集微網推出整合電路微信公共號: '天天IC' , 重大新聞即時發布, 天天IC, 天天集微網, 積微成著! 掃描文末二維碼添加關注.
1, 詳解2018年全球存儲器產業發展趨勢;
集微網上海報道
從2016年開始, 記憶體的價格持續的高漲, 記憶體儼然已成為大家最關注的半導體器件之一, 記憶體的趨勢發展以及供需狀況也是大家特別關注的話題. 因此, 在近日於上海舉辦的 '2018年全球科技產業發展大預測' 上, 集邦諮詢半導體研究中心 (DRAMeXchange) 研究副總郭祚榮為大家分享了《2018年全球記憶體產業發展趨勢》, 分別從供給, 需求和供需與均價三方面分析了2018年全球產業發展趨勢.
全球2018年記憶體市場年成長預估為18.8%
針對全球 2018 年記憶體市場發展情況, 郭祚榮預估全球記憶體產業產出量低於今年的19.7%, 原因在於各記憶體大廠對於資本支出保守加上工藝轉進趨緩, 以獲利導向為主要原因, 至今記憶體市場仍處於供貨吃緊的格局走勢.
在份額方面, 移動式記憶體在全球智能手機出貨推波助瀾下已成為份額最高的產品類別. 此外, 在雲計算和大數據的推動下, 伺服器記憶體也在不斷增長. 無論是百度或者天貓, 背後都會伺服器去支援, 所以廠商對於伺服器的需求非常迫切, 因此伺服器記憶體為成長動能最大的產品列別, 供給吃緊將會繼續延續.
三星製程工藝最強, SK 海力士年成長最快
目前全球三大記憶體廠晶圓投片情況都非常引人關注, 據郭祚榮分享, 實際上三大晶圓廠的投片情況都不積極, 2017年第四季度總的產能大約有1167K, 到2018年年底大概是 1204K. 舉例來說, 三星目前的投片只有 Line17 工廠, 今年的投片會從 70K 漲至 90K, 後面就是維持一定的數額, 但實際上這個工廠的極限可以至 120-130k, 所以明年三星或許會根據客戶的需求進行增產.
SK 海力士可以擴張的產能只有 M14 這個工廠, 產能是100K, 2017年第四季度大約有 80K 左右, 明年有機會漲至 90-95K, 趨近於滿載的情形. 據悉, SK 海力士計劃在無錫增設一個 12 寸晶圓廠, 但是建廠時間需要至少一年, 最早於 2019 年投產.
美光基本也處於滿載的狀況, 現在唯一可以擴張的產能只有 Fab16 (MMT) , 可能會漲至 110-120K.
在產出量年成長方面, 郭祚榮表示, 三大記憶體廠的狀況都一樣, 由於投片都沒有增長, 所以都靠自己製程工藝的轉技和良率的改善取得進步. 目前, 三星 18nm 製程工藝的良率已非常成熟, 而三星明年的目標也是把18nm 製程工藝佔比持續擴大.
而 SK 海力士目前只有 21nm 製程工藝, 今年年底會投入 18nm, 預計明年上半年比重才會有所提高. 由於 SK 海力士很可能從現在的 21nm 製程工藝轉到 18nm, 因此預計其明年的年成長達 21%, 遠高於三星和美光.
美光的成長份額最低, 因為他們今年很積極的去轉 17nm 製程工藝, 明年成長的幅度不是很大. 實際上, 美光的17nm製程相當於三星的20nm.
值得注意的是, 郭祚榮認為, 工藝最強的還是三星, 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.
三星掌握全球移動式記憶體市場半壁江山
郭祚榮表示, 由於全球智能手機的崛起, 移動式記憶體躍升為記憶體最主力的產品, 而三星以絕對領先的地位, 掌握記憶體市場超過60%以上的份額, 更持續逐季攀升. 單獨看第四季的記憶體漲幅, 之所以這麼高的原因在於三星掌控著大部分廠商的記憶體供應.
在2017上半年的營收部分, 三星佔據60.1%的市場份額, SK 海力士只有22.8% , 而美光只有15.1%, 預計2018年這一比重不會出現大方向的改變, 依然保持這個趨勢.
