延續在2017年於全球市場引發的熱烈討論, 再加上各家科技大廠的積極投入, 人工智慧(AI)與自動駕駛/車用電子(Automotive)技術, 預期仍會是2018年半導體產業最具發展潛力的兩個 'A' 級應用.
2017年被科技產業界視為 '人工智慧發展元年' , 而預期2018年會是人工智慧從實驗室跨入現實世界, 轉變為大眾日常生活可用技術的一年. 預期人工智慧將在2018年大舉進入晶片產品, 亦即 'AI on Chip' ; 如Google為自家伺服器中心自行研發打造專屬張量處理器(TPU), 微軟(Microsoft)以FPGA打造的低延遲深度學習雲端平台Project Brainwave, 英特爾(Intel)專為機器學習開發的Nervana晶片; Nvidia的繪圖處理器(GPU)及人工智慧晶片亦不斷推陳出新.
還有高通(Qualcomm)推出神經網路(neural network)專用晶片; IBM研發的首個大腦晶片TrueNorth及為大腦晶片無監督學習研發的神經元自適應處理器Spiking, 以及新創公司Cerebras, Groq預計於2018年推出人工智慧晶片. 這類人工智慧晶片將進駐各類更接近大眾的裝置, 搭配在雲端資料中心執行大數據資料分析的高性能運算(HPC)晶片, 為消費者創造全新的使用者體驗; 而因為AI晶片與HPC晶片都需要執行更複雜的運算功能以及儲存大量資料, 電路設計規模較大, 結構也會比較複雜, 晶片測試預期會是不可或缺的一環.
至於已經成為近年來各類半導體應用中成長動力最強勁的車用電子市場, 則因為先進駕駛輔助系統(ADAS)以及AI驅動的自動駕駛技術的崛起, 而更進一步成為產業焦點; ADAS/自動駕駛的終極目標就是以電子技術協助駕駛人排除任何行車盲點與人為操作失誤的可能性, 甚至直接用機器駕駛取代人類, 期望能實現 '零事故' 的交通安全.
為了達成完全自動駕駛的理想, 能夠及時處理由汽車感測器等裝置所產生的龐大又複雜的資料量的高效能運算AI晶片是關鍵, 而安全認證跟品質管理則是晶片正確運作的關鍵. 因此車用晶片在設計時所需要遵循的安全標準, 也會比其他任何消費性電子晶片設計更為嚴謹. 針對3.5噸以下載客車輛所訂定的ISO 26262車用電子/電機系統功能安全性標準, 涵蓋了車輛從設計, 生產, 營運, 維修到最後報廢回收的整個 '安全生命周期' (safety lifecycle), 能有效提升車輛系統安全功能的可靠度, 是受到全國際車廠與一階(Tier)汽車零組件供應商高度重視的標準.
此外, 若要進入Tier 1汽車電子供應鏈, 還需要符合AEC-Q100 (IC晶片), 101 (分離式元件), 200 (被動元件)可靠度標準, 以及零失效供應鏈品質管理標準ISO/TS 16949規範; 通過ISO 7637-2/16750-2電力負載測試也不可少. 當ADAS/自動駕駛車輛晶片結合AI功能, 車廠對晶片可靠度的要求會更高, 因此測試技術將扮演更重要的角色, 這會是自動駕駛車輛能否安全上路的關鍵, 也意味著車用半導體測試邁入一個全新的時代.