1.三星7nm晶圓廠周五動土,投資56億美元;
集微網消息, 三星電子位於南韓華城市(Hwaseong)的晶圓新廠本周五(2月23日)將正式動土, 預定明年下半年開始量產7nm以下製程的晶片, 未來可望在智能裝置, 機器人的客制化晶片取得不錯進展.
Pulse by Maeil Business News Korea 20日報導, 三星計劃投入6兆韓圜(相當於56億美元)升級晶圓產能. 位於華城市的晶圓新廠將安裝超過10台極紫外光(EUV)微影設備, 由於每台EUV設備要價皆多達1,500億韓圜, 因此光是採購機台的費用, 就將達到3-4兆韓圜. 三星6nm晶圓廠的建設計劃, 也會在近期公布.
相較之下, 台積電則已開始在今年開始試產7nm晶片, 預定第2季為聯發科推出晶片原型, 並於明年初開始全力量產.
台積電採用5nm先進位程的12寸晶圓廠今年1月26日正式動土, 預計第一期廠房明年第一季就可完工裝機, 2020年年初進入量產. 台積電公告指出, 待2022年第一, 二, 三期廠房皆進入量產時, 年產能預估可超過100萬片十二寸晶圓.
台積電2016年以優越的前端矽晶圓製造和最新封裝科技, 將蘋果的應用處理器訂單整碗捧走, 三星決心雪恥, 傳出要在2018年研發全新的封裝製程, 搶回蘋果訂單.
韓國媒體ETNews 2017年12月28日報導, 業界消息確認, 三星半導體事業部已經投入資金, 擬開發全新的 「扇出型晶圓級封裝」(Fan-Out Wafer Level Packaging; FOWLP)製程, 由三星去年底從英特爾挖角的半導體研究機構董事Oh Kyung-seok全程監製. 三星堅信, 等封裝製程研發完畢後, 蘋果訂單即可順利奪回, 因此公司也會趕在2019年結束前, 將量產設備打造完畢.
台積電是全球第一家把應用處理器的FOWLP技術商業化的晶圓代工業者, 也因此贏得iPhone 7的16奈米A10處理器, iPhone 8的10奈米A11處理器訂單. 專家認為, 雖然三星, 台積電的前端矽晶圓製程技術不相上下, 但蘋果對台積電的封裝科技評價很高, 也決定把訂單交給台積電.
業界人士指出, 三星到目前為止依舊把重點放在前端製程, 對後端的投資並不多, 在痛失蘋果訂單後, 三星如今終於感受到後端封裝的重要性.
2.最新影像感測器技術在ISSCC爭豔;
在2018年度ISSCC亮相的影像感測器技術新進展超越了以前著重在「選美」的影像擷取, 添加了更多情境資訊...
在2018年度的國際固態電路會議(ISSCC)上, 有幾項在影像感測器技術方面的新進展亮相, 超越了以前著重在「選美」的影像擷取, 添加了更多情境資訊; 這些新進展包括了事件導向(event-driven)感測器, 能解決運動中物體影像扭曲問題的全局快門(global shutters)新方法, 以及飛行時間(ToF)影像感測器.
具備動作偵測功能的CMOS影像感測器
索尼(Sony)在ISSCC發表的事件導向低功耗CMOS影像感測器, 就是一個為所擷取影像添加情境資訊的好例子, 該公司的設計工程師團隊直接在影像感測器內部布置了運動偵測(motion detection)功能.
在一篇論文中, Sony詳細介紹了一款1/4吋, 390萬畫素(3.9Megapixel)的低功耗事件導向背照式堆棧(back-illuminated stacked) CMOS影像感測器, 整合了畫素讀取電路(pixel readout circuit), 能偵測每一個畫素的運動物體. 根據Sony開發團隊的描述, 開發這款事件導向影像感測器的幕後動機, 是為了滿足那些低功耗, 永不關機裝置也要配備高畫質成像技術的需求.
隨著諸如家用保全攝影機, 虛擬個人助理等無線連網裝置崛起, 物聯網(IoT)系統設計工程師也在尋找能延長電池壽命的小型解決方案, 事件導向技術正適合保全系統應用; 這類影像感測器內建了智能功能, 能即時偵測運動物體.
