首頁Top區塊

看好自駕車發展的趨勢，MIPI聯盟近年詳細調查汽車產業的需求清單，期能打造攝影機與顯示器的共同標準，加速自駕系統設計。舉例來說，該聯盟發布的MIPI A-PHY規格，為相機、感測器和顯示器提供量身定製的非對稱連接性。 MIPI聯盟董事總經理Peter Lefkin。 MIPI聯盟董事總經理Peter Lefkin表示，MIPI聯盟成立之初即是為了因應手機多媒體應用而生，故該聯盟於2003年成立的宗旨，即是希望建構手機內相機與顯示器的共同標準。至今，MIPI聯盟仍將行動裝置視為首要應用，但會同時擴展其他技術能力，希望能立基於手機的相機和顯示器技術，擴散至各種不同應用領域。以汽車業為例，汽車產業希望MIPI能推出符合汽車攝影機與顯示器的共同標準，滿足未來自駕車或汽車駕駛系統的設計需求。 MIPI車用電子工作小組主席Matt Ronning談到，雖然目前智慧手機最具市場規模，但汽車產業後勢亦不容小覷，特別是汽車應用為了實現自駕車的願景，須內建更多樣化的感測器(如光達、雷達等)，預計每輛自駕車搭載高達十顆以上的感測器，加上全球每年汽車生產量高達一億輛左右，換算下來每年至少有十億感測器需求，市場相當可觀。 Ronning指出，汽車產業也正歷經一個變革，例如新車安全評價制度。此制度為國際間合作方法，目的是為了提高汽車安全，如導入車道偏移、盲點偵測技術，以減少人命傷亡問題。再者，除了安全發展外，也有政府亦推動產業轉型的變革，如祭出燃油政策促成電動車發展，並從中延伸出新的OEM與新商業模式。 因應汽車產業變革，MIPI聯盟為了汽車產業量身打造了MIPI A-PHY規格，克服連結全車的高速電子零件帶來的「長距離高速挑戰」。據了解，手機產業通訊傳輸距離約10~15英寸，汽車通訊距離則高達15公尺。 Ronning談到，車用乙太網與A-PHY是相輔相成。基本上車用乙太網能力好，在介面上有處理器，這間接提高成本且功耗也會增加，但若開發者希望以低功耗、低成本的方式串聯感測器與電腦之間，A-PHY架構不失為一項明智的選擇。 另一方面，對於原本著重於行動晶片商，如何善用汽車產業變化從中受益呢？Ronning分析，現以有部分廠商開始使用CSI2、DSI2介面到處理器，進行簡單應用到車用領域；其次手機畢竟是消費性電子，與車用市場最大不同之處在於可靠性，故投入廠商必須要通過車規標準以確保訊號穩定。 Ronning表示，該聯盟在過去一年中，詳細調查汽車產業的需求清單，努力釐清汽車產業對於抗干擾要求，接下來MIPI聯盟將基於這些需求，制定接收器與發射器規範，預期2019年底擬定相對穩定的草稿之後，於2020年初發表標準。

為擴大產品組合及開拓全球市場，國巨近日宣布以16.4億美元(約台幣500億元)收購美國被動元件大廠基美(KEMET)，透過此一收購，國巨預計將穩坐全球第三大積層陶瓷電容(MLCC)廠位置，年營收可望達30億美元(約新台幣900億元)，且可擁有更完整產品線，補足車用、5G等高階應用市場。 國巨於法說會上透露，購併基美之後，該公司將走進高階車用領域，車用市場門檻高有助於獲利穩定，因此看好基美會是該公司未來5~10年的成長動能。 KEMET成立於1919年，總部位於美國佛羅里達州，是高階電子組件供應商，在全球擁有23個製造工廠，共計約14,000多名員工。KEMET主要產品包括鉭電容器、陶瓷電容器、感測器以及薄膜和電解電容器等，產品可應用於多種領域，像是汽車電子、工業應用、航空、醫療、智慧手機、雲端/網路設備、5G、無線通訊等。KEMET在全球擁有1,600多個專利和商標，而國巨未來與KEMET合併之後，將可為全球客戶提供一站式的服務。 國巨指出，收購KEMET可明顯擴大該公司的產品組合，為各種應用市場提供伊站式的解決方案；同時，還可以增加該公司的業務範圍，為汽車電子、5G網路和通信、機器人、工業自動化及工業電源等應用領域提供先進的產品，並透過國巨的區域業務和銷售渠道擴展KEMET在大中華地區和東盟地區的業務。除此之外，透過購併KEMET，還可以擴大國巨在北美、歐洲和亞洲的營運規模。 國巨購併基美後將可更進一步拓展全球市場。  

2019年台灣IC設計業，因在智慧家庭/真無線(TWS)藍牙耳機/智慧音箱及ASIC相關業務持續成長之下，半導體設計服務業也持續看好，預期台灣半導體設計業2019年產值為新台幣6,711億元，較2018全年成長4.6%。 工研院產科國際所指出，隨著智慧物聯網(AIoT)的需求逐漸高漲，帶動電子產品從早先的單一運作，進而藉由感測週邊資訊，再進行資料處理，並與其他電子產品進行溝通，整體架構成為物聯網系統。也因為感知、運算和通訊是AIoT的基本需求，帶動半導體在感測、微處理和通訊上的應用市場將持續擴張。 工研院預估，2023年前三大的物聯網產品分別是智慧電視、自動駕駛輔助系統(ADAS)及智慧型安防監視器。產值分別達到34億4,600萬美元、28億200萬美元與27億500萬美元，2018年至2023年的年複合成長率分別是7%、199%與62%。 此外，在嵌入式處理器核心架構中，ARM仍是霸主，但近年來RISC-V受到多家廠商擁戴，尤其是RISC-V開源架構沒有授權問題，廣受AIoT產品廠商青睞。傳統通用晶片的模式將愈來愈難適應碎片化AIoT場景的需求，開源、開放是大勢所趨。在晶片開源的商業模式帶動下，未來預期有更多的系統廠商將會開始自製晶片，半導體設計業者宜多加注意這個新類型的生態圈。  

