能用在大型發電廠的印象。 圖 飛立威光能開發軟式太陽能板。來源:飛立威提供 軟式太陽能板 可做智慧錶帶 傳統的太陽能板是硬式模組,中間以EVA為封裝材料,強化玻璃的設計不會受到氣候改變影響,然而強化玻璃重量較重,且只適用於大面積場景,如屋頂或大型發電廠。而能源公司飛立威光能開發軟性波導封裝材料,重量是玻璃的二分之一,同時具備可撓曲、可任意塑型與塗彩的特性,增加小面積彈性應用的可能,例如飛立威曾經將軟性材料做成手錶錶帶,推出一款可用錶帶進行太陽能充電的智慧型手錶。 能源轉換與儲存方面,飛立威先是改變封裝材料的光學特性,使其具有光波導效果,進而讓太陽能板捕捉大角度散射光。該模組具備的微聚光效果,在入射光角度較大或散射光較多的陰雨天,也能有效捕捉光能量,協助模組維持穩定的效能。盡可能取得大量光能以後,團隊自主開發光波導材料,相比傳統的太陽能模組封裝一般會有2~3%的損失率,光波導材料可以達到無封裝損失的結果。 圖 光波導的大角度捕光的技術優勢,在垂直的牆面仍可採集光能量進行發電(左上數字為電壓值)。來源:飛立威提供 能源嵌入系統 建生活化應用 飛立威創辦人周俊賢創業初期,經歷到太陽能產業低迷的階段。周俊賢表示:「創業時處在投資人聽到太陽能轉頭就走的時期,最大的困難便是多數人對於『太陽能』存在難以撼動的刻板印象,因此重新教育市場便成了我們最大的目標。」太陽能普及的挑戰不在於成本,而是客戶的採用意願。以台灣為例,台電躉購是20年的保障合約,投資者約7~8年即可回本。然而可能因市面上充斥來源不明的太陽能板資訊,造成投資者在採用太陽能發電方案時感到遲疑。 圖 飛立威光能創辦人周俊賢。來源:飛立威提供 為了重建市場對太陽能板的信任,飛立威從生活化的商品起步,與客戶共同設計、開發與量產,同時提供小型與微型離散式光伏與充電整合系統方案(Off-grid Distributed PV system),利用嵌入式能量採集(Embedded Energy Harvesting)技術,整合獨立物聯網,將光伏能源嵌入客戶產品,搭建以無限感測器為主軸的基礎建設,維持電力自主。此外,團隊開發的太陽能防水盒能在不同環境與氣候中,為物聯網提供永續電力。 圖 太陽能防水盒能在不同環境與氣候中,為物聯網提供永續電力。來源:飛立威提供 工業物聯網即是飛立威現在專注的市場,以B2B模式協助客戶設計源採集系統並整合至產品中,例如:提供工業物聯網公司共享單車無線聯網的運作電力;協助GPS廠商整合低功耗物聯網用能源採集器,透過減少備載電池體積/容量,實現微型化應用。微型化裝置的儲能目的,是以充電電池或電容儲存產生的電力,來支持裝置的長效運作。周俊賢補充:「微型裝置的儲能與智慧電網概念相同:存起來才是有用的。」從生活中發展綠能是飛立威的目標,結合應用層面廣泛的軟式太陽能板與嵌入式平台,補足大型電廠無法顧及的少量用電需求,持續推動綠能減碳。
0

六大感測器成就動力系統 汽車電氣化步步到位