Sony的事件導向感測器具備畫素數組, 列驅動器(row drivers), 列解碼器(row decoders), 單斜率產生器(single-slope generation), 動作/光偵測功能區塊, 影像訊號處理器, 訊框記憶體SRAM, MIPI連結埠, 以及連結至感測器控制區塊的CPU
(來源: Sony)
如上圖所示, 當Sony事件導向感測器偵測到運動物體時, CPU會產生一個外部中斷訊號, 利用晶片上的自動曝光, 以零延遲觸發對高畫質影像的擷取. Sony表示, 該影像感測器利用每個畫素區塊共用之浮動擴散(floating diffusion)中的畫素加總(pixel summation), 實現了每秒10訊框的運動物體偵測.
Sony位於美國矽谷的影像感測器設計中心資深嵌入式軟體工程師Abhinav Mathur表示, 該影像感測器的運作功耗僅1.1mW, 而相同的全解析度, 每秒60訊框速率CMOS影像感測器功耗為95mW; 在事件紀錄的應用中, 此感測器能在攝影機系統的低功耗感測模式下顯著降低功耗與數據頻寬.
Sony事件導向感測器功能區塊
(來源: Sony)
ToF感測器技術進展
3D深度攝影機正夯, 相關技術的競爭焦點在於更高解析度, 更低功耗以及更小體積; 微軟(Microsoft)在ISSCC簡報了應用於Kinect 2動作感測裝置的ToF感測器進展, 該感測器採用的是經過改善的連續波( Continuous-Wave, CW)式ToF技術, 號稱將最新的ToF感測器推向了百萬畫素等級.
Microsoft的最新ToF感測器
(來源: Microsoft)
Microsoft的團隊認為, 在市面上各種3D影像擷取技術中, CW ToF成像系統能提供優異的機械強度, 無要求底線, 以及高效能深度影像解析度, 低運算成本, 還有IR環境光強度不變 (IR ambient light invariant intensity)同步擷取──即主動亮度(active brightness)──等特性, 因此該團隊致力於改善CW ToF攝影機的空間解析度, 精確度以及運作範圍, 同時降低其功耗.
此外Microsoft也藉由提升調變對比(modulation contrast), 量子效率以及調變頻率來改善CW ToF影像感測器的不確定性與功耗, 消除了讀取雜訊與類比數字轉換, 同時以較小畫素降低了光學堆棧的高度.
Microsoft的ToF感測器規格
(來源: Microsoft)
小型畫素(3.5 x 3.5μm)對新一代ToF感測器在智能型手機應用的競爭上非常重要, Microsoft號稱其方案具備商用全局快門RGB感測器競爭力, 以及適用手持式裝置的小型光學堆棧 ; 該公司在ISSCC論文中介紹的1024x1024畫素ToF全局快門影像感測器, 能在200MHz下達到87%的調變對比, 採用台積電(TSMC)的65奈米1P8M背照式CMOS技術.
畫素內雜訊消除
松下(Panasonic)在ISSCC展示其有機光導薄膜(organic photoconductive film, OPF) CMOS影像感測器技術最新進展──將OPF CMOS影像感測器中的光電轉換功能與電路分離 ; 藉由這種獨特架構, 該公司團隊將新開發的高速雜訊消除技術以及高飽和度技術整合至電路, 同時利用感測器的獨特敏感度控制功能來改變施加到OPF的電壓, 因此實現全局快門功能.
OPF CMOS影像感測器與傳統全局快門感測器的架構比較; Panasonic聲稱其最新感測器是業界首款提供8K解析度, 60fps訊框速率, 450k電子飽和度, 並具備全局快門功能
(來源: Panasonic)
在過去, 廣播電視與保全應用的高解析度, 高保真度攝影機, 如8K超高解析度電視系統與採用堆棧感測器方案的8K攝影機的共同缺陷, 是採用滾動快門(rolling-shutter)而非全局快門. 在全局模式下, 快門運作能同步擷取所有畫素的影像; 而滾動快門模式的有機CMOS影像感測器, 則是以逐行(row by row)方式曝光與運作.
Panasonic表示, 滾動快門會導致失真問題, 特別是在高速成像以及多視角影像合成應用時
(來源: Panasonic)
Panasonic新開發的感測器號稱能即時擷取不失真的運動物體影像, 該公司認為這對多視角與高速, 高解析度攝影機特別有益, 例如機器視覺與智能交通監控系統的應用; 而因為光電轉換與電路能分開設計, 利用畫素內增益開關( in-pixel gain-switching)技術能達到高飽和度特性, 電壓控制敏感度調變技術則是藉由改變施加至OPF的電壓來調整敏感度.
