ASIC
- Advertisment -
瑞薩擴大尖端智財權授權陣容使用權
瑞薩宣布針對高詢問度的矽智產權(Intellectual Property, IP)，擴大其授權陣容，這些授權讓設計人員能夠在瞬息萬變的產業中，滿足客戶各式各樣的要求。自今日起，客戶就可以使用下列IP，諸如先進的7nm SRAM和TCAM，以及尖端的標準乙太網路時間敏感網路(TSN)IP。
此外，瑞薩電子正在致力提供一種包含了記憶體中處理(PIM)的系統IP，該技術在2019年6月的會議論文中提出，由於是一種AI加速器，引起人們高度的興趣。利用這些IP，客戶可以迅速啟動其先進的半導體元件開發專案，例如為尖端的5G網路開發下一代人工智慧(AI)晶片或ASIC。
瑞薩電子核心IP研發部副總裁松本哲也表示，自從該公司2018年9月首次開放IP授權陣容以來，無晶圓廠半導體公司和製造商的反應一直非常熱烈，我們很榮幸可以繼續將新的IP產品推向市場，並協助加快下一代技術的發展。我們也感到非常榮幸，採用瑞薩所擁有科技的IP，擴展了半導體元件的供應範圍，並推動其他市場，例如以FPGA量產的客製化半導體，以及無元件先進科技開發。
為了支援客戶的半導體開發工作，瑞薩還建立了合作夥伴網路，隨時準備滿足使用者的獨特需求。該網路包括接單半導體設計的設計公司，以及提供一系列軟體和中介軟體工具的技術合作夥伴。該網路將藉由降低進入半導體元件和FPGA開發的進入門檻，來加速使用者的技術創新和產品開發工作。瑞薩還可以為經驗豐富的使用者，介紹模型式的設計開發環境，以充分利用這些尖端的IP。
瑞薩於2018年9月開放了其廣大的IP授權陣容，可使用40多個授權，包括CPU核心，用於馬達應用產品的計時器IP，USB核心和SRAM。在2019年，瑞薩電子收到了100多項查詢，並已開始向許多使用者提供IP。瑞薩的目標是使IP銷售的年成長率能高於目前的10%市場成長率，並將在建立新的和擴展現有的IP市場的同時擴大提供IP和支援系統。
XPU世代來臨 POL模組解決方案抬頭
在人工智慧(AI)、機器學習(ML)的風潮席捲下，運算設備所使用的核心處理器不再定於x86一尊。包含現場可編程閘陣列(FPGA)、繪圖處理器(GPU)乃至各種以安謀(Arm)架構為核心的ASIC處理器，都開始出現在伺服器等資訊產品上。對電源解決方案供應商而言，這些非x86處理器帶來了全新的產品規格需求，創造出新的市場，但也帶來新的考驗。
懷格(Vicor)應用工程師楊有承表示，對電源解決方案供應商來說，負載點(POL)電源以前是個相對單純的市場。除了少數利基型應用產品是以非x86處理器為核心之外，絕大多數的伺服器、個人電腦都是採用x86架構，特別是英特爾(Intel)的x86處理器。也因為如此，電源業界只需要依照英特爾頒布的VR規範設計產品，就有機會爭取到伺服器、個人電腦的訂單。
然而，隨著機器學習開始大行其道，現在市場上出現越來越多基於非x86的運算系統，例如基於NVIDIA GPU、基於Arm架構的ASIC，以及使用FPGA作為主要運算核心的新型伺服器跟板卡，現在在市面上的能見度，都比以往高很多。從電源解決方案供應商的角度來看，這意味著高度客製化的POL方案市場將同步升溫，產品規畫不用跟隨英特爾電壓調節器(VR)規範，也有可觀的生意可做。