動力系統感測架構剖析 如圖1所示,動力系統中高度準確的電子感測器會負責監控相關條件以提升效率,系統中包含數個模組,各模組彼此獨立運作,並分別具備不同感測器和反饋控制機制。車輛效率主要視動力系統感測器和傳動器的精確度、精確度和反應時間而定。這些感測器可幫助傳輸感測資訊所需的封閉迴路運作,以進行引擎管理和變速箱控制(如表1所述)。 圖1 HEV中的動力系統 表1 動力系統剖析:與建構單元的關係及如何實現頂尖設計目標 促進動力系統發展的主要因素為經濟效益與廢氣排放,兩者都會影響性能與行駛能力。在引擎和變速箱系統中,感測器與反饋控制機制透過監控激發來提高效率,並利用燃燒程序效率提升以減少廢氣排放;且感測器和反饋控制機制透過準確監控激發來提高效率,進而促進引擎和變速箱系統效率。為了增加電動車和油電混合動力車中的電氣化程度,工程師必須針對動力系統架構和控制裝置重新構思。 此外,動力系統感測器在ICE車輛中扮演的角色也同等重要。如圖2所示,車輛電氣化最初從智慧型感測器開始。而減少ICE車輛廢氣排放的主要方式,是運用動力系統感測器與其性能。 圖2 傳統內燃機引擎 動力系統感測器可依提供的測量功能進行分類,如圖3所示。動力系統感測器通常可提供以下特性: .低功耗(~10mA)。 .高準確性,亦代表提供精確的控制機制。 .對激發改變具高靈敏度。 .在汽車環境中強固耐用。 .電磁干擾(EMI)電磁干擾相容性。 圖3 依測量基礎分類動力系統感測器 舉例而言,德州儀器(TI)汽車高溫感測器(HTS)參考設計可提供高密度、低成本、高準確的熱電偶類比前端。 三種溫度感測器成就動力系統 動力系統共有三種主要溫度感測器類型。 熱電偶溫度 隨著新型柴油引擎問世,對高溫感測器的需求也越來越高,因為排氣系統就在引擎正下方。這種配置需要具備高精確度、高解析度和高整合度的溫度偵測功能,而可承受和偵測高溫的排氣系統溫度感測器通常運用熱電偶,並以多個熱電偶溫度感測器和一個獨立模組來進行控制。 熱敏電阻 市面上新熱敏電阻提供高溫度範圍,以滿足高溫感測器的需求。以矽基線性熱敏電阻取代標準負溫度係數和正溫度係數類型,也是目前的趨勢。透過新式智慧型熱敏電阻,汽車動力系統的特定需求便得以滿足,可在廣泛的動態範圍中實現高線性。 矽晶 由於具備以下優點,矽晶溫度感測器在HEV/EV和ICE車輛中扮演著關鍵角色: .於廣泛的溫度範圍中提供高線性。 .可在支援溫度範圍內維持精確度。 .提供溫度感測器高解析度和第0級認證。 .提供數位輸出介面,促進資料數位傳輸。 .提供觸發警示功能,大幅提升控制作業效率。 .成本低廉且執行簡單。 壓力感測器多線束防短路 整合式動力系統壓力感測器運用電容與電阻原理,搭配放大器、類比至數位轉換器、微控制器和數位至類比轉換器/數位介面,在一個晶片上進行訊號調整。一般來說,壓力感測元件在溫度方面多呈非線性,因此傳統壓力感測器訊號調整電路中包含溫度與線性補償機制;由於壓力感測器模組線路需要多個線束,因此最好能防止線束發生過電流、過電壓或短路等故障。 舉例而言,汽車電阻橋壓力感測器參考設計和汽車電容式壓力感測器參考設計可助使用者避免線束故障。 動力系統壓力感測器的基本考量包含: .訊號調整元件需具備較高的絕對最大額定值。 .容許線束故障。 .高靈敏、壓電電阻壓力感測器需求增加。 在汽車應用中,動力系統壓力感測器的訊號調整必須讓感測器能在極惡劣環境中運作,並且能承受各種震動、溫度波動、各種電磁條件和撞擊。 液位與濃度感測器以超音波維持系統運作 動力系統液位與濃度感測器通常以超音波電容運作基礎。液位必須在車內數個位置進行測量,如水箱、油箱、液壓油箱、機油箱與尿素箱等,皆位於車輛動力傳輸系統內。 為了讓控制迴路運作更有效率,必須監控這些液體的液位與濃度。以超音波法進行液體感測有以下優點: .縮短量測時間。 .可在廣泛偵測範圍內驅動各種轉換器。 .適合各種中型儲槽和中等距離。 .可與高電壓電路介接,進而驅動轉換器以進入更深的儲槽中。 .能夠整合各種保護級。 .可使用控制器區域網路(CAN)介面。 在排氣系統中,AdBlue噴射會在柴油微粒過濾器(DFP)之後執行,以減少廢氣中的氨氣濃度;液體濃度與液位感測器在液體濃度與adblue液位量測中扮演重要角色。 磁性/電感奠定位置感測器運作基礎 位置感測器是另一種運用在ICE、HEV和EV動力系統中的感測器,可在電動轉向、牽引反相器、自動變速和防鎖死煞車系統等重要操作下,測量轉速、角度、速度和開啟/關閉位置。 供應商如TI的液位、濃度與流動感測超音波感測類比前端,以及汽車超音波訊號處理器和轉換器驅動器,皆支援這些超音波參數。 位置感測器主要以磁性(霍爾式和磁電阻)與電感為運作基礎,依應用而有所不同(表2)。動力系統位置感測器的考量與需求包含: .在重要位置提供耐用性。 .具備偵測較小變化的靈敏度。 .提供高頻寬以進行速度感測。 .整合式數位輸出。 .輸入處低雜訊。 .陣列感測器或其他靈敏度軸。 .可耐受溫度與震動。 .非線性磁鐵。 .能夠實現高頻寬位置感測。 表2 位置感測器類型(依使用原理分類) 電感式位置感測器可透過減少維修來提升耐用性與精確度。 RF排氣感測器提升精確度 所有ICE車(包括油電混合車)皆採用排氣感測器。為了因應廢氣排放新規定,越來越多國家/地區皆針對廢氣排放訂立規範,對排氣感測器的相關要求亦隨之增加。 如圖4所示,車輛排氣系統中有各種類型的感測器。過去的感測器採用化學方式,利用兩個電極和電極電位基礎來進行感測,這種化學式感測器需要較多維護成本和反應時間。 圖4 汽車排氣系統內的感測器類型 而新型射頻(RF)排氣感測器可縮短反應時間、降低維護成本並提升精確度;這類感測器的運作基礎是各種氣體都有其發生共振的吸收頻率,並由一個傳送天線和一個接收天線負責感測氣體。若想降低廢氣排放,TI的汽車RF煤灰感測器參考設計中有針對RF感測器在各種汽車排氣系統上的氣體偵測功能加以說明。 排氣感測需具備以下條件: .符合第0級資格的產品。 .由於每個排氣感測器都具備不同模組,因此需透過CAN協定與主要電子控制單元通訊。 .高精確度。 .降低維護成本。 .高溫下的耐用性與耐受性。由於排氣感測系統位於引擎蓋下方,因此排氣感測器溫度範圍將近可達1,500°C。 電流感測器三子系統重要需求 不論是燃油引擎、HEV還是EV,電流感測器都是車輛動力系統中最重要的一環。磁性分流基礎可滿足車輛電流感測的需求,使用者可依感測器位置來選擇適當運作基礎。燃油車輛中的電流感測主要為12V,HEV/EV車輛則為48V,其中EV的範圍可從400V到600或800V。 以下是電流感測各子系統的重要需求: ICE ICE的電流感測適用12V電池,其中精確度和高度整合是主要影響因素。這種電流感測器必須能在高溫下提供精確度;溫度和補償演算法可在廣泛溫度範圍內維持精確度,以避免獨立式電流感測器發生線數故障。 HEV HEV中的電流感測器適用於12V和48V電池、DC/DC轉換器和馬達控制。毫安培至千安培範圍內的電流感測對電池來說尤其重要,必須以共模電壓電流分流感測器來耐受48V電池;電池電流感測必須能在低電流下提供高準確性,才能進行電池充電狀態(State of Charge, SoC)和健康狀態(State of Health, SoH)計算;DC-DC轉換器電流感測需要更高頻寬,才能針對故障快速進行反應;馬達控制電流感測需高電壓轉換率和低反應時間。 