集微網消息, 日本微控制器廠商瑞薩電子 (Renesas Electronics) 為削減晶片生產設備的高昂成本, 計劃將車用微控制器 (MCU) 全由台積電代工, 並專註於軟體及半導體研發.
今日瑞薩發布了目前業界第一款使用28nm工藝的整合快閃記憶體MCU, 並於即日起開始交付樣片. 為了打造下一代更高效, 更可靠的環保汽車和自動駕駛汽車, 這款革命性的RH850/E2x系列微控制器內置了多達6個400Mhz的處理器核心, 成為業界第一款能達到9600MIPS指令處理能力的車用控製片內快閃記憶體MCU. 該系列MCU還具有多達16MB的內置快閃記憶體以及更完善的安保功能和功能安全性.
瑞薩28納米MCU的運算性能比目前40納米高出3倍, 在自動駕駛技術不斷攀升下, 能符合低耗電力及高處理性能的MCU需求. 瑞薩表示, 該款28納米MCU為當前全球最先端的產品, 已於3月將樣品出貨給DENSO等多家知名汽車零件廠, 目標是於2020年通過台積電進行量產, 瑞薩自家晶圓廠則逐漸退出生產車用半導體 .
繼於2015年2月28nm嵌入式快閃記憶體的工藝開發公布後, 瑞薩電子於2016年9月宣布與台積電合作生產28nm MCU. 瑞薩在今天的新聞稿中指出, 今日向市場推出全球第一款28nm嵌入式快閃記憶體MCU, 將成為瑞薩電子的另一個重要裡程碑. 瑞薩電子已經驗證了在16/14nm及下一代MCU產品上應用鰭狀MONOS快閃記憶體技術.
日經指出, 瑞薩此舉能降低生產成本, 而台積電也能利用已折舊的設備來生產28納米MCU.
根據瑞薩公布的財報資料顯示, 上季度 (2017 年 10~12 月) 瑞薩半導體事業營收以非一般公認會計原則 (Non-GAAP) 為基準, 較去年同期大增 28.0% 至 2,065 億日元, 其中車用半導體事業營收成長 14.7% 至 1,078 億日元.
累計 2017 年全年瑞薩半導體事業營收年增 23.4% 至 7,657 億日元, 其中車用半導體事業營收成長 13.8% 至 4,081 億日元.
2.富士康8.66億美元買外設廠商Belkin 需美政府批准;
網易科技訊3月27日消息, 據國外媒體報道, 蘋果公司供應商富士康旗下一家子公司宣布, 將以約8.66億美元收購知名周邊產品廠商貝爾金公司 (Belkin) . 貝爾金還擁有Linksys, Phyn和Wemo品牌.
該子公司叫FIT (鴻騰精密科技股份有限公司, Foxconn Interconnect Technology Limited) , 一份公布在Belkin官方網站的聯合聲明透露了此消息. 這份聯合聲明表示, 該收購將以全現金交易方式完成.
'鴻騰精密很高興收購Belkin及其在高端消費產品領域的能力, ' 鴻騰精密首席執行官盧松青(Sidney Lu)表示, '通過把貝爾金最好的一流能力和解決方案整合到鴻騰精密中, 我們希望豐富我們的高端消費產品組合, 並加快我們對智能家居的滲透. '
貝爾金大約35年前建立於美國加州, 後來在個人電腦繁榮期間, 以優質外圍設備製造商的身份而聞名. 一開始從各種周邊設備開始, 比如浪湧保護器, USB集線器, 當然還有電纜線, 後來Belkin又搭上了蘋果在21世紀初iPod產品流行的順風車.
目前, 該公司生產一系列產品, 向電腦, 智能手機, 平板電腦, 智能手錶和其他電子產品製造商提供服務. 貝爾金名為WeMo的獨立品牌, 馳名於新興的家庭連接市場.