但對電源解決方案供應商而言，這些新市場、新商機同時也意味著新的挑戰。以NVIDIA專為AI模型訓練、推論的高階GPU為例，其晶片因為採用最先進製程，工作電壓只有0.8V，但電流需求卻極為驚人，可達500A。在電流量如此巨大的情況下，電壓調節器必然得配置在離主處理器非常接近的位置，否則功率傳輸的損耗極大。但電壓調節器本身是雜訊很大的元件，若配置在離處理器太近的地方，可能會對處理器正常運作造成干擾。
GPU這類新型負載點電源對電流的規格需求極大，可達數百安培。這使得電源模組必須配置在非常靠近處理器的位置，帶來新的設計挑戰。
事實上，大電流的趨勢還會繼續向前推進，以滿足處理器越來越高的功率需求。目前Vicor與客戶正在合作的下一代產品，對連續電流的規格要求已經上看1,000A。這也意味著POL模組必然要與主處理器放在同一個封裝基板上，甚至直接配置在處理器封裝基板背面，主處理器的正下方，才能把POL跟處理器的距離縮到最短。如何處理POL的雜訊問題，會是電源解決方案業者搶食這個市場商機所需面對的最大挑戰。
工業+AI發展潛力大 訓練資料集建置仍為瓶頸
然而，對製造業應用而言，目前以雲端資料中心為基礎的人工智慧，通常是不符合需求的。在生產現場，絕大多數的控制命令跟判斷，都有很強的即時性，如果要把資料上傳到雲端，在雲端進行推論，再從雲端向現場機台下達控制命令，在時效上往往拖延太久。因此，直接在網路邊緣節點進行推論，將是面向工業應用的人工智慧所實行的主流架構，也就是俗稱的邊緣運算或AIoT(AI+IoT)。
這也使得有意進軍工業市場的人工智慧晶片業者，諸如NVIDIA、英特爾(Intel)與賽靈思(Xilinx)等，紛紛推出低功耗、低成本，適合部署於生產現場的晶片解決方案，如NVIDIA的Jetson TX系列、英特爾的Movidius系列、Cyclone/Stratix FPGA，以及賽靈思的Zynq 7000與部分Zynq UltraScale+系列晶片，都可讓部署在現場的嵌入式設備直接進行推論。這三家領導晶片所提供晶片方案，也正好代表了AI運算晶片的三大流派--GPU、ASIC與FPGA，在應用開發上各自有其優勢與限制。
GPU應用開發速度最快 開發工具/IP限制卻不少
對人工智慧應用的開發者來說，GPU是用來快速創建原型跟驗證設計概念的不二選擇。因為開發者只需要撰寫程式碼、甚至直接套用開發工具裡面的現成模型，稍微調整一下參數，就可以讓GPU開始進行訓練跟推理。因此，在應用開發的早期階段，GPU是目前最理想的選擇。
然而，GPU的成本高，功耗也偏高，是許多工業設備製造商在AI軟體發展完成，設備準備量產時，繼續沿用GPU做為系統核心的主要疑慮所在。GPU的散熱對於在工業環境下運作的嵌入式設備，是一個很大的問題。工業環境的溫度變化大，且現場往往沒有空調設備。如果環境的背景溫度本身就偏高，在這個情況下，採用被動式散熱的效果將大打折扣。
採用主動式散熱，例如散熱風扇，則意味著設備的機構設計可能需要保留開口，這會對設備的防水防塵能力造成負面影響。此外，某些工業環境中還有大量粉塵存在，如果設備內有風扇，不僅容易故障，還有引發粉塵爆炸的風險。
也因為上述種種環境條件的限制，GPU若想應用在工業設備上，低功耗是最重要的規格。散熱功耗(Thermal Power Dissapation, TPD)低於10瓦是設備得以採用被動式散熱的基本門檻，但如果能做到更低，工業設備採用GPU的疑慮也會跟著減少。這也是NVIDIA的第一代Jetson TX將功耗定在10瓦，並將新推出的Jetson TX2(圖1)功耗進一步壓低到7.5瓦的主要原因。
圖1 GPU的散熱問題是嵌入式應用開發商在選用GPU時最主要的疑慮之一。