EV EV的車載充電器、DC/DC轉換器、牽引馬達和400V至800V高電壓電池都需要進行電流感測。此外,也需隔離電流感測,以進行高電壓處理。分流式電阻器可提供磁性或強化型隔離、高頻率隔離和高線性。 電阻器低功率消耗和隔離式放大器電流感測的設計廣受歡迎,其中EV高電壓電池的低側電流感測結果較為理想,必須透過低電流下的準確度、高整合度及廣泛動態範圍電流感測,來進行電池充電狀態和健康狀態計算。 在精確感測非常重要的情況下,供應商如TI的汽車分流式±500A精確電流感測參考設計可在-40°C至+125°C溫度範圍內,為電池管理系統、馬達電流與其他汽車應用提供<0.2%的全幅範圍。 至於其他用途,電磁閥和其他數個閥門也需要電流感測才能在整個溫度範圍內得到準確結果,因此必須減少溫度漂移和偏移,並須降低分流容忍度。在這種情況下,較理想的方式是採用整合式分流。 感測器設計推動車輛電氣化進程 針對EV與HEV中的高容量電池,如TI的汽車、mA至kA範圍、電流分流感測器參考設計亦說明如何利用匯流排式分流電阻器,偵測來自毫安培至千安培範圍的電流。 隨著新汽車技術的推出和車輛持續電氣化,也對動力系統感測器與相關電子元件帶來許多影響。在HEV和EV中,電流和位置感測器的設計需求出現大幅提升(表3);而具高度準確性的訊號調節器和高精確度的運算放大器,是讓動力系統感測器在嚴峻汽車環境下可靠運作的主要功臣;感測器訊號調節電子元件可幫助克服許多挑戰,如高溫和震動條件、EMI保護,以及汽車安全標準相符性等。 表3 HEV/EV各類感測器及相關配置 在最終分析中,可看到動力系統感測器已準備好面對本時代最大的顛覆性創新科技之一:車輛電氣化。但選擇動力系統感測器和相關訊號調節電子元件時,應仔細回顧基本的設計考量。 (本文作者為德州儀器汽車系統工程師)
0

三大應用領域需求看漲 半導體異質整合勢不可擋

觀察這些應用領域需求可發現,若將晶片需求分為小體積、低延遲、低成本、高效能、低功耗等五大需求,對於半導體晶片的功能與規格皆不相同,如穿戴裝置主要著重在小體積、低功耗、低成本等需求,對於效能及延遲性要求相對較低;資料中心則為了因應高速運算的需求,因此較著重在高效能、低延遲的快速反應能力。 資策會MIC產業分析師黃馨 手機/醫材/自駕車 晶片需求大不同 針對上述所提到的五大晶片需求,以下將以手機、智慧醫療器材及自駕車等三個應用領域產品作為舉例,透過這三大應用領域的需求剖析,可發現未來晶片的發展不僅將朝向更多元件的整合,且隨著產業需求的不同,未來晶片將朝向客製化的走向發展。 手機著重RF模組整合 為因應不同通訊階段的頻譜要求,手機內整合的元件也有所不同,特別是在RF射頻模組的整合。RF前端模組主要包含功率放大器(PA)、低雜訊放大器(LNA)、濾波器、開關和被動元件等,讓訊號能夠在不同頻率下進行收發。隨著未來頻段的要求變多,RF模組除了需要有更高的整合度外,未來面對5G毫米波的興起,為了滿足高頻寬、低延遲及大量連線等需求,天線和RF模組必須整合,也因此未來通訊相關模組的元件整合將變得更加多元且大量。 醫療影像器材體積減小/元件增加 以腸胃鏡為例,過去腸胃鏡長度達200公分,對於彎曲的小腸檢視無法輕易達成,且易造成病患不適,膠囊內視鏡應運而生。