1. سامسونگ 7 نانومتری در روز جمعه، 5.6 میلیارد سرمایه گذاری؛
تنظیم اخبار شبکه میکرو، سامسونگ الکترونیک کره جنوبی در Hwaseong (هواسئونگ) واقع کارخانه ویفر جدید این جمعه (23 فوریه) خواهد بود که رسمی زمین شکستن، تولید انبوه برنامه ریزی 7nm فرآیند تولید تراشه در نیمه دوم سال آینده، آینده در هوشمند انتظار می رود دستگاه های روت شده تراشه های سفارشی پیشرفت خوبی داشتند.
پالس های Maeil کسب و کار اخبار کره 20 ری گزارش، سامسونگ قصد دارد به سرمایه گذاری 6 هزار میلیارد وون (معادل 5.6 میلیارد $) برای ارتقاء ظرفیت ویفر. چین در کارخانه ویفر جدید در شهرستان واقع نصب خواهد شد بیش از 10 مجموعه از ماورای بنفش شدید (EUV) لیتوگرافی دستگاه، زیرا هر EUV دستگاه درخواست تا 1500 میلیارد وون، بنابراین فقط هزینه خرید این دستگاه، 3-4 تریلیون وون برسد. سامسونگ 6nm برنامه ساخت و ساز FAB زودی اعلام خواهد شد.
در مقابل، TSMC تولید آزمایشی در آغاز این تراشه 7nm سال را آغاز کرده اند، برنامه ریزی شده برای سه ماهه دوم، راه اندازی مدیاتک یک تراشه نمونه اولیه، و در نیروی کامل اوایل سال آینده.
TSMC 5nm پیشرفته فرآیند 12 اینچ wafer fab ژانویه 26 این سال، رسما آغاز اولین مرحله از کارخانه انتظار می رود در سه ماهه اول سال آینده نصب شده، تولید انبوه تا اوایل سال 2020. TSMC اعلام کرد تا سال 2022 اولین، مرحله دوم و سوم این کارخانه در تولید انبوه تولید می شود، ظرفیت تولید سالانه می تواند بیش از یک میلیون وفل دوازده اینچ باشد.
سامسونگ در سال 2018 برای توسعه یک فرآیند بسته بندی جدید، سفارشات اپل را خریداری کرد. TSMC 2016 با تولید ویفر های سیلیکونی پیشرفته و جدیدترین تکنولوژی بسته بندی، سفارش پردازنده اپل از کاسه، سامسونگ تصمیم به شرمساری گرفت.
به گزارش رسانه های کره جنوبی ETNews 2017 نیان 12 یو 28 ری، منابع صنعت اعلام، سامسونگ نیمه هادی بخش سرمایه گذاری کرده است، قصد دارد به منظور توسعه یک "ویفر بسته سطح فن کردن" جدید (گنجایش خروجی بسته بندی ویفر سطح؛ FOWLP) فرایند، توسط سامسونگ مدیر موسسات تحقیقات نیمه هادی برای پایان دادن به شکار غیر قانونی از تولید کننده کامل اوه کیونگ سوک اینتل است. سامسونگ معتقد است، پس از تحقیق و توسعه فرآیند کپسوله به اتمام است و به همین ترتیب، اپل می تواند با موفقیت به دست آوردن مجدد سفارش، بنابراین این شرکت در زمان قبل از پایان 2019 می شود، خواهد امکانات تولید ساخت تکمیل شده است.
TSMC برای اولین بار تکنولوژی پردازنده نرم افزار جهان است FOWLP صنعت ریخته گری تجاری، همچنین از A10 برنده آیفون پردازنده 16 نانومتری 7، سفارشات A11 پردازنده 10 نانومتر از آی فون 8. کارشناسان معتقدند که اگر چه سامسونگ، TSMC تکنولوژی فرآیند سیلیکون مقایسه با جلو است، اما ارزیابی بالا اپل از بسته بندی تکنولوژی TSMC، بلکه دستور به TSMC را تعیین میکند.
صنعت اشاره کرد که سامسونگ هنوز تا کنون به تمرکز بر روی فرآیند جلویی، سرمایه گذاری در به عقب پایان بسیار نیست، پس از اپل سفارشات از دست داده، سامسونگ در حال حاضر در نهایت احساس اهمیت بسته بندی عقب پایان.
