- Advertisement -
首頁 標籤 人工智慧

人工智慧

- Advertisment -

Gartner發布2020年企業IT與消費者十大預測

國際研究暨顧問機構Gartner近日在Gartner IT Symposium/Xpo研討會上發布2020年暨未來的十大預測,賦能、決策、情緒和陪伴是人類運用科技打造全新未來的四大面向。 到了2023年,人工智慧和新興科技將使身心障礙人士減少就業阻礙,受雇人數因而成長三倍。Daryl Plummer指出,身心障礙人士是一群未經開發的關鍵技術人才庫,尤其是人工智慧(AI)、擴增實境(AR)、虛擬實境(VR)等新興科技的進展,減少了他們的工作阻礙。 到了2024年,人工智慧對情緒的辨識將影響超過半數的線上廣告。人工情緒智慧(AEI)是人工智慧發展的下一個新興領域,特別是希望藉由偵測消費者情緒來影響購買決策的企業。 2023年之前,30%的IT部門將擴大BYOD(自攜裝置)政策為BYOE(bring your own enhancement,個人自攜增強裝置)以面對被賦能的員工(augmented worker),拜穿戴式科技進展之賜,員工賦能的概念已成為2019年社群討論的熱門話題。 到了2025年,擁有智慧型手機但沒有銀行帳戶的人,半數將使用行動式加密貨幣帳戶,各大網路市集和社群媒體平台將在明年底前開始支援加密貨幣支付。到了2025年,在世界上沒有銀行帳戶的人口當中,至少將有半數轉而使用由全球數位平台提供的行動式加密貨幣帳戶服務。這將為撒哈拉沙漠以南非洲和亞太地區等成長中經濟體的買家和賣家開啟貿易商機。 到了2023年,七大工業國集團(G7)中至少有4個將設立自我規範組織,來監督人工智慧和機器學習的設計人員。到了2023年,40%的專業工作人員將以類似音樂串流編程的方式來編排商業應用體驗。人們越來越期望在工作環境上的體驗能夠如同個人生活,透過自助服務的方式,自行組合應用以滿足工作與個人需求。科技的消費化與全新應用的導入,已讓員工對商業應用功能有更高的期待。 到了2023年,高達30%的全球新聞和影片內容利用區塊鏈確認真實性,以反制深度偽造(deep fake)技術。假新聞指刻意提供不實資訊,例如以新聞形態包裝廣告宣傳文章。近年來因社群媒體上由機器人所控制的帳號,能比真實新聞吸引更多觀眾,因此假新聞的狀況不僅快速蔓延,甚至操縱人們對資訊的吸收。 2021年之前,大型傳統企業花在數位轉型計畫的時間和成本將是預期的兩倍,由於科技現代化成本高,加上企業在簡化營運組織間的互賴關係時出現預期外的成本,業務主管不太可能透過數位優化策略實現預期的營收成長。如此複雜的營運也將阻礙數位轉型的進程,以及數位商業運作所需的創新和普及程度。 到了2023年,「行為聯網」將追蹤人類行為活動,並影響全球40%人口的福利和服務資格。透過臉部辨識、定位追蹤和大數據,企業已開始追蹤個人行為並連結其他數位行動,例如購買火車票。物聯網(IoT)透過比較一系列觀察操作參數和期待作業參數,進而指示實體物件執行某件命令,現已逐漸延伸到人們身上,這稱為行為聯網(Internet of Behavior; IoB)。 到了2024年,將有數百萬人因濫用電子商務而面臨財務壓力,因此世界衛生組織(WHO)將線上購物列為成癮疾患。2022年前,消費者在電子商務平台的支出每年將持續成長超過10%。由於線上零售商漸漸開始使用人工智慧和個人化技術精準鎖定消費者,驅使他們花費超過本身經濟可負荷的程度,線上購物的便利將造成數百萬人面臨財務壓力;隨之而來的債務和個人財務破產將引發經濟蕭條,個人經濟壓力也將造成其他健康上的疑慮,因此引起世界衛生組織注意。
0