自動駕駛汽車(AV)正飛速發展，傳統的汽車製造商和新的參與者都大筆投資於此推動創新的技術。雖然AV具有提高汽車安全性和駕駛便利性的潛力，但有鑑於其複雜度，業者需要使用嚴格的測試和驗證系統，確保汽車在所有交通、道路及天候狀況下的安全性。當然，AV將使用基於人工智慧(AI)的方法，讓汽車能夠透過電信服務和基礎設施供應商進行通訊。 車聯網是AV技術的基礎。系統與汽車就道路和交通狀況、附近的汽車以及有關駕駛體驗的其他重要元素進行通訊。AV技術結合了多個感測器、電腦和軟體，來生產自動駕駛汽車。這些汽車在行駛里程方面相較由人力駕駛的汽車在統計上已被證明更加安全。 Waymo(先前稱為Google自動駕駛汽車計劃)，在以時速每小時2英哩，總駕駛距離超過500萬英哩的紀錄下，僅出現了一次無人受傷的錯誤事故報告。即便如此，要建立消費者對完全自動駕駛汽車的信任仍然是一項挑戰。例如，有73%的美國駕駛人表示，他們非常害怕乘坐完全自動駕駛汽車，而根據一份2018年美國汽車協會(AAA)的調查，有63%的美國成年人表示，當他們在步行或騎腳踏車時，對必須和自動駕駛汽車共用道路感到不安全。 自動駕駛旨在提升行車安全 基於駕駛人錯誤導致的事故數量，安全問題是首要考量。根據統計，大約有94%的嚴重碰撞，部分是由於頻繁且可預測的駕駛錯誤造成，例如超速、駕駛能力降低或在分心狀態下駕駛。因此安全性改進也常常是AV潛在優點列表的第一名，將人為錯誤因素從駕駛方程式中排除，大幅減少交通傷亡事故。部署AV技術還有其他優點，如隨著人口老化，AV技術可為年長者和殘障人士提供更多的便利和自由。此外，還有新的運輸模式和商業模型潛能，例如自動化計程車隊和共享自動駕駛汽車；這將帶來個人生產力更加提高的願景。 自動駕駛層級概述 今天，有各種自動化選項能夠協助駕駛人，有些也已經進入市場。為了正確看待此技術，汽車工程師協會(SAE)已經為AV建立了自動化層級，如圖1所示。 圖1　SAE 自動化層級(SAE Automation Level)描述了不同級別的自動駕駛汽車能力。 ．層級0乃完全非自動化；由駕駛人完成所有工作。 ．層級1則增加了一些駕駛輔助功能，例如主動車距巡航控制和盲點偵測。 ．層級2仍然需要駕駛人駕駛，但提供轉向輔助和速度控制功能。 ．層級3汽車可自動駕駛，但仍需要人力駕駛保持專注並在指定的時間內負責控制。 ．到了層級4和層級5，AV才變得真正自動化。例如，層級4自動駕駛限制特定條件，例如特定地理位置或路線、天氣、交通類型、速度和道路。層級5則是沒有限制條件的自動駕駛汽車。 汽車產業正在層級1和層級2迅速地為汽車增加功能，並且擁有很多協助駕駛人的機會，同時維持駕駛人主動控制的現有車型。各種不同的感測器(攝影機、雷達、光達和超音波感測器)，讓汽車「看見」周圍發生的事情並自動協助駕駛人。許多汽車都已提供駕駛人輔助功能，例如盲點偵測、倒車攝影、自動遠光燈、主動車距巡航控制、車道維持輔助和自動煞車。 部份專家對層級3自動化的可行性表示憂慮，因該層級要求駕駛人在汽車進行一段長時間的自動駕駛時保持警惕。一項需要考慮的重點是，在什麼情況下必須由駕駛人控制以及對該情況有多少反應時間。Audi汽車表示，其交通堵塞導航功能可在交通回堵期間，或是以最高達65公里/小時(40.4英哩/小時)的速度行駛時，提供層級3自動化。在塞車期間此系統允許駕駛人暫時放鬆，但要求駕駛人在系統發出通知後10秒鐘內接管控制。 層級1到層級3能夠提高汽車安全性，但需要層級4和層級5來提供額外的潛在優點，包括殘障人士和年長者的行動性改善、個人生產力的提高，以及新的運輸模型。這使得層級4和層級5成為大多數AV方案的最終目標，即將駕駛交給汽車本身。而層級4是層級5的前身並限制了操作適用範圍(ODD)；即AV只有在某些特定條件下是自動化的。例如，層級4的AV可能只處理特定類型的道路，像是高速公路、HOV車道、AV專用車道、鄉村道路或封閉的校園；視能見度可能存在限制；在極端天候下沒有AV行為。另一項限制可能是對預先劃定區域的AV或道路的特定基礎設施支援。 部署可能是本地或區域性的，要達到納入所有情境的100%涵蓋率是困難的。而要達到95%並不是太難，但最後的5%具有挑戰性；因此減少ODD會產生重大影響。 例如，早期的層級4使用案例可能是一項受限的自動化計程車服務，在使用已知街道、較低速度、極端天候等資料良好劃定的區域，提供所需的最低能見度。另一種可能的首波部署選項是長途貨運卡車，限制在特定、已知的路線。層級5自動化帶來了處理每一種可能駕駛狀況的挑戰，且由於具有軟體提供的系統擴充性，可實現了以世界功能最強大的軟體定義驅動程式，取代普通驅動程式的願景。 感測/通訊助力自動駕駛實現 結合使用的新技術讓AV的實現成為可能，像是感測器、運算能力、智慧軟體、通訊和導航。AV使用感測器觀察周圍世界，就像人類駕駛一樣；或許比人類更好，因為它們可同時看到所有方向(圖2)。 圖2　自動駕駛汽車使用一系列的感測器來查看駕駛環境。 AV用來監控駕駛環境的感測器包括： ．攝影機拍攝影像 ．雷達偵測和測距系統(RADAR) ．光達偵測和測距(LIDAR) 顯示系統使用必須處理獲取有幫助的資訊之影像感測器。雷達感測器安裝於汽車的前方或後方，在24GHz的短距或77GHz的長距下運作，以監控交通和障礙物。它們可以偵測到範圍從幾公分到幾百公尺遠的物體，而超音波感測器可在停車或其他有需要的活動時，用近拍功能來偵測物體。 光達感測器使用脈衝雷射來偵測物體，通常具有比雷達更高的解析度但距離較短。光達仍然是一種尚未成熟的技術，通常也更昂貴；但其更高解析度能夠提供更完整的汽車環境顯示，可用來分辨不同類型的物體。無線通訊藉由AV扮演重要角色，讓汽車能夠和其他汽車(V2V)、行人(V2P)或路邊基礎設施(V2I)交換資訊。通常，這些都包含在車聯網(V2X)裡。這些通訊通道為AV提供重要資訊，包括交通堵塞和危險道路通知。兩種主要的競爭通訊手段是5.9GHz頻段的專用短距通訊(DSRC)、和使用未來5G能力的蜂巢式V2X。 例如全球定位系統(GPS)這樣的導航輔助功能，將會以AV技術進行整合。GPS可以給予AV從一個地點到另一個地點的路線，但它也可以和詳細的地圖結合使用，以改善自動駕駛、行駛車道位置和交通訊號。 嚴格測試對獲得認可非常重要 所有新技術都面臨採用的障礙，AV也不例外。由於涉及安全問題，可預期AV的採用初期將會遭遇到許多消費者的抵制。近期一項對美國公路駕駛人的調查，發現有63%的美國駕駛人表示，對乘坐完全自動駕駛汽車感到害怕；而此數據已低於更早之前的調查。 大眾輿論、熟悉和信任度，在消費者接受AV技術的意願中扮演重要角色。隨著AV技術被證明並變得更令人熟悉，消費者的看法可能會隨著時間的推移而改變。