集微网消息, 日本微控制器厂商瑞萨电子 (Renesas Electronics) 为削减芯片生产设备的高昂成本, 计划将车用微控制器 (MCU) 全由台积电代工, 并专注于软件及半导体研发.
今日瑞萨发布了目前业界第一款使用28nm工艺的集成闪存MCU, 并于即日起开始交付样片. 为了打造下一代更高效, 更可靠的环保汽车和自动驾驶汽车, 这款革命性的RH850/E2x系列微控制器内置了多达6个400Mhz的处理器核心, 成为业界第一款能达到9600MIPS指令处理能力的车用控制片内闪存MCU. 该系列MCU还具有多达16MB的内置闪存以及更完善的安保功能和功能安全性.
瑞萨28纳米MCU的运算性能比目前40纳米高出3倍, 在自动驾驶技术不断攀升下, 能符合低耗电力及高处理性能的MCU需求. 瑞萨表示, 该款28纳米MCU为当前全球最先端的产品, 已于3月将样品出货给DENSO等多家知名汽车零件厂, 目标是于2020年通过台积电进行量产, 瑞萨自家晶圆厂则逐渐退出生产车用半导体 .
继于2015年2月28nm嵌入式闪存的工艺开发公布后, 瑞萨电子于2016年9月宣布与台积电合作生产28nm MCU. 瑞萨在今天的新闻稿中指出, 今日向市场推出全球第一款28nm嵌入式闪存MCU, 将成为瑞萨电子的另一个重要里程碑. 瑞萨电子已经验证了在16/14nm及下一代MCU产品上应用鳍状MONOS闪存技术.
日经指出, 瑞萨此举能降低生产成本, 而台积电也能利用已折旧的设备来生产28纳米MCU.
根据瑞萨公布的财报资料显示, 上季度 (2017 年 10~12 月) 瑞萨半导体事业营收以非一般公认会计原则 (Non-GAAP) 为基准, 较去年同期大增 28.0% 至 2,065 亿日元, 其中车用半导体事业营收成长 14.7% 至 1,078 亿日元.
累计 2017 年全年瑞萨半导体事业营收年增 23.4% 至 7,657 亿日元, 其中车用半导体事业营收成长 13.8% 至 4,081 亿日元.
2.富士康8.66亿美元买外设厂商Belkin 需美政府批准;
网易科技讯3月27日消息, 据国外媒体报道, 苹果公司供应商富士康旗下一家子公司宣布, 将以约8.66亿美元收购知名周边产品厂商贝尔金公司 (Belkin) . 贝尔金还拥有Linksys, Phyn和Wemo品牌.
该子公司叫FIT (鸿腾精密科技股份有限公司, Foxconn Interconnect Technology Limited) , 一份公布在Belkin官方网站的联合声明透露了此消息. 这份联合声明表示, 该收购将以全现金交易方式完成.
'鸿腾精密很高兴收购Belkin及其在高端消费产品领域的能力, ' 鸿腾精密首席执行官卢松青(Sidney Lu)表示, '通过把贝尔金最好的一流能力和解决方案整合到鸿腾精密中, 我们希望丰富我们的高端消费产品组合, 并加快我们对智能家居的渗透. '
贝尔金大约35年前创建于美国加州, 后来在个人电脑繁荣期间, 以优质外围设备制造商的身份而闻名. 一开始从各种周边设备开始, 比如浪涌保护器, USB集线器, 当然还有电缆线, 后来Belkin又搭上了苹果在21世纪初iPod产品流行的顺风车.
目前, 该公司生产一系列产品, 向电脑, 智能手机, 平板电脑, 智能手表和其他电子产品制造商提供服务. 贝尔金名为WeMo的独立品牌, 驰名于新兴的家庭连接市场.
最近, 贝尔金和管道供应商Uponor在2016合作建立了名为Phyn的新公司. 该新公司推出的首个产品——连接iPhone的水监控装置, 名叫Phyn Plus——今年初在CES上展出.
按照与富士康达成协议的条款, 贝尔金将为鸿腾精密旗下一个子公司进行运作, 由其首席执行官, 联合创始人切特?皮普金 (Chet Pipkin) 执掌帅印. 作为协议的一部分内容, 预计切特?皮普金将参加鸿腾精密管理层.
据金融时报报道称, 该并购必须获得美国财政部下属外国投资委员会批准, 该机构最近对芯片制造商博通(Broadcom)恶意收购竞争对手高通行为表示反对.