2. آخرین فن آوری سنسور تصویر در رقابت ISSCC؛
پیشرفت در تکنولوژی حسگر تصویر ISSCC 2018 اولین سال فراتر از تمرکز قبلی در ضبط تصویر "زیبایی"، و اضافه کردن اطلاعات متنی بیشتر ...
نوع معمولی مدارهای دولت در سال 2018 (ISSCC) در، چندین پیشرفت های جدید در اولین فناوری حسگر تصویر، فراتر تمرکز قبلی در ضبط تصویر "زیبایی"، و اضافه کردن اطلاعات زمینه بیشتر وجود دارد؛ این تحولات جدید شامل روش جدید برای راهنمای رویداد سنسور (رویداد محور)، می تواند مشکل در تصویر شی حرکت چرخشی شاتر جهانی (کرکره جهانی)، و یک زمان پرواز (به TOF) حسگر تصویر را حل کند.
حسگر تصویر CMOS با تشخیص حرکت
سونی (سونی)، در ISSCC حسگر تصویر CMOS کم قدرت رویداد گرا منتشر شده است، یک مثال خوب از اضافه کردن اطلاعات متنی به تصاویر گرفته شده است، تیم طراحی این شرکت از مهندسین در حسگر تصویر به طور مستقیم مرتب تشخیص حرکت (تشخیص حرکت ) تابع.
در یک مقاله، سونی معرفی 1/4 اینچ، 3.9 میلیون پیکسل (3.9Megapixel) رویداد کم قدرت راهنمای پشته پشت روشن (پشت روشن انباشته) CMOS سنسور تصویر، پیکسل مدار مجتمع خواندن (پیکسل مدار بازخوانی)، می تواند تشخیص اشیاء در حال حرکت در هر پیکسل است. با توجه به توضیحات تیم توسعه سونی، توسعه این حسگر تصویر رویداد گرا در پشت انگیزه است برای دیدار با کم قدرت، و هرگز به خاموش کردن دستگاه با بالا مجهز تقاضا برای تکنولوژی تصویربرداری با کیفیت.
با ظهور از خانه مانند دوربین های امنیتی، دستیاران شخصی مجازی و دیگر دستگاه های شبکه های بی سیم، اینترنت اشیاء مهندسان طراحی سیستم نیز برای راه حل های کوچک است که به افزایش عمر باتری دنبال، فن آوری رویداد گرا مناسب برای سیستم های امنیتی برنامه است. این نوع از سنسور تصویر ساخته شده در هوش، تشخیص زمان واقعی از اشیاء متحرک.
سونی سنسور راهنمای رویداد شامل یک ردیف پیکسل، راننده ستون (از رانندگان ردیف)، رسیور ستون (رمزگشاها ردیف)، یک ژنراتور شیب واحد (نسل تک شیب)، بلوک عملکرد عملیات / تشخیص نور، تصویر پردازنده سیگنال، جلوگیری از اطلاعات حافظه SRAM، بنادر لینک MIPI، و لینک های سنسور به بلوک کنترل CPU
(منبع: سونی)
همانطور که در بالا نشان داده شده است، زمانی که حسگر مبتنی بر رویداد سونی در حال حرکت شیء تشخیص، اجرای CPU تولید یک سیگنال وقفه خارجی، از نوردهی خودکار با استفاده از یک تراشه با صفر تاخیر ماشه ضبط تصاویر با کیفیت بالا. سونی گفت این تصویر سنسور با هر بلوک پیکسل به انتشار شناور مشترک (شناور نفوذ) از پیکسل خلاصه (جمع پیکسل)، برای رسیدن به 10 فریم در ثانیه از یک تشخیص جسم در حال حرکت.
سونی واقع آبهیناو ماتور، ارشد تعبیه شده مهندس نرم افزار مرکز طراحی حسگر تصویر در سیلیکون ولی، گفت که این عملیات از مصرف برق حسگر تصویر تنها 1.1mW، و همان رزولوشن کامل است، 60 فریم در درجه دوم حسگر تصویر CMOS مصرف 95mW؛ در رکورد رویداد در نرم افزار، سنسور قابل توجهی می تواند مصرف انرژی و پهنای باند داده ها در حالت کم سنجش قدرت سیستم دوربین را کاهش دهد.