相較傳統腸胃鏡,膠囊內視鏡大小僅有長2.6公分、寬1.1公分,膠囊內包含微型照相鏡頭、光感測器、影像傳輸器、迷你相機等元件。 未來,生物學家更提出微生物組療法,透過在細胞中植入感測器及記憶體組件方式進行疾病診斷,因此可發現,醫療影像器材體積逐漸減小的同時,整合元件數卻將持續增加。 自駕車整合感測元件/處理器/記憶體 為了賦予自駕車具備感知外界環境的能力,現階段自駕車的發展著重於搭載各種感測器做為感知媒介,包含光達、雷達、相機等。隨著未來自駕車等級的進步,對於自駕車中的電腦系統要求,將從現在的駕駛輔助到未來的完全自動化駕駛,效能要求的遞進不僅使得未來自駕車元件模組增加,同時配合自動化回應的趨勢,感測元件必須將感測內容,快速傳遞至處理器並迅速做出反應,因此感測元件與處理器及記憶體的整合,將成為未來的發展重點。 未來晶片趨向異質整合/客製化  從上述的三大應用領域需求可發現,未來晶片的發展不僅將朝向更多元件的整合,且隨著產業需求的不同,未來晶片將朝向客製化的走向。 隨著市場需求的發展,產品複雜度的提高使得整合元件數目隨之增加,若將處理器元件比作人類大腦,現階段產品需求,主要著重在創造更大容量且更快速運算的大腦。然而隨著通訊需求的提升,未來更重視提升大腦與外界聯繫的速度,以及透過加入眼、耳、口、鼻、手等感測元件進行感知,甚至增加大腦在感知後自動判別並執行反應等功能,因此處理器加上各式元件的做法,將成為未來產品發展趨勢。 終端產品逐漸走向多晶片且客製化的方向前進,晶片製程因為摩爾定律趨緩,開始走向透過封裝方式進行異質晶片的整合。 過去,半導體產業以摩爾定律作為主要依循的準則。根據摩爾定律定義,每隔18個月,積體電路上的電晶體數量將成長一倍,受惠於摩爾定律持續的發展,2018年,整體半導體產值達到4,800億美元的收益。 儘管台積電等晶圓代工龍頭持續挺進5nm、3nm的製程,但仔細觀察近年來摩爾定律節點成本的改變,在14/16nm之後,晶圓生產成本持續變高,摩爾定律將無法達到過去規模經濟的效益。此外,終端需求對於成本、效能、體積以及整合程度的要求日漸提高,在面對成本日益增加、終端產品走向高複雜化的情況下,晶片的整合成為半導體產業界越趨重視的方法。 晶片功能整合方式主要可分為系統單晶片(SoC)以及系統級封裝(SiP)兩種。 SoC整合度與成本皆高 系統單晶片是透過電路設計的方式,將數個功能不同的晶片整合在同一個晶片上,這樣的晶片整合程度相當高,效能表現也很好。然而由於SoC的功能整合僅限於使用同一製程技術的晶片,對於整合元件中,因考量製程成本而採用較低階製程的感測元件或MEMS等功能元件,將無法與採用先進製程的處理器、記憶體進行SoC晶片整合。 此外,SoC的開發成本卻也相當高,如台積電7nm的系統單晶片開發成本已接近3億美元,未來進入5nm世代後,更上看5億美元,也因此SoC主要用於生產量大且生命周期較長的產品,目前全球能夠投入先進製程的IC設計業者,也只剩下少數龍頭與系統大廠。 SiP異質整合超越摩爾定律 為因應SoC所面臨的製程瓶頸及開發成本過高的挑戰,系統級封裝的概念開始被半導體業界廣泛採用,更被定義為是超越摩爾定律的重要方式。SiP突破SoC的整合限制,將數個功能不同、製程不同、來源不同的晶片,透過封裝整合在同一個基板上,成為一個具備多元功能的晶片,這類的整合概念就是現在所指的「異質整合」。 