AV測試對於驗證自動駕駛汽車是否足夠安全到上路行駛至關重要。隨著汽車製造商為其汽車添加更多駕駛人輔助功能，層級1到層級3的自動化方案正逐步被採用；層級4和層級5則代表更大的挑戰，因為人為駕駛已從系統中移除，讓AV自行駕駛。 複雜環境驗證系統效能 系統都具有非零的故障率，因此，雖然希望能夠設計出一部永遠不會做出錯誤決策的AV，但真正的問題是它必須要有多好，畢竟一般人會預期AV設計的表現將優於人類駕駛；然而，究竟要怎麼知道AV已經達到可信賴的水準。 對此，Rand Corporation最近一份研究報告得出以下結論。自動駕駛汽車必須行駛數億英哩，有時甚至是數千億英哩，才能證明其在傷亡事故方面的可靠性。雖然引用行駛的哩程數可以讓我們瞭解需要進行多少測試，但它並不是描述測試穩定性的可靠指標。在鄉村高速公路上進行1英哩的測試，和在複雜的城市環境中的1英哩測試，結果將截然不同。具體來說，必須確保對重要的邊緣案例進行測試，這些具挑戰性的情境在正常交通情況下很少發生，但一旦發生就可能會致命。 此外，同一報告也指出現有的測試和驗證方法可能不夠充足，AV技術的開發人員和第三方測試者，必須開發能夠證明其安全性和可靠度的創新方法；兼具硬體和軟體的複雜系統，需從一開始就包括品質和可靠度標準，若嘗試採用低效設計來測試品質，將無法產生最佳品質結果。 有效的驗證計劃是以考量整個系統運行的測試策略開始。電子和軟體的元件已成為現代汽車的一部分，因此汽車產業已具有設計和驗證系統可靠度的經驗。當前的測試策略採用分層式方法，在系統的各種抽象層級進行驗證。圖3展示了一種常見的V開發模型方法，其在系統的每個層級連接設計需求和測試規格。 圖3　V開發模型在系統的所有層級維持驗證和可追溯性。 ISO 26262是規範汽車電氣和電子系統功能之安全性的國際標準。該標準即使用 V開發模型來確保整個系統正常運作並維持高水準的安全性。系統中的每個元件都具有指定的汽車安全和完整性層級(ASIL)，其中「A」是最不嚴格的層級，而「D」是最嚴格的層級。它是一種基於風險的安全標準，對危險運作情況的風險進行定性評估，並定義安全措施以避免或控制系統故障，並檢測或控制隨機硬體故障或減輕其影響。 系統層級驗證確保車輛效能 在廣泛的環境、道路和交通條件下測試汽車，是AV系統效能的最終測試。理想情況下，這將涵蓋所有可能的駕駛情境，以確保AV能夠處理它們。由AV公司進行的公共道路測試已經得到了許多宣傳效果，因為它對一般大眾來說是確實可見的。 這種類型的道路測試非常寶貴，因為它將汽車展露在各種真實情境中。AV公司也使用私人測試軌道，這些軌道提供可控且可重複的環境，但測試情境的變異因素較少。虛擬測試軌道正以合理的成本，成為可產生各種可重複測試情境的重要工具。 模擬駕駛情況無疑地將在AV的測試策略中扮演重要角色。因為感測器和致動器發送和接收的是數位資料，所以其感測世界會以數位串流資料的形式進行擷取和播放。AV的虛擬表現以虛擬感測器及致動器達到完整，由和真實世界汽車相同的軟體所駕駛，在虛擬世界中進行測試。當汽車在這種環境中運行時，模型會複製汽車在真實世界中「看到」的內容。這種虛擬測試方法重建了AV駕駛情境，並且可以用更低的成本「行駛」數百萬英哩，同時提供比實際道路測試更易於重複的結果。 提高測試和記錄可靠度增加駕駛信心 消費者已經看到了AV技術的潛在價值，也就是安全性改進、便利性和更強的行動性，但他們仍然擔心這項新技術的整體安全性。只要業界持續發展穩定的安全追蹤記錄，實際體驗使用AV將有助於建立消費者的信心。要建立此追踪記錄，需要強大的測試和驗證系統。 我們需要在整個生態系統中應用系統工程設計原則。AV製造商正在開發強大的設計和測試策略，以證明他們的技術，同時提供可靠的汽車。對這些複雜系統進行嚴格測試對於驗證其安全性非常重要，並將決定AV是否足夠安全上路。雖然這一切並不容易，但AV產業必須不斷創新並找到新的方法來測試和驗證系統，打破信任障礙，贏得消費者信心。 (本文由是德科技提供)

中興事件結束之後不到兩年，中美貿易戰白熱化，這次有更多中國科技廠商遭到禁運處置。然而中國在這兩年間並沒有發展出真正意義上完全自有的產品，舉例來說，現時所謂自有處理器架構，基本上都還是來自於Arm、MIPS或者是X86的授權。 AI方案火熱，雖然中國業者紛紛設計自己的加速晶片，但上面執行的依然是來自Google、Facebook的框架，而自產AI加速晶片依然是以老舊的脈動陣列(Systolic Array)架構為主，只是在周邊或者是記憶體的使用進行調整，沒有獨有的專利或其他特殊之處，因此在中國市場，即便針對雲端AI運算的ASIC加速方案此起彼落，但NVIDIA的GPU方案依然占據高達九成的市場。 中國前兩年的自有潮流雖不能說完全沒有發揮作用，但效果相當不明顯。 也因此，當出現了RISC-V這個彈性高、免授權費，且商用機會大的架構之後，整個市場也紛紛投入研究與開發，推動相關生態的發展。 RISC-V衝擊既有處理器IP授權生態 前面也提到，在核心的處理器架構方面，Arm、MIPS以及X86仍是中國處理器方案的主流，2017年之前總和占據接近百分之百的市場。 不過在2018年，情況開始有了改變，RISC-V正式進入中國市場，雖然在此之前就有部份中國晶片業者使用RISC-V指令集設計產品，但因為市場不熟悉該架構，應用並不廣。而隨著中國RISC-V聯盟的成立，以及SiFive攜手晶心進入中國市場，SiFive也在中國成立SiFive China獨立子公司，主導在中國的業務發展，一時之間掀起了廣大的開源架構風潮。 SiFive或晶心賣的是已經設計好的IP，採用他們設計好的架構需要支付授權費，但是SiFive以及其他RISC-V的IP供應者，都只收取一次性的授權費用，往後晶片生產就不需要根據銷售量額外支付一定比重權利金。而若廠商技術能力足夠，也可以直接拿RISC-V指令集來發展自己的架構，而RISC-V指令集還定義了擴展指令集，只要符合規定，廠商可以自行定義相關指令集的內容和形式，形成高度客製化的方案。 