從產品來看, 郭祚榮表示, 2017年的主力依然是LPDDR3產品, 佔比達62%. 到2018年, LPDDR4產品在各記憶體廠產出逐步增加下, 預計2018年佔比達63%, LPDDR3 將只有 36%. 2018年其他業者追趕下, 三星仍具主導地位, 份額約58.5%, 且工藝往18nm製程邁進.
手機與伺服器助推記憶體價格
郭祚榮表示, 2017-2018年, 全球智能手機出貨量差距不大, 基本在14億支左右. 值得注意的是, 2017-2018年全球前十大智能手機出貨排名中, 中國智能手機品牌佔了七席. 此外, 無論在全球哪裡, 中國智能手機品牌的份額都超過了50%. 他建議, 如果從需求端來講, 整個中國智能手機品牌其實可以和三大記憶體廠做一個交涉, 影響力非常大.
郭祚榮認為, 全球大部分記憶體的市場需求仍處於微幅衰退的狀態, 僅手機與伺服器持續成長中, 台式機, 筆記本, 平板均呈現衰退情形. 全球記憶體需求的成長依賴於智能手機與伺服器領域最大, 今年移動式記憶體在智能手機中依然有超過15%左右的成長, 明年約16.1%. 伺服器記憶體在伺服器中今年已經來到177GB以上, 明年年成長達到32.6%.
2018 年記憶體產業供不應求將加劇
針對全球記憶體產業營收成長與供需預估, 郭祚榮表示, 明年供不應求的情況將更加嚴重, 所以明年上半年價格還會更高, 但是漲幅趨勢可能沒今年高.
郭祚榮預計, 2017年全球記憶體產業營收成長60-65%, 平均銷售單價較去年成長35.2%, 產出也有19.7%的成長; 2018年全球記憶體產業營收成長20-25%, 平均銷售單價較去年成長4.1%, 產出也有18.8%的成長.
2017年第四季度, PC 記憶體價格漲幅為5%-10%, 伺服器記憶體的價格漲幅為6%-10%, 移動式記憶體的價格漲幅為5%-20%. 相比於第三季, 第四季的價格漲幅差距特別大, 為什麼呢? 郭祚榮表示, 主要原因是因為在三星的帶動下, SK 海力士和美光也都在漲價.
最後, 郭祚榮分享到, 雖然明年價格依然會上漲, 但是這個月發現有一些 '烏雲' 在裡面, 可能會影響之後的價格趨勢, 不過具體原因有待確認.
2, 英特爾資本支出115億美元 贏台積;
英特爾在法說會上宣布, 2017年全年資本支出為115億美元, 雖然低於原預估的120億美元, 但高於台積電的108億美元, 兩者距離正拉近中.
從三星, 英特爾, 台積電等半導體三雄資本支出來看, 仍是三星遙遙領先. 國際半導體產業協會 (SEMI) 曾指出, 三星今年資本支出約195億美元, 仍是全球半導體廠最高者.
英特爾一向是全球半導體霸主, 三星和台積電急起直追. 但因英特爾原本主力市場在PC, 這幾年呈現逐年衰退, 英特爾在先進位程腳步也不若台積電和三星積極, 這兩年與台積電的資本支出規模逐漸靠近.
今年初英特爾原預估今年全年資本支出為120億美元, 台積電則預估約100億美元, 兩者落差約20億美元. 經濟日報
3, 驍龍845來了! 高通技術峰會邀請函曝光: 12月見;
IT之家10月28日消息 數位博主@i冰宇宙 剛剛在微博曝光了一張邀請函. 邀請函顯示, 高通將於2017年12月4-8日在夏威夷毛依島舉行第二屆驍龍技術峰會. 不出意外的話, 高通下一代旗艦處理器驍龍845應該會在峰會上亮相.
4, 蘋果A12代工廠網路曝光 採用台積電7nm工藝;
作為智能手機的核心, 移動晶片一直扮演著重要角色, 由此新一代移動晶片的細節也頗深外界關注. 現在供應鏈人士@ 手機晶片達人透露, 台積電將於明年Q2開始投產7nm工藝, 替蘋果成產A12 CPU. 此外, 台積電7nm工藝的另一個客戶為高通.
