集微网推出集成电路微信公共号: '天天IC' , 重大新闻即时发布, 天天IC, 天天集微网, 积微成著! 扫描文末二维码添加关注.
1, 详解2018年全球存储器产业发展趋势;
集微网上海报道
从2016年开始, 内存的价格持续的高涨, 内存俨然已成为大家最关注的半导体器件之一, 内存的趋势发展以及供需状况也是大家特别关注的话题. 因此, 在近日于上海举办的 '2018年全球科技产业发展大预测' 上, 集邦咨询半导体研究中心 (DRAMeXchange) 研究副总郭祚荣为大家分享了《2018年全球内存产业发展趋势》, 分别从供给, 需求和供需与均价三方面分析了2018年全球产业发展趋势.
全球2018年内存市场年成长预估为18.8%
针对全球 2018 年内存市场发展情况, 郭祚荣预估全球内存产业产出量低于今年的19.7%, 原因在于各内存大厂对于资本支出保守加上工艺转进趋缓, 以获利导向为主要原因, 至今内存市场仍处于供货吃紧的格局走势.
在份额方面, 移动式内存在全球智能手机出货推波助澜下已成为份额最高的产品类别. 此外, 在云计算和大数据的推动下, 服务器内存也在不断增长. 无论是百度或者天猫, 背后都会服务器去支持, 所以厂商对于服务器的需求非常迫切, 因此服务器内存为成长动能最大的产品列别, 供给吃紧将会继续延续.
三星制程工艺最强, SK 海力士年成长最快
目前全球三大内存厂晶圆投片情况都非常引人关注, 据郭祚荣分享, 实际上三大晶圆厂的投片情况都不积极, 2017年第四季度总的产能大约有1167K, 到2018年年底大概是 1204K. 举例来说, 三星目前的投片只有 Line17 工厂, 今年的投片会从 70K 涨至 90K, 后面就是维持一定的数额, 但实际上这个工厂的极限可以至 120-130k, 所以明年三星或许会根据客户的需求进行增产.
SK 海力士可以扩张的产能只有 M14 这个工厂, 产能是100K, 2017年第四季度大约有 80K 左右, 明年有机会涨至 90-95K, 趋近于满载的情形. 据悉, SK 海力士计划在无锡增设一个 12 寸晶圆厂, 但是建厂时间需要至少一年, 最早于 2019 年投产.
美光基本也处于满载的状况, 现在唯一可以扩张的产能只有 Fab16 (MMT) , 可能会涨至 110-120K.
在产出量年成长方面, 郭祚荣表示, 三大内存厂的状况都一样, 由于投片都没有增长, 所以都靠自己制程工艺的转技和良率的改善取得进步. 目前, 三星 18nm 制程工艺的良率已非常成熟, 而三星明年的目标也是把18nm 制程工艺占比持续扩大.
而 SK 海力士目前只有 21nm 制程工艺, 今年年底会投入 18nm, 预计明年上半年比重才会有所提高. 由于 SK 海力士很可能从现在的 21nm 制程工艺转到 18nm, 因此预计其明年的年成长达 21%, 远高于三星和美光.
美光的成长份额最低, 因为他们今年很积极的去转 17nm 制程工艺, 明年成长的幅度不是很大. 实际上, 美光的17nm制程相当于三星的20nm.
值得注意的是, 郭祚荣认为, 工艺最强的还是三星, SK 海力士跟三星差距在1~ 1.5年, 美光跟三星差距在2~ 2.5年左右.
三星掌握全球移动式内存市场半壁江山
郭祚荣表示, 由于全球智能手机的崛起, 移动式内存跃升为内存最主力的产品, 而三星以绝对领先的地位, 掌握内存市场超过60%以上的份额, 更持续逐季攀升. 单独看第四季的内存涨幅, 之所以这么高的原因在于三星掌控着大部分厂商的内存供应.
在2017上半年的营收部分, 三星占据60.1%的市场份额, SK 海力士只有22.8% , 而美光只有15.1%, 预计2018年这一比重不会出现大方向的改变, 依然保持这个趋势.
