1.三星7nm晶圆厂周五动土,投资56亿美元;
集微网消息, 三星电子位于南韩华城市(Hwaseong)的晶圆新厂本周五(2月23日)将正式动土, 预定明年下半年开始量产7nm以下制程的芯片, 未来可望在智能装置, 机器人的客制化芯片取得不错进展.
Pulse by Maeil Business News Korea 20日报导, 三星计划投入6兆韩圜(相当于56亿美元)升级晶圆产能. 位于华城市的晶圆新厂将安装超过10台极紫外光(EUV)微影设备, 由于每台EUV设备要价皆多达1,500亿韩圜, 因此光是采购机台的费用, 就将达到3-4兆韩圜. 三星6nm晶圆厂的建设计划, 也会在近期公布.
相较之下, 台积电则已开始在今年开始试产7nm芯片, 预定第2季为联发科推出芯片原型, 并于明年初开始全力量产.
台积电采用5nm先进制程的12寸晶圆厂今年1月26日正式动土, 预计第一期厂房明年第一季就可完工装机, 2020年年初进入量产. 台积电公告指出, 待2022年第一, 二, 三期厂房皆进入量产时, 年产能预估可超过100万片十二寸晶圆.
台积电2016年以优越的前端硅晶圆制造和最新封装科技, 将苹果的应用处理器订单整碗捧走, 三星决心雪耻, 传出要在2018年研发全新的封装制程, 抢回苹果订单.
韩国媒体ETNews 2017年12月28日报导, 业界消息确认, 三星半导体事业部已经投入资金, 拟开发全新的 「扇出型晶圆级封装」(Fan-Out Wafer Level Packaging; FOWLP)制程, 由三星去年底从英特尔挖角的半导体研究机构董事Oh Kyung-seok全程监制. 三星坚信, 等封装制程研发完毕后, 苹果订单即可顺利夺回, 因此公司也会赶在2019年结束前, 将量产设备打造完毕.
台积电是全球第一家把应用处理器的FOWLP技术商业化的晶圆代工业者, 也因此赢得iPhone 7的16奈米A10处理器, iPhone 8的10奈米A11处理器订单. 专家认为, 虽然三星, 台积电的前端硅晶圆制程技术不相上下, 但苹果对台积电的封装科技评价很高, 也决定把订单交给台积电.
业界人士指出, 三星到目前为止依旧把重点放在前端制程, 对后端的投资并不多, 在痛失苹果订单后, 三星如今终于感受到后端封装的重要性.
2.最新影像传感器技术在ISSCC争艳;
在2018年度ISSCC亮相的影像传感器技术新进展超越了以前着重在「选美」的影像撷取, 添加了更多情境信息...
在2018年度的国际固态电路会议(ISSCC)上, 有几项在影像传感器技术方面的新进展亮相, 超越了以前着重在「选美」的影像撷取, 添加了更多情境信息; 这些新进展包括了事件导向(event-driven)传感器, 能解决运动中物体影像扭曲问题的全局快门(global shutters)新方法, 以及飞行时间(ToF)影像传感器.
具备动作侦测功能的CMOS影像传感器
索尼(Sony)在ISSCC发表的事件导向低功耗CMOS影像传感器, 就是一个为所撷取影像添加情境信息的好例子, 该公司的设计工程师团队直接在影像传感器内部布置了运动侦测(motion detection)功能.
在一篇论文中, Sony详细介绍了一款1/4吋, 390万画素(3.9Megapixel)的低功耗事件导向背照式堆栈(back-illuminated stacked) CMOS影像传感器, 整合了画素读取电路(pixel readout circuit), 能侦测每一个画素的运动物体. 根据Sony开发团队的描述, 开发这款事件导向影像传感器的幕后动机, 是为了满足那些低功耗, 永不关机装置也要配备高画质成像技术的需求.
随着诸如家用保全摄影机, 虚拟个人助理等无线连网装置崛起, 物联网(IoT)系统设计工程师也在寻找能延长电池寿命的小型解决方案, 事件导向技术正适合保全系统应用; 这类影像传感器内建了智能功能, 能实时侦测运动物体.