設備資安標準框架逐漸成形 半導體產業大步走向智慧製造

由於半導體晶片早已精密到無法用人力作業來生產,因此不管是晶圓製造或是封裝測試,絕大多數的製程步驟都是在設備內自動執行,這使得半導體產業先天上就是一個自動化程度遠高於其他產業的行業。 而在大數據分析、邊緣運算與人工智慧(AI)技術逐漸成熟後,許多半導體業者都已踏上從自動化邁向「智動化」的旅程。但在眾多機台設備全面聯網後,設備資安的問題也更加迫切,使得產業鏈必須快速提出標準化對策。 半導體設備資安標準化框架漸具雛形 對半導體產業而言,設備資安的問題早已存在多年,而且光靠一家廠商的力量,很難落實全面的防護。台積電資訊安全專案經理張啟煌(圖1)指出,根據統計,目前絕大多數還在線上運作的半導體設備機台,裡面所使用的作業系統都還是微軟(Microsoft)的Windows XP,而且更糟的是,即便半導體業者現在要購買新型機台,裡面所搭載的作業系統還是Windows XP。 圖1 台積電資訊安全專案經理張啟煌表示,為了確保生產效率,OT設備所使用的軟體在調整到最佳狀態後,會盡可能避免更動,因此OT設備的軟體慣性十分強大。 對於IT領域的資安工程師來說,這種情境或許很難想像,畢竟微軟早在很多年前就已經停止對Windows XP提供支援,若系統有新的漏洞被發現,也不會再提供修補或更新。但這在OT領域是司空見慣,因為機台上有很多跟生產製程、機台控制有關的軟體工具,如果機台的作業系統要從Windows XP升級到Windows 7或Windows 10,這些工具很可能會出現相容性問題,或是運作效率降低。此外,如果要在機台上安裝防毒軟體,設備運作效率會不會因此降低,也需要進行審慎評估。 對OT管理者來說,任何可能對生產效率產生負面影響的升級,都必須再三斟酌。這使得OT設備的軟體普遍都有非常強的慣性,半導體產業所使用的設備機台也不例外。 不過,由於惡意軟體、駭客攻擊越來越頻繁,加上半導體設備已經高度互聯,產業界不能再不拿出對策。因此,國際半導體產業協會(SEMI)已經成立了資安標準委員會,負責制定與半導體設備有關的資安標準框架,並已經取得初步共識,例如作業系統支援服務中止(EOS)後的處理方式、軟體更新服務的責任歸屬如何劃分、設備商應承擔的責任等。然而,由於資安威脅日新月異,因此這個框架還會持續演進,委員會也會持續邀請更多設備商及資安解決方案供應商加入討論。 對抗惡意軟體 白名單機制成基本防線 除了作業系統相關問題外,由於惡意程式的變種速度太快,只靠黑名單來把關已經沒有意義,因此包含工研院資通所所長闕志克、應材(Applied Materials)資安長Kannan Perumal、微軟現場網路安全技術長Diana Kelley及西門子(Siemens)全球客戶經理David Rogers都認同,針對OT設備的軟體管理權限,應該改用白名單機制來控管。 白名單權限控管可以分成很多個層次,從最基本的軟體安裝,到軟體安裝後,應用程式可以有哪些行為,不允許做哪些行為,以及應用程式更新後,白名單本身要如何做對應的控管等,每個環節都有一定程度的複雜性,每家廠商的做法也不盡相同。如應材是從供應商/第三方開始做源頭控管,西門子則是按照IEC 62443標準要求來進行。 但不論如何,對應用軟體進行更嚴格、更徹底的監控,是所有設備商跟軟體業者一致的態度。畢竟,隨著網路攻擊能造成的破壞跟經濟損失越來越大,激勵駭客發動攻擊的經濟誘因也開始出現,誘發更多攻擊事件。面對危機四伏的聯網世界,防禦方必須步步為營,小心謹慎。對IT人來說,這些都已經是常識,但OT領域的資安人,才正要開始學習這個功課,並調整應對心態。 邊緣運算/AI為智慧製造添加動能 針對智慧製造議題,聯電智慧製造處副處長吳京沛(圖2)開宗明義地說,半導體產業走向智慧製造,就是要藉由導入工業人工智慧(Industrial AI, IAI),來提升生產效能並改善生產流程。目前半導體廠在資料的蒐集跟取得方面,已經大致不成問題,但從大量數據中萃取洞見,創造商業價值的過程,還是高度仰賴人力。IAI的價值,就是要把這些工作,例如資料可視化、數據分析改成用機器自動處理,降低資料科學家的工作負擔,並節省時間跟成本。 圖2 聯電智慧製造處副處長吳京沛認為,半導體產業必須用更智慧化的工具,來降低員工的工作負擔,並提高企業運作跟決策的效率。 把這些工作交由IAI代勞後,下一個發展重點則是把工程師腦中的領域知識(Domain Knowledge)跟大數據結合起來,讓IAI有能力幫人做決策工作,至於人的工作,則轉變成檢視IAI的決策品質,確保決策無誤,並將結果反饋回機器學習模型中,提升IAI的決策品質。 目前在半導體產業內,IAI最為人熟知的具體應用在於實現自動化缺陷分類、機台自動調校,以及利用AI來做虛擬檢測(Virtual Metrology),加快晶圓的生產速度。無人工廠也是半導體業者正在努力發展的方向,畢竟無塵室並不是一個舒服的工作環境,要找到願意從事這種工作的人,將會越來越困難。 不過,對半導體產業來說,要導入IAI,還是有很多挑戰。除了資安疑慮、資料品質不好等所有AI應用都會遇到的共通問題外,半導體產業最獨特的挑戰在於,要用極有限的不良品資料訓練出推論準確率極高的模型。 半導體產業很多製程步驟的不良率都只有ppm(百萬分之一)等級,甚至還更低,這意味著半導體廠很難拿到足夠的不良樣品來訓練模型。但另一方面,半導體產業對模型推論準確度的要求又很高,因為IAI一次誤判,可能會讓公司付出極高代價。因此,結合規則式算法跟機器學習的混合式系統,會是比較可行的發展方向。另一方面,在應用布署的時候,還是要拿人來當比較基準,只有在機器判斷的準確率比人還高的環節,才值得布署IAI系統。 至於在設備端,包含科林研發(Lam Research)、ASM Pacific Technology、艾波比(ABB)、均豪精密,雖然專注的設備領域不同,但探討的主題都是機台的預防性維護、健康狀態/製程監控等議題。半導體大廠意法半導體(ST)也把主題放在預防性維護跟設備狀態監控上。 由於半導體產業所製造的產品都非常精密,因此對相關業者而言,不僅機台上的零部件飄移需要嚴密監控,甚至連零部件老化導致生產參數出現細微變化,都可能讓良率表現截然不同。這使得設備業者跟半導體製造業者,本來就非常需要掌握機台運作的即時狀況。只是,在數據分析技術成熟之前,大家都是按照經驗法則來排定歲修時程,而隨著人工智慧跟邊緣運算技術日益成熟,現在業界有了新的選擇。而且,每家業者都有志一同地強調邊緣運算架構,不會把原始資料傳到雲端去分析處理,而是在本機端直接用機器學習等AI技術完成資料分析,給出預測結果。 在眾家廠商英雄所見略同的情況下,在半導體走向智慧製造的過程中,邊緣運算所扮演的角色,將變得十分關鍵。 為專家賦能方可落實智慧製造 華邦電技術副總監李馥源(圖3)則為整個智慧製造論壇做總結,並指出所謂的智慧製造,就是一種為製造業解決問題、創造價值的手段。 圖3 華邦電技術副總監李馥源認為,為領域專家賦能,讓人的智慧固化成系統,是智慧製造落實的關鍵。 因此,智慧製造必須依照實際的製造需求,將自動化、商業智慧(Business Intelligence)與人工智慧結合。在這個過程中,企業內的IT部門、資料科學家、領域專家及外部供應商必須通力合作,才能讓計畫順利推動。 不過,在這個過程中,為領域專家賦能(Empowerment),讓他們能夠將智慧製造有系統地建立起來,是最關鍵的,特別是對中小企業來說。這些領域包含商業智慧工具、資料分析平台/工具、機器人製程自動化以及作業流程。畢竟,所有智慧都來自於人,智慧製造能不能成功,關鍵就在於能否將人的智慧固化成系統。
0