重要的是，採用此法設計出來的處理器產品完全不需要支付任何授權費或者是支付權利金，相較之下，如果使用同樣的授權方式，採用Arm的指令集來客製化自己的處理器，以最高階的方案為例，入門費用和授權費用可能就需要高達數千萬美元，更不用說後續權利金的收取。 然而，指令集雖免費，還是需要有其他外部成本的配合才能形成產品，且多數中國晶片設計業者都沒有自行使用指令集來設計處理器架構的能力，因此最終還是只能買現成的IP，但不論如何，較低的授權費，以及不需要權利金的先天優勢之下，開源架構的概念在中國瞬間火紅了起來，包含華為海思、阿里巴巴等超過300家科技業者都加入相關的聯盟或者是投入架構發展。 Arm首當其衝　因應策略效果仍待觀察 既然看到「免費」商機，既有的處理器IP業者也緊張了起來，Arm在處理器IP供應市場中獨占鼇頭已久，當免費指令集當道，自然受傷也最重。 對客戶而言，一來隨著晶片銷售額的成長，如影隨形的權利金會成為獲利殺手，另一方面，客戶其實也不願意讓Arm藉由收取權利金的理由對自己的銷售成績瞭若指掌。採用免授權金的架構，那麼一來節省成本，二來又可以確保市場成績不被Arm知悉。 為了因應挑戰，Arm在授權策略也進行了一定的調整和改變，比如說過去客戶選擇一種特定的晶片設計方案時，必須預先支付一定數量的許可費，價格可能從幾萬美元到數百萬美元，之後在晶片投產後按晶片數量再收取授權費以及權利金。 但對於晶片公司來說，準備好送到晶片代工工廠的最終設計方案可能需要半年至一年的時間才能完善，客戶在晶片實際開始交付之前很久就支付了大筆預付款，對營運成本造成壓力，中大型企業可能還有其他業務收入支撐，小型企業可能根本無法負擔。 為此，Arm宣佈了一項新收費模式，晶片製造商可以較低的一次性費用獲得約該公司四分之三的技術和晶片設計方案組合。後續，只有當晶片準備好生產並開始發貨時，才需要向Arm支付許可證費用和專利費。 作為IP授權業界的老大哥，Arm在生態、開發工具以及製造方面的支援不是免費架構所能相提並論，但如果坐看競爭者蠶食市場，那最終生態優勢可能會被翻轉過來，為此而進行的策略轉變看來只是收費順序的轉換，多數IC設計業者可能不會有太多感覺，但是在中小型業者身上應該可以發揮一定作用，只是效果仍待觀察。 MIPS與IBM跟進免費授權 也由於免費指令集掀起廣泛的討論，業界也認為其可創造的商業價值不下於傳統的Arm授權方式，就連過去也走Arm授權模式的MIPS和Power Architecture也加入了免費指令集的行列。 MIPS是個具有非常悠久歷史的架構，過去在高性能運算、網通設備以及各類嵌入式架構產品中非常普遍，而在特定的技術領域方面，比如說單一核心多執行緒的設計也要優於Arm。然而在Arm架構的侵略之下，市場不斷喪失，加上商業策略失敗，導致目前僅能退守少數應用領域，且仍不斷被Arm架構所侵蝕。 而在遭遇市場挫折之後，一度被Imagination所收購，但Imagination在MIPS生態上並沒有很好的開發出更廣泛的應用，加上和蘋果的合作將在不久候終止，可能會喪失大筆收入來源的Imagination也只好斷尾求生，將MIPS買給美國新創公司Wave Computing，隨後也將自己賣給了中資公司。 MIPS在今年稍早提出了指令集免費授權方案，同時也免除了權利金的收取，同時也將中國市場的經營權授權給芯聯芯，這個作法其實和SiFive在中國創立獨立公司，以及Arm在中國創立Arm mini China有著異曲同工之妙。 而IBM也在8月宣布透過OpenPower基金會開放Power Architecture，同樣採用類似RISC-V的授權模式。二者除了指令集免費授權以外，也提供了既有的IP授權模式，但同時免除了權利金的收取，希望能仿照RISC-V掀起的熱潮，藉此取得更大的市場空間。 Power架構過去在高性能計算領域一直擁有重要地位，只是市場參與者太少，基本上就是IBM自己在玩，雖然在不少技術特性方面可和英特爾一較高下，但巧婦難為無米之炊，截至目前為止，其在相關市場的占有率也不過在1%左右。 過去Power架構一直是由OpenPower基金會在推動，提供類似Arm架構的授權方式，在收費方面一直也都比Arm架構低，但因為應用冷門，且缺乏廣泛的軟體支援，市場應用者少之又少，而其近年在中國市場的耕耘也被其他如RISC-V等聲量更大的開放架構所掩蓋，為了避免進一步被邊緣化，IBM也決定跟隨RISC-V以及MIPS的腳步，開放其指令集。 而這次所謂的開放，就是要效法RISC-V，在指令集層級的使用方面完全免除版稅。另一方面，為了強調Power架構在周邊IP的完整性，同時讓指令集授權可以更快速轉換成可商用產品，除了開放原始碼的Power架構指令集之外，IBM 還將提供多種其它技術，包括 Power架構的軟核實現(Softcore Implementation)、與架構無關的開放式相干加速處理器介面(OpenCAPI)、以開放式記憶體介面(OMI)的參考設計。 國際IP授權商在中國展開切割布局 目前貿易戰打得火熱，這些IP業者，除了Arm以外，其原始指令集架構的發明都是來自美國，而即便是Arm，也有多個IP研發團隊在美國，因此，不論是指令集，或者是IP架構，都可能會踩到美國的貿易限制，如果貿易戰全面開打，那麼以上這些IP授權業者恐怕必須馬上退出中國市場。 為了避免這種最壞的狀況發生，這些公司採用了在中國設立獨立運作的公司，或者將經營權授權給當地公司，若母公司受到禁運限制，那麼理論上在中國的子公司還能持續以現有的指令集基礎開發IP，並提供授權服務。 RISC-V基金會曾表示，即便在最壞的情況下，指令集不會遭受禁運限制。而在此前提下，若自行以開源指令集開發IP，不論未來貿易戰發展到什麼程度，基本上都不會受到影響。 目前SiFive就在中國開設了一家獨立營運的公司，而MIPS則是將IP的授權及營運授權給中國本地的公司，就如Arm在中國和當地政府合資創立Arm mini China子公司一樣，都是為了規避貿易戰風險。 