除了功耗跟散熱問題外，GPU廠商的開發工具、參考設計跟協力廠商軟體資源雖然已經相當完整，但如果設備製造商想在這個基礎上進行客製化開發，還有智財(IP)方面的問題必須克服。有業界人士指出，跟NVIDIA合作，會受到很多限制。該公司提供的模型跟演算法資源相當豐富，也有為數眾多的協力廠商夥伴，但這些資源的智財權均控制在NVIDIA及其合作夥伴手上，如果要在產品上使用這些演算法，除了有可能需要額外支付權利金，NVIDIA對晶片的用途管控也相當嚴格。
另外，工業設備所使用的演算法跟模型，如果需要客製化調整，也可能需要跟演算法的開發者或GPU供應商進一步洽談，設備供應商不能自行隨意修改，這也是另一個潛在的成本來源，可能需要額外支付更高的權利金，或是耗費更多時間。
不過，倘若功耗跟智財都不成問題，對工業設備開發商來說，直接在設備上使用GPU，是最快將產品推向市場的途徑，因為產品從開發到最終量產使用的是同一個平台、同一套源碼，相容性基本上可以保證，不用擔心原本在GPU上開發的軟體，換到FPGA或ASIC之後會出現相容性問題。
ASIC算力/功耗比最優 演算法綁定不利發展多樣化應用
自從人工智慧浪潮興起後，許多IC設計公司都推出神經網路處理器(NPU)或ASIC加速器，想分食人工智慧應用的市場大餅。這些專為某些特定演算法或模型提供加速的晶片，在執行對應演算法的時候，有非常高的能源效率，功耗5瓦、甚至2瓦以下的解決方案都已經出現在市面上，為人工智慧應用的普及做出重要貢獻。
不過，也因為這類NPU或ASIC加速器只專門針對特定演算法或模型做優化，因此其泛用性很低。如果工業設備製造商對演算法或模型的更動幅度較大，甚至想套用自己發展出來的演算法，在這類平台上不是執行效果不佳，就是根本無法執行。
舉例來說，目前這類泛ASIC解決方案，最主要的應用市場是安全監控領域(圖2)，例如人流偵測、人臉識別，或是對敏感區域劃設虛擬圍籬等。但對工業應用來說，這些方案除了適用于廠區的安全監控系統之外，像是生產線上的產品檢測、引導機器手臂作業等典型的機器視覺應用，很難採用這類ASIC方案來實現。至於微電子、半導體等級的自動光學檢測，這些ASIC方案就更難派上用場了。
圖2 安全監控的市場規模龐大，吸引眾多ASIC廠商為其開發AI演算法加速器方案。
對IC設計業者而言，針對少量多樣的工業市場開發ASIC產品，成本效益是最大的難題。因此，晶片業者的發展策略必然是利用安防產業所創造的經濟規模，向外拓展出部分工業或產業用嵌入式設備的應用市場。
近期英特爾跟IC設計新創公司耐能(Kneron)，都分別與工業電腦業者結盟，試圖將NPU與加速器推進智慧零售應用，因為智慧零售的需求跟安防基本上相通，不需要太大幅度的設計修改。但有工業電腦業者認為，在未來三到五年內，NPU或ASIC加速器方案在產業領域的應用，大概也只會到這裡為止，要進一步跨入變異性更高的工業應用，機會應該不大。
FPGA限制最少 考驗設備商IC設計功力
過去幾年，有鑒於人工智慧需求興起，FPGA業者在自家開發工具跟協力廠商生態系夥伴的建構上投入不少心力，成果也陸續展現。在資料中心端，利用FPGA來加速神經網路或深度學習演算法，已經是很多網路巨擘所實行的作法，因此，FPGA廠商自然也將下一步發展重心放到邊緣運算上。
對工業應用來說，FPGA是個很理想的選擇。由於工業應用向來是個少量多樣的市場，很難期待晶片供應商針對工業設備業者的需求，推出對應的晶片解決方案。也因為這個緣故，某些研發實力較強的工業設備業者，一直都是靠FPGA來實現自己所需要的晶片功能。最典型的例子就是高階的運動控制設備，或是某些需要大量I/O的控制器。