邊緣AI追求極致功耗/性能比 SOI製程將成重要推手

由於製程微縮導致絕緣層的厚度越來越薄,閘極漏電流成為IC設計團隊所面臨的最棘手問題之一。針對這個問題,改用絕緣層上覆矽(SOI)材料是一種有效的解決方案,但由於支持這條發展路徑的主力晶圓代工廠之一--格芯(GlobalFoundries)已經宣布停止發展先進製程,使得SOI陣營必須更努力推動生態系統的發展。作為SOI材料的發明者,法國研究機構CEA-Leti深知推動SOI生態系統健全發展的重要性,而邊緣AI的發展趨勢,將為SOI技術創造出更大的發揮空間。 CEA-Leti執行長Emmanuel Sabonnadiere(圖)表示,SOI技術有多種衍生型,從適合邏輯電路與類比電路使用的FD-SOI,到適合射頻元件使用的RF-SOI、以及專為功率半導體應用需求開發的Power-SOI, SOI材料的應用涵蓋範圍極大,並獲得意法半導體(ST)、恩智浦(NXP)、格芯和三星(Samsung)等半導體業者採用。 CEA-Leti執行長Emmanuel Sabonnadiere指出,SOI製程有許多特性,正好迎合邊緣AI應用的需求。 雖然格芯近期已宣布停止發展先進製程技術,但CEA-Leti跟SOI生態圈裡的眾多合作夥伴,還是會持續推動SOI製程微縮,並搭配其他新的技術,如嵌入式非揮發記憶體、3D整合跟新的設計工具,讓SOI繼續往前邁進。 事實上,邊緣AI晶片很適合使用SOI製程來生產,因為邊緣AI晶片對功耗/性能比的要求很高,而且常常涉及到運算跟感測器的整合,這些需求都與SOI的特性跟優勢正好一致。例如意法半導體就曾經展示過一款採用28奈米FD-SOI製程生產的神經網路加速器,其功耗/性能比達到2.9TOPS/W,比很多採用更先進製程節點的同類型晶片要來得更優異。 此外,相較於FinFET,FD-SOI有一個很重要的特色,就是可以動態調整邏輯電路的工作點,不像FinFET,在設計階段就必須在高效能跟低功耗之間做出取捨。這對於簡化類比電路設計,也能帶來很大的優勢。 不過,半導體產業終究是一個需要規模經濟來支撐的產業,如果沒有健全的生態系統,即便技術特性再優異,還是很難在商業上取得進一步成功。因此,CEA-Leti未來會跟合作夥伴推出更多配套技術,讓SOI製程的應用得以更加普及。
0