Panasonic新開發的CMOS影像感測器能擷取8K解析度影像, 甚至在高對比度度的場景中, 同時具備全局快門功能, 可用全畫素擷取同步影像
(來源: EE Times)
支援200公尺距離的成像光達
東芝(Toshiba)的工程師團隊在ISSCC發表的是長距離, 高解析度光達(LiDAR)系統最新技術, 利用來自目標物反射光子(reflected photon)的ToF資訊; 而因為其目標是距離量測(distance measurement, DM), 該團隊將支援距離定在200公尺, 也就是一輛行駛於高速公路上的汽車, 感測正在接近的其他車輛或物體的最理想距離.
而Toshiba的團隊也指出, 若要在城市區域實現安全可靠的自動駕駛車輛, 光達系統必須要有寬廣視角與高解析度, 才能完整感知周遭情況; 要實現此目標的一個棘手挑戰是, 光達系統得時常與強烈的背景光線(例如陽光)對抗, 那也是光達系統最主要的雜訊來源.
車用光達系統的偵測距離要求以及Toshiba的解決方案規格
(來源: Toshiba)
Toshiba介紹了一種結合時間至數字值轉換器(Time-to-Digital Converter, TDC)與類比數字轉換器(ADC)的光達SoC, 配備了一種命名為智能累加技術(Smart Accumulation Technique, SAT)的功能, 號稱能讓光達系統達到200公尺的視距以及自動駕駛車輛需要的高解析度影像.
根據Toshiba的說法, SAT能利用來自ADC的強度與背景光資訊, 識別並累計僅從目標物反射的數據, 因此與傳統的累加技術相較, 其解析度能達到四倍. 該TDC/ADC組合架構放寬了ADC採樣率需求, 以支援短距離DM精確度; 此外該概念驗證支援200公尺距離的光達系統, DM距離是傳統設計的兩倍, 可實現240x96畫素解析度與0.125%的DM精確度.
Toshiba光達方案與傳統設計的性能比較
(來源: Toshiba)
畫素平行接合技術
不只Panasonic, Sony也注意到滾動快門影像感測器擷取運動物體影像失真的問題, 指出畫素內類比記憶體(in-pixel analog memory)與畫素平行(pixel-parallel) ADC雖是潛在解決方案, 但這些技術都無法支援百萬畫素解析度, 因為它們都沒有解決在一個畫素中讀寫ADC數字訊號的時序限制(timing constraint)問題.
Sony在ISSCC論文中提出的方案, 是利用具備每畫素單一ADC的堆棧影像感測器, 在CMOS感測器實現全局快門
(來源: Sony)
Sony的堆棧式背照CMOS影像感測器, 配備146萬畫素14位ADC, 採用畫素級接合技術(pixel-level bonding technology). 該公司表示, 具備正向回饋電路的次臨界值比較器(subthreshold comparator)有助於降低比較器運作電流與電路區域最小化, 能降低功耗.
編譯: Judith Cheng
(參考原文: Rivals Expand Image Sensor Scope, by Junko Yoshida)eettaiwan
3.5大跡象顯示記憶體晶片「超級迴圈」將結束;
財經部落格《Seeking Alpha》專欄作家指出, 在蘋果下調 iPhoneX 產量, 以及大陸半導體公司預計在 2019 年將完成記憶體廠設置, 記憶體的供需出現變化, 在產能預期可提升的情況下, 全球 DRAM 的平均售價將降低.
《Seeking Alpha》專欄作家 Robert Castellano 表示, 有 5 大跡象顯示, 記憶體的「超級迴圈」即將結束.
1. 記憶體平均售價呈現下滑
作者根據 Korea Investment & Securities 提供的數據, 統整 2016 年至 2018 年 NAND 和 DRAM 平均銷售價格 (ASPs), 數據顯示三星電子 SK 海力士的 NAND 和 DRAM 平均銷售 價格變化, 在最近幾季呈現下滑趨勢.
三星 NAND 和 DRAM 平均銷售價格變化
SK 海力士的 NAND 和 DRAM 平均銷售價格變化
2. 大陸發改委和三星簽署備忘錄
大陸國家發展和改革委員會與三星電子在晶片合作方面簽署備忘錄, 將在晶片生產, 人工智慧與半導體製造等領域進行潛在的合作, 業界分析, 雙方的合作將可能使全球 DRAM 降價與增產.