然而是否真能完全避免貿易戰的影響，恐怕還是要取決於美國對技術輸出的態度，若連上游製造都涵蓋進去，即便有獨立的經營體系，恐怕還是難逃制裁。 RISC-V發展最快　MIPS/IBM仍待觀察 目前RISC-V架構在中國已經建立起聯盟，進入中國市場的相關IP供應者也有不少，台灣晶心、芯原，以及最近最受關注的SiFive，都已經積極布局相關市場，提出不少方案。前不久阿里巴巴旗下的平頭哥發表基於RISC-V的高性能IP玄鐵910，可以達到16核配置，並可在2.5GHz的時脈下運作，而其IP和自訂的擴充指令集都將完全開放，這也代表中國隊RISC-V，除了既有IP供應業者之外，也積極布局完全自有的IP，這對SiFive之類的業者而言也都是挑戰。 雖然平頭哥的架構與IBM或者Arm的高性能架構比較起來還是明顯不足，但也已經是RISC-V中少見的高性能架構了。不過目前該架構仍然還在驗證與測試階段，短時間之內沒有商用的可能，但這也已經代表中國廠商希望以RISC-V布局更廣應用的決心。 若以整體局勢觀察，RISC-V目前氣勢的確強大，但實際商用腳步仍僅限小規模低功耗產品，整體市場表現以及相關產值仍遠遠落後於Arm，而MIPS及IBM之所以推出開放指令集授權方式，截擊的意味極重。 但考慮到目前RISC-V已經聚集了Google、高通、NVIDIA、三星、WD等一線半導體大廠，背後潛藏的研發能量極為龐大，若再慢一步，恐怕不久之後就連高性能計算也可能被RISC-V所取代，而這也是IBM決定在MIPS之後，跳進開放指令集架構處理器授權市場中的最大原因。 Arm壓力大　業務模式被迫調整 至於背腹受敵的Arm，雖然憑藉著成熟生態積極展開行銷戰，但既有授權模式以及指令客製化彈性的缺乏，使其面對這些開源架構，也逐漸落於下風，其主要客戶都已經逐漸轉向RISC-V。 雖然主要的運算核心，如高階Cortex-A系列仍然統治著行動運算領域，但低階的M系列，甚至針對即時運算的R系列，都面臨極嚴苛的挑戰，在RISC-V的壓力下，當初軟銀收購Arm時所誇下的海口，恐怕會複製當初伺服器市占宣言的窘況：Arm在幾年前曾宣稱要在2021年占據伺服器市場25%的比重，但至今仍未超過1%。 為了保住IoT市場的優勢，或許Arm會在未來提出更激進的授權計畫，不僅要打入更大的市場，也同時要阻擋免費架構繼續攻城掠地，影響Arm的市場布局。 在中國市場，Arm mini China主要針對的就是IoT市場，除了有自己的架構研發團隊，在授權條件上也要優於Arm全球的其他市場，然而中國市場雖大，如果因為其對中國市場的授權優惠而影響了其他國家的客戶，對Arm而言恐怕也是得不償失，也因此，或許Arm應該考慮改變授權形式，將預期營收來源轉移至其他服務部份。 事實上，Arm已經宣布有限度地支援客製化的指令集，與RISC-V頗有異曲同工之妙。通過Arm強大的設計能力來對抗RISC-V的其他IP競爭者，當然，這對於保守的Arm，肯定會是一大挑戰。

近日格羅方德(GlobalFoundries)在台舉辦年度技術論壇，主題聚焦在12奈米FinFET與絕緣層上覆矽(SOI)製程的特殊應用。自從該公司宣布暫停發展7奈米製程，聚焦12奈米以上及SOI製程之後，該公司除了既有的邏輯晶圓代工業務之外，在射頻(RF)、設計服務跟先進封裝上，也有更多投入，並且將組織調整為車用/工業與多重市場、行動與無線基礎建設、運算與有線基礎建設三大部門，顯然退出先進製程的競爭行列，反而讓格羅方德有資源專注在生態系統的培養跟建構上。 格羅方德亞洲區業務開發總裁Americo Lemos(圖)表示，格羅方德雖然宣布退出先進製程的競逐行列，但這不代表公司不再繼續投資未來。事實上，12奈米以上的成熟製程節點，還是有龐大的市場需求跟多樣化的客戶存在，把這個領域耕耘好，還是有很多發展機會。所以，關鍵在於格羅方德是否備妥能滿足這些客戶需求的技術。 格羅方德亞洲區業務開發總裁Americo Lemos表示，SOI等成熟製程，在未來仍將有很龐大的應用潛力。 不管是高效能運算(HPC)或嵌入式物聯網應用，未來市場的需求趨勢其實很明顯--追求更高的能源效率。但現在光靠電路微縮，已不一定能帶來這個效益。從能源效率的角度來看，SOI的表現往往比標準CMOS來得更優異，這也是格羅方德22奈米FDX製程廣獲客戶採用的主要原因。 在這個基礎上，格羅方德將持續投資在12奈米FDX製程上，以滿足客戶對邊緣運算的強勁需求。Lemos認為，由於12奈米FDX的功耗表現可以比其他同業的10奈米FinFET還優異，因此在能源效率更受重視的未來，12奈米FDX會有很長的產品生命週期。 不過，在SOI領域，一些重要的研究機構如CEA-Leti，已經開始研究如何將SOI推向10奈米以下，這是否會影響格羅方德在SOI製程上的領先地位？Lemos認為還不至於。CEA-Leti等SOI技術研發領域的要角，都是格羅方德的長期夥伴，但研究機構的使命是不斷推進科技的極限，商業成功與否則是次要考量，而格羅方德作為一家公司，則必須在商業成功跟帶動科技進步之間取得更好的平衡點。 除了邊緣運算跟高效能運算外，射頻也是SOI一個很重要的應用市場。針對這個應用，格羅方德全球業務資深副總Juan Cordovez補充說，目前RF-SOI已廣泛應用在6GHz以下及毫米波頻段的射頻元件上，有很高的市占率。但格羅方德也在關注寬能隙材料的應用進展，如碳化矽(SiC)、氮化鎵(GaN)等，並計畫在時機成熟時切入市場。不過，目前寬能隙材料除了技術上的挑戰外，也有經濟規模不足的問題。 此外，目前半導體業內受到廣泛討論的Chiplet議題，其實格羅方德也有所準備。不過，不像其他同業或IDM業者推出一條龍的作法，格羅方德只有在必要的情況下才會自行開發跟量產，例如基於矽中介層(Si-Interposer)的先進封裝，就會由公司內部來處理。除此之外，對於大多數的先進封裝技術，格羅方德還是傾向於採取前後段合作的模式，由專業封測廠(OSAT)負責。 整體來說，格羅方德退出先進製程的競爭行列，並不意味著公司將就此停下發展腳步。相反的，由於退出先進製程的軍備競賽，公司可以騰出更多資源來發展配套，例如擴大IC設計服務團隊、開發戰略性的先進封裝技術等。同時，在公司組織上，格羅方德也因應市場變化做了調整，劃分出車用//工業與多重市場、行動與無線基礎建設、運算與有線基礎建設三大部門，以強化團隊戰力。