隨著近年來系統級封裝技術的演進,晶片堆疊封裝使得晶片面積有效縮小,開發成本也較SoC來得低,晶片整合上更具彈性,也因此近期被廣泛應用在上市時間較短的消費性電子產品上。 3D封裝提升晶片傳輸速度/效能 異質整合的晶片模組發展越趨複雜且多樣化,技術難度也越來越高。從傳統的2D平面封裝逐漸朝2.5D封裝邁進,2.5D的封裝方式是讓晶片並排,並採用中介層(Interposer)和重分部層(Redistribution Layer, RDL)的設計進行晶片整合,透過晶片與基板間的中介層連接,大幅提高封裝接腳的訊號密度,提高傳輸速度及效能。 近年來,將多晶片垂直堆疊的3D封裝更逐漸成為業界發展重點,透過晶片間矽穿孔(Through-Silicon Via, TSV)的互聯技術傳遞訊號,TSV的串接使得晶片間的距離更短,晶片傳輸速度更快、效能更佳,整體的晶片整合度也更好,目前最廣泛的應用在多顆高頻記憶體與處理器的堆疊上。 隨著製程難度的提高,異質整合面對的挑戰也將趨於複雜。首先,異質整合使得晶片在同樣面積下,堆疊多個晶片形成多層3D架構,當晶片堆疊的緊密程度提高,晶片間散熱面積也將隨之減少。此外,晶片距離的縮短及單一晶片中越來越多的運算單元,將使電磁干擾的問題越趨嚴重,異質晶片整合度也將面臨巨大挑戰。 過去半導體產業鏈各自分工,現今隨著製程發展,面對日益增加的異質整合技術挑戰,未來半導體上中下游的價值鏈將須緊密合作,以通力解決異質整合問題(圖1)。 圖1 異質整合挑戰與半導體產業鏈關係改變 異質整合的立體堆疊架構下,多維度雜訊將比過往的訊號干擾更加難以處理,因此除了EDA廠商須提供IC設計廠更多樣化的模擬工具進行多類型訊號模擬外,在產品設計之初,整體產業鏈也需有更多的上下游溝通,包含訊號完整度、電源完整度等技術,未來皆需以產業鏈偕同模擬的方式進行。 與此同時,多層的3D架構使晶片散熱面積減少,不只須仰賴材料及設備廠提供更多創新的材料來克服發熱問題,產業鏈也需透過熱模擬的方式,找出功耗較低、散熱效能較高的晶片及導熱效果較佳的封裝架構。 產業鏈緊密串連必不可缺 異質整合晶片來源、製程的不同,使得整合難度上升,晶片必須透過系統級的完整分析及3D模擬,避免系統分割時區塊不夠精確的問題。另外,晶片的厚薄與晶片的精準堆疊也是異質整合相當關鍵的成功要素,也因此,未來上下游協同設計將成為產業發展的趨勢。 面臨異質整合的技術挑戰,未來半導體產業鏈關係將需要透過更緊密地協同設計、協同模擬等方式進行合作。 然而由於看好異質整合的發展效益,產業鏈中的IC製造廠及EMS廠紛紛依循自身優勢投入IC封測產業,面對這樣的產業鏈分工重組,未來IC封測廠將會有部分產品及技術與IC製造廠或是EMS廠重疊的情形,因此產業鏈競合關係將有所改變,面對封測業務市佔將被瓜分的IC封測廠而言,在未來垂直應用領域的客製化市場中找尋快速商用化的模式將是IC封測廠未來的利基。 (本文作者為資策會MIC產業分析師)  
0

豐田攜手NTT打造智慧城市