而在人工智慧從雲端走向邊緣的過程中，工業設備製造商自然不會忽視用FPGA來實現人工智慧這個選項。且在FPGA業者陸續推出機器學習開發環境，協力廠商業者的軟體智財也逐漸到位後，利用FPGA在嵌入式裝置上執行人工智慧應用，困難度已經相對降低。不過，就和利用GPU平台上的協力廠商資源一樣，設備開發商如果要使用協力廠商開發的演算法，通常會有額外的授權費用產生。
FPGA最大的優勢在於硬體功能的配置非常彈性，如果工業設備開發商已經有自己的人工智慧演算法，開發團隊可以利用FPGA實現對應的硬體加速器，達到最高程度的系統設計優化。但相對來說，當軟體設計有所更動時，硬體可能也需要做對應的調整，而這個時間是相對耗時的。
事實上，要把FPGA的潛力發揮到淋漓盡致，開發團隊必須相當熟悉積體電路的設計作業，諸如電路合成、時序收斂、繞線佈局等。雖然FPGA供應商的開發工具多半已經可以將相關作業自動化，但要進一步將設計優化，設計人員還是需要具備相關知識，而且為了因應軟體設計反覆運算，硬體也要跟著頻繁反覆運算，這是很花時間的。
因此，比較理想的開發流程還是先從GPU開始，等軟體設計反覆運算到相對穩定的階段，再針對已經穩定的軟體做對應的硬體加速設計。而非直接從一開始就用FPGA平台做軟硬體同步開發。
訓練資料集建置不易 AI走進工業應用還需醞釀
雖然各晶片大廠對於人工智慧走向邊緣的發展趨勢都有很高的期待，並已推出對應的邊緣運算解決方案，但對工業應用來說，最麻煩的問題不是缺乏硬體或演算法，而是缺乏訓練用的資料集。
不像一般針對消費性或安防領域的人工智慧應用開發商，可以用低廉的人力成本找來大量資料標籤員，快速完成訓練資料集的建置。工業用的人工智慧應用處理的是各種專業領域的資料，一般人無法判讀這些資料。
以藉由機器視覺來檢視金屬加工件這項應用為例，工業相機可以輕而易舉地取得成千上萬張金屬加工件的影像，但這些影像對一般人來說看起來都差不多，只有業內專家能夠看出其中的些微差異，進而區別出良品跟不良品。
高品質的訓練資料集才能確保人工智慧判斷的準確性，但工業領域的高品質資料集不容易建置，是目前工業設備業者、乃至有心導入人工智慧的製造業者所共同面臨的問題。而且，由於這些資料往往涉及營業秘密，因此只能用內部有限的專家人力來建置資料集，無法外包給外部專家，這使得資料集的建置工作需要耗費更長的時間。
綜合多家國際工業設備巨擘與大型製造業者的觀點，即便目前人工智慧軟硬體方案已經比過去成熟許多，但相關廠家現階段大多還停留在研發前期或中期階段，僅有少數動作比較快的業者，已經開始在實驗產線上進行測試。因此，工業領域普遍導入人工智慧，可能還需要2~3年時間醞釀。
積極轉型 格芯再售旗下ASIC業務予Marvell
為更專注於發展差異化晶圓代工服務，格芯(GLOBALFOUNDRIES)持續轉型步伐，繼不久前出售12吋晶圓廠予安森美半導體(ON Semiconductor)後，近期再宣布售出AISC業務，通訊晶片供應商Marvell將以7.4億美元購併GLOBALFOUNDRIES旗下ASIC子公司「Avera Semiconductor」，此協議包括轉移Avera的收入基礎、具領先基礎設施OEM的戰略設計策略，以及與Marvell間的長期晶圓供應協議。