最近, 貝爾金和管道供應商Uponor在2016合作建立了名為Phyn的新公司. 該新公司推出的首個產品——連接iPhone的水監控裝置, 名叫Phyn Plus——今年初在CES上展出.
按照與富士康達成協議的條款, 貝爾金將為鴻騰精密旗下一個子公司進行運作, 由其首席執行官, 聯合創始人切特?皮普金 (Chet Pipkin) 執掌帥印. 作為協議的一部分內容, 預計切特?皮普金將參加鴻騰精密管理層.
據金融時報報道稱, 該併購必須獲得美國財政部下屬外國投資委員會批准, 該機構最近對晶片製造商博通(Broadcom)惡意收購競爭對手高通行為表示反對.
總統唐納德·特朗普 (Donald Trump) 以危害國家安全理由否決了博通的這一收購案, 鑒於此, 富士康收購貝爾金案也可能會變得不穩定. 貝爾金擁有網路技術. 不過對美國是一家重要投資者的富士康已經宣布, 2020年之前在美國威斯康辛州投資100億美元興建LCD工廠. (天門山) 網易科技
3.東芝出售晶片子公司或錯過最後期限 將尋求更多選擇;
集微網消息, 據路透社報道, 中國商務部仍未在審議貝恩資本(Bain Capital)牽頭財團以180億美元收購東芝(6502.T)晶片子公司的計劃, 使得該交易不大可能在即將到來的最後期限前完成. 東芝似乎將為該子公司尋找更多選擇方案.
中國商務部周二向路透簡要表示, 正在評估該交易, 但沒有進一步詳述.
一位直接知情人士表示, 該交易若要在3月31日的最後期限前完成, 必須在本周初通過中國的反壟斷審批, 因行政程序和轉賬仍需要一定時間完成.
如果不能如期完成, 東芝將有權在不支付罰金的情況下放棄出售晶片子公司的交易, 一些投資者敦促東芝考慮這種選擇. 東芝的晶片子公司是全球第二大NAND晶片生產商.
東芝發言人稱, 公司尚未放棄在月底前完成交易的努力, 即便錯過期限, 仍將儘快出售晶片業務.
此前, 有分析師預測的將快閃記憶體業務分拆上市. 也有媒體認為, 沒有通過反壟斷審批, 對東芝可能反而是件好事, 由於財務數據有所好轉, 該公司可以重新提高收購報價, 甚至比目前的價格高出40億美元. 一些活躍的股東反對東芝此次交易, 認為資產價值被低估, 他們認為應該和貝恩資本重新洽談收購價, 或是讓快閃記憶體業務分拆上市.
一般認為, 東芝交易最大的審核難度來自韓國海力士公司. 行業也擔心, 如果收購完成, 海力士將會在市場上獲得更大規模和影響力, 損害市場競爭. 曆史上, 海力士曾經出現通過非正常手段獲取東芝半導體技術的案例.
4.MLCC持續漲價 需警惕價格操縱;
一直以來, 日, 韓企業主要生產中高端MLCC產品, 而中國大陸地區, 台灣地區企業則立足於中低端市場. 業內估計, 此次日企的戰略調整, 將釋放20%的標準型MLCC市場.
驚心動魄的存儲器漲價潮逐漸落下帷幕, 但同期進入漲價通道的MLCC (片式多層陶瓷電容) 依然 '漲聲不止' . 近日, 市場消息稱, 全球第三大MLCC供應商台灣國巨將於4月進一步上調MLCC售價, 漲幅約40%-50%.
在此前不到一年的時間裡, 國巨已經多次上調MLCC價格, 報價總漲幅接近30%. 得益於價格, 銷量的同步上漲, 國巨在2017年9月首次實現單月收入突破30億新台幣, 其後至今每月收入同比漲幅均超過30%, 其2017年12月-2018年2月收入同比增長更是超過了50%. 2017年全年, 國巨營收322.6億新台幣, 同比增長16.1%, 毛利率從23.6%提升至32.5%, 增加了8.9個百分點.