Sony的事件导向传感器具备画素数组, 列驱动器(row drivers), 列译码器(row decoders), 单斜率产生器(single-slope generation), 动作/光侦测功能区块, 影像讯号处理器, 讯框内存SRAM, MIPI链接埠, 以及链接至传感器控制区块的CPU
(来源: Sony)
如上图所示, 当Sony事件导向传感器侦测到运动物体时, CPU会产生一个外部中断讯号, 利用芯片上的自动曝光, 以零延迟触发对高画质影像的撷取. Sony表示, 该影像传感器利用每个画素区块共享之浮动扩散(floating diffusion)中的画素加总(pixel summation), 实现了每秒10讯框的运动物体侦测.
Sony位于美国硅谷的影像传感器设计中心资深嵌入式软件工程师Abhinav Mathur表示, 该影像传感器的运作功耗仅1.1mW, 而相同的全分辨率, 每秒60讯框速率CMOS影像传感器功耗为95mW; 在事件纪录的应用中, 此传感器能在摄影机系统的低功耗感测模式下显著降低功耗与数据带宽.
Sony事件导向传感器功能区块
(来源: Sony)
ToF传感器技术进展
3D深度摄影机正夯, 相关技术的竞争焦点在于更高分辨率, 更低功耗以及更小体积; 微软(Microsoft)在ISSCC简报了应用于Kinect 2动作感测装置的ToF传感器进展, 该传感器采用的是经过改善的连续波( Continuous-Wave, CW)式ToF技术, 号称将最新的ToF传感器推向了百万画素等级.
Microsoft的最新ToF传感器
(来源: Microsoft)
Microsoft的团队认为, 在市面上各种3D影像撷取技术中, CW ToF成像系统能提供优异的机械强度, 无要求底线, 以及高效能深度影像分辨率, 低运算成本, 还有IR环境光强度不变 (IR ambient light invariant intensity)同步撷取──即主动亮度(active brightness)──等特性, 因此该团队致力于改善CW ToF摄影机的空间分辨率, 精确度以及运作范围, 同时降低其功耗.
此外Microsoft也藉由提升调变对比(modulation contrast), 量子效率以及调变频率来改善CW ToF影像传感器的不确定性与功耗, 消除了读取噪声与模拟数字转换, 同时以较小画素降低了光学堆栈的高度.
Microsoft的ToF传感器规格
(来源: Microsoft)
小型画素(3.5 x 3.5μm)对新一代ToF传感器在智能型手机应用的竞争上非常重要, Microsoft号称其方案具备商用全局快门RGB传感器竞争力, 以及适用手持式装置的小型光学堆栈 ; 该公司在ISSCC论文中介绍的1024x1024画素ToF全局快门影像传感器, 能在200MHz下达到87%的调变对比, 采用台积电(TSMC)的65奈米1P8M背照式CMOS技术.
画素内噪声消除
松下(Panasonic)在ISSCC展示其有机光导薄膜(organic photoconductive film, OPF) CMOS影像传感器技术最新进展──将OPF CMOS影像传感器中的光电转换功能与电路分离 ; 藉由这种独特架构, 该公司团队将新开发的高速噪声消除技术以及高饱和度技术整合至电路, 同时利用传感器的独特敏感度控制功能来改变施加到OPF的电压, 因此实现全局快门功能.
OPF CMOS影像传感器与传统全局快门传感器的架构比较; Panasonic声称其最新传感器是业界首款提供8K分辨率, 60fps讯框速率, 450k电子饱和度, 并具备全局快门功能
(来源: Panasonic)
在过去, 广播电视与保全应用的高分辨率, 高保真度摄影机, 如8K超高分辨率电视系统与采用堆栈传感器方案的8K摄影机的共同缺陷, 是采用滚动快门(rolling-shutter)而非全局快门. 在全局模式下, 快门运作能同步撷取所有画素的影像; 而滚动快门模式的有机CMOS影像传感器, 则是以逐行(row by row)方式曝光与运作.
Panasonic表示, 滚动快门会导致失真问题, 特别是在高速成像以及多视角影像合成应用时
(来源: Panasonic)
Panasonic新开发的传感器号称能实时撷取不失真的运动物体影像, 该公司认为这对多视角与高速, 高分辨率摄影机特别有益, 例如机器视觉与智能交通监控系统的应用; 而因为光电转换与电路能分开设计, 利用画素内增益开关( in-pixel gain-switching)技术能达到高饱和度特性, 电压控制敏感度调变技术则是藉由改变施加至OPF的电压来调整敏感度.
Panasonic新开发的CMOS影像传感器能撷取8K分辨率影像, 甚至在高对比度度的场景中, 同时具备全局快门功能, 可用全画素撷取同步影像
(来源: EE Times)
支持200公尺距离的成像光达
东芝(Toshiba)的工程师团队在ISSCC发表的是长距离, 高分辨率光达(LiDAR)系统最新技术, 利用来自目标物反射光子(reflected photon)的ToF信息; 而因为其目标是距离量测(distance measurement, DM), 该团队将支持距离定在200公尺, 也就是一辆行驶于高速公路上的汽车, 感测正在接近的其他车辆或物体的最理想距离.
而Toshiba的团队也指出, 若要在城市区域实现安全可靠的自动驾驶车辆, 光达系统必须要有宽广视角与高分辨率, 才能完整感知周遭情况; 要实现此目标的一个棘手挑战是, 光达系统得时常与强烈的背景光线(例如阳光)对抗, 那也是光达系统最主要的噪声来源.
车用光达系统的侦测距离要求以及Toshiba的解决方案规格
(来源: Toshiba)
Toshiba介绍了一种结合时间至数字值转换器(Time-to-Digital Converter, TDC)与模拟数字转换器(ADC)的光达SoC, 配备了一种命名为智能累加技术(Smart Accumulation Technique, SAT)的功能, 号称能让光达系统达到200公尺的视距以及自动驾驶车辆需要的高分辨率影像.
根据Toshiba的说法, SAT能利用来自ADC的强度与背景光信息, 识别并累计仅从目标物反射的数据, 因此与传统的累加技术相较, 其分辨率能达到四倍. 该TDC/ADC组合架构放宽了ADC采样率需求, 以支持短距离DM精确度; 此外该概念验证支持200公尺距离的光达系统, DM距离是传统设计的两倍, 可实现240x96画素分辨率与0.125%的DM精确度.
Toshiba光达方案与传统设计的性能比较
(来源: Toshiba)
画素平行接合技术
不只Panasonic, Sony也注意到滚动快门影像传感器撷取运动物体影像失真的问题, 指出画素内模拟内存(in-pixel analog memory)与画素平行(pixel-parallel) ADC虽是潜在解决方案, 但这些技术都无法支持百万画素分辨率, 因为它们都没有解决在一个画素中读写ADC数字讯号的时序限制(timing constraint)问题.
Sony在ISSCC论文中提出的方案, 是利用具备每画素单一ADC的堆栈影像传感器, 在CMOS传感器实现全局快门
(来源: Sony)
Sony的堆栈式背照CMOS影像传感器, 配备146万画素14位ADC, 采用画素级接合技术(pixel-level bonding technology). 该公司表示, 具备正向回馈电路的次临界值比较器(subthreshold comparator)有助于降低比较器运作电流与电路区域最小化, 能降低功耗.
编译: Judith Cheng
(参考原文: Rivals Expand Image Sensor Scope, by Junko Yoshida)eettaiwan
3.5大迹象显示内存芯片「超级循环」将结束;
财经部落格《Seeking Alpha》专栏作家指出, 在苹果下调 iPhoneX 产量, 以及大陆半导体公司预计在 2019 年将完成内存厂设置, 内存的供需出现变化, 在产能预期可提升的情况下, 全球 DRAM 的平均售价将降低.
《Seeking Alpha》专栏作家 Robert Castellano 表示, 有 5 大迹象显示, 内存的「超级循环」即将结束.
1. 内存平均售价呈现下滑
作者根据 Korea Investment & Securities 提供的数据, 统整 2016 年至 2018 年 NAND 和 DRAM 平均销售价格 (ASPs), 数据显示三星电子 SK 海力士的 NAND 和 DRAM 平均销售 价格变化, 在最近几季呈现下滑趋势.
三星 NAND 和 DRAM 平均销售价格变化
SK 海力士的 NAND 和 DRAM 平均销售价格变化
2. 大陆发改委和三星签署备忘录
大陆国家发展和改革委员会与三星电子在芯片合作方面签署备忘录, 将在芯片生产, 人工智能与半导体制造等领域进行潜在的合作, 业界分析, 双方的合作将可能使全球 DRAM 降价与增产.
3. 三星 NAND 闪存扩充产能量减少
三星电子决定在 2018 年提升内存产能, 以限制竞争对手的利润成长, 并提高对潜在中国竞争对手的进入壁垒 (Barriers to entry). 三星原先预计在韩国平泽的工厂, 开辟楼层建立新的 NAND 闪存生产线, 但在价格下降后, 三星将计划改为, 在二楼部份区域建立 DRAM 生产线.
DRAMexchange 预计 2018 年 DRAM 供给位预计成长 22.5% , 高于 2017 年的约 19.5% . 而 2018 年 DRAM 的收入预计将成长 30% , 远低于 2017 年的 76% 营收成长.
4. 大陆厂商完成内存生产工厂设置
大陆半导体厂商的内存工厂, 可能最快在 2019 年下旬即可开始营运, 位于福建的晋华集成电路公司指出, 工程进度加快, 预计在今年 10 月将完成主要工厂的结构建设, 而总部位于武汉的长江存储科技公司将投资 24 亿美元 建设 3 座大型 3D NAND 闪存制造工厂, 一号工厂预计将于 2018 年正式开始生产, 月产能约为 30 万片晶圆, 最后, 位于合肥的睿力集成电路公司, 购买了一批 DRAM 生产器具.
此外, 苹果 (AAPL-US) 正在与长江存储科技公司接洽, 将可能向他们购买内存芯片, 目前苹果的 NAND 闪存供货商为东芝, 威腾电子, 三星与 SK 海力士.
5. 苹果下修 iPhone X 产量达一半
上海研究公司 CINNO 的分析师 Sean Yang 指出, 苹果为这些芯片的最大消费者, 2017 年占全球总需求量的 1.6% , 约为 1.6 亿千兆位组 (gigabytes). iPhone X 的产量减少, 意味着内存芯片的消费者减少, 将使 NAND 和 DRAM 和平均售价上升幅度减缓.
钜亨网
4.2017年第四季服务器DRAM营收成长约13.9%;
集微网消息, 根据集邦咨询半导体研究中心(DRAMeXchange)调查显示, 回顾2017年第四季, 其中北美数据中心的需求持续强劲, 即使原厂透过产品线调整, 但仍无法有效纾解市场供给吃紧的状况. Server DRAM受惠平均零售价(Average Selling Price)的上扬, 三大DRAM原厂Server DRAM营收季成长约13.9%.
DRAMeXchange资深分析师刘家豪指出, 进入2018年第一季, 在服务器出货动能不减的情况下, 整体Server DRAM供不应求的市况依然持续, 而Server DRAM模组的报价将会维持在高点.
三星 (Samsung)
受惠于数据中心的建案与高容量模组的需求, 2017年第四季三星Server DRAM营收表现格外亮眼, 不仅位元出货量较第三季度成长8%外, 平均零售价也往上成长, 营收较第三季上扬14.5%, 来到29.19亿美元, 占整体市场约46.2%. 三星现阶段仍然会持续针对各家OEM/ ODM调整供货达标率, 以期望满足主要客户需求进而提高获利水平.
SK海力士 (SK Hynix)
因来自于北美数据中心的需求, SK海力士对Server DRAM产品配置上更为积极, 第四季整体Server DRAM产出比重已超过30%. 其次, 因新平台转换而带动高容量模组的需求, 也让SK海力士第四季营收较第三季大幅成长10.9%至19.88亿美元, 营业利益率也较第三季改善. 2018年因服务器内存需求将维持在高点, SK海力士将会逐季提高Server DRAM产出的比重, 并且着重在新制程18nm产品的转进与渗透率的提升.
美光 (Micron)
除了受到价格持续上涨以及制程微缩所带来的成本效益, 除第四季Server DRAM位元出货量较前一季成长外, 平均销售单价也有明显地跃升, 其Server DRAM产品营收成长17.2%, 达到14.14亿美元, 市占来到22.4%的水平. 以产品面来看, 美光在Server DRAM的比重仍然维持在近三成水位, 现阶段获利的持续增长完全有赖于内存平均销售单价的提升.
5.Windows 10 on ARM无法执行特定OpenGL版本游戏;
集微网消息, 微软去年发表了采用ARM架构处理器的Windows 10连网装置, 最近更多细节出炉, 不只不支持x86程序, 也无法执行特定OpenGL版本的游戏
微软于2016年年底宣布将与高通携手打造采用ARM处理器的Windows设备, 去年底发表首批搭载ARM处理器的Windows 10笔记本电脑, 宣称除了具备高效能, 低耗电, 可随时连网 (Always Connected PC) 的特性之外, 也可兼容于x86 Win32程序与通用窗口 (Universal Windows) 程序, 不过, 比起Windows on x86, Windows 10 on ARM仍有少许限制.
微软上周不小心公开了Windows 10 on ARM在程序与经验上的限制, 虽然微软很快就将该文件删除, 但已被Internet Archive存盘.
从限制列表来看, Windows 10 on ARM只支持ARM64驱动程序, 亦不支持x64程序, 无法执行采用特定OpenGL版本的游戏或程序, 有些定制化的功能无法妥善运作, 有些程序于移动版Windows上可能有排版问题, 也不支持Hyper-V.
上述限制意谓着周边制造商必须将x86驱动程序重新编译成ARM64版本, 且Windows 10 on ARM只支持采用DirectX 9, DirectX 10, DirectX 11与DirectX 12的程序, 而不支持要求OpenGL 1.1版之后或硬件加速OpenGL的游戏或程序.
看起来Windows 10 on ARM仍适用于大多数的场景与程序, 微软亦针对某些限制提供了解决方案, 外界则认为得等到实机进入市场之后才能确认相关设备的能力. 率先于今年春天上市的两款Windows 10 on ARM笔电将分别是ASUS NovaGo与HP的Envy x2can, 皆标榜有高达20小时的电池续航力.
6.MIT研发新型AI芯片 将神经网路带到移动装置
麻省理工学院(MIT)研究人员开发出1种新型人工智慧(AI)晶片, 能将神经网路的运算速度提升3~7倍, 同时降低高达95%的功耗.
根据TechCrunch及Tech Xplore报导, 该晶片是由MIT研究生Avishek Biswas领导的小组所开发. 其最大优点是能在智慧型手机, 家用装置和其他便携式装置上, 而不是高耗电的伺服器运行神经网路.
这意味着未来使用该晶片的手机可用神经网路进行语音和人脸辨识及本机深度学习, 而不是使用更粗糙, 基于规则的演算法, 或将资讯传送到云端分析再回传结果.
Biswas表示, 一般AI晶片设计都有记忆体和处理器. 运算时, 数据会在记忆体和处理器之间来回移动. 机器学习演算法需要进行大量运算, 因此数据的来回传输最耗电. 但这些演算法的运算可简化为称为点积(dot product)的特定操作, 若能直接在记忆的中执行点积运算, 就不必来回传输数据.
神经网路通常会分成很多层. 某个网路层中的单个处理节点通常会接收来自下层中几个节点的数据, 并将数据传递给上层中的多个节点. 节点之间的每个连接都有其权重. 而培训神经网路的过程主要就是在调整这些权重.
某个节点获得下层多个节点的数据后, 就会将每个数据乘以其权重, 并将这些结果相加. 此运算过程就称为点积. 若点积超过某个阈值, 此结果将被传送给更上层的节点.
事实上, 这些节点仅为储存在电脑记忆体中的权重. 计算点积通常涉及从记忆体中读取权重, 获取相关数据, 将两者相乘, 并在某处储存结果, 并在节点的所有输入数据上重复此操作. 鉴于1个神经网路将有数千甚至数百万个节点, 过程中必须移动大量数据.
但这一系列的操作是以数位化方式来呈现大脑中发生的事件. 在大脑中, 信号会沿着多个神经元行进, 并在突触相遇. 而神经元的放电速率和穿过突触的电化学信号, 则对应神经网路中的数据值和权重. MIT研究人员的新晶片透过更忠实地复制大脑活动来提高神经网路的效率.
在此晶片中, 节点的输入值被转换成电压, 再乘以适当权重. 唯有组合的电压会被转换回数据, 并储存在记忆体中等待进一步处理. 因此, 该原型晶片能同时计算16个节点的点积结果, 而不必每次运算时都要在处理器和记忆体之间移动数据.
IBM AI副总裁Dario Gil表示, 这项研究的成果可望开辟在物联网(IoT)中使用更复杂的卷积神经网路进行影像和视讯分类的可能性. DIGITIMES