Die Fortsetzung der hitzigen Diskussion auf den globalen Märkten im Jahr 2017, verbunden mit der aktiven Beteiligung verschiedener Technologieunternehmen, künstlicher Intelligenz (AI) und Autopilot / Automobiltechnologie, wird voraussichtlich auch 2018 der wichtigste Faktor in der Halbleiterindustrie bleiben Zwei "A" -Anwendungen mit Wachstumspotenzial.
Das Jahr 2017 wird von der Technologiebranche als "das erste Jahr der Entwicklung künstlicher Intelligenz" angesehen, und das Jahr 2018 wird voraussichtlich ein Jahr von künstlicher Intelligenz in die reale Welt vom Labor bis zur Technologie für die breite Öffentlichkeit im täglichen Leben sein. So entwickelte Google beispielsweise einen proprietären Tensor-Prozessor (TPU) für sein eigenes Server-Center, Project Brainwave, eine Low-Latency-Deep-Learning-Cloud-Plattform von Microsoft und Intel Intel) Nervana-Chips, die speziell für maschinelles Lernen entwickelt wurden, Nvidia-Grafikprozessoren (GPUs) und künstliche Intelligenz-Chips entwickeln sich weiter.
Es gibt auch Qualcomms dedizierte Chips für neuronale Netzwerke, TrueNorth, den ersten von IBM entwickelten Gehirnchip, und Spiking, einen für das unbeaufsichtigte Lernen von Gehirnchips entwickelten neuronenadaptiven Prozessor sowie die Startups Cerebras und Groq Einführung von Chips künstlicher Intelligenz im Jahr 2018. Diese Arten von Chips künstlicher Intelligenz werden in verschiedenen Arten von Geräten stationiert, die näher an der Öffentlichkeit sind und mit High-Performance-Computing (HPC) -Chips arbeiten, die Big-Data-Analyse in Cloud-Rechenzentren durchführen, um neue Benutzer für die Verbraucher zu schaffen Erfahrung und weil AI-Chips und HPC-Chips komplexere Rechenfunktionen ausführen und große Datenmengen speichern müssen, ist das Schaltungsdesign groß, die Struktur wird komplexer, Chip-Tests werden als integraler Bestandteil erwartet.
Wie für alle Arten von Halbleiteranwendungen ist der stärkste Wachstumsmotor der Automobilelektronik-Markt geworden, da die Fahrerassistenzsysteme (ADAS) und der Aufstieg der AI-driven Autopilot-Technologie, und weiter der Fokus-Industrie in den letzten Jahren; ADAS / Autopilot das ultimative Ziel ist es, die Treiberelektronik zu unterstützen, jede Möglichkeit menschlicher Fehler und Fahr blinde Flecken oder sogar Ersatz für den direkten menschlichen Antriebsmaschinen auszuschließen, in der Hoffnung Sicherheit zu erreichen ‚Null Unfälle‘ Verkehr.
Um die gewünschte vollautomatische Fahr, die Fähigkeit zu hand große und komplexe Datenmengen von den Automobilsensoren und anderen Geräten, hergestellt von High-Performance Computing AI-Chip ist der Schlüssel, mit Sicherheits Zertifizierung von Qualitätsmanagement ist der Schlüssel für das ordnungsgemäße Funktionieren des Chips zu erreichen. daher wird in der Design-Standards Fahrzeugsicherheit des Chips folgen, wird strenger sein als jedes anderes Unterhaltungselektronik-Chip-Design für den 3.5T Pkw in ISO 26262 Automobil-Elektronik / Elektrik Funktionssicherheit festgelegt Diese Norm deckt den gesamten "Sicherheitslebenszyklus" eines Fahrzeugs ab, von Entwurf, Produktion, Betrieb und Wartung bis hin zum endgültigen Recycling von Schrott und verbessert wirksam die Zuverlässigkeit der Systemsicherheitsfunktionen des Fahrzeugs. Sie wird von Tier 1 unterstützt Automobilzulieferer legen großen Wert auf den Standard.
Ferner ist der Supply-Chain-Tier-1-Automobilelektronik einzugeben, muß auch mit AEC-Q100 (IC-Chip), 101 (separates Element), 200 (passives Element) Zuverlässigkeitsstandards, Qualität und Supply-Chain-Management-Versagen Null-Standard ISO / TS erfüllen 16949 Spezifikation, auch wesentlich von ISO 7637-2 / 16750-2 elektrische Lastprüfung bei ADAS / autonome Fahrzeuge, die AI-Chip kombinieren, Chip-Anforderungen an die Zuverlässigkeit des Depots wird höher sein, so dass der Test-Technologie wird eine wichtigere Rolle spielen. Dies wird der Schlüssel zum sicheren Fahren eines selbstfahrenden Fahrzeugs sein, und es wird bedeuten, dass das Halbleiter-Testen von Kraftfahrzeugen in eine völlig neue Ära eintritt.