从产品来看, 郭祚荣表示, 2017年的主力依然是LPDDR3产品, 占比达62%. 到2018年, LPDDR4产品在各内存厂产出逐步增加下, 预计2018年占比达63%, LPDDR3 将只有 36%. 2018年其他业者追赶下, 三星仍具主导地位, 份额约58.5%, 且工艺往18nm制程迈进.
手机与服务器助推内存价格
郭祚荣表示, 2017-2018年, 全球智能手机出货量差距不大, 基本在14亿支左右. 值得注意的是, 2017-2018年全球前十大智能手机出货排名中, 中国智能手机品牌占了七席. 此外, 无论在全球哪里, 中国智能手机品牌的份额都超过了50%. 他建议, 如果从需求端来讲, 整个中国智能手机品牌其实可以和三大内存厂做一个交涉, 影响力非常大.
郭祚荣认为, 全球大部分内存的市场需求仍处于微幅衰退的状态, 仅手机与服务器持续成长中, 台式机, 笔记本, 平板均呈现衰退情形. 全球内存需求的成长依赖于智能手机与服务器领域最大, 今年移动式内存在智能手机中依然有超过15%左右的成长, 明年约16.1%. 服务器内存在服务器中今年已经来到177GB以上, 明年年成长达到32.6%.
2018 年内存产业供不应求将加剧
针对全球内存产业营收成长与供需预估, 郭祚荣表示, 明年供不应求的情况将更加严重, 所以明年上半年价格还会更高, 但是涨幅趋势可能没今年高.
郭祚荣预计, 2017年全球内存产业营收成长60-65%, 平均销售单价较去年成长35.2%, 产出也有19.7%的成长; 2018年全球内存产业营收成长20-25%, 平均销售单价较去年成长4.1%, 产出也有18.8%的成长.
2017年第四季度, PC 内存价格涨幅为5%-10%, 服务器内存的价格涨幅为6%-10%, 移动式内存的价格涨幅为5%-20%. 相比于第三季, 第四季的价格涨幅差距特别大, 为什么呢? 郭祚荣表示, 主要原因是因为在三星的带动下, SK 海力士和美光也都在涨价.
最后, 郭祚荣分享到, 虽然明年价格依然会上涨, 但是这个月发现有一些 '乌云' 在里面, 可能会影响之后的价格趋势, 不过具体原因有待确认.
2, 英特尔资本支出115亿美元 赢台积;
英特尔在法说会上宣布, 2017年全年资本支出为115亿美元, 虽然低于原预估的120亿美元, 但高于台积电的108亿美元, 两者距离正拉近中.
从三星, 英特尔, 台积电等半导体三雄资本支出来看, 仍是三星遥遥领先. 国际半导体产业协会 (SEMI) 曾指出, 三星今年资本支出约195亿美元, 仍是全球半导体厂最高者.
英特尔一向是全球半导体霸主, 三星和台积电急起直追. 但因英特尔原本主力市场在PC, 这几年呈现逐年衰退, 英特尔在先进制程脚步也不若台积电和三星积极, 这两年与台积电的资本支出规模逐渐靠近.
今年初英特尔原预估今年全年资本支出为120亿美元, 台积电则预估约100亿美元, 两者落差约20亿美元. 经济日报
3, 骁龙845来了! 高通技术峰会邀请函曝光: 12月见;
IT之家10月28日消息 数码博主@i冰宇宙 刚刚在微博曝光了一张邀请函. 邀请函显示, 高通将于2017年12月4-8日在夏威夷毛依岛举行第二届骁龙技术峰会. 不出意外的话, 高通下一代旗舰处理器骁龙845应该会在峰会上亮相.
4, 苹果A12代工厂网络曝光 采用台积电7nm工艺;
作为智能手机的核心, 移动芯片一直扮演着重要角色, 由此新一代移动芯片的细节也颇深外界关注. 现在供应链人士@ 手机晶片达人透露, 台积电将于明年Q2开始投产7nm工艺, 替苹果成产A12 CPU. 此外, 台积电7nm工艺的另一个客户为高通.