GLOBALFOUNDRIES認為此一交易可創造雙贏的局面，指出Avera團隊一直在本業務上穩定成長，並將ASIC之7奈米設計轉至新的代工平台；而與Marvell的商品組合，包括儲存、處理、網路、安全和連接的解決方案而言，Avera Semi的能力可作為互補，將共同帶來系統級差異化，擁有更佳定位，攻下不斷成長的5G基礎設施市場。同時，透過這項交易，GLOBALFOUNDRIES能更專注於代工業務，成為致力於以差異化技術幫助客戶取得成功的製造服務公司。
GLOBALFOUNDRIES執行長Tom Caulfield表示，此次協議再次印證我們致力於核心業務的決心，致力於提供差異化的晶圓代工產品。透過Avera交易協議與 Marvell建立起策略合作夥伴關係，將為兩間公司的團隊打造嶄新機會。而一旦交易完成後，該公司也將繼續透過與Marvell的製造合作夥伴關係，以14/12奈米為本公司ASIC客戶提供產品，以及其他更成熟技術的代工服務。
至於Marvell在收購Avera之後，也可說為其搶占5G基礎設施市場的布局增添一劑強心針。具體來說，Avera先進的ASIC設計能力能補足Marvell的標準和半客製產品組合。
由於Avera在模擬、混合訊號與系統級晶片項目具有高度創新的設計能力、並在包含高速SerDes高性能嵌入式儲存和先進封裝技術方面擁有豐富的IP組合，且更與有線和無線網路OEM在內的績優股客群建立了強大的合作關係，為多代轉換器、路由器和基地台提供客製化解決方案，因而有利於Marvell拓展更多商機管道。
Marvell指出，該公司正運用旗下IP和技術平台不斷擴展客製化的商機管道，例如在5G基礎設施中提供基頻、處理器、乙太網路交換器和PHY等解決方案；而Avera既有的解決方案將持續擴大Marvell的潛在市場，也凸顯了有線和無線基礎設施領域客製化ASIC的廣泛商機。
而在售出Avera之後，針對外界詢問是否還會持續出售旗下業務或工廠的疑問，GLOBALFOUNDRIES則強調，目前該公司已完成戰略轉型任務，該是時候專注在執行和交付成果。因此，未來將不會再出售或合併旗下工廠。從2018年8月開始，我們採取大膽的措施加快業務轉型，這些都符合預定的戰略藍圖，並將使我們能夠繼續提高產線的能力，並對未来的業務進行投資。
從雲端走向終端 AI推升ASIC市占率持續攀升
人工智慧(AI)風潮席捲全球，而為了加速AI應用普及，並降低雲端運算工作負載，實現更多的創新應用，邊緣運算需求與日俱增，AI開始從「雲端」走向「終端」，也因而推升ASIC需求；根據市調機構Ovum預估，2018~2025年，ASIC的市占率將從11%大幅增加至48%。
根據Ovum調查報告指出，在2016年，雲端(包含企業、數據中心等)為深度學習晶片的主要營收領域，占了80%。不過，到了2025年，此一比例將會改變，轉變成邊緣(Edge)占了80%，而雲端的比例則降為20%。這邊所指的邊緣意指終端設備，且以消費性產品為中心(而非小型伺服器或是路由器)，包括行動裝置(手機、平板)、頭戴式顯示器(HMD)，如AR/VR/MR、智慧音箱、機器人、無人機、汽車、安全攝影鏡頭等。
Tractica/Ovum研究總監Aditya Kaul表示，現今大多數的AI處理器，如GPU，多用於雲端伺服器、資料中心，以在雲端上進行AI訓練和推論。不過，隨著隱私、安全性需求增加，加上為了降低成本、延遲及打破頻寬限制等因素，分散式AI隨之興起，越來越多AI邊緣應用案例出現。例如蘋果的A12仿生晶片，其具備新一代「神經網路引擎」，以即時機器學習技術，改變智慧手機的使用體驗。