整合企業內部/串聯產業供需 資安防護IT/OT齊動員

企業應由上而下落實資安防護,發展智慧資安。若有成熟的資安事件應變能力、資安人才團隊,並結合AI邁向智慧資安,企業將能夠更穩健地推動數位轉型,保護數位資產。為幫助產業加強資安防護、落實整合資安供需,除了企業內部須戮力同心,整個產業鏈更需要統一的資安標準,讓各個崗位在資安這漫長的耐力賽中有方向可以依循。 工業資安保衛戰 IT/OT各司其職 資安是企業裡每一個人的責任,除了IT部門,OT部門也不能置身事外。IBM全球安全營運中心副合夥人黃勵孟(圖1)表示,針對工業資安防護,有三項要點,首先應注意的是資安事件管理平台(Security Information Event Management, SIEM)與威脅獵捕(Threat Hunting)能夠相輔相成;另外,OT和IT的資安防護可以在資安監控中心(SOC)裡融合;並應定期增進SOC的能力。 圖1 IBM全球安全營運中心副合夥人黃勵孟表示,資安危機瞬息萬變,須有完善資安系統才能保護企業資訊。 台灣有非常多智慧財(IP)的廠商,因此資安防護也就更顯重要。黃勵孟進一步說明,資安威脅有80%是已知的,然而未知的20%卻能夠造成80%的傷害。威脅獵捕是歷史數據的分析,廠商可以透過這樣的技術,看出哪些行為是異常的,藉此增強SOC的能力。威脅獵捕讓SOC具備主動出擊的能力,在獵捕後可以進行分析,之後再分享給企業的其他團隊進行反應與處理。但要注意的是,威脅獵捕並不能取代SIEM功能,SIEM是即時的反應回饋,而威脅獵捕則是收集大數據的歷史數據進行分析與追蹤(圖2)。 圖2 威脅獵捕與SIEM功能比較表。 資料來源:IBM 資安威脅是瞬息萬變的,必須與時俱進。黃勵孟指出,不能依賴單一產品處理資安危機,應有健全的系統,才能防堵惡意威脅。除了IT部門,OT部門也要納入資安防護體系之中。IT和OT部門最大的差異在於文化,IT通常十分動態,習慣不斷變化的工作環境;OT則相對安定,OT部門的設備年齡動輒十年,就算有使用補丁也不會想要大幅度的變動。然而既有的系統未更新、未加密、使用第三方廠商的產品等都是資安漏洞可能的藏身之處。 OT和IT的資安管理是不同的,OT部門可能正在使用舊的設備與協定,針對OT部門的資安保護黃勵孟說明,須要關注的是設備的輸出,有輸出的地方就會有漏洞,因此就須要進行檢測。OT部門應注重資產的發現(Asset Discovery)、協定的識別/違反(Protocol Identification/Violation)和參數的分析/偏差(Parameter Profiling/Deviation)。資訊安全管理是一條漫長的路,因此必須擬定一個長期的計畫,釐清手上擁有的資源並善加利用。 數位轉型浪潮起 資安保護全面啟動 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,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(圖3)說明,智慧製造可以分成IT、IoT和OT,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。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。而Azure Sentinel在點線面的觀點,是做面的資安保護,且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,該產品就可以納入控管。舉例來說,一個軟體允許Azure Sentinel跟其連繫與控制的話,就可以做端到端(End To End)的資安保護。同時Azure Sentinel具簡單的圖形介面,加上AI的理論後盾,讓所有人員都可以輕鬆的操作。 圖3 台灣微軟雲端平台事業部副總經理李啓後表示,Azure Sentinel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。 微軟亞洲首席資安顧問Minoru Hanamura(圖4)表示,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且加以分析、去蕪存菁;並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,以圖像化的儀表板輔助IT人員操作。 圖4 微軟亞洲首席資安顧問Minoru Hanamura表示,結合AI分析技術,將可協助企業預測資安威脅攻擊並提前預防。 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。Hanamura指出,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。 資安產品各有所長 跨域整合安全無漏洞 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...
0

Arm全新矽智財帶來智慧沉浸式體驗

一度只是高階裝置專屬的沉浸式體驗,如擴增實境、高傳真遊戲與以AI為基礎的全新行動與家庭使用案例,目前也逐漸成為主流市場的需求。讓開發人員得以存取針對日常生活裝置優化的高效能A 與媒體矽智財解決方案,可以實現新的AI驅動使用案例,提供包括語音辨識與Always-on能力與功能,也將不再由行動裝置所獨享。 從遊戲裝置到數位電視(DTV),人工智慧現在已經無所不在;但考量到要促成這些回應式的體驗,端點必需具備更強的運算能力。例如,數位電視的智慧型體驗,包括智慧助理語音指令、節目即時翻譯至另一種語言,以及人臉辨識以強化家長監護。 為了達成這些功能,Arm宣布將推出兩個全新的主流ML處理器,以及最新的Mali繪圖與顯示處理器。這些矽智財加總起來,代表Arm有能力依需求調整規模,並把優質的體驗帶入消費者效率超高的日常生活裝置中。 這套全新矽智財套件包括:Ethos-N57 and Ethos-N37 NPUs,可實現 AI 應用並在ML的效能與成本、面積、頻寬與電池壽命限制之間達成平衡;Mali-G57 GPU,第一個以Valhall架構為基礎的主流GPU,可透過效能提升帶來沉浸式體驗;Mali-D37 DPU,利用最小的晶片面積達成最豐富的顯示功能組,成為入門裝置與小型顯示螢幕最適合的顯示處理器(DPU)。
0

Vicor展開策略轉型 擴產計畫陸續推動

以電源模組起家的美商懷格(Vicor),由於擁有相當獨特的拓撲設計跟製程技術,但也由於其模組單價較高,因此應用市場過去較局限在航太、國防與資料中心、超級電腦及電動車等市場。過去這些市場都是典型的少量多樣市場,但隨著人工智慧、雲端運算跟汽車電動化的趨勢持續發酵,資料中心跟電動車都已經不再是利基市場,故近期Vicor決定推動策略轉型,更聚焦在資料中心、電動車及大型固態照明系統等應用,同時決定展開為期數年的擴產計畫。 Vicor亞太區業務副總裁黃若煒表示,電源應用市場在最近幾年出現很明顯的變化,隨著資料中心、高效能運算的需求不斷成長,加上汽車電氣化的趨勢越來越明顯,不僅Vicor的客戶組成出現變化,客戶對電源模組的要求也跟著轉變。 Vicor亞太區業務副總裁黃若煒表示,電力電子的應用市場正在朝對Vicor有利的局面改變,公司的經營策略會更加聚焦。 以往,電源設計者對成本最為敏感,其次才是轉換效率跟電源系統的整體尺寸,但隨著應用需求的變化,現在的客戶對成本越來越不看重,尺寸跟轉換效率的重要性則明顯提高。也因為功率密度跟轉換效率越來越重要,很多以往採用離散元件來設計電源的客戶,現在都開始轉向模組方案。特別是在為各種處理器供電的應用中,為了把損耗降到最低,電源模組最好直接放在處理器旁邊,甚至封裝在同一片基板上,這樣傳輸路徑最短,損耗最小,而且外部被動元件也可以跟著縮小。 然而,這對電源模組來說,是很大的技術考驗。首先,外觀尺寸要非常小;其次,電源模組本身的電磁干擾(EMI)要非常低,否則會對處理器產生干擾。而這也是Vicor之所以能在專為AI運算設計的高階GPU加速卡上擁有獨占地位的原因。舉例來說,NVIDIA專為資料中心設計的GPU加速卡,板上的主要電源就是Vicor獨家供應。 也因為高效率跟低EMI,目前Vicor還有許多跟其他客戶合作開發中的次世代電源設計,例如直接把電源模組放在處理器基板的背面,甚至跟處理器用異質封裝整合在同一個封裝體內。 然而,也因為這類應用的市場規模很大,加上Vicor是獨家供應商,因此不可諱言的是,客戶對Vicor的保證供貨能力要求,對現在的Vicor來說,是有點吃力的。因此,公司決定在資源投入上更聚焦在幾個特定領域,並且展開擴產。現有廠房的第二期擴建計畫已經在進行中,並已經額外買下其他周邊土地,以因應第三期擴建計畫。此外,Vicor也在評估新的廠房地點,以便分散生產,降低風險。
0

MIC:2019年全球半導體產值衰退8.7% 2020年後緩步回升

全球半導體產業,歷經2017與2018年,由記憶體市場需求井噴帶動的連續兩年兩位數成長的榮景宣告結束,2019年產業全面修正,根據半導體貿易統計群組織(WSTS)與資策會MIC的預測,2019年全球半導體產業產值為4279億美元,較2018年衰退8.7%,2020年將成長至4373億美元,成長2.2%,呈現緩步回升的態勢。 2017年線上高畫質影音帶動資料中心(Data Center)的大幅成長,記憶體需求包括DRAM與NAND Flash跟著水漲船高,缺貨情況湧現也推升記憶體價格,全球主要記憶體廠業績倍數成長;其後又有許多充滿話題的新興科技如人工智慧(AI)、區塊鏈、自駕車、虛擬貨幣、5G等,持續帶動產業需求,造就半導體產業連續兩年兩位數成長的榮景,2017年產業成長率達21.6%,2018年在高基期環境下再度成長13.7%。 不過,熱絡的情況2019年急速降溫,上半年記憶體需求不再激情,DRAM與NAND Flash價格大幅滑落,再加上美中貿易戰影響,終端庫存過高,也拖累全年半導體產業的整體表現。資策會MIC預估,經濟成長趨緩等因素將延續到2020年,終端消費者的消費意願因經濟情勢不確定而下滑,使得廠商下單趨於保守,訂單能見度低,將影響2020年半導體產業整體表現,展望未來,產業將呈現緩步復甦,2020年成長2.2%,2021年以後產業規模預期可以恢復到2018年的水準。  
0

華邦推出一系列行動記憶體LPDDR4X產品

在人工智慧、超高解析度顯示、5G行動通訊與IoT等新科技的推波助瀾之下,各式新興應用應運而生。輔助駕駛系統(ADAS)、智慧音箱(Smart Speaker)、8K 電視、5G手機以及安全監控系統產品都已逐步進入我們的日常生活之中,這些應用往往需要更低功耗、更高頻寬與更佳資料傳輸率的記憶體來提升整體的效能,以提供絕佳的使用者體驗。 華邦電子長期深耕利基型記憶體市場,十分重視客戶的需求以及新科技的發展趨勢,針對上述各項的新興應用已成功開發出新一代的低功耗動態隨機存取記憶體 LPDDR4X 產品。首波產品採用華邦自行研發的25奈米記憶體製程,規格涵蓋完整,包括了JEDEC定義之LPDDR4X(VDDQ電壓0.6伏特)與LPDDR4(VDDQ電壓1.1伏特)兩系列,2Gb與4Gb兩種容量等;其資料傳輸率則包含3200MT/s、3733MT/s,甚至可達4266MT/s,並同時供應Known Good Die(KGD)與200球BGA封裝兩種產品形式。未來華邦電子將會把LPDDR4X/ LPDDR4產品的容量推進至8Gb,並加入其它新功能,以提供客戶更完整的選擇方案。 工作溫度規格上,華邦LPDDR4X產品有非常寬廣的工作環境溫度,最低與最高可達攝氏-40度~+125度。產品應用所涵蓋的範圍可從一般的消費電子、行動裝置、一直延伸到工業控制到車規市場。而在車用與工規市場上,除了嚴苛的工作溫度需求,品質表現及系統更是關鍵,華邦致力於產品品質的追求,憑藉著自有晶圓廠與自有製程開發等優勢,嚴格執行最高等級的品質系統與要求使這系列產品在推出時就已符合AEC-Q100及ISO26262等車用產品規範。 LPDDR4X是目前JEDEC 固態技術協會所公布應用範圍最廣泛的低功率動態記憶體標準,也是目前所有高性能低功耗電子裝置的記憶體首選,將產品推進至此世代,除了滿足客戶新產品的需求外,也實現了華邦致力於研發設計的承諾。    
0

AI衍生大量儲存/運算需求 記憶體速度/密度/頻寬再進化

人工智慧(AI)革命不僅僅是工業系統的自然發展,更是資料經濟中為突破瓶頸的必要改變:針對無法儲存並及時處理龐大資料量以產出得以輔佐決策資訊的困境,這是必要的解方,而這一切都源自於大量擷取及收集的工業生產數據。 過去工業系統在進行各層級決策時仰賴專家協助,也相當倚賴資料處理速度與頻寬技術的進步,而未來人工智慧架構內建的平行處理將更著重記憶與儲存之設計與表現,改變幅度之大前所未見。從邊緣到資料中心所採用的感測器及人工智慧系統都為了因應全新需求必須不斷調整改變,而這也將是資料經濟中推動競爭力的關鍵所在。 隨著人工智慧與機器學習技術持續演進,這樣的發展對於解決方案提供者亦形成挑戰,大幅改變其對需求及使用場景的期待。因此,為了因應不斷改變的需求並幫助未來智慧系統的發展,記憶體與儲存硬體的設計必須將人工智慧也納入考量。 本文將探討現今與未來人工智慧的價值及限制。記憶體與儲存系統將如何提升人工智慧效能,以加速新資料經濟的成長,是目前需迫切關注與討論的議題。 AI系統可根據即時資料快速決策 囿於今日資料處理系統的侷限,目前仍有龐大資料未獲AI運用。不過,更多資料量正被以更快的速度、更低的延遲及更高的解析度被擷取下來。相較於以過往的理論與近似法來處理複雜系統,現在已能利用實際資料集來訓練AI與機器學習的演算法。 在AI系統的全新功能下,今日AI已不仰仗一大批經高度訓練的專家耗費漫長的開發時間進行分析,而可透過經驗累積不斷改進的有機學習系統。除此之外,AI系統經設計後可根據即時資料快速做出決策,並在看似毫不相干的龐雜資訊中找到彼此關聯。 針對龐大的資訊量以及各層級對資料處理的需求,在現今資訊多元的社會中,導入具備廣泛功能的AI系統成了唯一可能的解決方案。因此,必須在邊緣裝置部署AI,以便處理並決定資料價值,接著再將預先處理的資訊傳送至雲端,或將原始資料傳送到更大且功能更強的雲端AI做進一步處理與儲存。對邊緣裝置來說,延遲是關鍵考量,而雲端則更倚賴平行運算、大量儲存及處理龐大資料的能力。 相較於過去的資料處理科技,在新的AI使用案例中,記憶體與儲存的影響力更大。資料處理在早期有瓶頸,因此更著重CPU處理量,時至今日,記憶體的速度與頻寬、資料儲存的速度與資料量則成了採用AI及推動更複雜機器學習運算法和智慧型系統的限制因素(圖1)。 圖1 AI/機器學習訓練中記憶體與儲存之重要性。 AI推動記憶體/儲存加速發展 多元且不斷演進的AI應用在許多方面都推動了記憶體與儲存的需求,包括AI訓練階段、邊緣處理、雲端AI執行等。影響記憶體效能的關鍵因素包括頻寬、密度、延遲、功率與成本。每一個AI應用都需在這幾項要素中取得平衡,也會受到使用的記憶體與儲存裝置影響。 AI訓練需具快速讀取吞吐量的大量儲存支援,更快的儲存讀取速度可加速訓練時間,而更龐大的訓練資料集亦可藉由更高的儲存密度被使用,這些要素最終都將影響AI系統的正確性與效用。此外,高頻寬、高密度的記憶體也能改善訓練時間,並在訓練期間採用更大的分析模型,以提升精準運算及AI的正確性。在訓練中採用更龐大的資料集、龐大的資料量、更強的儲存與記憶體密度、吞吐量等,都會直接影響AI處理結果的真實性,以及在細微差異情境中執行決策的能力。 另一方面,針對AI推論的需求,以及AI於資訊/決策過程中的階層,也會影響記憶體與儲存的要求。對於自駕車、通訊、安全和其他邊緣應用等即時應用,功率和延遲相較於頻寬及吞吐量更為重要。電池充電與行動裝置能支援記憶體與儲存的容量與功率都較小,這類應用也和雲端或AI訓練不一樣,對於邊緣的高效能儲存需求也較低。 智慧邊緣應用勢必得在成本與表現上妥協,儘管高成本與效能的記憶體可能無法迎合大眾市場對於AI應用的需求,但雲端AI與關鍵的AI基礎架構可能需要搭配更高效能的記憶體與儲存。 隨著AI逐漸成熟,記憶體與儲存解決方案將有機會優化。這個產業不管是從資料中心、雲端、或是智慧邊緣運算和智慧端點裝置,各領域的AI部署都將會出現轉變。通常在資料中心進行的AI運算會因「資料重力」而轉往資料來源的AI應用,提供不同的記憶體與儲存服務(圖2)。 圖2 不同任務需要不同的記憶體與儲存方案。 先進記憶體架構為AI開創新機會 目前,記憶體架構正出現一場革命性的改變,各種架構將協助未來AI應用的發展。 如DDR4等動態隨機存取記憶體(DRAM)是資料中心與伺服器應用的主力。為了採用更大量的數據,從DDR4轉換至DDR5將為效能及密度帶來前所未見、更大幅度的改變。可以預見未來多數的資料中心將會使用DDR5記憶體,其中有不少將會執行AI與通訊應用。主因是DDR5的效能預計將更勝DDR4。未來DDR5的優勢包括: DDR通道從12道提升到16道,進而提升記憶體晶片密度(從64GB提升至128GB)。 .工作頻率與匯流排效率提升。 .記憶體群組增加。 .更新機制改善。 .有助於在更高階工作模式中表現穩定的輔助功能。 從LPDDR4轉換到LPDDR5的過程也類似DDR5的轉換,目的在提升記憶體頻寬的同時,降低執行時間使用功率,並採用可減少總功耗的功能。DDR5主要使用在資料中心與個人電腦,LPDDR5則著重於邊緣AI應用與行動裝置等對於體積、成本、功率有嚴苛要求的領域。由於LPDDR5卓越的表現及功率優勢,未來可望突破傳統產業與應用,進一步擴大至其他應用範圍。 GDDR記憶體與DDR記憶體的不同在於圖像應用需要更強大的平行運算及更低的延遲,而非記憶體密度。GDDR5出現已近10年,直到現在才輪到GDDR6上場,而GDDR6規格已完備,將成為AI近期主力。標準的GDDR6速度高達16Gb/s,每晶片頻寬達72Gb/s。GDDR5/5X的電壓為1.5V,GDDR6的操作電壓則降低至1.3V。此外,GDDR6同時配有2通道,記憶體大小是GDDR5的兩倍。相較於GDDR5,GDDR6提供表現更強大的解決方案,鎖定需低延遲與高頻寬的AI應用。因此,GDDR6將更可能運用在AI硬體,並整合到要求延遲低但成本彈性較高的關鍵系統中。 高頻寬記憶體(High Bandwidth Memory, HBM)和混合記憶體立方體(Hybrid Memory Cube, HMC)是為了克服2D DRAM技術的記憶體頻寬瓶頸而研發出的3D DRAM 技術。HBM晶片採用堆疊式DRAM晶片,具備額外I/Q連接埠,根據堆疊式晶片的數量同步增加記憶體頻寬。 記憶體頻寬增加後,更接近處理核心(通常是GPU或FPGA),相較於2D記憶體技術能進一步減少整體延遲。與2D DRAM解決方案相比,HBM記憶體的功耗與2D足跡也更小。 最新一代的HBM(HBM2)在記憶體速度、頻寬、密度等表現都更優異。HBM3也大致相同,但其最高記憶體容量則遜於GDDR5/5x/6。此外,由於HBM晶片有獨特的製造過程並額外採用矽,其成本比其他DRAM技術都更高。 需要更多近記憶體頻寬、速度、低延遲以及少量化足跡的AI應用未來可望採用HBM2/HBM3記憶體。這類應用包括複雜的AI訓練及要求極致效能的關鍵推論應用。 人工智慧解決方案過去聚焦於運算能力,如今我們則了解到在人工智慧系統的設計必須同時兼顧記憶體與儲存的面向。針對可能限制未來人工智慧應用的頻寬、延遲、密度、功率、成本等瓶頸,新一代的記憶體與儲存科技將扮演關鍵要角。 (本文作者為美光運算與網路業務部門資源副總暨總經理)
0