AI、自動駕駛、5G等新興應用且皆須使用高速運算、高速傳輸、低延遲、低耗能的先進功能晶片。然而，在製程微縮技術只有少數幾家晶圓代工、IC製造業者可發展的情況下，異質整合(Heterogeneous Integration Design Architecture System, HIDAS)成為IC晶片的創新動能，Chiplets便趁勢崛起，成為半導體產業熱門話題。 益華(Cadence)產品市場總監孫自君表示，人工智慧(AI)與5G快速興起，相關應用陸續浮現，成為推動半導體產業未來成長的重要動力。這些應用皆需採用高速運算、高速傳輸、低延遲、低耗能的先進功能晶片。不過，製程微縮技術變得愈來愈困難，例如為了因應各式AI應用，晶片需更高的運算效能，這使得處理器核心數量、所搭配的記憶體容量、I/O數目都急速增加，要整合的元件數量越來越多，即便是使用先進製程，要將晶片尺寸更進一步縮小仍是十分吃力。 益華產品市場總監孫自君。 孫自君進一步說明，即便成功小型化之後，仍還有許多要素須考量，例如功耗、散熱等。小型化意味著將各種元件整合在一起，進行運算時所產生的熱能要如何有效的散熱是一大關鍵，因為熱會影響元件電性能力；另外，要達到更好的運算效率，也意味著功率損耗愈多。換言之，晶片小型化要兼具效能、體積、低功耗、散熱等多種要素，要在這麼小的空間實現這麼多(或是做更多)的事情；若再從IP的角度思考，要將各式各樣的IP(如記憶體IP、微控制器IP、類比線路IP等)整合在一起，接著各種組合試算和驗證，所以，晶片微縮過程可說既精密又複雜，也使得造價變得更加昂貴。 孫自君指出，業者都是追求獲利，而如何降低成本是最基本的考量，在隨著晶片微縮變得越來越複雜、價格也越來越高，業者也會開始思考，究竟是不是所有晶片都需要小型化，畢竟不是所有公司都有能力投入，也不是所有應用都需要非常高的運算效能，也因此， IC設計業、晶圓代工、封裝業者轉向發展晶片小型化外的製程技術，Chiplets的概念及方式也因而開始受到關注。 不過，要實現Chiplets系統也非輕而易舉，畢竟還是由許多晶片組成，因此在設計上仍會有許多挑戰。益華指出，使基於Chiplets成功的其中一項關鍵是確保中介層和封裝的設計正確，這些中介層將被多個高速訊號、時鐘、數據總線和地址通道填滿，才得以使訊號和電源完整性成為正確運行的必要條件。 為此，Cadence備有Sigrity/Clarity與Voltus工具，可以協助設計人員進行系統/板級與IC本體的訊號完整性和電源完整性分析。此一工具其中一項明顯優勢是包含兼顧電源的提取和分析，這對於緊密相關且基於Chiplets的系統中獲取正確結果十分重要；因為在跨IC，封裝與PCB系統的電源信號提取和分析系統中，訊號反射、串擾和同步開關噪聲很容易受到中介層電源網路中電源和接地阻抗的影響，而利用Chiplet模組化的優勢早期介入設計並納入考慮將有助於解決潛在問題減少開發的費用與時間。 而除了Sigrity，Cadence也還具有Virtuoso System Design Platform平台，該平台從電性感知布局演進至首創電性和模擬驅動布局，以確保電路完整性及效能。此一模擬驅動布局可有效解決關鍵電路和先進節點設計上的許多電電磁(EM)和寄生問題；簡而言之，該產品可供系統工程師無縫編輯並分析複雜度高的異構系統，並讓封裝、光電、類比IC和RF IC工程師在單一平台上作業。

根據產業研究機構Strategy Analytics的最新研究指出，隨著5G模組於2019年開始緩慢發展，4G IoT模組的出貨量將在三年內達到頂峰，而2023年將成為關鍵轉折點，因為5G模組的數量將超過4G模組。汽車市場將是物聯網蜂巢式模組的最大消費者，並將在2025年之前明顯提高其市場比重。 Strategy Analytics表示，5G的低延遲優勢將使需要即時通訊的物聯網應用成為可能，例如卡車車隊、自動駕駛、低延遲和QoS。製造業以及醫療保健中的遠程手術等領域。當發展至獨立式(SA)5G網路架構以後，用於IoT的5G變得非常有趣。能夠根據客戶要求和eMTC提供網路切片而且NB-IoT標準也與5G NR(新無線電)一起升級到3GPP Release 16的第二階段，很明顯，在預測期內5G將能夠滿足廣泛的IoT需求。” Strategy Analytics認為，預計中國的成長不會放緩，因為它在亞太地區處於領先地位。除了國家對包括智慧家電和高階消費電子產品在內的製造業進行投資之外，中國政府還在工業控制、能源、金融服務和醫療保健等領域促進物聯網的發展。作為官方智慧城市試點項目的一部分，還將向市政當局和經濟開發區提供資金，這些試點項目正在尋求使用物聯網應用來解決主要的城市問題，例如交通阻塞和污染。  

5G、AI、大數據、雲端運算等應用興起，使得資料量急速增加，因而需要更快、更高效的傳輸介面滿足資料傳輸、儲存需求。為此，PCIe陸續公布Gen4與Gen5規範，促使伺服器晶片業者紛紛投入發展，加快資料中心升級腳步；而相關的量測需求也趁勢而起，其中，隨著PCIe Gen4傳輸速率大幅增加，為補償訊號衰減，Link EQ的測試可說不可或缺。 安立知(Anritsu)業務暨技術支援部副理王榆淙表示，目前PCIe市場有兩大應用，分別為消費性和商業應用(如資料中心、企業伺服器等)。在消費性產品方面，對一般人而言，只要沒有非常大量的資料處理需求，像是遊戲、看影片、影片處理等，多數的筆記型電腦、商務電腦的性能都可以滿足消費者需求。但是，在商業應用方面卻截然不同，對PCIe Gen4/Gen5的需求可說非常迫切。 安立知業務暨技術支援部副理王榆淙。 王榆淙表進一步說明，5G、AI、雲端運算等新應用不斷出現，而這些應用產生的資料量十分龐大，且還在不停的增加，因而需要更快速的I/O輸出，使得資料中心內部的乙太網路(Ethernet)頻寬不斷提升，從原有的40G，快速攀升到100G、400G甚至800G等。也因此，現今的PCIe Gen3已逐漸無法應付這麼快速、大量的資料傳輸需求，使得資料中心業者急需往PCIe Gen4，甚至Gen5邁進，才得以因應龐大的資料傳輸、處理需求。因為資料中心無法容許資料傳輸有所延遲或是下載速度太慢，如此一來會導致許多應用窒礙難行，所以，資料中心業者想方設法強化峰值能量，以更進一步提升處理速度及擴大容量。 因此，在PCIe Gen4規範出來後，伺服器晶片商隨即啟動產品布局，測試需求也接踵而來。由於PCIe Gen4不僅可用在一般消費性電子產品中，資料中心對其更是需求殷切，而隨著傳輸速率越高，訊號衰減越大，也因此，Link EQ成為PCIe Gen4的必要測項。 王榆淙解釋，傳輸速率越高意味著從訊號發射端(Tx)到接收端(Rx)傳輸過程所產生的衰減也跟著增加，而過大的衰減會造成訊號裂化，接收端便無法進行訊號判別接收。所以，PCIe Gen4的Tx和Rx端皆使用等化器(Equalization)，以補償高速訊號傳輸的衰減，同時也須進行接收端的誤碼率(BER)測試驗證。 為此，安立知也備有模組化、可升級的訊號品質分析儀「MP1900A」滿足量測需求。MP1900A可支援諸如100G/200G/400G乙太網路、PCIe 1.0至5.0、USB3.2 Gen1/2和Thunderbolt等高速介面的設計與測試。運用新開發的Variable ISI選項，可為高速的介面、背板與線纜提供更簡便且更有效率的評估測試。 王榆淙說明，資料中心升級至PCIe Gen4已是勢在必行，而PCIe Gen5更是主要目標，所以資料中心業者、伺服器晶片商都加快布局腳步，預計PCIe Gen4產品在2020會有更高能見度。至於PCIe Gen5的相容性測試計畫也正在制定中，且也有多家廠商正開發PCIe Gen5產品或解決方案。預期未來PCIe Gen4/ Gen5將共存於市場上，高階應用如伺服器、AI等會更快往Gen5發展，而流量較小、資料處理需求較低的產品會採用Gen4。

和當初的登月計畫一樣，邁向安全自駕車的路上也潛伏著許多障礙。最近多項自駕車事件引發大眾矚目，引發持負面看法的人士聲稱自駕車本身以及所處的週遭環境太過複雜，另外，其同時也還存在著太多的變數，而軟體也仍然存在著非常多的問題。對於曾參與ISO 26262車輛功能安全標準相容測試的人士而言，抱持這樣懷疑的態度是可以理解的，其立論的基礎為五家自駕車公司於2017年在矽谷進行測試，實際行駛里程除以測試過程中出現解除自駕(Disengagements)事件的次數(圖1)。2019年的數據則尚未公布。 圖1　加州五大自駕車製造商總行駛哩程除以解除自動駕駛次數的數據(2017年12月~2018年11月)。在此期間共有28家廠商在加州境內進行公開測試，自駕模式共行駛2,036,296英哩，期間共出現143,720次解除自動駕駛。 然而，自駕目標已勢在必行：完全自主駕駛的車輛即將誕生，而安全則是最優先的要素。加州汽車監理局(DMV)2018年非官方報告顯示，自駕車每英哩解除自動駕駛的次數持續降低，顯示系統的能力逐漸提升。然而這樣的趨勢還必須加快速度。 將分工協作與新思維放在第一位使得許多車廠直接和晶片廠商合作，感測器製造商開始和AI演算法開發者探討感測器融合；軟體開發商也終於和硬體供應商聯手推動軟硬體整合。舊有的合作關係逐漸改變中，而各方也積極持續發展新的合作關係，藉以優化最終設計成品的效能、功能、可靠度、成本以及安全性。 整個產業體系正尋找正確的模式，藉以建構與測試完全自駕車，進而支援包括無人駕駛計程車以及長途貨車等新興應用。在這樣的發展過程中，隨著感測器不斷改良，帶動先進駕駛輔助系統(ADAS)的進步，也促成了業界迅速推進至更高層級的自動駕駛。 這些感測器技術包括攝影機、光學偵測與測距(光達)、無線電波偵測與測距(雷達)、微機電系統(MEMS)、慣性量測單元(IMU)、超音波以及全球衛星定位系統，它們為AI系統提供了關鍵的輸入訊息，協助驅動著真正具感知能力的自駕車(圖2)。 圖2　各種不同的感測模組用來感知環境以及為ADAS提供車輛導航功能。它們通常獨立運作，為駕駛員提供警訊，協助作出應對的操駕動作 感知能力讓自駕車安全有保障 車輛的智慧程度通常以自駕車的自主能力等級(Levels Of Autonomy)來表達。其中第一級(L1)與第二級(L2)大致上屬於警示系統，到了第三級(L3)以上就具備避免意外的能力。到了第五級，自駕車就沒有配備方向盤，完全自主行駛。 在最初幾個系統世代，車輛開始配備L2功能，感測器系統已能獨立運作。這些警示系統的誤警率(False Alarm Rate)偏高，由於太煩人以致常被關掉。為打造具備完全感知能力的自駕車，車上配備感測器的數量顯著增加。此外，效能以及反應時間也大幅改善(圖3、圖4) 圖3　具完全感知能力的自駕車能感知當前與過去的歷史狀態、週遭環境的性質，以及車輛本身的狀態(位置、速度、軌跡以及機械狀況)這些都是自駕車維持安全不可或缺的要素。 圖4　自動駕駛等級以及感測器有不同的要求。 隨著車上裝載越來越多感測器，它們能進行更良好的監視，以及察覺當前的機械狀況，像是胎壓、重量變化(例如感知有一位或六位乘客上車或下車)，以及其他磨耗因素影響到煞車與操駕功能。隨著加入更多外部感測模組，車輛融入更完整的感知能力，能掌握車輛本身健康狀況以及週遭環境。 感測器模組的諸多進步讓車輛不僅能辨識環境的當前狀態，還能察知歷史紀錄。這方面要歸功於ENSCO公司航太科學與工程部門首席技術師Joseph Motola博士的研發成果。這項感測能力從感知如坑洞位置等這類簡單的路況，一直涵蓋到感知事故種類，以及在某些地區過去發生紀錄等複雜功能。 這些感知觀念在發展之際，包括感測等級(Level of Sensing)、處理、記憶體容量，以及連網等障礙使它們看似難以實現，但如今局勢已大為改觀。如今不僅系統能存取歷史資料，還能參照車輛各感測器擷取的即時資料，讓預防性以及事故規避動作的準確度能持續提高。 舉例來說，IMU能偵測忽然的顛簸或偏向，這些狀況都反映道路存在坑洞或障礙物。在以往即使收到這樣的資訊也沒有用，但如今即時連結讓這類資料能立即傳送到中央資料庫，用以警告其他車輛及早避開坑洞或障礙物。另外包括攝影機、雷達、光達，以及其他感測器的資料，也能進行相同的處置。 這類資料經過編譯、分析、融合後，讓車輛能針對所處環境做前瞻性的認知。如此一來，車輛就扮演學習機器的角色，進而做出比人類更好、更安全的決定。 感測融合發揮互補作用 車載尖端感知技術方面已累積長足的進展，業界的重點聚焦於從各種感測器收集資料，然後運用感測器融合策略盡可能發揮最大的互補作用，弭平在各種狀況下各自的弱點(圖5)。 圖5　每種感測模組都有其長處與弱點，但運用適當的感測器融合策略，即可融合各家長處並補強各自的弱點。  然而，若其要發展成真正能解決業界面臨問題的可行方案，則還有很長的一段路要走。舉例來說，攝影機能計算到橫向速度(亦即物體沿著和車輛行進路線垂直方向前進的速度)。另外，即使是最好的機器學習演算法，也需要約300毫秒的時間才能偵測橫向移動，並將誤報率維持在夠低的水準。若有一個行人在車輛前方以時速60英哩的速度前進，數毫秒的時間可能就是皮肉傷或致命重傷的差別，因此，反應時間至關重要。 300毫秒延遲是因為需要對連續視訊畫格進行Delta向量運算，而要做到可靠的偵測程序，至少需要10格以上的連續畫格，因此必須處理完一或兩個連續畫格，車輛才有時間去做反應，雷達目前已能做到這點。 同樣的，雷達在速度與物體偵測方面存在許多優勢，像是方位角(Azimuth)以及高度，還有能繞著看物體，但仍然需要提供更多時間讓車輛做出反應。面對時速400公里以上的目標，新發展的方案必須至少達到77GHz~79GHz的運行頻率。如此高的速度似乎太過，但卻是支援複雜分向車道公路的必備條件，在這類道路上車輛會以超過時速200公里的相對速度朝反方向行駛。 光達是介於攝影機與雷達兩者之間的感測器，這樣的屬性使它能運用在完全感知自駕車上並扮演關鍵元件(圖6)，但眼前，光達也仍有許多挑戰有待克服。 圖6　完全感知車輛運用先進雷達、光達以及攝影機，搭配慣性量測單元以及超音波技術，造就了360度的觀測能力。 光達持續演化成為小巧廉價的固態元件，能裝設在車身四周，支援360度全面向覆蓋；再輔以雷達這個攝影機系統，加入更高的角解析度(Angular Resolution)以及感知物體距離的深度判斷(Depth Perception)，因此也就能提供更精準的環境3D地圖。 然而，採用近紅外線(IR) (波長850~940奈米)作為光源有可能對視網膜造成傷害，因此光束輸出能量嚴格限制在905奈米波長下每脈衝上限為200奈焦(nJ)。然而若改用1,500奈米波長的短波IR，光線會被整個眼睛表面吸收，主管當局可採較寬鬆的規範，每脈衝上限設為8毫焦(mJ)。由於是905奈米光達能階的4萬倍，使得1,500奈米脈衝光達系統能提供4倍的傳輸距離。此外，1,500奈米系統對於像是陰霾、灰塵，以及懸浮微粒等環境狀況具有更高的耐受力。 1,500奈米波長光達面臨的挑戰是系統成本，主要來自光檢測器(Photodetector)技術(現今採用銦鎵砷材質元件)。發展高品質解決方案，高靈敏度、低暗電流，以及低電容。是打造1500奈米波長光達的關鍵要素。此外，隨著光達系統發展至第二與第三代，必須進行各種應用優化電路整合，才能壓低尺寸、功耗，以及整體系統成本。 除了超音波、攝影機、雷達，以及光達之外，還有其他感測模組也扮演關鍵角色，促成業界發展完全感知自主運輸載具。GPS讓車輛能在任何時刻掌握自己所在位置。不過，有一些地方無法收到GPS訊號，像是隧道以及高層建築物之間。在這些情境中，慣性量測單元就扮演了關鍵的角色。 經常被忽視的慣性量測單元，其所依賴的是不受環境條件影響維持恆定的重力，因此在推測導航(Dead Reckoning)方面相當有用。在暫時收不到GPS訊號時，推測導航採用包括車速計與慣性量測單元的資料來偵測行進的距離和方向，然後將推算出的資料疊到高解析地圖上。如此，即可讓感知力自駕車保持在正確的行進路線上，直到恢復正常GPS收訊為止。 高品質資料節省時間/提升安全 和這些感測模組一樣重要的是，若感測器本身並不可靠，而輸出的訊號並不是精準地擷取，並以高精準感測器資料的狀態饋送到上游端，那麼這些關鍵感測器的輸入資料就不可靠，輸入垃圾，輸出的也只會是垃圾。 要因應上述課題，即使最先進的類比訊號鏈也必須持續改進才能進行偵測、擷取、數位化，轉換成感測器訊號的輸出內容，因此其精準度與精密度不能隨著時間與溫度出現漂移。憑藉正確的元件以及設計的最佳策略，包括隨著溫度、相位雜訊、干擾以及其他造成不穩定現象產生的偏差漂移，其產生的難題都能大幅消弭。總而言之，高精準度/高品質資料至關重要，其攸關著機器學習以及AI處理器是否能正確訓練，以及做出正確的運行決策。然而這些程序必須在短短幾秒的時間內迅速完成。 在資料品質得到確保後，即可著手優化各種感測器融合方法以及AI演算法，以獲得正確的結果。不論AI演算法訓練到多好的程度，一旦模型完成編譯並部署到網路邊界的裝置之後，這些演算法就完全得依賴可靠、高精準的感測器資料才足以發揮效率。感測器模組、感測器融合、訊號處理以及人工智慧之間的互動，已對智慧/感知/自駕車的發展產生深遠的影響，並提高我們對於確保駕駛、乘客、以及行人安全的信心。然而倘若欠缺可靠、精準、高精密度的感測器資訊，上述目標就難以實現，而這些要素也都是安全自駕車的基礎。 和所有先進科技一樣，投入越多，就會發掘更複雜的使用情境以及衍生的問題，其複雜性將持續讓現有技術顯得力不從心，因此，必須期盼新一代感測器以及感測器融合演算法能克服這些難題。 和最初的登月計畫一樣，自駕車的整個計畫將對社會產生著長遠的顛覆性影響。從駕駛輔助到取代駕駛，不僅大幅改善了運輸的安全，生產力也會出現巨大的躍進。而這樣的未來，則有賴於感測器奠立的基礎，在此基礎之上各界才能發展所有其他元件。 (本文作者為ADI自主傳輸及安全副總裁)