苹果A12代工厂曝光
@ 手机晶片达人表示, 台积电的三台ASML EUV设备预计会在2018年第一季度在中科12寸厂装机完成, 明年第二季度末开始用7nm工艺, 替苹果生产A12 CPU, 另一个7nm客户是高通. 这也就意味着, 台积电不仅将成为A12的代工厂, 也会与芯片领域大佬高通达成合作.
至于高通旗下的哪款新品会搭载7nm工艺, 外界猜测是骁龙855. 因为早前消息称, 由于7nm工艺产量受限, 骁龙845依旧采用10nm工艺. 就问世时间来看, 骁龙845会比骁龙855更早商用. 而苹果则实际上一直青睐台积电, 此前的A10和A11都由台积电代工, 所以A12在代工厂的选择上并不让人意外. 太平洋电脑
5, Massive MIMO和波束成形: 揭密5G背后的信号处理;
Massive MIMO空间多工有望成为蜂巢式通讯领域中改写游戏规则的革命性技术, 支援在高流量城市地区实现更高的行动容量和效率. 它利用了多径传播带来的分集性, 允许基地台与多用户之间在同一时间和频率资源时进行数据传输...
我们对于高速行动资料的渴求是无止境的. 可是在密集城市环境中的可用射频(RF)频谱已经饱和, 显然目前迫切需要提高从无线基地台收发资料的效率.
基地台包含大量天线, 因此, 提升基地台频谱效率的一种方案是让这些天线透过相同的频率资源与多个在空间上分离的使用者终端同时通讯, 并利用多径传输. 这种技术常被称为大规模多输入多输出(massive MIMO). 您可能听过massive MIMO被描述为大量天线的波束成形(beamforming). 但随之而来的问题是: 何谓波束成形?
波束成形与Massive MIMO的关系
不同的人对于波束成形一词有着不同的理解. 波束成形是指根据特定场景自动调整天线阵列辐射模式的能力. 在蜂巢式通讯领域, 许多人认为波束成形是将天线功率主瓣指向使用者, 如图1所示. 调整各天线收发单元的幅度和相位, 使得天线阵列在特定方向上的发射/接收讯号一致地叠加, 而其他方向的讯号则相互抵销. 一般不考虑阵列和用户所处的空间环境. 这确实是波束成形, 不过只是它的一种特定建置.
Massive MIMO可被视为更广泛意义上的波束成形的一种形式, 不过它与传统形式相去甚远. Massive意指基地台天线阵列中的大量天线; MIMO意指天线阵列使用同一时间和频率资源满足空间上分离的多位用户的需求. Massive MIMO也认为在实际系统中, 天线与使用者终端(以及相反过程)之间传输的资料经过了周围环境的滤波. 讯号可能会被建筑物和其他障碍物反射, 这些反射可能涉及延迟, 衰减和抵达方向, 如图2所示. 天线与使用者终端之间甚至可能没有直接路径. 其结果是这些非直接传输路径同样有利用价值.
为了利用多路径, 天线元件和使用者终端之间的空间通道需要加以表征. 文献中一般将这种响应称为通道状态资讯(CSI). 此CSI实质上是各天线与各使用者终端之间的空间传递函数集合. 用一个矩阵(H)来收集此空间资讯, 如图3所示. 下一节将详细讨论CSI概念及其收集方法. CSI用于数位化编码和解码天线阵列所收发的资料.
表征基地台与使用者之间的空间通道
想像一个有趣的比喻: 一个气球在某个位置被戳破了, 发出 '啪' 的声响, 在另一个位置记录此声音或脉冲, 如图4所示. 在麦克风位置记录的声音是一种空间脉冲响应, 其中包含的资讯对于周围环境中的气球和麦克风所在特定位置来说是独有的. 相较于直接路径, 被障碍物反射的声音会产生衰减和延迟.