3. 三星 NAND 快閃記憶體擴充產能量減少
三星電子決定在 2018 年提升記憶體產能, 以限制競爭對手的利潤成長, 並提高對潛在中國競爭對手的進入壁壘 (Barriers to entry). 三星原先預計在韓國平澤的工廠, 開闢樓層建立新的 NAND 快閃記憶體生產線, 但在價格下降後, 三星將計劃改為, 在二樓部份區域建立 DRAM 生產線.
DRAMexchange 預計 2018 年 DRAM 供給位預計成長 22.5% , 高於 2017 年的約 19.5% . 而 2018 年 DRAM 的收入預計將成長 30% , 遠低於 2017 年的 76% 營收成長.
4. 大陸廠商完成記憶體生產工廠設置
大陸半導體廠商的記憶體工廠, 可能最快在 2019 年下旬即可開始營運, 位於福建的晉華整合電路公司指出, 工程進度加快, 預計在今年 10 月將完成主要工廠的結構建設, 而總部位於武漢的長江存儲科技公司將投資 24 億美元 建設 3 座大型 3D NAND 快閃記憶體製造工廠, 一號工廠預計將於 2018 年正式開始生產, 月產能約為 30 萬片晶圓, 最後, 位於合肥的睿力整合電路公司, 購買了一批 DRAM 生產器具.
此外, 蘋果 (AAPL-US) 正在與長江存儲科技公司接洽, 將可能向他們購買記憶體晶片, 目前蘋果的 NAND 快閃記憶體供貨商為東芝, 威騰電子, 三星與 SK 海力士.
5. 蘋果下修 iPhone X 產量達一半
上海研究公司 CINNO 的分析師 Sean Yang 指出, 蘋果為這些晶片的最大消費者, 2017 年佔全球總需求量的 1.6% , 約為 1.6 億千兆位組 (gigabytes). iPhone X 的產量減少, 意味著記憶體晶片的消費者減少, 將使 NAND 和 DRAM 和平均售價上升幅度減緩.
钜亨網
4.2017年第四季伺服器DRAM營收成長約13.9%;
集微網消息, 根據集邦諮詢半導體研究中心(DRAMeXchange)調查顯示, 回顧2017年第四季, 其中北美數據中心的需求持續強勁, 即使原廠透過產品線調整, 但仍無法有效紓解市場供給吃緊的狀況. Server DRAM受惠平均零售價(Average Selling Price)的上揚, 三大DRAM原廠Server DRAM營收季成長約13.9%.
DRAMeXchange資深分析師劉家豪指出, 進入2018年第一季, 在伺服器出貨動能不減的情況下, 整體Server DRAM供不應求的市況依然持續, 而Server DRAM模組的報價將會維持在高點.
三星 (Samsung)
受惠於數據中心的建案與高容量模組的需求, 2017年第四季三星Server DRAM營收表現格外亮眼, 不僅位元出貨量較第三季度成長8%外, 平均零售價也往上成長, 營收較第三季上揚14.5%, 來到29.19億美元, 佔整體市場約46.2%. 三星現階段仍然會持續針對各家OEM/ ODM調整供貨達標率, 以期望滿足主要客戶需求進而提高獲利水平.
SK海力士 (SK Hynix)
因來自於北美數據中心的需求, SK海力士對Server DRAM產品配置上更為積極, 第四季整體Server DRAM產出比重已超過30%. 其次, 因新平台轉換而帶動高容量模組的需求, 也讓SK海力士第四季營收較第三季大幅成長10.9%至19.88億美元, 營業利益率也較第三季改善. 2018年因伺服器記憶體需求將維持在高點, SK海力士將會逐季提高Server DRAM產出的比重, 並且著重在新製程18nm產品的轉進與滲透率的提升.
美光 (Micron)
除了受到價格持續上漲以及製程微縮所帶來的成本效益, 除第四季Server DRAM位元出貨量較前一季成長外, 平均銷售單價也有明顯地躍升, 其Server DRAM產品營收成長17.2%, 達到14.14億美元, 市佔來到22.4%的水平. 以產品面來看, 美光在Server DRAM的比重仍然維持在近三成水位, 現階段獲利的持續增長完全有賴於記憶體平均銷售單價的提升.
5.Windows 10 on ARM無法執行特定OpenGL版本遊戲;
集微網消息, 微軟去年發表了採用ARM架構處理器的Windows 10連網裝置, 最近更多細節出爐, 不只不支援x86程序, 也無法執行特定OpenGL版本的遊戲
微軟於2016年年底宣布將與高通攜手打造採用ARM處理器的Windows設備, 去年底發表首批搭載ARM處理器的Windows 10筆記型電腦, 宣稱除了具備高效能, 低耗電, 可隨時連網 (Always Connected PC) 的特性之外, 也可相容於x86 Win32程序與通用窗口 (Universal Windows) 程序, 不過, 比起Windows on x86, Windows 10 on ARM仍有少許限制.
微軟上周不小心公開了Windows 10 on ARM在程序與經驗上的限制, 雖然微軟很快就將該檔案刪除, 但已被Internet Archive存檔.
從限制列表來看, Windows 10 on ARM只支援ARM64驅動程式, 亦不支援x64程序, 無法執行採用特定OpenGL版本的遊戲或程序, 有些定製化的功能無法妥善運作, 有些程序於移動版Windows上可能有排版問題, 也不支援Hyper-V.
上述限制意謂著周邊製造商必須將x86驅動程式重新編譯成ARM64版本, 且Windows 10 on ARM只支援採用DirectX 9, DirectX 10, DirectX 11與DirectX 12的程序, 而不支援要求OpenGL 1.1版之後或硬體加速OpenGL的遊戲或程序.
看起來Windows 10 on ARM仍適用於大多數的場景與程序, 微軟亦針對某些限制提供了解決方案, 外界則認為得等到實機進入市場之後才能確認相關設備的能力. 率先於今年春天上市的兩款Windows 10 on ARM筆電將分別是ASUS NovaGo與HP的Envy x2can, 皆標榜有高達20小時的電池續航力.
6.MIT研發新型AI晶片 將神經網路帶到移動裝置
麻省理工學院(MIT)研究人員開發出1種新型人工智慧(AI)晶片, 能將神經網路的運算速度提升3~7倍, 同時降低高達95%的功耗.
根據TechCrunch及Tech Xplore報導, 該晶片是由MIT研究生Avishek Biswas領導的小組所開發. 其最大優點是能在智慧型手機, 家用裝置和其他攜帶型裝置上, 而不是高耗電的伺服器運行神經網路.
這意味著未來使用該晶片的手機可用神經網路進行語音和人臉辨識及本機深度學習, 而不是使用更粗糙, 基於規則的演演算法, 或將資訊傳送到雲端分析再回傳結果.
Biswas表示, 一般AI晶片設計都有記憶體和處理器. 運算時, 數據會在記憶體和處理器之間來回移動. 機器學習演演算法需要進行大量運算, 因此數據的來回傳輸最耗電. 但這些演演算法的運算可簡化為稱為點積(dot product)的特定操作, 若能直接在記憶的中執行點積運算, 就不必來回傳輸數據.
神經網路通常會分成很多層. 某個網路層中的單個處理節點通常會接收來自下層中幾個節點的數據, 並將數據傳遞給上層中的多個節點. 節點之間的每個連接都有其權重. 而培訓神經網路的過程主要就是在調整這些權重.
某個節點獲得下層多個節點的數據後, 就會將每個數據乘以其權重, 並將這些結果相加. 此運算過程就稱為點積. 若點積超過某個閾值, 此結果將被傳送給更上層的節點.
事實上, 這些節點僅為儲存在電腦記憶體中的權重. 計算點積通常涉及從記憶體中讀取權重, 獲取相關數據, 將兩者相乘, 並在某處儲存結果, 並在節點的所有輸入數據上重複此操作. 鑒於1個神經網路將有數千甚至數百萬個節點, 過程中必須移動大量數據.
但這一系列的操作是以數位化方式來呈現大腦中發生的事件. 在大腦中, 訊號會沿著多個神經元行進, 並在突觸相遇. 而神經元的放電速率和穿過突觸的電化學訊號, 則對應神經網路中的數據值和權重. MIT研究人員的新晶片透過更忠實地複製大腦活動來提高神經網路的效率.
在此晶片中, 節點的輸入值被轉換成電壓, 再乘以適當權重. 唯有組合的電壓會被轉換回數據, 並儲存在記憶體中等待進一步處理. 因此, 該原型晶片能同時計算16個節點的點積結果, 而不必每次運算時都要在處理器和記憶體之間移動數據.
IBM AI副總裁Dario Gil表示, 這項研究的成果可望開闢在物聯網(IoT)中使用更複雜的卷積神經網路進行影像和視訊分類的可能性. DIGITIMES