蘋果A12代工廠曝光
@ 手機晶片達人表示, 台積電的三台ASML EUV設備預計會在2018年第一季度在中科12寸廠裝機完成, 明年第二季度末開始用7nm工藝, 替蘋果生產A12 CPU, 另一個7nm客戶是高通. 這也就意味著, 台積電不僅將成為A12的代工廠, 也會與晶片領域大佬高通達成合作.
至於高通旗下的哪款新品會搭載7nm工藝, 外界猜測是驍龍855. 因為早前消息稱, 由於7nm工藝產量受限, 驍龍845依舊採用10nm工藝. 就問世時間來看, 驍龍845會比驍龍855更早商用. 而蘋果則實際上一直青睞台積電, 此前的A10和A11都由台積電代工, 所以A12在代工廠的選擇上並不讓人意外. 太平洋電腦
5, Massive MIMO和波束成形: 揭密5G背後的訊號處理;
Massive MIMO空間多工有望成為蜂巢式通訊領域中改寫遊戲規則的革命性技術, 支援在高流量城市地區實現更高的行動容量和效率. 它利用了多徑傳播帶來的分集性, 允許基地台與多用戶之間在同一時間和頻率資源時進行數據傳輸...
我們對於高速行動資料的渴求是無止境的. 可是在密集城市環境中的可用射頻(RF)頻譜已經飽和, 顯然目前迫切需要提高從無線基地台收發資料的效率.
基地台包含大量天線, 因此, 提升基地台頻譜效率的一種方案是讓這些天線透過相同的頻率資源與多個在空間上分離的使用者終端同時通訊, 並利用多徑傳輸. 這種技術常被稱為大規模多輸入多輸出(massive MIMO). 您可能聽過massive MIMO被描述為大量天線的波束成形(beamforming). 但隨之而來的問題是: 何謂波束成形?
波束成形與Massive MIMO的關係
不同的人對于波束成形一詞有著不同的理解. 波束成形是指根據特定場景自動調整天線陣列輻射模式的能力. 在蜂巢式通訊領域, 許多人認為波束成形是將天線功率主瓣指向使用者, 如圖1所示. 調整各天線收發單元的幅度和相位, 使得天線陣列在特定方向上的發射/接收訊號一致地疊加, 而其他方向的訊號則相互抵銷. 一般不考慮陣列和用戶所處的空間環境. 這確實是波束成形, 不過只是它的一種特定建置.
Massive MIMO可被視為更廣泛意義上的波束成形的一種形式, 不過它與傳統形式相去甚遠. Massive意指基地台天線陣列中的大量天線; MIMO意指天線陣列使用同一時間和頻率資源滿足空間上分離的多位用戶的需求. Massive MIMO也認為在實際系統中, 天線與使用者終端(以及相反過程)之間傳輸的資料經過了周圍環境的濾波. 訊號可能會被建築物和其他障礙物反射, 這些反射可能涉及延遲, 衰減和抵達方向, 如圖2所示. 天線與使用者終端之間甚至可能沒有直接路徑. 其結果是這些非直接傳輸路徑同樣有利用價值.
為了利用多路徑, 天線元件和使用者終端之間的空間通道需要加以表徵. 文獻中一般將這種響應稱為通道狀態資訊(CSI). 此CSI實質上是各天線與各使用者終端之間的空間傳遞函數集合. 用一個矩陣(H)來收集此空間資訊, 如圖3所示. 下一節將詳細討論CSI概念及其收集方法. CSI用於數位化編碼和解碼天線陣列所收發的資料.
表徵基地台與使用者之間的空間通道
想像一個有趣的比喻: 一個氣球在某個位置被戳破了, 發出 '啪' 的聲響, 在另一個位置記錄此聲音或脈衝, 如圖4所示. 在麥克風位置記錄的聲音是一種空間脈衝響應, 其中包含的資訊對於周圍環境中的氣球和麥克風所在特定位置來說是獨有的. 相較於直接路徑, 被障礙物反射的聲音會產生衰減和延遲.
如果將該比喻延伸至比較天線陣列和使用者終端場景, 那麼就需要更多的氣球, 如圖5所示. 值得注意的是, 為了表徵每個氣球與麥克風之間的通道, 我們必須在不同時間戳破各個氣球, 使得麥克風記錄的氣球反射不至於重疊. 另一方向也需要表徵, 如圖6所示. 在此例中, 在使用者終端位置的氣球被戳破時, 即可同時完成所有錄音. 這樣所花的時間顯然少得多了!
在RF領域中, 利用導頻訊號表徵空間通道. 天線與使用者終端之間的空中下載(OTA)傳輸通道是可互易的, 即該通道在兩個方向是相同的. 這取決於系統作業於分時多工(TDD)模式還是分頻多工(FDD)模式. 在TDD模式時, 上行鏈路和下行鏈路傳輸使用相同頻率資源. 可互易的假設意味著只需要在一個方向上表徵通道即可, 上行鏈路通道是顯而易見的選擇, 因為只需要從使用者終端發送一個導頻訊號, 就能由所有的天線元件接收. 通道估計的複雜度與使用者終端數成比例, 而非與陣列中的天線數成正比. 這一點非常重要, 因為使用者終端可能在移動中, 因而必須頻繁地進行通道估計. 基於上行鏈路的表徵還有一個重要優勢, 那就是所有繁重的通道估計和訊號處理任務皆在基地台完成, 而非在用戶端進行.
現在, 收集CSI的概念既已經建立了, 接著如何將此資訊應用於資料訊號, 以支援空間多工呢? 濾波是基於CSI而設計的, 以便對天線陣列傳輸的資料進行預編碼, 使得多路徑訊號會在使用者終端位置一致地疊加. 這種濾波還可以用來線性組合天線陣列RF路徑收到的資料, 從而檢測來自不同用戶的資料串流. 以下將更詳細討論這個問題.
支援Massive MIMO的訊號處理
前面介紹了如何估計CSI(用矩陣H表示). 檢測和預編碼矩陣基於H計算. 這種矩陣有多種計算方法. 以下將著重於討論線性方案. 線性預編碼/檢測方法的例子有最大比率(MR), 歸零(ZF)和最小均方誤差(MMSE). 本文最後將提供從CSI匯出預編碼/檢測濾波器的全過程, 並討論其最佳化標準與每種方法的優缺點.
對於上述三種線性方法, 圖8和圖9分別顯示上行和下行鏈路中訊號處理的運作方式. 針對預編碼, 可能還有某種縮放矩陣, 以符合整個陣列因簡化而忽略的功率標準.
顧名思義, 最大比率濾波旨在最大程度地提高訊號雜訊比(SNR). 從訊號處理的角度看, 這是最簡單的方法, 因為檢測/預編碼矩陣剛好是CSI矩陣H的共軛轉置或轉置. 其最大缺點是忽略了使用者間幹擾.
歸零預編碼試圖解決使用者間幹擾問題, 透過設計最佳化標準來使其降至最低. 檢測/預編碼矩陣是CSI矩陣的偽逆(pseudoinverse). 偽逆矩陣的計算開銷高於MR情況中的複共軛. 然而, 由於太注重降低幹擾, 用戶的接收功率會受影響.
MMSE試圖在放大訊號與降低幹擾之間取得平衡. 這種整體觀需付出的代價是訊號處理複雜度較高. MMSE的途徑為最佳化導入了一個正規化項目——在圖8和圖9中表示為β——利用它可以在雜訊協方差與發射功率之間找到平衡點. 此方法在文獻中有時也被稱為正規化歸零(RZF).
以上並未囊括所有的預編碼/檢測技術, 只是簡單介紹了主要線性方法. 另外還有非線性訊號處理技術, 例如髒紙(dirty paper)編碼和連續幹擾消除便可用來解決此問題. 這些方法可提供最優容量, 但實現起來非常複雜. 上述線性方法對massive MIMO而言一般是足夠的, 天線數目可以很大. 預編碼/檢測技術的選擇取決於運算資源, 天線數目, 使用者人數和系統所處環境的多樣性. 對於天線數目遠大於使用者人數的大天線陣列, 最大化比率方法可能充份滿足需要.
現實世界系統挑戰Massive MIMO
在現實世界的場景中實現massive MIMO時, 還有其他實際問題需要考慮. 例如, 一個天線陣列有32個發射(Tx)通道和32個接收(Rx)通道, 作業在3.5GHz頻段, 那麼就需要放置64個RF訊號鏈, 在指定的工作頻率下, 天線間距約為4.2cm. 這表示有大量硬體必須裝入一個很小的空間中. 它還意味著會耗散大量功率, 不可避免會帶來溫度問題. 圖10顯示了在現實世界系統中的下行鏈路通道. 它分為三個部份: 空中下載(OTA)通道(H), 基地台發射RF路徑的硬體回應(TBS)以及使用者接收RF路徑的硬體回應(RUE). 上行鏈路與此相反, RBS表徵基地台接收硬體RF路徑, TUE表徵使用者發射硬體RF路徑. 可互易的假設雖然對OTA介面成立, 但對硬體路徑不成立. 由於走線不匹配, RF路徑間同步不佳以及與溫度有關的相位漂移等問題, RF訊號鏈會對系統造成誤差.
在RF路徑中的所有本地振蕩(LO)鎖相環(PLL)都使用共同的同步參考時脈, 並對基頻數位JESD204B訊號使用同步SYSREF, 有助於解決RF路徑間的延遲問題. 但在系統啟動時, RF路徑之間仍存在通道間的相位不匹配, 由溫度引起的相位漂移則會進一步擴大此問題. 因此, 系統在啟動時顯然需要初始化校準, 並在此後的運作中進行周期性校準. 透過校準可實現互易優勢, 使訊號處理複雜度維持在基地台, 並且只需要表徵上行鏈路通道. 這樣可獲得一般意義上的簡化, 從而僅需要考慮基地台RF路徑(TBS和RBS).
有多種方法可校準這些系統. 其一是在天線陣列前面放置一個校準天線, 利用此校準天線來校準接收和發射RF通道. 但這種在陣列前方放置天線的方式是否滿足實際系統校準的需求, 還是個疑問. 另一種方法是利用陣列中現有天線之間的交互耦合作為校準機制, 這有很高的可行性. 最簡單直接的方法或許是在基地台中的天線之前增加一些被動耦合路徑. 這會增加硬體的複雜度, 但應該能提供一種較耐用的校準機制. 為了全面校準系統, 從一個指定校準發射通道發送訊號時, 將會被所有通過被動耦合連接的RF接收路徑接收. 然後, 每個發射RF路徑依序發送訊號, 並在各天線前的被動耦合點加以接收, 再被傳回合路器, 接著被送至指定校準接收路徑. 溫度相關效應的變化一般較慢, 故與通道特性不同, 無需頻繁執行溫度相關校準.
例如, 美商亞德諾半導體(ADI)的整合收發器為此類問題提供了高效率解決方案. 該系列產品特別適合需要高密度RF訊號鏈的應用, 如AD9371在12mm×12mm的封裝中整合了2個發射路徑, 2個接收路徑和1個觀測接收機, 以及3個小數N分頻PLL用於產生RF LO. 高整合度使得製造商能夠及時且經濟高效地建立複雜的系統.
圖11顯示使用多個AD9371收發器的可能系統建置. 該系統搭載了16個AD9371收發器, 提供32個發射通道和32個接收通道. 3個AD9528時脈產生器為系統提供了PLL參考時脈和JESD204B SYSREF. AD9528是一款雙級PLL, 提供14路LVDS/HSTL輸出, 整合JESD204B SYSREF產生器, 可用於多元件同步. AD9528採用扇出緩衝配置, 其中一個用於作為主元件, 其他一些輸出則用於驅動時脈輸入和從屬元件的SYSREF輸入. 包括一個可能的被動校準機制(如圖中綠色和橙色部份所示), 一個專用的發射和接收通道透過分路器/合路器校準所有接收和發射訊號路徑.
結語
Massive MIMO空間多工有望成為蜂巢式通訊領域中改寫遊戲規則的革命性技術, 支援在高流量城市地區實現更高的行動容量和效率. 它利用了多徑傳播帶來的分集性, 允許基地台與多用戶之間在同一時間和頻率資源時進行資料傳輸. 基地台天線與使用者之間的通道具有互易性, 因此, 所有複雜的訊號處理都可以保留在基地台進行, 通道表徵也可以在上行鏈路中完成. 例如ADI RadioVerse系列整合收發器產品支援在小空間中實現高密度的RF路徑, 因而非常適合massive MIMO應用. eettaiwan