如果将该比喻延伸至比较天线阵列和使用者终端场景, 那么就需要更多的气球, 如图5所示. 值得注意的是, 为了表征每个气球与麦克风之间的通道, 我们必须在不同时间戳破各个气球, 使得麦克风记录的气球反射不至于重叠. 另一方向也需要表征, 如图6所示. 在此例中, 在使用者终端位置的气球被戳破时, 即可同时完成所有录音. 这样所花的时间显然少得多了!
在RF领域中, 利用导频讯号表征空间通道. 天线与使用者终端之间的空中下载(OTA)传输通道是可互易的, 即该通道在两个方向是相同的. 这取决于系统作业于分时多工(TDD)模式还是分频多工(FDD)模式. 在TDD模式时, 上行链路和下行链路传输使用相同频率资源. 可互易的假设意味着只需要在一个方向上表征通道即可, 上行链路通道是显而易见的选择, 因为只需要从使用者终端发送一个导频讯号, 就能由所有的天线元件接收. 通道估计的复杂度与使用者终端数成比例, 而非与阵列中的天线数成正比. 这一点非常重要, 因为使用者终端可能在移动中, 因而必须频繁地进行通道估计. 基于上行链路的表征还有一个重要优势, 那就是所有繁重的通道估计和讯号处理任务皆在基地台完成, 而非在用户端进行.
现在, 收集CSI的概念既已经建立了, 接着如何将此资讯应用于资料讯号, 以支援空间多工呢? 滤波是基于CSI而设计的, 以便对天线阵列传输的资料进行预编码, 使得多路径讯号会在使用者终端位置一致地叠加. 这种滤波还可以用来线性组合天线阵列RF路径收到的资料, 从而检测来自不同用户的资料串流. 以下将更详细讨论这个问题.
支援Massive MIMO的讯号处理
前面介绍了如何估计CSI(用矩阵H表示). 检测和预编码矩阵基于H计算. 这种矩阵有多种计算方法. 以下将着重于讨论线性方案. 线性预编码/检测方法的例子有最大比率(MR), 归零(ZF)和最小均方误差(MMSE). 本文最后将提供从CSI汇出预编码/检测滤波器的全过程, 并讨论其最佳化标准与每种方法的优缺点.
对于上述三种线性方法, 图8和图9分别显示上行和下行链路中讯号处理的运作方式. 针对预编码, 可能还有某种缩放矩阵, 以符合整个阵列因简化而忽略的功率标准.
顾名思义, 最大比率滤波旨在最大程度地提高讯号杂讯比(SNR). 从讯号处理的角度看, 这是最简单的方法, 因为检测/预编码矩阵刚好是CSI矩阵H的共轭转置或转置. 其最大缺点是忽略了使用者间干扰.
归零预编码试图解决使用者间干扰问题, 透过设计最佳化标准来使其降至最低. 检测/预编码矩阵是CSI矩阵的伪逆(pseudoinverse). 伪逆矩阵的计算开销高于MR情况中的复共轭. 然而, 由于太注重降低干扰, 用户的接收功率会受影响.
MMSE试图在放大讯号与降低干扰之间取得平衡. 这种整体观需付出的代价是讯号处理复杂度较高. MMSE的途径为最佳化导入了一个正规化项目——在图8和图9中表示为β——利用它可以在杂讯协方差与发射功率之间找到平衡点. 此方法在文献中有时也被称为正规化归零(RZF).
以上并未囊括所有的预编码/检测技术, 只是简单介绍了主要线性方法. 另外还有非线性讯号处理技术, 例如脏纸(dirty paper)编码和连续干扰消除便可用来解决此问题. 这些方法可提供最优容量, 但实现起来非常复杂. 上述线性方法对massive MIMO而言一般是足够的, 天线数目可以很大. 预编码/检测技术的选择取决于运算资源, 天线数目, 使用者人数和系统所处环境的多样性. 对于天线数目远大于使用者人数的大天线阵列, 最大化比率方法可能充份满足需要.
现实世界系统挑战Massive MIMO
在现实世界的场景中实现massive MIMO时, 还有其他实际问题需要考虑. 例如, 一个天线阵列有32个发射(Tx)通道和32个接收(Rx)通道, 作业在3.5GHz频段, 那么就需要放置64个RF讯号链, 在指定的工作频率下, 天线间距约为4.2cm. 这表示有大量硬体必须装入一个很小的空间中. 它还意味着会耗散大量功率, 不可避免会带来温度问题. 图10显示了在现实世界系统中的下行链路通道. 它分为三个部份: 空中下载(OTA)通道(H), 基地台发射RF路径的硬体回应(TBS)以及使用者接收RF路径的硬体回应(RUE). 上行链路与此相反, RBS表征基地台接收硬体RF路径, TUE表征使用者发射硬体RF路径. 可互易的假设虽然对OTA介面成立, 但对硬体路径不成立. 由于走线不匹配, RF路径间同步不佳以及与温度有关的相位漂移等问题, RF讯号链会对系统造成误差.
在RF路径中的所有本地振荡(LO)锁相环(PLL)都使用共同的同步参考时脉, 并对基频数位JESD204B讯号使用同步SYSREF, 有助于解决RF路径间的延迟问题. 但在系统启动时, RF路径之间仍存在通道间的相位不匹配, 由温度引起的相位漂移则会进一步扩大此问题. 因此, 系统在启动时显然需要初始化校准, 并在此后的运作中进行周期性校准. 透过校准可实现互易优势, 使讯号处理复杂度维持在基地台, 并且只需要表征上行链路通道. 这样可获得一般意义上的简化, 从而仅需要考虑基地台RF路径(TBS和RBS).
有多种方法可校准这些系统. 其一是在天线阵列前面放置一个校准天线, 利用此校准天线来校准接收和发射RF通道. 但这种在阵列前方放置天线的方式是否满足实际系统校准的需求, 还是个疑问. 另一种方法是利用阵列中现有天线之间的交互耦合作为校准机制, 这有很高的可行性. 最简单直接的方法或许是在基地台中的天线之前增加一些被动耦合路径. 这会增加硬体的复杂度, 但应该能提供一种较耐用的校准机制. 为了全面校准系统, 从一个指定校准发射通道发送讯号时, 将会被所有通过被动耦合连接的RF接收路径接收. 然后, 每个发射RF路径依序发送讯号, 并在各天线前的被动耦合点加以接收, 再被传回合路器, 接着被送至指定校准接收路径. 温度相关效应的变化一般较慢, 故与通道特性不同, 无需频繁执行温度相关校准.
例如, 美商亚德诺半导体(ADI)的整合收发器为此类问题提供了高效率解决方案. 该系列产品特别适合需要高密度RF讯号链的应用, 如AD9371在12mm×12mm的封装中整合了2个发射路径, 2个接收路径和1个观测接收机, 以及3个小数N分频PLL用于产生RF LO. 高整合度使得制造商能够及时且经济高效地创建复杂的系统.
图11显示使用多个AD9371收发器的可能系统建置. 该系统搭载了16个AD9371收发器, 提供32个发射通道和32个接收通道. 3个AD9528时脉产生器为系统提供了PLL参考时脉和JESD204B SYSREF. AD9528是一款双级PLL, 提供14路LVDS/HSTL输出, 整合JESD204B SYSREF产生器, 可用于多元件同步. AD9528采用扇出缓冲配置, 其中一个用于作为主元件, 其他一些输出则用于驱动时脉输入和从属元件的SYSREF输入. 包括一个可能的被动校准机制(如图中绿色和橙色部份所示), 一个专用的发射和接收通道透过分路器/合路器校准所有接收和发射讯号路径.
结语
Massive MIMO空间多工有望成为蜂巢式通讯领域中改写游戏规则的革命性技术, 支援在高流量城市地区实现更高的行动容量和效率. 它利用了多径传播带来的分集性, 允许基地台与多用户之间在同一时间和频率资源时进行资料传输. 基地台天线与使用者之间的通道具有互易性, 因此, 所有复杂的讯号处理都可以保留在基地台进行, 通道表征也可以在上行链路中完成. 例如ADI RadioVerse系列整合收发器产品支援在小空间中实现高密度的RF路径, 因而非常适合massive MIMO应用. eettaiwan