سونی رویداد گرا بلوک عملکرد سنسور
(منبع: سونی)
پیشرفت در تکنولوژی سنسور TOF
تمرکز تکنولوژی در وضوح بالاتر، مصرف انرژی پایین و اندازه کوچکتر است؛ مایکروسافت (ISSCC) در ISSCC یک مرور کلی از حسگرهای ToF برای استفاده با دستگاه حسگر حرکت Kinect 2 ارائه کرد. یک تکنولوژی پیشرفته موج مداوم (CW) ToF است که ادعا می کند که آخرین حسگر TOF را به مگاپیکسل فشار دهد.
آخرین حسگر ToF مایکروسافت
(منبع: مایکروسافت)
تیم مایکروسافت معتقد است که سیستم تصویربرداری CW ToF توانایی مکانیکی عالی، نیازهای پایه و رزولوشن عمیق عمیق عمیق، هزینه کم محاسبات و شدت نور IR را در انواع تکنولوژی های ضبط تصویر 3D در بازار ارائه می دهد. این تیم متعهد به بهبود وضوح، دقت و محدوده عملیاتی دوربین های CW ToF می باشد، در حالی که کاهش تمرکز کار خود را (یعنی توانایی همگام سازی شدت نور غیر قابل تنظیم نور محیط) - روشنایی فعال - مصرف
علاوه بر این، مایکروسافت همچنین عدم اطمینان و مصرف انرژی سنسورهای CW ToF را با افزایش کنتراست مدولاسیون، کارایی کوانتومی و فرکانس مدولاسیون، حذف نویز خواندن و تبدیل آنالوگ به دیجیتال در حالی که کاهش با پیکسل های کوچکتر را بهبود می بخشد ارتفاع پشته نوری.
خصوصیات سنسور ToF مایکروسافت
(منبع: مایکروسافت)
پیکسل کوچک (3.5 × 3.5μm) سنسور TOF برای نسل بعدی در یک برنامه رقابتی تلفن های هوشمند بسیار مهم است، مایکروسافت تجسم تجاری است که به عنوان یک سنسور RGB رقابتی شاتر جهانی، پشته نوری و یک دستگاه کوچک دستی اعمال شناخته شده را فراهم کرده است. این شرکت مقاله ISSCC TOF 1024x1024 پیکسل حسگر تصویر معرفی شاتر جهانی می تواند تحت 87٪ از مدولاسیون کنتراست تا 200MHz، TSMC (TSMC) از 65 نانومتر 1P8M تکنولوژی CMOS پشت روشن باشد.
پیکسل در رفع سر و صدا
ماتسوشیتا (پاناسونیک) را نشان می دهد یک فیلم کارگردانی نور آلی (فیلم حساس به نور آلی، OPF) حسگر تصویر CMOS ── Highligths تبدیل فتوالکتریک OPF CMOS مدار حسگر تصویر جدا کردن تابع در ISSCC؛ این معماری منحصر به فرد، این تیم شرکت به تازگی توسعه یافته با سرعت بالا و سر و صدا بالا فن آوری لغو به اشباع تکنولوژی مدار مجتمع، در حالی که با استفاده از حساسیت های منحصر به فرد از حسگر برای تغییر ولتاژ کنترل اعمال شده به OPF، بنابراین دستیابی به عملکرد شاتر جهانی است.
حسگر تصویر CMOS OPF با سنسور شاتر جهانی معماری سنتی است؛ پاناسونیک ادعا می کند که از جدیدترین سنسور آن ارائه می دهد رزولوشن 8K اول صنعت، 60FPS اطلاعات نرخ فریم، اشباع الکترونیکی 450K، و با عملکرد شاتر جهانی
(منبع: پاناسونیک)
در گذشته، با وضوح بالا تلویزیون و امنیت برنامه های کاربردی، دوربین های وفاداری بالا، نقص های معمول مانند سیستم تلویزیون فوق العاده با کیفیت بالا و با استفاده از 8K 8K از سنسور دوربین برنامه پشته، به جای جهانی شاتر غلطکی (گردونه های شاتر) است شاتر در حالت جهانی، شاتر را می توان همزمان بهره برداری از تمام پیکسل از تصویر گرفته شده؛ و حالت شاتر نورد حسگر تصویر CMOS آلی، آن را مترقی (ردیف ردیف) و عمل حالت قرار گرفتن در معرض است.