豐田汽車(Toyota)與日本電信電話(NTT)合作發展智慧城市,並將相互投資200億日圓來穩固合作關係。兩公司計畫建立一個數據平台,彙整與分析來自居家、汽車與公家機構的數據,以此聚焦提供城市中的智慧交通、健康與能源服務。 圖 豐田汽車與日本電信電話合作發展智慧城市。來源:Toyota 依據協議內容,豐田汽車會持有NTT 2.07%的股票,而NTT則有0.9%的豐田股票。在計畫內容方面,豐田會以富士山附近的零排放、氫動力城市為原型,融合機器人與人工智慧技術,推出智慧生活家居。 為了完善智慧城市的規畫與交通設計,豐田除了應用長期製造及銷售汽車的經驗,同時積極找尋科技夥伴,期望打造交通新技術,以行動服務公司為目標轉型。此外,豐田跟NTT合作開發車聯網技術,並與軟銀(Softbank)共同設計自駕服務平台,並將之應用在豐田的智慧城市原型中。 另一方面,NTT看好智慧城市的發展前景,因而進一步與美國拉斯維加的城市合作,搜集該市數據來分析即時車況與人口密集區域狀況,達到增加公共安全的目標。
0

OLED電視面板出貨量持續成長 尺寸越大越吃香

根據DSCC統計,2019年OLED電視面板的出貨量成長了16%,達到340萬片,而且是所有螢幕尺寸都有成長。隨著LGD擴大在中國廣州的8.5代面板廠,預估2020年OLED電視面板出貨量將增成長33%,至440萬片。 依尺寸別來看,55英吋電視面板將成長29%,至260萬片;65英吋電視面板將成長33%,至160萬片,77英吋將成長73%,至12.6萬片;48英吋僅占整體OLED電視面板出貨量的一小部分,為6.3萬片。 光電協進會產業分析師林政賢指出,在面板產業中,電視面板市場一直是面板廠商業務的重心,因為電視屬於家電產品,市場需求成長穩定,而筆電、平板或手機的中小尺寸面板的需求,屬於資通訊產品,市場需求波動較大。  
0

Google開源框架加速AI訓練 最高節省80%成本

近日Google研究人員發表一篇說明SEED RL框架的文章,該架構可將人工智慧(AI)模型的訓練擴及數千個機器。並且促進每個機器達到每秒訓練數百萬個框架的速度,同時減少80%的成本,可望為過去無法與大型AI實驗室競爭的新創公司帶來平等的發展機會。 圖 近日Google研究人員發表一篇說明SEED RL框架的文章。來源:Google AI 在雲端進行複雜的機器學習非常昂貴。華盛頓大學曾經為了訓練用來製作/辨別假新聞的AI模型Grover,在兩週內花費了25,000美元。人工智慧研究組織OpenAI每小時支付256美元來訓練語言模型GPT-2,而Google支出大約6912美元訓練雙向轉換器模型BERT,用以重新定義11種自然語言處理任務的最新狀況。 SEED RL建構在Google的TensorFlow 2.0框架之中,透過集中模型使用圖形卡與張量處理器(tensor processing units, TPU)。為了避免遇到數據傳輸瓶頸,其使用分散式推論(distributed inference)訓練模型的學習元件,集中執行AI推論。目標模型的變量和狀態資訊保留在原本的位置,而每個步驟的觀察結果則會回傳給學習者,並且基於開源的通用RPC框架網路庫,維持在延遲最低的狀況。 為了評估SEED RL,研究團隊在常見的Arcade環境,以及DeepMind實驗室/Google Research Football三種環境中進行基準測試。團隊表示,他們解決了在Google Research Football中未解決的任務,並透過64個雲端TPU核心,達到每秒240萬幀的處理速度,此成果是目前最先進的分散式代理人機制的80倍。
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -