首頁Top區塊

奇景光電日前宣布，旗下子公司立景光電與Lumotive共同推出創新光達(LiDAR)解決方案，該方案結合Lumotive專利的液晶超穎表面(Liquid Crystal Metasurfaces, LCM)技術與奇景的矽控液晶光閥(Liquid-Crystal-On-Silicon, LCOS)技術，實現更具顛覆性的光束控制技術，使得Lumotive光達系統的性能、可靠性大幅提升，並進一步降低成本。 奇景光電執行長吳炳昌表示，該公司很榮幸能與Lumotive合作，為新型LiDAR光達系統開發出真正突破的創新技術，而該公司也可透過此一技術，攜手Lumotive切入日益成長的自動駕駛汽車市場。此一光達解決方案是運用Lumotive專利液晶超穎表面技術與該公司為Lumotive量身訂做的LCOS研發製造服務，進而打造出獨特的LCM晶片，推動光達產業更進一步發展。 光達主要是用於自動駕駛系統的關鍵3D感測技術，需要精準的光束控制能力以利商業運用。傳統光達憑藉機械旋轉組件來控制光束指向，而新的固態光達技術，傾向使用MEMS微機電光學鏡或光學相位控制陣列來簡化光達結構。 不過，由於MEMS微機電光學鏡的光學孔徑較小，使得光學相位控制陣列的效率偏低，以至於上述兩種解決方案的光達性能仍有改進之必要。為此，Lumotive LiDAR光達的第一款產品，是將其設計的半導體晶片運用奇景客製化的LCOS技術，生產成獨特LiDAR光達晶片，可依據液晶超穎表面材料的光學調變，引導雷射脈衝控制光束指向，以提升光學相位控制陣列的效率。 Lumotive聯合創辦人兼首席執行長William Colleran博士指出，該公司的液晶超穎表面技術結合奇景獨特的LCOS技術和深厚的液晶專業知識，將可打造更完美的光達解決方案，明顯降低光達成本、提高性能及可靠度，進而使光達在未來能更順利的上市，實現更先進、安全的自動駕駛輔助系統(ADAS)和自動駕駛車輛。 奇景和Lumotive攜手強化LiDAR光學相位控制陣列效率。  

隨著數位轉型浪潮席捲大大小小的產業，資安同時成為數位化與智慧製造背後的隱憂，面對病毒、惡意程式愈發猖狂，要解決資安問題必須從所有層面同時改善，才可能杜絕資安威脅。 微軟亞洲首席資安顧問Minoru Hanamura表示，為協助企業數位轉型，並提供全方位的資安保護。台灣微軟近日宣布結合「雲端SIEM+SOAR」功能的Azure Sentinel正式在台上線，Azure Sentinel以Microsoft Security Graph為巨量資料庫，透過機器學習分析每日從微軟產品與服務收集到的數兆筆資安威脅訊號，不僅擁有足以防護、偵測、回應甚至追擊的真正智慧，更可讓企業直接串連現有的跨平台資安方案，匯集組織內所有來自雲端、地端、軟硬體的Log並加以分析、去蕪存菁，優先推播與企業最相關且急須IT人員關注的重大資安威脅事件，並以圖像化的儀表板輔助IT人員輕鬆上手。 針對智慧製造的資安保護台灣微軟雲端平台事業部副總經理李啓後進一步說明，智慧製造可以分成IT、IoT和OT，而Azure Sentinel在點線面的的觀點，是做面的資安保護，Azure Sentinel不會排斥各種不同的資料輸入，所以只要資料能夠輸入的話，Azure Sentinel就可以納入控管。舉例來說，一個軟體允許Azure Sentinel跟其連繫與控制它的話，就可以做端到端(End To End)的資安保護。同時Azure Sentinel具備非常簡單的圖形介面，加上AI的理論後盾，讓所有人員都可以輕鬆的操作。 Hanamura指出，每一個資安產品都有其專長的能力，有的在前端、有的在終端、有的在後端、硬體端、網路層等，而Azure Sentinel的優勢在於，把所有的log收集進來之後，可以統一地看到全面端對端的視野，結合這些產品功能同時進行回應。每個產品都有其優勢和擅長的領域，但以企業的資安角度來看，需要全面性的整合服務，Azure Sentinel涵蓋了不同產品，整合所有產品的優勢，在中央串連所有功能進行統一的回應。 Azure Sentinel不是為了取代原有的資安產品，但是故有的資安產品多數無法提供跨領域的整合服務，網路資安產品就侷限於網路、郵件資安產品就侷限於郵件，雖各有專長，但對企業資安人員來說，必須關注於整個企業全面的資安，透過Azure Sentinel可以協助資安人員達到這個目標。 另外，台灣微軟Microsoft 365事業部副總經理陳慧蓉也補充，Azure Sentinel目前已經有和多家第三方的企業合作，也會持續根據客戶的需求增加與第三方企業的合作，並會隨時在官方網站發表推播新的合作項目。 台灣微軟雲端平台事業部副總經理李啓後表示，Azure Sentinel是雲端原生的安全性資訊與事件管理員(SIEM)平台，同時結合Microsoft 智慧資安解決方案，可大幅增加企業IT人員的應對能力與效率，透過身份識別管理、數據分析監測、信息保護與威脅預警等各層面，協助企業徹底降低資安威脅。  

多年來，電子產業早就意識到，元件和系統設計驗證會占用整個設計時間的絕大部分。現在當開始邁入超深次微米的時代之後，亦開始瞭解，相關驗證正在演變成一大問題。對縮小元件的技術而言，難度最高的是和電壓、製程以及晶片老化有關的變異；這些可能導致短期或長期產品問題，到最後造成設計團隊的困擾。 考量製程和製造過程產生變異的影響。長期下來，元件尺寸(Feature Size)已大幅縮小。就7奈米而言，約30個矽原子就能構成一個電晶體，任何製造缺陷都會影響電晶體的行為。此外，電介質層(Dielectric Layer)僅有一到兩層分子厚度。現在的FinFET約有10個參雜原子(Dopant Atom)，因此在製造後第8或第11個原子可能造成電晶體的行為差異。在這些嚴格的物理限制下，可能難以達成完美的製造。 矽晶片設計充滿變數/挑戰 製程變數不是唯一的設計挑戰，而這讓問題更為複雜。每個電晶體都處在不同的局部環境，電壓、溫度和供電也會從不同來源注入雜訊和擺動(Wiggle)。更糟的是矽晶片不會保持不變，它會老化，而且不像酒一樣越陳越香。因為劣化的關係，矽晶片可能5~10年後就停止運作。然而，由於設計攸關人命的系統，例如自駕車平台、醫療系統以及裝在難以構及基地台內的5G元件，需正常運作壽命長達數十年而非數年，如此一來掌握晶片的變異就變得更為重要。 長期施加電壓在元件上會造成矽晶片退化。例如將1伏特施加於1奈米上，電場強度高達每米10億伏特；這會將龐大的電場強度壓力施加在元件上，即使電流通過的導線都會因流經這些細小導線的高電流密度，導致電壓提升。 導線的問題包括電子遷移(EM)和靜電放電(ESD)，而元件的問題包括會導致故障的ESD、時間相關介電層崩潰(TDDB)。EM是一種時間相關(Time-based)故障現象，也就是大量電流長時間流經細導線會侵蝕金屬導線並形成峰谷，導致開路或短路，縮短產品壽命；而ESD是一種事件相關故障，成因是短時間施加足以導致金屬導線蒸發或閘級氧化層分解的高電壓。 就電晶體層級而言，除ESD問題外，還有其他過載效應，這會造成長時間的中等壓力，進而引起TDDB造成的氧化層磨損。這種狀況下，跨介電質的電場會將離子植入介電質。這可能導致模仿持續充電狀態的行為，防止邏輯閘在狀態從1變成0時完全放電。因為電晶體運作不再正常，開始非對稱運作(相較於正常設計行為)TDDB將導致元件故障(圖1)。 圖1　行動裝置效能變慢 此外，FinFET的老化原因還包括負偏壓溫度不穩定性(NBTI)和熱載子注入(HCI)。因此老化感知系統單晶片(SoC)時脈收斂對確保FinFET設計的長期穩定性非常重要。跨電晶體閘級的電場會慢慢使元件介電質退化。主要物理效應包括溫度不穩定性(Bias Temperature Instability, BTI)和熱載子注入(HCI)。 就電氣特性而言，徵候為臨界電壓偏移，這會導致驅動電流隨時間減少，進而導致延遲增加，最終導致時序故障。老化效應通常需時數年(2、5或10年)。常見的為個別電晶體效能緩慢衰退。部分電晶體的衰退可能很明顯，其他類似的電晶體卻不會受影響。老化現象對使用方式極為敏感，常見的設計技術如時脈閘控(Clock Gating)可能使問題更嚴重。 Monte Carlo SPICE處理異常值曠日廢時 半導體產業很早就知道上述效應。如果製程不先進、效應小，可以從設計限界(Margin)處理這些問題。而且以設計限界為基礎的方法很容易採用，大多數設計團隊也都用這種方法。但到了7奈米的層級，必須處理達30~40%的變異。在這種狀況下，靠設計限界處理的難度就很高(圖2)。 圖2　超低電壓運算意味著設計限界極小，變異非常嚴重 資料來源：ITRS Past, Present and Future(左圖), TSMC: Physical Design Challenges and Innovations, ISPD 2017(右圖)。 臨界電壓從28奈米到現在的變化並不大，因為晶片的限制，不能再改動臨界電壓，它一直在0.2伏上下。大多數電源敏感設計都以0.5V和0.6V運作，因此剩下空間有限；系統開始以類比方式運作，任何行為改變都有指數效應，不再能靠設計限界或擴展。這種簡單的機制以前能應付所有不想面對的問題，但現在已不再實用。 因此，接下來該怎麼辦？如果不能靠設計限界處理變異問題，就必須測量它。設計人員需要替所有相互作用的效應建立模型，並進行模擬，考量所有效應並準確預測晶圓代工廠會產生的問題；這種方法速度要快才有生產力，還要準確到讓設計團隊可以運用。 這就是當前變異挑戰諷刺的地方。產品必須要成功的負擔已從製造商轉移到設計團隊身上，後者以前從來就不需要處理製造變異問題，現在設計師要負責模擬變異行為及提供最高良率的設計保證。這是個不小的挑戰。 為了處理這個問題，大多數走在最前端的設計師採用的流程到了設計最後，都會藉由執行完整的Monte Carlo SPICE處理異常值。這種做法的主要挑戰在於，SPICE每次只會模擬一小部分，設計師必須進行數千次模擬，每次設定都有些微差異，這可能導致7奈米的特定路徑需進行多達35,000次的電晶體模擬。對於有效率工程而言，這實在太昂貴耗時了。 換言之，工程成本是另一大挑戰。專案時程非常重要，任何影響時程的因素都有增加成本和錯過重要市場商機的風險。甚至Monte...

中國自2010年開始投入AI技術的發展，在機器視覺與自然語言相關的應用領域方面有著相當亮眼的成績。 只是這些技術並不是完全來自紮實的技術發展，畢竟中國過去在基礎教育方面的貧乏，使其缺乏研發AI相關技術的人才，這與美國在基礎科學發展努力了百年之久，累積龐大人才和技術庫的情況不同。因此，為了達到快速發展的目的，不擇手段就成了最被普遍使用，成效也最好的手段。 鼓勵留學/千人計畫　中國打下AI發展基礎 中國以三種方式來取得相關技術，並建立自己的AI技術基礎。首先，就是鼓勵資助大量留學生前往美國留學，學習技術之後可能會進入中國學界或業界主持各種研發項目。這個還算是比較正規的方法，而有一部份留學生在畢業後沒有馬上回國，而是留在當地就業，並促成第二種技術「轉移」方式。 第二種方法就是以大量金錢作為誘因，吸收在外國相關高科技企業工作的中國人，為政府取得技術，並回中國創立類似性質公司，中國另外還會高額補助該企業發展。知名的千人計畫其實就是在做這件事，不過千人計畫已經被國際關切，目前中國也轉向低調，不在檯面上提到千人計畫的執行內容和牽扯的相關人士，但實際上該計畫還是持續執行中。 而最後一個方法，則是利用政策壓力，以中國龐大的市場規模，強制要在中國做生意的外商進行技術轉移，這個手段因為太過明目張膽，反而科技大廠在技術轉移的選擇或策略上都有設下防火牆，所以受害並沒有那麼直接，但這也已經足夠讓中國包括AI技術在內的高科技公司得到快速成長的養分，這些外商原本認為他們只是到中國做生意，但其實是幫助了中國產業發展，而當中國自有技術到位，就會打入供應鏈，利用價格優勢把這些外商擠出中國市場。 監控成中國AI技術最大驅動力 另一方面，從應用面來看，中國發展AI的動機並不是那麼單純，雖然中國是全球最快實現AI商業化的地區之一，目前也已經有相當大的經濟規模，但如果把目前中國的AI經濟進行分解的話，就可以發現大部份的AI產值都是來自同一個地方，也就是安防監控應用上。 目前的中國安防監控產業，其實結合了晶片、AI演算法供應商、攝影機模組供應商、影像感測元件、儲存、伺服器方案等。同時，中國檯面上的AI方案公司主要是以前二者為主，也有自行設計前後端方案後推出整合型的AI攝影機模組的公司，例如海康威視。 作為監控產業龍頭，海康威視的最新財報中顯示，其監控相關業務的營收占了93%，而在中國四大AI金剛，商湯、曠視、依圖、雲從，以及更多以CV技術為基礎的AI新創公司，幾乎都是以接政府的監控、安防業務為主要營收來源，而根據各家的財務資料或公司負責人的受訪內容，這些公司的安防營收比重各約從3成到6成左右。 而多數AI晶片新創公司也幾乎都以安防為第一目標市場，比如說原本做挖礦晶片，後來轉型推出AI晶片的比特大陸，以及自動駕駛方案廠商地平線等，都不敢忽視安防監控這塊市場肥肉。 安防監控是每個國家都需要的重要基礎建設，但中國對這方面的需求遠超過全球其他國家，光是過去幾年，全中國的監視攝影機以每年接近一億部數量增加，而這些逐年新增的攝影機背後幾乎都與龐大的AI基礎建設進行連結，為發展相關技術生態，中國在過去數年投入上兆台幣資金規模發展和建置相關的技術平台。 在國家有意扶持發展之下，機器視覺(Computer Vision)是中國產業目前最強大的AI技術應用之一，基於該技術的人臉識別能力已達業界一流，其實務應用準確度已經可以達到98.5%以上，實驗室中甚至可以達到99.99%。除了人臉識別技術外，包括人體移動姿態、服飾追蹤的外觀型態模型建立，也更幫助整個監控系統更充分掌握要追蹤的目標動向。 除了政府的推動以外，中國對於個人隱私保護認知的不足，也成為推動AI發展的關鍵元素，畢竟AI都是基於機器學習所建立的模型，如果樣本不夠大，那麼建立出來的模型可靠度就不足。歐美由於對個人臉孔等可以和個人身份高度連結的隱私資料非常重視，可用來進行機器學習的公開資料比較有限，而蘋果過去Siri被詬病的不夠聰明，也是由於這個緣故。 中國人口基數大，而從手機應用、銀行業務、安防設備等日常生活中各種需要擷取臉孔的應用極多，相關後台收集了龐大的臉孔資料，這些資料也成為推動具備中國特色AI發展的重要養分。 然而隨著安防監控的市場競爭者越來越多，技術發展上也開始遭遇瓶頸，在核心的模型建立方面，各家落差已經不大，資本投入也從模型和演算法的研發逐漸轉為應用面的擴大，希望把這些以龐大人臉資料庫訓練出來的AI技術轉移到其他領域，創造更多的商業機會。 無人商店功敗垂成 這方面最成功的該屬金融機構的人臉識別技術。由於金融機構對臉部識別的精確度要求更高，這方面多數直接沿用政府的臉部資料庫和模型，並輔以更精準的演算法；當然，這方面的應用也是多數專注機器視覺的AI公司的共通發展方向。不過金融機構的市場胃納量有限，很快的，這些AI公司又把腦筋動到了無人商店之類的AI應用。 但與安防監控和金融機構的人臉識別不同，無人商店並沒有獲得成功。這是因為無人商店最主要的訴求，也就是降低管理成本，沒有辦法達到宣稱的效果。 這主要還是因為中國人力成本低，Amazon的無人商店之所以能成功，在於美國的人力成本高，另一方面，Amazon的使用體驗經過高度最佳化。因為是Amazon集團經營，所有銷售資料都會在雲端統整分析，整理出各地商店的消費偏好模式，讓商品的類型可以更符合當地的消費習慣。 相較之下，中國的無人商店概念仍僅止於交易過程的無人化，為了取代店員，使用了更昂貴的機器設備，反而造成經營成本壓力。另一方面，中國網購盛行，到店消費早已不是主流，在這個情況之下，實體店面的營收只會持續下滑，根本無力支撐龐大的無人化硬體套件。 也因此，雖然前幾年相關概念極為火熱，但商用之後才發現實際問題很大，諸多無人商店業者紛紛退出市場。光是2018年，幾個主要的無人商店業者，包含鄰家便利、猩便利、7隻考拉和小閃科技都先後倒閉。 像蘇寧、騰訊的無人快閃店等，雖然仍持續經營，也都只有小規模部份設點。最早的無人商店概念之一，F5未來商店則是走販賣機形式的無人販售方式，雖然稱為無人商店，但其實更像台灣近來風行的夾娃娃機產業，差別只在於收款和販賣方式不同。 無人商店這個議題也曾掀起一波融資潮，大把金錢湧入這個新興概念產業，但跟OFO之類的共享經濟概念相似，多數都撐不了多久，錢燒光了就宣告倒閉。 AI醫療/AIoT挑戰仍多 當然，也不能說中國就沒有正經八百發展AI的產業，比如說醫療、包含智慧城市、智慧家居、智慧零售和智慧製造等四項應用場景的AIoT概念。 醫療方面AI發展同樣集中在機器視覺領域。比如說X光片、超音波等醫學專業圖像的判讀交給AI來處理，效率更高，準確度也更好；而AI也用來進行病歷管理工作，這對於中國這種醫療環境相對落後，且醫護人員缺乏的國家，其實可以帶來相當大的幫助。 然而技術雖有突破，但中國政府在監管方面卻轉趨收緊，新規要求針對醫療圖像進行診斷的公司必須申請醫療器械許可證，而申請耗時需要一年以上，目前還沒有公司拿到許可證。而因為市場風險增加，融資難度也明顯提升，也讓中國業者面臨發展陰影。 而AIoT牽扯到的AI技術層次更多，機器視覺雖然仍占很大的比重，但自然語言、自動駕駛、無人倉儲管理等AI演算法在這些領域也同樣扮演重要角色。然而這方面的發展還處於早期階段，相關產值短期內也很難看到拉升。 爭取融資　中國晶片設計同質性偏高 隨著AI浪潮興起的，還有針對雲端和終端等不同AI應用中的訓練和推理場景進行加速的相關晶片方案。而其實AI晶片最主要還是在演算法的差別，晶片本身的設計難度並不高，除了針對不同運算場景的需求配置不同的記憶體或功能區塊以外，AI本身的計算工作基本上都是通過類似的大規模乘加法運算器(MACs)來達成。 AI晶片方案的發展其實是最近幾年的事，從最早使用FPGA搭配自有演算法的方案，到後來有不少廠商發展自己的晶片，配合演算法與開發環境主打AI通用運算工作。而像寒武紀這類的中國業者則是推出AI運算晶片IP，授權給客戶作為AI運算方案。 隨著這些方案的發展，彼此的同質性越來越高，架構設計上也沒有太多差異。而因為AI晶片設計的門檻低，不少原本專注於AI演算的公司也開始推出自己的AI晶片，主打根據特定場景的最佳化更到位，可以提供更高效能，更低功耗，以及更少的維持成本。 只不過，業界想的基本上都差不多，不是針對雲端的高性能AI晶片，不然就是針對邊緣和終端的低功耗AI晶片，性能差異的來源主要還是在晶片上的運算單元和記憶體規模，以及配合的演算法實現方式。 至於為什麼晶片公司先後發表自己的AI方案，主要還是融資市場對這方面的議題非常關注，由於中國產業高喊自有的聲音很大，能推出方案的晶片設計公司通常都能夠拿到很多的投資。而這些方案能成功實現商業化的數量有限，多數成功商業化的AI晶片走進安防監控領域，或者是部份AIoT市場。 舉例來說，號稱自動駕駛最強的地平線公司在2018年貢獻營收的主要還是安防方案，自動駕駛方案基本上只有少量出貨給合作廠商進行測試，還沒有大規模商用。而為了維繫投資人的熱情，這些AI晶片廠商即便沒有客戶，仍然不斷的開出新方案，計算性能與規模也越喊越誇張。 回過頭來看，中國市場的AI運算市場，雲端機器學習加速架構仍有超過9成被NVIDIA掌握，CPU方案則幾乎由英特爾獨占，推理方面英特爾的FPGA和NVIDIA的GPU各有一部份。至於AIoT領域中，真正的終端AI還沒有大規模實現，手機晶片上雖然有華為和寒武紀的合作，但先行者的優勢至今也已經逐漸被抹滅，蘋果和高通，甚至聯發科的手機AI性能基本上都能和華為的方案平起平坐。也因此，就連業者也認為這些AI晶片公司可能需要一波清洗，好去蕪存菁。 煉蠱式成長壓力大　國家隊仍可能彼此殘殺 最著名的兩個國家隊領袖，分別是華為與寒武紀，二者的合作的確製造了不少話題，並為華為當時的旗艦手機創造了銷售熱度。但有趣的是，寒武紀在新聞資料上對華為低聲下氣，也曾讚賞二者的合作。然而華為卻自始至終都否認相關的訊息，對外永遠只說華為用在手機上的NPU神經網路加速單元是自行研發的產品。即便業界都知道這個NPU的來龍去脈。 作為寒武紀少數的IP授權客戶之一，且出貨量極大，他自然不敢得罪華為，但華為卻明顯另有盤算。到了麒麟810，華為用自有的昇騰AI架構取代了寒武紀。而華為繼續對外宣稱，他們研發相關的AI架構已經超過10年之久。耐能的CEO就曾指出，當初華為和寒武紀的合作，其實等同於華為逼迫寒武紀賣身，也就是把寒武紀NPU的IP的原始碼全部交給華為，華為才願意合作。 而從2017年的麒麟970推算，華為拿到寒武紀的NPU原始碼最早可能在2016年左右，而到2018年推出「自有」昇騰AI架構，也不過才兩三年。華為的狼性著實讓寒武紀吃足苦頭，原因在於華為的昇騰架構要打的市場和寒武紀高度重疊。寒武紀是中國少數提供晶片IP授權業務的公司，而發生華為這個事件，相關的業者未來在選擇合作對像以及合作方式時，應該會更謹慎。 中國應用優勢漸失成未來隱憂 成也應用，敗也應用，AI最後的商業化關鍵還是在於應用是否與有足夠的市場吸引力，由中國政府創造的安防監控應用雖然規模龐大，相關內需產值驚人，但市場競爭也大，而其他如自動駕駛或AIoT也還遠遠談不上成熟，而最主要的關鍵是，多數AI方案公司基本上都只能守在中國，打不進國際市場，而目前中美貿易情勢緊張，製造業等內需減弱，短期內也不見和解的可能，這都讓中國的AI產業烏雲罩頂。

在韓國搶先商轉5G服務後，美國隨即發布商轉消息，在熱鬧的5G開台大戰又過了5個月後的現在，大家仍積極布建5G相關建設、尋找應用場景。而搶先開台的兩國中，美國布建5G毫米波(mmWave)的發展情況也深受大家關注。 Nokia客戶營運部技術總監陳銘邦表示，5G毫米波可以提供非常高的速度跟傳輸量，但是要以毫米波提高5G涵蓋是非常辛苦的。由於毫米波對可直視性(Line Of Sight, LOS)的要求非常高，目前在美國實測的結果看來，沒有遮蔽的情況下毫米波的表現非常優異，但是受到遮蔽的情況下表現就會明顯受到影響。 陳銘邦進一步說明，在5G建網的過程中，頻譜是一個很重要的因素，沒有頻譜就沒有網路。5G頻譜可以分為低頻、中頻和高頻(毫米波)，以現在台灣的700MHz、900MHz、1800MHz、2100MHz等頻段的網路就是使用低頻，低頻主要是用頻分雙工(FDD)的技術，在3GPP的規範裡面低頻也可以做5G的服務，也就是說以台灣現有的頻譜就可以馬上轉到5G應用。 目前各國使用5G主要都是集中在3.5GHz的頻段，也就是集中於中頻。而高頻(多為28GHz)的應用則不太一樣，需要超高速傳輸的應用就很適合使用高頻。通常低頻在5G涵蓋方面是更有優勢的。舉例來說，台灣NCC要求5年內要達到50%的人口涵蓋，光用3.5 GHz的頻段就會很辛苦，用低頻達到人口涵蓋是相對容易的做法。 針對毫米波在美國的實測情況，陳銘邦指出，目前在美國部署的毫米波基地台實測狀況，在沒有遮蔽的情況下，手機可以收到1Gbps，但是只要轉個彎就沒有辦法收到這麼高的傳輸量。因為毫米波對Line Of Sigh的要求很高，轉彎後經過10~50公尺的距離，訊號就會喪失14~21 dB。另外，不同遮蔽物的影響程度也不同，若是被水泥或磚塊遮擋，會有30~35 dB的訊號喪失，石膏板則是7~12 dB，最少的是透明玻璃，僅5 dB的訊號衰減。

為擴大業務範圍，尋求更多收益，Imagination Technologies近日宣布推出客製化的諮詢、代管與部署服務「IMG Edge」，協助客戶縮短SoC產品上市時程和降低整體成本；且此一服務還包括完備的上市支援服務組合，降低客戶推動SoC產品上市時的複雜度及成本。 Imagination驗證平台副總裁Colin McKellar表示，該公司相信IMG Edge將成為市場的遊戲規則改變者，讓使用者能在驗證過程初期找出潛藏的錯誤，節省公司時間並大幅降低成本。該公司具有25年以上的SoC開發經驗，能為驗證服務提供深厚的專業知識和一系列的專利流程，以實現關鍵的業務成果；同時結合該公司的專業知識和獨特方法論，意味著IMG Edge可協助客戶加速進入市場，並為其節省數百萬美元的設置成本。 據悉，IMG Edge包含了三個領域的主要元素，分別為平台、諮詢和方法論。此一服務包括先進的設計和驗證解決方案，以諮詢和Imagination的端到端設計和驗證專業知識為後盾，可提供從最底層硬體元件到複雜消費性裝置的所有內容。 舉例而言，IMG Edge中的一個關鍵方法論，可克服如何在數據路徑繁重的設計中，快速驗證複雜的控制邏輯和數學，而這些數據路徑繁重的設計，都是在各關鍵市場中的運算密集SoC所採用的。此方法論可處理複雜的64位元ALU，並提供具絕對數據一致性的證明。目前IMG Edge包含幾種先進的方法論，不過有些並未公開揭露。 簡而言之，藉由使用Imagination的資料中心、工具、方法論、虛擬平台和硬體加速器，再結合客製化以及廣泛的領域專業知識，將能為SoC設計、製造節省數千萬美元的成本，並縮短數個月的專案時間；此外，IMG Edge還可完全量身打造，以滿足不同需求及應用市場，包括汽車、消費、工業、行動和安全的個別需求。 IMG Edge可為汽車、消費、工業等不同應用量身打造。  

5G商轉正式啟動，為搶攻5G商機，繼高通(Qualcomm)、聯發科之後，三星(Samsung)近日也宣布推出全新行動處理器「Exynos 980」，其採用SoC設計，整合5G數據晶片(5G Modem)，並具備更佳的連接性和智慧處理性能。三星指出，此一5G SoC預計將於2019年年底量產。 三星電子系統LSI營銷副總裁Ben Hur表示，隨著2018年推出5G數據晶片，該公司一直在推動5G革命，而憑藉新推出的Exynos 980，該公司正在努力讓更多使用者可輕易使用5G，並繼續引領行動5G市場的創新。 據悉，Exynos 980採用8奈米製程，為三星首款整合5G數據晶片的行動處理器，不僅有助於降低功耗，還可減少元件占用的空間。新推出的5G SoC支援2G~5G網路，在支援在5G通訊的6GHz以下頻段，數據傳輸速度最高達到 2.55Gbps；即便在 4G 通訊環境下，最高也可達到1.6Gbps的傳輸速度，此外，該產品還支援最新的Wi-Fi 6標準。 另外，新推出的Exynos 980內建8核心架構，包含2個 Cortex-A77以及6個 Cortex-A55，以因應5G時代所需的快速、複雜運算；該產品還搭配Mali G76 GPU，以實現更逼真、更身歷其境的遊戲和混合實境(MR)體驗。 另一方面，該產品同時還內置高性能神經網絡處理器(NPU)，相較於之前的行動處理器，Exynos 980處理能力提升了2.7倍，實現更強的人工智慧運算；且透過此一NPU，便可直接在終端產品進行AI處理，而不須透過雲端，因而可以確保數據隱私和安全性。 此外，因應拍照需求，新推出的Exynos 980內建高性能圖像訊號處理器，最高可處理1.08億像素拍攝的圖像，且最多可以連接5個影像感測器，並支援同時啟用3個感測器。該產品還可以藉由高性能的影像感測器及神經網絡運算單元，進一步辨識物體型態、周遭環境等候加以調節，拍下最有質感的照片。至於在沉浸式的多媒體體驗上，Exynos 980的多格式轉碼器(MFC)支援每秒120幀(fps)的速度編碼和解碼4K UHD影片，而HDR10+支援動態映射還可在影片內容中提供更加細緻和明亮的色彩。 三星新推出的Exynos 980預計年底量產。  

USB開發者論壇(USB-IF)近日宣布推出USB4規格，新一代USB架構可優化並延續現有的USB 3.2和USB 2.0架構。USB4架構是以英特爾(Intel)的Thunderbolt協定規格為基礎。它將USB的最大傳輸總頻寬增加一倍，並支援多個同步資料和顯示協定。 USB4架構採用USB Type-C電纜即可雙鏈路運行(Two-lane)，傳輸能達到40Gbps，與Thunderbolt 3相同。USB4將只有USB Type-C一種接口形態，可向下相容USB 3.2/3.1/3.0、Thunderbolt 3。同時支援多種資料和顯示協定，可高效共用最大傳輸總頻寬 隨著USB Type-C連接器發展成為眾多主機產品的外部顯示埠，此USB4規格將使主機能夠以最佳方式擴充顯示資料流程的分配。即使USB4規格引進新的底層協定，也同樣支援與現有USB 3.2、USB 2.0和Thunderbolt 3主機和裝置的相容；隨之產生的連接可以擴充到讓所連接的裝置享有最佳互連能力。 另外值得一提的是，USB4大幅改善了配件間的相容性。目前許多配件採用USB-C連接埠，卻不支援Thunderbolt 3技術，而USB4納入了Thunderbolt 3的標準。 由於USB4的技術規格是以Thunderbolt為基礎研發，Thunderbolt目前已應用在MacBook Pro/Air以及Mac桌機上，使用Thunderbolt 3和使用USB4的體驗是差不多的，也就表示許多Mac已經體驗過USB4的好處。但儘管USB4是以Thunderbolt 的技術為基礎研發，但只代表USB4有Thunderbolt 3的功能，兩者並不完全相等，因此支援USB4的裝置製造商毋須進行Thunderbolt的測試和認證。 USB4架構納入了Thunderbolt 3標準，大幅改善了相容性。  

隨著半導體產業的成長已不再僅受限於個人電腦、伺服器，甚至手機和平板電腦等各種運算裝置的銷售，各大半導體業者看到了來自多樣化市場的成長機會；例如雲端儲存、機器學習(ML)或人工智慧(AI)、虛擬實境(VR)和擴增實境(AR)、機器人、醫療和汽車，甚至包括自駕車的興起，都是挹注產業成長的重要應用。 市調機構例如Yole Développement認為，到了2035年，有超過一半售出的車輛都將擁有LEVEL 3的自主程度，這意味著，這些汽車將能在無需駕駛隨時關注道路的情況下進行自動駕駛。 另一方面，物聯網(IoT)也成為串聯各個市場區隔的關鍵。市場研究公司IHS預測，IoT連網裝置的數量將持續成長，到2020年將增加至300億台。 IoT應用驅動IC銷售量 對IoT應用來說，雖然感測器不可或缺(圖1)，但也涉及了通訊和智慧，需要微控制器、電源管理IC，以及類比和混合訊號晶片。通訊系統需要RF和MEMS元件，以及光電IC。資料中心的資訊處理則需要更多的邏輯、記憶體、儲存以及矽光子元件。 圖1　IoT不僅與感測器有關，在無縫的使用者體驗背後，它還涵蓋了感測、通訊和運算IC。 在未來，具完全自主程度的LEVEL 5自駕車將不僅依賴先進的感測器；在本質上，它可被視為一台裝著輪子的自動感知伺服器。IC Insights最近發布的McClean報告凸顯出IC及其製造的重要性。報告揭示，在2017~2022年期間，IoT和汽車IC終端使用者市場將是成長最快的領域，複合年成長率(CAGR)均超過13%。2017年，兩個市場的IC銷售額已分別達到209億美元和280億美元。 不同技術結合實現IoT應用 可使IoT和自駕車中的裝置結合在一起的不僅是感測或機器對機器(M2M)通訊，而是各種不同技術的匯聚。在邁向連網社會或萬物互聯世界的過程中，半導體業者需要發揮巧思，把各種的製造技術，包括材料與技術節點，創新地組合在一起，才能順利實現此目標。 目前使用中的製程技術包括：用來製造邏輯元件的互補金屬氧化物半導體(CMOS)製程、用於電源管理IC的雙極CMOS(BiCMOS)或雙擴散MOS(DMOS)、用於記憶體的DRAM、用於儲存的3D NAND、碳化矽(SiC)等寬能隙元件、MOSFET和氮化鎵(GaN)HEMT壓電材料如PZT、用於RF濾波器和MEMS感測器的氮化鋁(AlN)和鈧(Sc)摻雜AlN，以及用於RF IC的矽鍺(SiGe)。而在主要市場中，元件製造的特徵尺寸範圍從180奈米以上到28奈米以下都有，採用的製程設備有用來處理8吋晶圓的舊設備，也有12吋晶圓的新設備。 蝕刻/尺寸為晶圓廠共同挑戰 晶圓廠正面臨著保持蝕刻深度和關鍵尺寸(CD)控制均勻度的挑戰。即使是蝕刻的特徵幾何形狀或傾斜也會對良率帶來嚴重影響。這些都是在先進技術節點必須解決的問題。對於12吋晶圓，取決於晶粒大小的不同，外圍的8公厘邊緣包含了約10%的晶粒，而外圍2毫米邊緣約占3%的晶粒，這使邊緣處發生的情況成為影響整體生產力的重要因素。因此，在蝕刻過程中，材料、溫度和電場的邊緣不連續性會對良率造成顯著影響(圖2)。 圖2　無論晶圓廠是處理8吋或12吋晶圓，晶圓上發生的物理現象是一樣的。 雖然晶圓邊緣的不連續性會影響CMOS的主要效能，但同樣地，蝕刻深度控制、CD控制和傾斜的幾何控制等問題也會影響最新一代的MEMS、功率和類比元件。這是因為晶圓上發生的物理現象是一樣的。因此，如果半導體設備業者能解決先進技術節點的相關物理挑戰，便可在其他的應用中借助這些有用的經驗。 先進設備增添8吋晶圓良率/產量 除了技術挑戰之外，晶圓廠還面臨著需以最佳成本建置產能的挑戰。現在，既有的晶圓廠能夠以遠低於在最先進技術節點增加設備的價格來掌握IoT和汽車市場商機。 以科林研發(Lam Research)旗下的Versys Kiyo45導體蝕刻產品為例，該產品發揮Lam在先進12吋晶圓取得的經驗，並將其應用於8吋晶圓，因此提高了再現性(Repeatability)、減少缺陷，實現更佳的晶圓間均勻度和更高的生產量。 同樣地，Lam的VECTOR PECVD系統已在重要的12吋晶圓電漿輔助化學氣相沉積(PCVD)應用中擴大了市場占有率，雖然此系統一開始並不是為8吋晶圓所設計。然而，由於它在12吋晶圓的成功，使得客戶也希望半導體設備業者提供適用於8吋晶圓的機台。其8吋晶圓版本自去年推出以來，已被廣泛採用，並能協助業者順利過渡到12吋晶圓。 把先進技術應用於8吋晶圓的回報並不止於此。電源、混合訊號應用、MEMS、CMOS影像感測器，甚至包括系統級封裝(SiP)在內的一些封裝應用，都能因在8吋晶圓導入Lam最新一代的深矽晶蝕刻(DSiE)製程模組而獲益，該模組採用了從Lam的12吋晶圓Versys Kiyo45系統和Syndion TSV蝕刻機台學習到的經驗與特性(圖3)。 圖3　把12吋晶圓的製程能力應用到8吋晶圓，可大幅提升晶圓製造環境的靈活性。 透過升級策略滿足市場需求 目前，市場上仍然有數千台的8吋晶圓Lam Alliance機台在運作中，而其中有許多都已經使用超過10年的時間。然而，這些機台仍然被大量利用，同時Lam的Reliant業務也繼續建構新的、整修過的版本支援客戶。另外，Lam的客戶還可以採用Lam 2300平台的先進控制系統和軟體架構來升級舊的Alliance機台。Alliance C升級還可讓機台執行先前並不支援的功能(圖4)。 圖4　透過提供舊機台的升級服務，Lam可協助客戶顯著提升其資產的效益。 只需升級控制系統架構和軟體，Alliance C升級就可以提高機台的時序和再現性。根據客戶的實際採用，它可提升46%的腔體到腔體CD標準差，同時製程能力指數(CPK)從2.3上升到4.5。 Alliance C升級還支援增加其他的升級功能，如生產量最佳化(TPO)、自動預防性維護(AutoPM)和濕式清洗最佳化(WCO)。無論何時更改製程組合或重新調整機台，TPO軟體演算法都會分析和最佳化設置，以提高機台效能。AutoPM是透過執行腳本以自動化大量的手動事件，並系統地、再現地使機台重新上線，因此能免除耗用不必要的工程資源並將其用於更重要的工作上。WCO功能是軟體引導的清洗指南，可以根據特定機台組合進行客製化，並減少勞動時間和非預期的清洗工作。 Lam Research已建立了深厚的12吋晶圓專業技術以及可滿足特定需求的完備產品組合，包括壓電和寬能間隙材料、以及高效能深矽晶蝕刻應用。但是，IoT和汽車市場的快速成長推動了對8吋晶圓產能擴充的需求，而且通常是28奈米以上的製程節點。透過發揮12吋晶圓設備的先進技術並將其利用硬體和軟體升級應用到現有的8吋晶圓產品線，現在已能以最適切的成本解決方案來克服這些挑戰，以滿足IoT和汽車的市場需求。 (本文作者為Lam Research公司CSBG策略行銷資深總監)

根據國際半導體產業協會(SEMI)的數據，在2019年經濟衰退後的2020年，12吋晶圓廠設備支出將在2020年緩慢恢復，並在2021年創下新的歷史高點，達到600億美元，僅在2022年再次小幅衰退並在2023年再創歷史最高點。 晶圓廠設備投資超過五年前景的主要增加將受記憶體(主要是NAND)，代工/邏輯和功率半導體驅動。儘管歐洲/中東和東南亞預計在2019年至2023年之間也會出現健康的正向成長，但韓國將成為台灣和中國之後最主要的12吋晶圓廠設備市場。 預計運營中的半導體晶圓廠/產線數量將從2019年的136個增加到2023年的172個，成長超過30%，並且當加計包含較低概率的晶圓廠/產線時，其數量將攀升至接近200個。