پاناسونیک گفت که شاتر نورد موجب مشکلات اعوجاج، به ویژه در تصاویر با سرعت بالا تصویربرداری و برنامه های ترکیب چندین تصویر
(منبع: پاناسونیک)
پاناسونیک به تازگی توسعه یافته سنسور، ادعا کرد برای گرفتن تصاویر متحرک حرکت بدن در زمان واقعی، علاقه خاص به دوربین های با کیفیت بالا و چندکاره با سرعت بالا، مانند چشم انداز ماشین و سیستم های نظارت بر هوشمند هوشمند، و به دلیل تبدیل فوتوالکتریک این مدار می تواند به طور جداگانه طراحی شده و با استفاده از تکنیک جابجایی در پیکسل برای دستیابی به ویژگی های اشباع بالا و تکنیک های مدولاسیون حساسیت با ولتاژ برای تنظیم حساسیت با تغییر ولتاژ اعمال شده به OPF، طراحی شود.
سنسور تصویر CMOS به تازگی توسعه یافته Panasonic می تواند تصاویر با رزولوشن 8K را بگیرد و حتی در صحنه های با کنتراست بالا با عملکرد شاتر جهانی، تصاویر هماهنگ سازی ضبط کامل پیکسل
(منبع: EE Times)
پشتیبانی از 200 متری نور تصویری
تیم مهندسان توشیبا در ISSCC آخرین فناوری در سیستم های LiDAR با وضوح بالا را که از اطلاعات فوتون از افکت های ToF استفاده می کنند منتشر کرد و به همین دلیل هدف اندازه گیری فاصله است اندازه گیری از راه دور، DM)، تیم از فاصله ایده آل 200 متر، ماشین که در بزرگراه حرکت می کند، سنجش نزدیک شدن به وسایل نقلیه یا وسایل دیگر را پشتیبانی می کند.
تیم توشیبا همچنین اشاره کرد که در مناطق شهری برای رسیدن به وسایل نقلیه مستقل ایمن و قابل اعتماد، نور تا سیستم باید زاویه دید وسیع و وضوح بالا، به منظور به طور کامل درک شرایط اطراف؛ یک چالش دشوار برای رسیدن به این هدف، نور سیستم بود و نور پس زمینه غالبا شدید (مانند نور خورشید) رویارویی، که نور از منبع اصلی سیستم از سر و صدا است.
شناسایی خودرو سیستم نور تا الزامات و مشخصات راه حل توشیبا
(منبع: توشیبا)
توشیبا معرفی یک باند هم به دیجیتال تبدیل ارزش (زمان به دیجیتال تبدیل، TDC) و مبدل آنالوگ به دیجیتال (ADC) به نور از SOC، با تکنولوژی انباشته هوشمند تعیین شده (تکنیک انباشت هوشمند، شنبه ) تابع، ادعا می کند که اجازه می دهد سیستم نور به 200 متر از خط دید و تصاویر با وضوح بالا برای وسایل نقلیه خودمختار.
توشیبا می گویند، شنبه می تواند شدت پس زمینه نور اطلاعات از ADC استفاده کنید، و شناسایی تنها کل داده انعکاس جسم، و بنابراین در مقایسه با روش تجمع های معمولی، که می توانید وضوح چهار برابر رسیدن به این TDC / ترکیب ADC نرخ نمونه برداری ADC معماری مورد نیاز آرام برای حمایت از دقت و صحت DM فاصله کوتاه؛ پشتیبانی از احراز هویت در علاوه بر این به نور 200 متر از مفهوم سیستم، دو برابر فاصله DM طراحی معمولی را می توان با رزولوشن 240x96 پیکسل 0.125٪ ماده خشک به دست آورد دقت
مقایسه عملکرد راه حل های نور توشیبا با طراحی سنتی
(منبع: توشیبا)
تکنولوژی اتصال موازی پیکسل
نه تنها پاناسونیک، سونی همچنین اشاره کرد که حسگر تصویر شاتر نورد را به تصرف یک مشکل شی اعوجاج تصویر در حال حرکت، با اشاره به اینکه در پیکسل حافظه آنالوگ (در پیکسل حافظه آنالوگ) موازی با پیکسل (پیکسل موازی) ADC اگرچه یک راه حل بالقوه، اما این فن آوری مگاپیکسل وضوح تصویر نه پشتیبانی می شود، چرا که آنها را حل نمی کند محدودیت زمان به عنوان خوانده شده ADC سیگنال دیجیتال از یک پیکسل در (زمان بندی محدودیت) مشکل است.
طرح توسط سونی در این مقاله ISSCC پیشنهاد، با استفاده از هر پیکسل حسگر تصویر شامل یک پشته از واحد ADC، تحقق بخشیدن به شاتر جهانی در سنسور CMOS
(منبع: سونی)
انباشته پشت روشن حسگر تصویر CMOS سونی با 1،460،000 پیکسل از ADC 14، روش اتصال با استفاده از سطح پیکسل (فناوری چسب در سطح پیکسل). این شرکت اعلام کرد مقایسه شامل زمان آستانه مدار بازخورد مثبت (زیرآستانه مقایسه) این کمک می کند به کاهش عامل های فعلی مقایسه کننده و منطقه مدار به حداقل رسیده است، مصرف برق را می توان کاهش داد.
کامپایل: جودی چنگ
(مراجعه کنید به اصلی: رقبا گسترش دامنه سنسور تصویر، توسط جونکو یوشیدا) eettaiwan
3.5 نشانه ای بزرگ از تراشه های حافظه "چرخه فوق العاده" به پایان خواهد رسید.
مالی وبلاگ ها "جستجوی آلفا" مقاله نویس اشاره کرد، اپل کاهش تولید iPhoneX، و همچنین شرکت های نیمه هادی سرزمین اصلی در 2019 انتظار می رود تنظیمات کارخانه حافظه، عرضه و تقاضا از تغییرات حافظه، در مورد ظرفیت تولید کامل انتظار می رود که برداشته شود، متوسط DRAM جهانی قیمت پایین خواهد بود.
رابرت کاستلانو، به دنبال مقاله نویس آلفا، گفت که پنج نشانه وجود دارد که "بیش از حد" حافظه به پایان می رسد.
1. متوسط قیمت فروش حافظه در حال سقوط است
بر اساس داده های ارائه شده از سوی Korea Investment & Securities، نویسندگان میانگین قیمت فروش NAND و DRAM را از 2016 تا 2018 (ASPs) ارزیابی می کنند. این اطلاعات نشان می دهد که قیمت متوسط NAND و DRAM سامسونگ الکترونیک SK Hynix در سه ماهه اخیر کاهش یافته است .
میانگین قیمت فروش NAND و DRAM سامسونگ تغییر می کند
SK Hynix NAND و DRAM به طور متوسط قیمت فروش تغییرات
2. کمیسیون توسعۀ و اصلاحات سرزمین اصلی و سامسونگ یک یادداشت را امضاء می کنند
توسعه ملی چین و اصلاحات کمیسیون و سامسونگ امضا تفاهم نامه همکاری در تراشه، می تواند بالقوه همکاری در تولید تراشه، هوش مصنوعی و مناطق دیگر از تولید نیمه هادی، تحلیلگران صنعت، همکاری، احتمالا با قیمت DRAM جهانی را افزایش دهد.
حافظه فلش NAND 3. سامسونگ به گسترش تولید به منظور کاهش انرژی
سامسونگ تصمیم به ارتقاء ظرفیت حافظه در سال 2018 به منظور محدود کردن سود رقبا رشد می کنند، و افزایش موانع ورود برای رقبای بالقوه در چین (موانع ورود). سامسونگ در اصل در کف کارخانه پیونگ چانگ ز انتظار می رود برای باز کردن ایجاد یک NAND جدید خط تولید حافظه های فلش، اما پس از کاهش قیمت، سامسونگ قصد دارد به تغییر، خط تولید DRAM در بخش طبقه دوم از این منطقه است.
DRAMexchange 2018 DRAM رشد کمی عرضه به 22.5٪، بالاتر از 2017 است 19.5٪ انتظار می رود، در حالی که درآمد 2018 DRAM انتظار می رود رشد 30٪، به خوبی زیر 76٪ رشد درآمد در سال 2017.
4. تولید کنندگان سرزمین اصلی برای تکمیل تنظیمات کارخانه حافظه
تولید کنندگان نیمه هادی حافظه در کارخانه سرزمین اصلی، ممکن است سریعترین به شروع عملیات در اواخر 2019، در فوجیان Jinhuagong شرکت مدار مجتمع واقع گفت: برای سرعت بخشیدن به پیشرفت پروژه، انتظار می رود در ماه اکتبر سال جاری ساخت و ساز از ساختار اصلی این گیاه تکمیل شود، در حالی که در ووهان دفتر مرکزی یانگ تسه فن آوری ذخیره سازی 2.4 میلیارد سرمایه گذاری $ به ساخت سه کارخانه تولید 3D حافظه فلش NAND در مقیاس بزرگ، یک کارخانه انتظار می رود به طور رسمی تولید در سال 2018 آغاز شد، می توانید در مورد 300،000 ویفر، در نهایت، آن را در یکپارچه سازی نیروی هیفی و Rui واقع تولید مدارهای شرکت، خریداری تعدادی از تجهیزات برای تولید DRAM.
علاوه بر این، اپل (AAPL-US) در حال کار با رودخانه یانگ تسه ذخیره سازی فن آوری های نزدیک، تراشه های حافظه به احتمال زیاد آنها را خواهد خرید، در حال حاضر گزینه حافظه فلش NAND اپل توشیبا، وسترن دیجیتال، سامسونگ و SK Hynix.
تولید اپل آی فون X تحت تعمیر نیمه
تحلیلگر شان یانگ در شرکت تحقیقاتی شانگهای CINNO اشاره کرد که اپل است که بزرگترین مصرف کننده از این تراشه در سال 2017 برای 1.6٪ از مجموع تقاضای جهانی در حدود 160 میلیون گیگابیت گروه (گیگابایت) اختصاص داده است. بازده کاهش آیفون X، معنا مصرف کنندگان برای کاهش حافظه تراشه های، NAND و DRAM خواهد رفت و متوسط قیمت فروش کاهش یافته است.
جو هنگ شبکه
4. سه ماهه چهارم سال 2017 سرور رشد درآمد DRAM حدود 13.9٪؛
بر اساس یک نظرسنجی DRAMeXchange، در سه ماهه چهارم سال 2017، تقاضا برای مراکز داده در آمریکای شمالی همچنان قوی بوده است. با وجودی که خط تولید اصلی اصلاح شد، هنوز نمی تواند بازار را به طور موثر تسکین دهد وضعیت عرضه تنگ در سرور DRAM از متوسط قیمت فروش بهره مند شد که در سه ماهه سوم سال جاری 13.9 درصد برای سه سازنده DRAM افزایش یافته است.
تحلیلگر ارشد DRAMeXchange لیو Jiahao اشاره کرد، به سه ماهه اول سال 2018، محموله های سرور در مورد انرژی جنبشی کاهش یافته است، کمبود سرور شرایط کلی بازار DRAM هنوز هم ادامه دارد و ارائه ماژول های DRAM سرور خواهد شد در یک نقطه بالا داشت.
سامسونگ (سامسونگ)
باید از مرکز داده ها بهره مند شوند با ماژول های با ظرفیت بالا مورد، سه ماهه چهارم سال 2017 ساخته شده بود، عملکرد درآمد سامسونگ سرور DRAM ویژه گلگون، نه تنها در مقایسه با محموله کمی سه ماهه سوم رشد 8 درصد خارج، متوسط قیمت خرده فروشی رشد، درآمد افزایش یافت 14.5 درصد بیش از سه ماهه سوم به 2919000000 $ آمد، حسابداری برای حدود 46.2٪ از کل بازار سامسونگ ادامه خواهد داد تا در این مرحله برای مختلف عرضه OEM / ODM برای تنظیم نرخ انطباق باقی می ماند، به منظور دیدار با مشتریان اصلی انتظار تقاضا سپس سودآوری را افزایش می دهد.
SK Hynix
با توجه به تقاضای مرکز داده های آمریکای شمالی، SK hynix در تنظیمات محصولات DRAM سرور بیشتر فعالیت می کند و بیش از 30 درصد کل خروجی سرور DRAM را در سه ماهه چهارم به خود اختصاص داده است. ثانیا، تقاضا برای ماژول های با ظرفیت بالا به وسیله تبدیل پلتفرم های جدید ، اما برای SK hynix Q4 رشد درآمد 10.9٪ نسبت به سه ماهه سوم سال به 1،988،000،000 دلار، حاشیه سود عملیاتی در سه ماهه سوم سال 2018 بهبود یافته است، زیرا تقاضای حافظه سرور باقی خواهد ماند، SK hynix سهم تولید سرور DRAM را با سه ماهه افزایش می دهد و تمرکز بر فرایند جدید محصولات 18nm را به نفوذ و نفوذ می دهد.
میکرون
علاوه بر اینکه قیمت همچنان رو به افزایش و روند پوسته پوسته شدن در مورد مقرون به صرفه بودن به ارمغان آورد، علاوه بر سه ماهه چهارم سال سرور DRAM رشد کمی حمل و نقل بیش از سه ماهه قبلی، متوسط قیمت فروش نیز از 17.2 درصد افزایش یافت به طور قابل توجهی، سرور DRAM رشد درآمد محصول خود به 1414000000 $، سهم بازار به 22.4 درصد از سطح در یک چشم انداز محصولات، میکرون نسبت سرور DRAM در نزدیک به سه سطح آب باقی مانده همچنان به رشد در مرحله کنونی به سود به طور کامل مطرح متوسط قیمت فروش حافظه آزاد بستگی دارد.
5.Windows 10 در ARM نمیتواند یک نسخه OpenGL خاص از بازی را اجرا کند؛
تنظیم اخبار شبکه میکرو، مایکروسافت در سال گذشته منتشر شد دستگاه های ویندوز 10 شبکه با استفاده از معماری ARM پردازنده، به تازگی منتشر شده جزئیات بیشتر، نه تنها برنامه های x86 را پشتیبانی نمی کند می توانید یک نسخه از OpenGL های خاصی از بازی را انجام نمی
مایکروسافت در اواخر سال 2016 و Qualcomm با یکدیگر برای ایجاد یک دستگاه ویندوز با استفاده از پردازنده های ARM، ویندوز 10 در سال گذشته صادر دسته اول از لپ تاپ مجهز به پردازنده های ARM اعلام کرد، ادعا کرده اند که علاوه بر کارایی بالا، مصرف برق کم، آنها همیشه می توانید شبکه (همیشه خارج از ویژگی متصل PC)، همچنین با برنامه های x86 از Win32 با یک پنجره رایج سازگار (برنامه جهانی ویندوز)، با این حال، در مقایسه با ویندوز در x86، ویندوز 10 بر روی ARM هنوز هم برخی از محدودیت ها است.
هفته گذشته مایکروسافت سهوا فاش برای محدود کردن ویندوز 10 بر روی ARM و تجربه در این برنامه، هر چند مایکروسافت به سرعت حذف فایل، اما شده تا به آرشیو اینترنت بایگانی.
از نظر لیست محدود، ویندوز 10 بر روی ARM تنها پشتیبانی از رانندگان ARM64، و نه پشتیبانی X64 برنامه، بازی و یا برنامه نمی تواند با استفاده از یک نسخه خاص از اپنجیال اجرا شود، برخی از ویژگی های سفارشی به درستی کار نمی، برخی از برنامه ممکن است بر روی ویندوز موبایل مشکل حروفچینی می کند وجود دارد، بیش از حد پنجم پشتیبانی نمی کند.
پس از محدودیت فوق بدان معنی است که تولید کنندگان باید درایور محیطی دوباره وارد نسخه ARM64 های x86 و ویندوز 10 بر روی ARM تنها پشتیبانی از استفاده از DirectX 9، DirectX 10 و DirectX 11 و DirectX 12 و برنامه، بدون حمایت و یا نسخه نیاز به در OpenGL 1.1 شتاب سخت افزاری از OpenGL بازی یا برنامه است.
به نظر می رسد ویندوز 10 در ARM هنوز برای بسیاری از برنامه ها و برنامه ها مناسب است، مایکروسافت همچنین راه حلی برای محدودیت های خاصی ارائه می دهد، جهان خارج این است که تا زمانی که دستگاه واقعی وارد بازار شود تا توانایی تجهیزات مرتبط را تایید کند. هر دو ویندوز 10 بر روی نوت بوک های ARM، ASUS NovaGo و HP Envy x2can خواهند بود که همه آنها عمر باتری را تا 20 ساعت می کند.
6.MIT برای ساختن شبکه های عصبی به دستگاه های تلفن همراه، تراشه های جدید AI را توسعه می دهد
محققان موسسه فناوری ماساچوست (MIT) یک نوع جدید از تراشه هوش مصنوعی (AI) را توسعه داده اند که عملکرد شبکه های عصبی را سه تا هفت بار سریعتر و در حالی که مصرف برق تا 95٪ کاهش می دهد.
بر اساس گزارش TechCrunch و فناوری XPLORE گزارش داد که این تراشه توسط MIT دانشجوی کارشناسی ارشد Avishek بیسواس توسعه داده شد منجر تیم بزرگترین مزیت آن است در تلفن های هوشمند، لوازم خانگی و سایر دستگاه های قابل حمل، به جای سرور تشنه قدرت در حال اجرا شبکه عصبی جاده ها است.
این بدان معنی است که آینده استفاده از ویفر می توانید یک شبکه عصبی برای صدا و تشخیص چهره و یادگیری عمق مادری گوشی، به جای استفاده از الگوریتم های مبتنی بر قواعد خشن تر، و یا ارسال اطلاعات به ابر منتقل می شود برای بازگشت به نتایج تجزیه و تحلیل.
بیسواس گفت AI به طور کلی دارای یک حافظه طراحی ویفر و پردازنده. در عمل، زمانی که داده است به جلو و عقب بین حافظه و پردازنده منتقل شده است. الگوریتم های یادگیری ماشین نیاز به محاسبات گسترده، و در نتیجه بسیاری از داده های انتقال قدرت، اما این الگوریتم ساده عملیات محاسباتی است به عنوان یک محصول از نقطه خاص (ضرب) اشاره شد، و اگر به طور مستقیم در حافظه محصول از نقطه انجام، آن است که لازم نیست برای انتقال داده ها به عقب و جلو.
شبکه های عصبی است که معمولا به لایه های بسیاری تقسیم شده است. یک لایه شبکه پردازش گره منفرد از لایه های پایین تر دریافت داده معمولا چند گره است و به لایه فوقانی از کثرت گره عبور داده. هر اتصال بین گره دارای وزن آن است. روند آموزش شبکه های عصبی به طور عمده در تنظیم این وزن.
هنگامی که یک گره داده های گره های چندگانه را در لایه پایین تر می گیرد، هر داده را با وزن آن می افزاید و این نتایج را اضافه می کند.این فرایند به نام dot تولید می شود.اگر محصول نقطه بیش از یک آستانه مشخص باشد، نتیجه به گره فوق فرستاده می شود.
در حقیقت، این گره ها تنها وزن هایی هستند که در حافظه کامپیوتر ذخیره می شوند. محاسبه مقدار نقطه معمولا شامل خواندن وزن از حافظه، گرفتن اطلاعات مربوطه، ضرب کردن دو و ذخیره سازی نتیجه در جایی و در گره این برای تمام داده های ورودی تکرار می شود و با توجه به اینکه هزاران یا حتی میلیون ها گره در یک شبکه عصبی وجود دارد، مقدار زیادی از داده ها باید در فرآیند منتقل شوند.
اما این سری عملیات این است که رویدادهای مغز را که در آن سیگنال ها در امتداد چندین نورون حرکت می کنند و در سیناپس ملاقات می کنند، دیجیتالی کنند. و میزان شلیک نورون ها و ولتاژ در سیناپس ها سیگنال الکتروشیمیایی با مقادیر و وزن داده های شبکه عصبی مطابقت دارد. ویفر های جدید محققان MIT موجب افزایش کارایی شبکه عصبی با تردید تکرار فعالیت مغز می شوند.
در این تراشه، مقدار ورودی گره به ولتاژ تبدیل می شود و ضرب وزن مناسب می شود. فقط ولتاژ ترکیبی به داده ها تبدیل می شود و برای پردازش بیشتر در حافظه ذخیره می شود بنابراین تراشه ی اولیه می تواند به طور همزمان 16 محصول گره های بدون نیاز به حرکت داده ها بین پردازنده و حافظه هر بار که عمل انجام می شود.
داریو جیل، معاون مدیر IBM AI، گفت که انتظار می رود نتایج این مطالعه به شبکه پیچیدهتر عصبی پیچیده برای طبقه بندی تصویر و ویدئو در اینترنت چیزها (IoT) باز شود.