Kaul指出，簡而言之，AI從雲端轉向邊緣是現在進行式，當然目前AI在邊緣裝置上多還是以推論為主，而非訓練。不過隨著AI創新應用增加，有越來越多晶片商嘗試提升終端裝置處理器的運算效能，為的就是不用再傳送資料至雲端進行資料運算、推理和訓練。也因此，各式的處理器紛紛問世，像是CPU、FPGA、GPU、ASIC、NPU或SoC Accelerator等。
其中，ASIC的市占率可望隨著邊緣運算的需求增加而明顯攀升，從2018年的11%增加至2025年的52%。Kaul進一步解釋，ASIC之所以受到青睞，原因在於新興的深度學習處理器架構多以圖形(Graph)或Tensorflow為基礎架構；且上述提到AI邊緣運算受限於功耗和運算效能，因此多以推論為主，而非訓練。然而，若假設到2021年時，終端裝置將導入大量AI晶片，所需要的便是能在同一個晶片上進行推理和訓練，可因應分散式運算且又具低功耗的IC，因此ASIC需求將持續上揚，實現更多AI邊緣應用案例。
加快毫米波商用腳步 三星5G基地台RFIC/DAFE晶片亮相
搶搭5G熱潮，並加速5G毫米波商用時程，三星電子(Samsung Electronics)近日宣布已經成功開發新毫米波(mmWave)射頻積體電路(RFIC)和數位類比轉換(DAFE)ASIC晶片。新的RFIC和DAFE ASIC晶片是5G晶片組的核心元件，能夠支援28GHz和39GHz頻譜，可使5G基地台的尺寸、重量和功耗降低約25%，讓操作和部署更有效率。
三星執行副總裁Paul Kyungwhoon Cheun表示，三星在5G研發方面的突破促使美國和韓國得以在2018年實現5G商業化，其中5G基地台的出貨量已經超過36,000個；三星將繼續提供超低延遲、超高速和大規模連接的5G產品，加速5G商業化，改善產業面貌和日常生活。
為了滿足高速需求，5G基地台使用近千個天線元件和數個RFIC以利用毫米波頻譜。RFIC可以減少基地台的尺寸和功耗，而三星新推出的RFIC採用先進的28nm互補式金屬氧化物半導體(CMOS)技術，使頻寬可以拓展到1.4GHz。RFIC的尺寸也縮小了36%，並且透過降低雜訊和改善RF功率放大器的線性輸出提高整體效能。
目前三星已研發出28GHz和39GHz的RFIC解決方案，並預計今年將加碼推出24GHz和47GHz的RFIC，進一步將事業版圖擴展到更高頻段的市場。三星還開發低功耗、小體積DAFE ASIC晶片，DAFE對數位無線通訊來說非常重要，因它能提供類比-數位的訊號轉換；而開發ASIC晶片可以幫助縮小5G基地台的尺寸和功耗。如果不研發ASIC，DAFE就會因為體積太大而且功率不足而無法滿足產品需求。
三星電子網路業務執行副總裁兼研發主管Jaeho Jeon指出，三星正憑藉研發創新解決方案(包括低功耗RFIC和DAFE ASIC)，強化自身在5G市場的競爭優勢，並開創數位轉型新時代。新開發的晶片組將會在推動5G技術發展的過程中發揮重要作用。
AI帶動雲端/儲存市場 ASIC晶片需求再攀高峰
人工智慧(AI)的加持進一步推動雲端資料中心、儲存的發展，更刺激大數據資料量爆炸成長。為了改善資料量不斷增加的問題，雲端與儲存業者，如Google、亞馬遜(Amazon)、百度與阿里巴巴，皆希望能藉由客製化ASIC晶片的導入，提升整體伺服器雲端運算效能。
資策會MIC資深產業分析師兼組長葉貞秀表示，雖然ASIC需求在2018年年初就已嶄露頭角，但當時主要為開發比特幣的礦機廠商(如比特大陸)，為了提供終端需求而開發ASIC晶片；發展至今，ASIC客製化的需求已慢慢在雲端伺服器產業萌芽起飛，這也歸功於廠商開始對於AI演算法與AI能提供的服務發展更加明確。整體而言，2018年年初較多是終端裝置邊緣運算(Edge Computing)需求的ASIC，而現在這波ASIC客製化潮流正一路延燒到雲端運算領域。
事實上，開發一顆新的晶片花費相當昂貴，16~7奈米製程晶片，光是光罩費用，就高達上億元新台幣。因此，葉貞秀認為，搶攻ASIC客製化市場的廠商，必須要具備多元化IP資源，並對新興製程及晶圓級封裝技術有相當程度的了解。若廠商可以在各應用領域都有投入IP，將有利於爭取到更多客戶訂單，同時也可以降低開發成本，進而取得競爭優勢地位；此外，製程熟悉度將會影響到其提供服務的多樣性。
雖然晶片商可以與IP廠商合作，授權IP即能具備開發ASIC客製化晶片。但若晶片商本身擁有高速IP發展經驗、編解碼演算法IP，就毋須向其他廠商進行採購動作，對於降低晶片成本、加速ASIC落地將有長足幫助；再者，由於晶片商擁有自己的IP，後續與其他IP整合過程所遇的工程問題，也得以自行解決，對於開發商服務信任性也就油然而生。
過去在有ASIC需求的趨勢下面，台灣有一群IC設計服務廠商(如創意、智原)，幫助一些有特殊規格需求的車用、AI雲端運算與儲存等領域廠商，提供少量多樣的客製化晶片，協助他們蒐集晶片所需的晶片、聯絡半導體製程與價格規畫等問題。
藉由這樣全新的商業模式導入，葉貞秀分析，台灣IC設計服務廠商收益正逐年攀升，可看出每年營收都有10%穩定成長。同時，在雲端、儲存與AI演算法新創公司對於AI晶片的需求下，亦可看到傳統IC設計廠商，如聯發科、聯陽科技，亦以過去累積的底層IP做為發展ASIC服務的基礎，搭配先進製程開發經驗提供服務，甚至有些廠商開始成立專職ASIC部門，積極搶攻AI晶片市場大餅。
如上述所說，新晶片的開發需要耗費相當的費用。因此IC設計廠商，勢必需要降低成本，找尋新的發展機會，可看到已有廠商透過SiP模組化設計，增加資料傳輸頻率，並整合感測器、邏輯等不同製程型態晶片，讓IC提升效能，同時又滿足物聯網應用多樣化特性。
隨著整個產業晶片端客戶應用型態多樣化、多元化需求下，台灣整個半導體產業，在水平分工嚴密合作下，在ASIC開發需求下，占有一個不錯的優勢，而資策會MIC也看到產業開始朝這方向發展。
ADI降壓型穩壓器縮減高功率密度應用布局面積
Analog Devices(ADI)宣布推出Power by Linear LTC3310S，其為一款5V、10A低EMI單晶式同步降壓型轉換器。該元件的固定頻率峰值電流模式架構非常適合要求快速瞬變響應的高降壓比應用。LTC3310S整合熱點迴圈旁路電容的Silent Switcher2架構，得以實現高效率、小布局面積解決方案(在高達5MHz頻率時)及卓越的EMI性能。多相操作可實現多個元件的直接並聯，以提供較高的輸出電流。
LTC3310S的2.25V至5.5V輸入範圍可支援包括大多數中間匯流排電壓等多種應用。內建低阻抗的MOSFET可提供高達10A的連續負載電流，熱效影響極少。0.5V至VIN的輸出電壓範圍非常適合負載點應用，如高電流/低電壓DSP/FPGA/GPU/ASIC參考設計。其他主要應用包括光網路、電信/資料通訊和汽車系統、分散式電源架構和一般中高功率密度系統。