滿足AI應用 異質封裝技術將呈三足鼎立

人工智慧(AI)將成為未來十年帶動半導體產業成長的主要動能。然而,要實現AI應用,晶片必須具備更強的運算架構,且還要具備低耗能、低延遲等特性。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(HIDAS)成為IC晶片的創新動能。對此,日月光集團副總經理洪志斌近日在2019 SEMICON Taiwan展前記者會上表示,從系統級封裝角度來看,因應AI、高效能運算(HPC),未來異質整合封裝將會呈現覆晶球閘陣列封裝載板(FCBGA)、扇出型封裝(如FOCoS)及2.5D封裝三強鼎立的趨勢。 洪志斌進一步指出,異質整合下一世代的應用,除了上述所提的AI、HPC之外,還包含5G、物聯網(IoT)等。而越高階的產品對於異質整合的需求就越加強勁,因為需要更強的晶片性能。 日月光集團副總經理洪志斌。 也因此,為滿足市場所需的運算、處理效能,晶片整合技術也持續提升,從以往的FCBGA提升至FOCoS,最後再變成2.5D封裝。而每一種封裝技術的問世,代表著晶片效能更上層樓,而舊有的封裝技術不一定會被取代,像是FCBGA雖然存在已久,但FOCoS、2.5D技術問世後也沒有立即被取代,反而會依不同的應用而有其市場利基。也因此,未來封裝市場上仍會是呈現FCBGA、扇出型封裝和2.5D三足鼎立的情況。 不過,異質整合雖為目前台灣半導體產業熱門議題,且已有晶圓代工廠、封裝業者發布相關方案,但仍有許多挑戰待克服。洪志斌說明,異質整合是將兩種截然不同的元件整合在一起,因此在整合的過程中須考量兩種元件的力學性質(Mechanical Property),像是溫度、散熱、材料以及測試等,皆存在著許多變數,都是需要花時間克服的。
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -