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! 复制 laoyaoic 微信公共号搜索添加关注.
1.3D感测带动VCSEL需求大增, 新机导入引起供应商卡位战;
集微网消息, 虽说有供应链厂商传出, iPhone X销量未达预期苹果正下调订单, 但iPhone X带火了3D感测技术却是不争的事实, 2018年苹果扩大导入3D感测应用将成为必然趋势. 与此同时, Android阵营手机厂亦将大举跟进采用3D感测技术, 这使得关键零组件VCSEL(Vertical Cavity Surface Emitting Laser)产能需求大增, 引起供应商新一轮的强力卡位战.
3D感测将导入新iPhone, 安卓阵营最快2018年Q2出新品
iPhone X导入3D感测技术, 其3D传感器供应商之一为Finisar. 不久前, 苹果宣布将提供3D传感器供应商Finisar约3.9亿美元资金, 业界一度传言是苹果入股Finisar, 如今双方澄清是作为未来订单的预付款项.
据业内人士透露, Finisar将借由苹果的资金, 改造其位于德州Sherman的工厂, 预计2018年下半开始供应VCSEL新产能, 苹果在掌握VCSEL庞大产能之后, 有助于进一步将正面TrueDepth摄像导入更多iPhone产品线, 或是于iPhone背部新增第二颗的传感器阵列, 不仅能进行脸部辨识, 亦能扫描用户所处的周遭环境, 苹果有意通过VCSEL技术强化扩增实境(AR)版图布局.
尽管2017年率先切入苹果3D感测供应链的美系大厂Lumentum占尽风头, 然而Lumentum却传出产能供不应求. 供应链厂商称, 由于2018年秋季苹果不仅将脸部辨识导入于其他iPhone新机, 高阶大尺寸iPad亦将采用3D感测技术, 以延伸其AR的附加功能, 因此, 苹果势必得扶植第二供应商, 以确保2018年下半新机问世后的零组件供应顺畅.
正是得益于3D感测技术导入更多的iPhone新机和高阶ipad, Finisar将顺势成功卡位, 可以预见, Finisar在扩大量产VCSEL之后, 将顺势搭上新一波3D感测热潮列车.
另据供应链厂商透露, 在苹果持续扩大3D感测脸部辨识优势的同时, Android阵营手机品牌厂亦将全力推出导入3D感测应用的旗舰机种, 借以抗衡苹果, 目前包括华为, Oppo, 小米, Vivo, 三星等手机品牌大厂均加速抢入, 近期相关零组件厂商送样认证的品牌客户就达到5~10家, 预期最快2018年第2季将看到新品问世. 业界并估计到2022年VCSEL市场规模将达到31.2亿美元, 年复合成长率约17.3%.
供应链厂商掀起卡位战, VCSEL市场需求大增
目前3D感测应用已成为智能手机市场关注的新焦点, 尽管苹果有意掌控关键元件VCSEL的产能, 但其技术发展已长达20多年, 并应用于光通讯及光收发等市场. 随着应用市场迎来爆发期, 不仅是原有的雷射光元件厂商, 砷化镓代工厂加入战局, 还有同样采用MOCVD机台的LED磊晶厂亦跃跃欲试.
据了解, 3D感测技术下游封装模组厂除了Lumentum, Finisar之外, 目前还有Ⅱ-Ⅵ, Princeton Optronics及Heptagon等, 而上游供应链厂商除了全球最大的IQE, 另有全新, 晶电, 宏捷, 环宇, Vertilite等亦伺机抢夺市场大饼.
当然高通与奇景光电也携手抢进3D感测市场, 可望抢下Android阵营手机客户大单, 其中包括小米, OPPO等安卓手机厂商采用3D感测技术就是基于高通与奇景光电的技术方案.
供应链厂商指出, 由于过去VCSEL主要用于光纤通信与数据传输等应用, 供应链厂商在稳定成长下, 多半采取小而美的营运模式, 市场统计过去20年来销往各种终端市场的VCSEL总量约为10亿支, 而2016年应用于光收发器的VCSEL的销量逾3,000万支, 2017年iPhone X推出后, 消费性电子产品的VCSEL出货规模, 已超越原有的光通讯市场, 预期到2019年应用于智能手机的VCSEL将达到2.4亿支, 几乎是光通信应用需求量的5倍.
长期而言, 因应物联网及云端运算等应用发展趋势, VCSEL市场成长潜力庞大, 尤其是应用于数据中心, 汽车夜视, 自动驾驶等领域将更趋广泛, 近年来大陆积极扶植的砷化镓及通讯元件产业亦将加速投入VCSEL战场, 产业竞争将愈趋激烈.
供应链厂商认为, 消费性电子产品快速发展已为VCSEL产业带来颠覆性的改变, 2018年手机品牌厂与上游供应链合作将浮上台面, 然而苹果已针对VCSEL射频及算法等技术布局多项专利, 有意分食市场大饼的业者如何在避免侵犯专利疑虑下, 提高3D感测精准度及性价比, 恐怕是比扩充产能更为关键的要素.
2.机器学习成长速度惊人, FPGA和ASIC芯片有望成为新主力;
集微网综合报道, 在2016年初, 机器学习仍被视为科学实验, 但目前则已开始被广泛应用于数据探勘, 计算机视觉, 自然语言处理, 生物特征识别, 搜索引擎, 医学诊断, 检测信用卡欺诈, 证券市场分析, 语音和手写识别, 战略游戏与机器人等应用领域. 在这短短一年的时间内, 机器学习的成长速度超乎外界预期.
Deloitte Global 最新的预测报告指出, 在 2018 年, 大中型企业将更加看重机器学习在行业中的应用. 和 2017 年相比, 用机器学习部署和实现的项目将翻倍, 并且 2020 年将再次翻倍.
目前, 有越来越多的类型开始丰富 'AI芯片' 这个新名词, 包括 GPU, CPU, FPGA, ASIC, TPU, 光流芯片等. 据 Deloitte 预测, 2018 年, GPU 和 CPU 仍是机器学习领域的主流芯片. GPU 的市场需求量大概在 50 万块左右, 在机器学习任务中对 FPGA 的需求超过 20 万块, 而 ASIC 芯片的需求量在 10 万块左右.
值得注意的是, Deloitte 称, 预计到 2018 年底, 超过 25% 的数据中心中用来加速机器学习的芯片将为 FPGA 和 ASIC 芯片. 可见, FPGA, ASIC 有望在机器学习领域中实现崛起.
实际上, 一些较早开始使用 FPGA, ASIC 芯片加速的用户, 主要是将它们运用机器学习的推论(inference)任务上, 但不久之后, FPGA, ASIC 芯片在模组训练工作上也将能有所发挥.
在 2016 年, 全球FPGA芯片的销售额已经超过40亿美元. 而在 2017 年年初报告《 Can FPGAs Beat GPUs in Accelerating Next-Generation Deep Neural Networks? 》中, 研究人员表示在某些情况下, FPGA 的速度和运算力可能比 GPU 还要强.
目前, 像是亚马逊(Amazon)的AWS与微软(Microsoft)的Azure云端服务, 都已引进 FPGA 技术; 国内的阿里巴巴也宣布与英特尔(Intel)合作, 利用Xeon-FPGA平台加速云端应用; 英特尔近来不断强调, 数据中心可通过 FPGA 调整云端平台, 提升机器学习, 影音数据加密等工作的执行效率.
此外, ASIC 虽然是只执行单一任务的芯片, 但目前 ASIC 芯片的制造厂商很多. 在2017 年, 整个产业的总收益大约在 150 亿美元左右. 据悉, Google 等厂商开始将 ASIC 运用在机器学习, 以 TensorFlow 机器学习软件为基础的芯片也已问世.
Deloitte 认为, CPU 与 GPU 的结合, 对机器学习发展的推动产生了很大的助力. 如果未来各种 FPGA 与 ASIC 解决方案也能在提升处理速度, 效率与降低成本方面发挥足够影响力, 那么机器学习应用将可再次出现爆炸性的进展.
3.2018年主流IT趋势: IoT平台采用
2018年主导企业IT策略将会是物联网(IoT)平台的采用及其他领域...
Hitachi全资子公司Hitachi Vantara发布由全球技术长Hubert Yoshida和亚太区技术长Russell Skingsley共同提出的2018年亚太地区主要业务与技术趋势; 该公司预期, 2018年主导企业IT策略将会是物联网(IoT)平台的采用及其他领域, 针对2018年亚太地区技术发展, Yoshida和Skingsley提出以下十大趋势.
1. IT将采用IoT平台协助IoT解决方案的应用
IoT解决方案将迅速成为几乎所有产业和市场的重要策略, 并提供关键洞见促进企业数字转型. IT必须与企业营运密切合作, 专注于特定业务需求并界定IoT项目的范围.
Yoshida表示: 「如果少了对业务深入的了解和合适的基础架构, 并正确仿真和数字化实际的营运与流程, 将很难建构一个真正有价值的IoT解决方案, 因此选择适合的IoT平台及服务供货商非常的重要. 」
Skingsley补充: 「企业应寻找一个开放且具有弹性的IoT平台, 来简化与配套技术的整合, 以提供可扩充的『铸造厂』(foundry), 并在其中建立各种产业应用, 协助企业得以轻松快速地设计, 建构, 测试和部署. 」
2. 对象储存智能化
企业于今年开始数字转型, 所遇到的第一个问题是存取数据的能力. 数据通常被存放在孤岛中, 撷取和使用成本高昂. 这些孤岛是为了特定目的而建立, 无法被分享, 其中有许多包含重复, 过时或因为业务流程或负责人变更而不再使用的数据.
Skingsley表示: 「数据科学家告诉我们, 从取得数据到获得分析洞见的过程中, 80%是乏味的数据撷取和准备工作. 数据湖的概念很迷人, 但我们不能直接将数据注入系统, 除非数据被正确地清理, 格式化并以元数据建立索引或卷标, 使数据湖泊具有内容感知能力, 否则最后形成的是数据沼泽. 」
虽然对象储存能够储存大量非结构化数据并提供元数据管理和搜寻功能, 但缺少情境感知能力. 现在对象储存已经「智能化」, 可以透过软件搜寻和读取多个结构化和非结构化数据孤岛中的内容, 并加以分析以进行清理, 格式化和建立索引.
Skingsley表示: 「Hitachi Content Intelligence能够从孤岛撷取数据并将数据送入工作流程, 用各种方式加以处理. Content Intelligence用户可以被授权, 使敏感内容只供相关人员检视, 并管控文件的安全性. Content Intelligence能够在整个IT环境中建立标准且一致的企业搜寻流程, 连接和汇集横跨异类数据孤岛及不同位置的多结构化数据, 并自动对组织的所有数据进行撷取, 分级, 扩充和分类. 」
3. 分析与人工智能
2018年, 分析与人工智能(AI)将全面成长, 从中企业可以获得实际的投资报酬. IDC指出, 到2017年年底, 三分之一的Fortune500大企业, 来自信息产品的营收成长将加倍大于其余产品与服务的组合.
Skingsley表示: 「AI已成为消费性产品的主流, 例如Amazon Alexa和Apple Siri, 而Hitachi认为AI与人类的协作将为社会带来实质效益. 透过Pentaho DataIntegration等工具, 我们的目标是将数据工程和数据科学流程大众化, 让各种开发人员和工程师更容易取得机器智能(机器学习与AI的结合). 」
Pentaho的机器学习整合R, Python等语言以及Spark MLlib等机器学习技术, 正朝此方向迈进. Lumada (Hitachi的IoT平台)提供灵活的输入和输出及标准化联机, 以利自动配置和管理资源来扩充IoT机器学习, 并兼容于Python, R和Java支持机器学习.
4. 更广泛地采用视讯分析
视讯内容分析将成为「第三只眼」, 为公共安全以外的领域带来更高的洞察力, 生产力和效率. 自动侦测和确定与其他IoT信息(例如手机GPS和社交媒体信息)结合之时间, 空间和关系事件的算法将应用于如零售, 医疗, 汽车, 制造, 教育及娱乐等各种产业.
Yoshida认为视讯能够提供独特功能, 例如自我移动(用于自主机器人导航的3D动作)行为分析以及其他形式的情境意识: 「零售商使用视讯分析客户移动模式和停留时间, 藉此定位产品和最大化其销售. 视讯分析仰赖良好的视讯输入, 因此需要噪声去除, 影像稳定, 屏蔽与超分辨率等视讯强化技术. 就易用性, ROI和产生可行动化分析而言, 视讯分析极具潜力. 」
5. 企业敏捷方法全面扩展
数字转型的重点在于效率及合作, 以推动更快速, 更具相关性的业务成果. 因此, 有越来越多信息企业采用敏捷方法. IT部门在服务器, 网络, 储存, 数据库, 虚拟化等方面都有传统孤岛, 而现在云端管理员四处传递变更通知, 提供业务成果. 事实上, 很多人认为IT较着重的仍是IT成果, 而不是业务成果.
Skingsley表示: 「即使数据中心运用技术建立共享数据储存库来瓦解数据孤岛, 但不同的功能仍着重其各自的目标, 而不是整体的业务目标. 现在跨职能团队采用二到四周反复的敏捷冲刺, 协助IT专注于相关业务成果并提高效率. 」
在信息长Renee McKaskle的领导下, 过去两年来, Hitachi Vantara非常成功的利用敏捷方法推动数字转型. Yoshida表示: 「敏捷提供灵活的方法, 让小型跨职能团队能够在明确的方向和策略下重复短期冲刺, 确保全面的一致性, 有效沟通, 并专注于解决问题及达成共同的业务目标. 」他也指出, 2018年将有更多企业转向敏捷和软件开发DevOps, 将敏捷方法运用于整个企业.
6. 数据治理2.0
2018年, 数据治理将面临新挑战, 组织必须建置新的架构. 企业最大挑战是来自通用数据保护条例(GDPR), 这将让欧盟居民对于个人资料有更多控制权. 但此条例也将提高企业成本并增加收集和储存个人资料所涉及的风险, 同时违反GDPR可能面临高达2,175万美元的罚锾, 相当于去年欧盟年度全球总营业额的4%.
Skingsley表示: 「过去数据治理是以数据和元数据处理为基础, 现在新的数据治理则必须考虑数据脉络. 如果用户行使被遗忘权, 企业必须找出其个人的数据, 加以删除并提供相关证明. GDPR规定必须在72小时内发出违规通知, 也使得组织面临极短的反应时间. 如果数据分散在不同的应用程序孤岛且无法涵盖储存于行动装置或云端的数据, 就不可能达到此要求. 所以2018年, 数据治理架构必须更新, 并纳入内容智能工具. 」
7. 容器技术让虚拟化更上一层楼
容器虚拟化是最新的虚拟化技术, 将在2018年广泛地被接受. 由于新一代虚拟机(VM)包括操作系统(OS)在内抽象化整个装置, 容器只包含应用程序及应用程序所需的所有相依性.
Yoshida补充说: 「容器具轻量特性, 不需要各个容器的专用OS, 可以降低成本. 其开放式配置也使得它们能够在多个平台上执行并允许应用程序独立执行, 进而提高安全性. 单个应用程序能够被写成微型服务并在容器中执行, 提高敏捷性, 规模和可靠性.
企业正利用容器移转和开发新的应用程序, 以便在现今以敏捷性和效率为关键的市场上更具竞争力. 我们已在容器和微型服务上建构IoT平台Lumada, 并且将Pentaho工作节点, Hitachi Content Intelligence和Hitachi Infrastructure Director的管理软件移转至容器, 充分发挥其带来的效益. 适用于虚拟储存平台(VSP)的储存虚拟化操作系统(SVOS)也具有在容器中配置持续性VSP储存空间的插件–我们预计明年将有许多储存供货商跟随此趋势. 」
8. 区块链项目将成熟
区块链将成为2018年的主要焦点, Yoshida认为原因有两个: 第一是加密货币的使用, 在今年已逐渐被接受作为饱受恶性通货膨胀困扰之国家的稳定货币. 日本和新加坡也表示, 将在2018年创造由银行经营并由主管机关管理的均一面额加密货币. 消费者将使用此货币进行P2P支付, 电子商务和转账, 使得许多银行将借助区块链建立管理加密货币帐户所需的能力.
第二是区块链逐渐被用于金融领域的例行程序, 例如内部监管功能, 客户文件和监管归档. 预计在2018年也将扩大经过区块链分类账(ledgers)的跨行转账, 其他产业将开始看到具有智能合约的原型以及用于医疗, 政府, 食安和仿冒品的身分识别服务.
9. 生物辨识验证的时代来临
现今消费者需要的密码越来越多, 这将促进2018年生物辨识验证的趋势. Skingsley表示: 「事实上, 大多数人都使用同一组密码存取其认为不重要的帐户. 黑客也知道这一点, 所以一旦他们找出密码, 就能成功破解其他帐户. 企业逐渐意识到代表我们身分的密码, ATM卡, PIN码都可破解, 即使有双重验证也一样.
「智能型手机供货商和金融公司开始使用代表真实用户的生物辨识技术来解决此问题, 但选择正确的生物辨识技术很重要, 像指纹这种生物辨识技术如果遭破解, 就无法像重设PIN码或密码一样加以重设. 由于指纹会留在我们所碰触的任何物体上, 不难想象黑客可能会窃取指纹并重复使用. Hitachi建议采用指静脉技术, 指静脉只有当红外光通过活体手指撷取静脉图形时才能被看到, 最能防止伪造. 」
10. 共创价值思维
传统商业思维以生产者透过选择产品与服务, 来自主决定价值的前提为出发点. 消费者通常在市场研究中以被咨询的方式, 被动的参与创造解决方案和价值的过程. Yoshida认为2018年将会是从以生产者为中心创造价值的方式, 转为价值共创的思维.
Yoshida表示: 「生产者和消费者再也无法在采取这种传统价值创造方法的数字世界生存. 在数字世界中, 变化持续不断, 问题涵盖多个领域, 产业领域和界线逐渐模糊. 生产者无法耗费多年时间开发解决方案, 消费者也不能在无法满足其需求的多年蓝图上规划事业. 如果消费者和生产者要创新, 就必须以共创者的身分主动参与价值创造过程. 」
Hitachi将共创视为与客户和生态系统参与者协作的过程, 为企业利害关系人, 客户以及整个社会创新和创造新的价值. 该公司持续与众多客户共同创造并开发出共创方法, 预计将在2018年进一步加以推广. eettaiwan