LTC3310S的35ns低最短導通時間可在高頻下實現高降壓比電源。100%工作週期操作提供低電壓差性能，操作頻率可同步至外部時脈。在–40°C至125°C的接面溫度操作範圍內，LTC3310S擁有±1%總體參考電壓精度。其他特點包括指示輸出處於穩壓狀態的電源良好訊號、精準致能門檻、輸出過壓保護、熱保護關機、晶片溫度監視器、時脈同步、模式選擇和輸出短路保護。
ADI高功率µModule穩壓器降低資料中心冷卻需求
Analog Devices(ADI)日前發表LTM470 降壓型DC-DC電源穩壓器，進一步擴充其Power by Linear µModule穩壓器系列。該元件兼具同類產品最高功率和用以降低資料中心基礎設施冷卻需求的高能效。新型電源µModule可提供雙路50A或單路100A配置，創新封裝技術使其在伺服器密度增加及資料中心輸送量和運算能力提升時所對系統尺寸和冷卻成本的影響微乎其微。
LTM4700 µModule的高整合性，及內建元件級封裝(Component-on-Package)設計納入了晶片上記憶體、資料轉換電路和數位介面，尺寸僅約競爭元件的一半。元件應用包括雲端運算、高速運算和光纖網路系統、通訊基礎設施、PCIe板，以及醫療、工業和測試與量測設備。
高效冷卻是影響全球資料中心的一個關鍵問題。更高輸送量、雲端運算服務等不斷成長的需求為目前的資料中心基礎設施造成了壓力，而衍生出對於新散熱方法的需求。LTM4700解決了這個問題，使資料中心營運業者能提高伺服器的密度和性能。
透過創新散熱封裝技術，LTM4700的操作溫度為73°C，而競爭對手提供的模組化解決方案之操作溫度則通常為90°C。在高達70°C的環境溫度和具有200 LFM氣流的情況下，LTM4700可在12VIN至0.8VOUT的轉換中提供100A的全負載電流。在12VIN至0.8VOUT轉換操作時峰值轉換效率為90%。而µModule架構使系統設計人員能組合最多8個元件，提供高達800A的負載電流以因應資料中心處理器的較高功率需求，包括FPGA、ASIC、GPU和微控制器。
Arm擴大DesignStart計畫加速Linux嵌入式方案設計
Arm近日宣布將DesignStart計畫擴展至Cortex-A5 CPU，支援Linux作業系統，協助用戶快速取得公司旗下最低功耗、面積效率最高的應用處理器，加速嵌入式及物聯網方案的創新。
物聯網雖然在先進軟體開發方面提供無窮的可能性，但對設計者而言卻也帶來許多挑戰。在快速變遷且競爭激烈的市場，設計業者除了必須凸顯自身產品的差異性，還得在最快的時間以最低成本推出更優異的設計。
差異化的其中一個途徑就是「多元嵌入式處理」，Arm在此領域將其定義為提供進階的效能以及尖端功能，有時還包含互動式操作介面，但整體而言，重點依然在提供先進功能。這些產品除了能利用陣容完備的軟體堆疊，還能選用像Linux這類完整功能的作業系統所提供眾多可立即執行的中介軟體與應用程式。許多專門開發嵌入式物聯網方案的廠商，現在也轉向特殊應用IC(Application-Specific Integrated Circuits, ASIC)來滿足自身各種特殊需求。
透過Cortex-A5這款高效能且多功能的處理器，Arm將此計畫推入更高的層次。A5出貨量至今已累積超過20億，許多頂尖雲端業者用其作為切入終端物聯網處理的切入點。DesignStart旨在盡可能讓用戶簡單取得Arm IP。鑑於過去10年累積數千項設計定案的成功，Arm期盼看到未來拓展出的眾多可能。