总统唐纳德·特朗普 (Donald Trump) 以危害国家安全理由否决了博通的这一收购案, 鉴于此, 富士康收购贝尔金案也可能会变得不稳定. 贝尔金拥有网络技术. 不过对美国是一家重要投资者的富士康已经宣布, 2020年之前在美国威斯康星州投资100亿美元兴建LCD工厂. (天门山) 网易科技
3.东芝出售芯片子公司或错过最后期限 将寻求更多选择;
集微网消息, 据路透社报道, 中国商务部仍未在审议贝恩资本(Bain Capital)牵头财团以180亿美元收购东芝(6502.T)芯片子公司的计划, 使得该交易不大可能在即将到来的最后期限前完成. 东芝似乎将为该子公司寻找更多选择方案.
中国商务部周二向路透简要表示, 正在评估该交易, 但没有进一步详述.
一位直接知情人士表示, 该交易若要在3月31日的最后期限前完成, 必须在本周初通过中国的反垄断审批, 因行政程序和转账仍需要一定时间完成.
如果不能如期完成, 东芝将有权在不支付罚金的情况下放弃出售芯片子公司的交易, 一些投资者敦促东芝考虑这种选择. 东芝的芯片子公司是全球第二大NAND芯片生产商.
东芝发言人称, 公司尚未放弃在月底前完成交易的努力, 即便错过期限, 仍将尽快出售芯片业务.
此前, 有分析师预测的将闪存业务分拆上市. 也有媒体认为, 没有通过反垄断审批, 对东芝可能反而是件好事, 由于财务数据有所好转, 该公司可以重新提高收购报价, 甚至比目前的价格高出40亿美元. 一些活跃的股东反对东芝此次交易, 认为资产价值被低估, 他们认为应该和贝恩资本重新洽谈收购价, 或是让闪存业务分拆上市.
一般认为, 东芝交易最大的审核难度来自韩国海力士公司. 行业也担心, 如果收购完成, 海力士将会在市场上获得更大规模和影响力, 损害市场竞争. 历史上, 海力士曾经出现通过非正常手段获取东芝半导体技术的案例.
4.MLCC持续涨价 需警惕价格操纵;
一直以来, 日, 韩企业主要生产中高端MLCC产品, 而中国大陆地区, 台湾地区企业则立足于中低端市场. 业内估计, 此次日企的战略调整, 将释放20%的标准型MLCC市场.
惊心动魄的存储器涨价潮逐渐落下帷幕, 但同期进入涨价通道的MLCC (片式多层陶瓷电容) 依然 '涨声不止' . 近日, 市场消息称, 全球第三大MLCC供应商台湾国巨将于4月进一步上调MLCC售价, 涨幅约40%-50%.
在此前不到一年的时间里, 国巨已经多次上调MLCC价格, 报价总涨幅接近30%. 得益于价格, 销量的同步上涨, 国巨在2017年9月首次实现单月收入突破30亿新台币, 其后至今每月收入同比涨幅均超过30%, 其2017年12月-2018年2月收入同比增长更是超过了50%. 2017年全年, 国巨营收322.6亿新台币, 同比增长16.1%, 毛利率从23.6%提升至32.5%, 增加了8.9个百分点.
公司的股价表现更为惊人, 2017年之前, 该公司股价从未达到过70元新台币, 2017年3月首次突破80元新台币, 到了2018年3月, 该公司股价已经突破500元新台币, 一年涨幅超过了520%. 市场, 市值的双盈, 使得国巨成为MLCC涨价的最大赢家.
供给结构调整
与存储器的涨价诱因类似, MLCC的涨价导火索也源于行业内的产业结构调整.
MLCC是电子产品中的最常见的电容器件, 被大量应用于手机, 汽车, 家电等消费类设备中, 一部手机中会使用数百颗MLCC, 而一台汽车的MLCC用量则要达到5000颗.
不过, MLCC售价极其低廉. 根据国巨2016年财报, 其MLCC产量总计3431亿颗, 实现收入约91亿新台币, 约0.026新台币/颗, 合人民币约0.5分/颗.
'因为太便宜了, 所以日本企业开始陆续放弃中低端产品, 转而生产利润更高, 需求量更大的汽车, 工业领域应用的MLCC. ' 一业内人士向记者介绍. 2016年中期, 日本TDK宣布退出一般型MLCC市场. 日本是全球最主要的MLCC供应国家, 仅村田, TDK两家企业就生产了全球50%的MLCC产品.
一直以来, 日, 韩企业主要生产中高端MLCC产品, 而中国大陆地区, 台湾地区企业则立足于中低端市场. 业内估计, 此次日企的战略调整, 将释放20%的标准型MLCC市场.
这一契机成为涨价导火索, 其后, 台湾地区的国巨, 华新科, 国内的潮州三环, 风华高科陆续宣布对MLCC产品进行涨价. 根据2017年财报, 华新科2017年MLCC产品收入约1214万美元, 同比增长约19%. 最近一年内, 华新科股价从44新台币涨至111新台币, 涨幅约152%.
而在国内, 虽然MLCC相关股票并未表现出如此强烈的涨幅, 但各大券商机构均看好诸如三环集团, 风华高科等股票. 值得一提的是, 风华高科在2016年财报中特意提到, 当年风华高科MLCC产品销量增长22.1%, 净利润增长426.27%.
全球最大的MLCC生产商日本村田虽然未公开表示对产品涨价, 但却表示看好MLCC的供不应求, 且投资了2600亿日元用于产能扩充.
警惕价格操纵
'虽然听起来涨得凶, 但对手机并没有什么影响, 总的价值占比太低了. ' 一位手机行业资深人士告诉记者, MLCC的涨价并未传递到手机, 汽车, 家电等消费品, 消费者基本无直观感受.
'而且, 有点规模的手机厂商, 对这类器件都可以提前半年甚至一年锁定价格. ' 也正是因此, 该人士表示 '并未感受到类似之前存储器涨价时那么明显的供不应求. '
需要指出, 此次MLCC的涨价主要为低端产品. 一位业内人士介绍, '目前的MLCC, 高端产品不敢涨价, 只有低端在涨. 而涨价声, 很多都是渠道商的噱头. 供应商原厂的涨价幅度, 在渠道商这里会成倍放大. '
从未公开涨价的日本村田, 在最近5年中, 电容产品的收入增长一直保持超过30%的增幅. 财报显示, 2017年村田电容产品收入3695亿日元, 同比增长32.6%, 增幅超过国巨.
同时, 宣布放弃一般型MLCC的日本TDK, 在2017年4-12月的三个季度中, 电容产品收入为1155亿日元, 约1.02亿美元, 同比增长13.6%, 增幅与此前持平, 两家企业的收入增长主要归因于智能手机, 汽车电子等市场带动的销量增长.
根据海关数据, 2016年全年, 中国进口MLCC产品52.26亿美元, 而2017年全年, 中国共进口MLCC产品56.2亿美元, 增长7.6%. 但2018年1-2月, MLCC进口额达到10亿美元, 比去年同期的7.38亿美元增长35.5%.
根据此前中国产业信息网预测数据, 2017年全球MLCC市场规模总计约100亿美元, 而中国仅进口MLCC就达到56亿美元. 上述手机厂商人士介绍, '需要警惕这些厂商借势操纵市场, 毕竟中国是全球最大的电子器件消费国. '
事实上, 被动元器件市场的价格垄断行为屡见不鲜. 2018年3月21日, 欧盟委员会认定9家日本企业在1998-2012年间对铝质电解电容/鉏质电解电容进行价格垄断, 并合计开出约2.54亿欧元罚款. 在2018年1月, 新加坡竞争委员会也对5家铝电解电容器企业在1997-2013年间的价格垄断行为做出约1亿元人民币的垄断处罚.
此前, 发改委曾就存储器持续涨价问题多次约谈三星, 目前存储器价格已经开始下滑. 而以MLCC为代表的被动元器件, 仍在持续涨价. 21世纪经济报道
5.嵌入式神经网络赋予机器视觉, 听觉和分析能力;
Youval Nachum, 音频与语音产品线高级产品经理, CEVA
人工智能 (AI) 潜在的应用与日俱增. 不同的神经网络 (NN) 经过测试, 调整和改进, 解决了不同的问题. 出现了使用AI优化数据分析的各种方法. 今天大部分的AI应用, 比如谷歌翻译和亚马逊Alexa语音识别和视觉识别系统, 还在利用云的力量. 通过依赖一直在线的互联网连接, 高带宽链接和网络服务, 物联网产品和智能手机应用也可以集成AI功能. 到目前为止, 大部分注意力都集中在基于视觉的人工智能上, 一部分原因是它容易出现在新闻报道和视频中, 另一部分原因是它更类似于人类的活动.
声音和视觉神经网络 (图片来源于: CEVA)
在图像识别中, 对一个2D图像进行分析 (一次处理一组像素) , 通过神经网络的连续层识别更大的特征点. 最开始检测到的边缘是具有高差异性的部位. 以人脸为例, 最早识别的边缘是在眼睛, 鼻子和嘴巴这些特征周边. 随着检测过程在神经网络中的深入, 将会检测到整个面部的特征.
在最后阶段, 结合特征和位置信息, 就能在可用的数据库中识别到具有最大匹配度的一个特定的人脸.
神经网络的特征提取 (图片来源于: CEVA)
相机拍摄或捕捉的物体, 可以通过神经网络在其数据库找到具有最高匹配概率的人脸. 尤其好的是物体不需要在完全相同的角度或位置, 或者是相同的光线条件下进行拍摄.
AI这么快就流行起来, 在很大程度上是因为开放的软件工具 (也称为框架) , 使得构建和训练一个神经网络实现目标应用程序变得容易起来, 即使是使用各种不同的编程语言. 两个常见的通用框架是TensorFlow和Caffe. 对于已知的识别目标, 可以离线定义和训练一个神经网络. 一旦训练完成, 神经网络可以很容易地部署到嵌入式平台上. 这是一个聪明的划分, 允许借助PC或云的能力训练神经网络, 而功耗敏感的嵌入式处理器只需使用训练好的数据来进行识别.
类人的识别人和物体的能力与流行的应用密切相关, 比如工业机器人和自动驾驶汽车.
然而, 人工智能在音频领域具备同样的兴趣点和能力. 采用和图像特征分析同样的方式, 可以将音频分解成特征点来输入给神经网络. 有一种方法是使用梅尔频率倒谱系数 (MFCC) 将音频分解成有用的特征. 最开始音频样本被分解成短时间的帧, 例如20 ms, 然后对信号进行傅里叶变换, 使用重叠三角窗将音频频谱的功率映射到一个非线性尺度上.
声音神经网络分解图 (图片来源于: CEVA)
通过提取的特征, 神经网络可以用来确定音频样本和音频样本数据库中词汇或者语音的相似度. 和图像识别一样, 神经网络为特定词汇在数据库中提取了可能的匹配. 对于那些想要复制谷歌和亚马逊的 'OK Google' 或 'Alexa' 语音触发 (VT) 功能的人来说, KITT.AI通过Snowboy提供了一个解决方案. 触发关键词可以上传到他们的平台进行分析, 导出一个文件, 集成到嵌入式平台上的Snowboy应用程序中,这样语音触发 (VT) 的关键词在离线情况下也可以被检测到. 音频识别也并不局限于语言识别. TensorFlow提供了一个iOS上的示例工程, 可以区分男性和女性的声音.
另一个应用程序是检测我们居住的城市和住宅周围动物和其它声音. 这已经由安装在英国伊丽莎白女王奥林匹克公园的深度学习蝙蝠监控系统验证过了. 它提供了将视觉和听觉识别神经网络集成到一个平台的可能性. 比如通过音频识别特定的声音, 可以用来触发安全系统进行录像.
有很多基于云的AI应用程序是不现实的, 一方面有数据隐私问题, 另一方面由于数据连通性差或带宽不够造成的服务不能持续. 另外, 实时性能也是一个值得关注的问题. 例如工业制造系统需求一个瞬时响应, 以实时操作生产线, 连接云服务的延时就太长了.
因此, 将AI功能移动到终端设备越来越受到关注. 也就是说, 在正在使用的设备上发挥人工智能的力量. 很多IP供应商提供了解决方案, 比如CEVA的CEVA-X2和NeuPro IP核和配套软件, 很容易和现有的神经网络框架进行集成. 它为开发具备人工智能的嵌入式系统提供了可能性, 同时提供了低功耗处理器的灵活性. 以一个语音识别系统作为例子, 可以利用集成在芯片上的功耗优化的人工智能, 来识别一个语音触发 (VT) 的关键词和一个最小的语音命令(VC)的集合. 更复杂的语音命令和功能, 可以在应用程序从低功耗的语音触发状态下唤醒之后, 由基于云的AI完成.
最后, 卷积神经网络 (CNN) 也可以用来提高文本到语音(TTS)系统的质量. 一直以来TTS是将来自同一个配音员的许多小块的高质量录音, 整合成连续的声音. 虽然所输出的结果是人类可以理解的, 但由于输出结果存在奇怪的语调和音调, 仍然感觉像是机器人的声音. 如果试图表现不同的情绪则需要一组全新的录音. 谷歌的WaveNet改善了当前的情况, 通过卷积神经网络 (CNN) 以每秒16000个采样生成TTS波形. 与之前的声音样本相比, 其输出结果是无缝连接的, 明显更自然更高质量的声音.