公司的股價表現更為驚人, 2017年之前, 該公司股價從未達到過70元新台幣, 2017年3月首次突破80元新台幣, 到了2018年3月, 該公司股價已經突破500元新台幣, 一年漲幅超過了520%. 市場, 市值的雙盈, 使得國巨成為MLCC漲價的最大贏家.
供給結構調整
與存儲器的漲價誘因類似, MLCC的漲價導火索也源於行業內的產業結構調整.
MLCC是電子產品中的最常見的電容器件, 被大量應用於手機, 汽車, 家電等消費類設備中, 一部手機中會使用數百顆MLCC, 而一台汽車的MLCC用量則要達到5000顆.
不過, MLCC售價極其低廉. 根據國巨2016年財報, 其MLCC產量總計3431億顆, 實現收入約91億新台幣, 約0.026新台幣/顆, 合人民幣約0.5分/顆.
'因為太便宜了, 所以日本企業開始陸續放棄中低端產品, 轉而生產利潤更高, 需求量更大的汽車, 工業領域應用的MLCC. ' 一業內人士向記者介紹. 2016年中期, 日本TDK宣布退出一般型MLCC市場. 日本是全球最主要的MLCC供應國家, 僅村田, TDK兩家企業就生產了全球50%的MLCC產品.
一直以來, 日, 韓企業主要生產中高端MLCC產品, 而中國大陸地區, 台灣地區企業則立足於中低端市場. 業內估計, 此次日企的戰略調整, 將釋放20%的標準型MLCC市場.
這一契機成為漲價導火索, 其後, 台灣地區的國巨, 華新科, 國內的潮州三環, 風華高科陸續宣布對MLCC產品進行漲價. 根據2017年財報, 華新科2017年MLCC產品收入約1214萬美元, 同比增長約19%. 最近一年內, 華新科股價從44新台幣漲至111新台幣, 漲幅約152%.
而在國內, 雖然MLCC相關股票並未表現出如此強烈的漲幅, 但各大券商機構均看好諸如三環集團, 風華高科等股票. 值得一提的是, 風華高科在2016年財報中特意提到, 當年風華高科MLCC產品銷量增長22.1%, 淨利潤增長426.27%.
全球最大的MLCC生產商日本村田雖然未公開表示對產品漲價, 但卻表示看好MLCC的供不應求, 且投資了2600億日元用於產能擴充.
警惕價格操縱
'雖然聽起來漲得凶, 但對手機並沒有什麼影響, 總的價值佔比太低了. ' 一位手機行業資深人士告訴記者, MLCC的漲價並未傳遞到手機, 汽車, 家電等消費品, 消費者基本無直觀感受.
'而且, 有點規模的手機廠商, 對這類器件都可以提前半年甚至一年鎖定價格. ' 也正是因此, 該人士表示 '並未感受到類似之前存儲器漲價時那麼明顯的供不應求. '
需要指出, 此次MLCC的漲價主要為低端產品. 一位業內人士介紹, '目前的MLCC, 高端產品不敢漲價, 只有低端在漲. 而漲價聲, 很多都是渠道商的噱頭. 供應商原廠的漲價幅度, 在渠道商這裡會成倍放大. '
從未公開漲價的日本村田, 在最近5年中, 電容產品的收入增長一直保持超過30%的增幅. 財報顯示, 2017年村田電容產品收入3695億日元, 同比增長32.6%, 增幅超過國巨.
同時, 宣布放棄一般型MLCC的日本TDK, 在2017年4-12月的三個季度中, 電容產品收入為1155億日元, 約1.02億美元, 同比增長13.6%, 增幅與此前持平, 兩家企業的收入增長主要歸因於智能手機, 汽車電子等市場帶動的銷量增長.
根據海關數據, 2016年全年, 中國進口MLCC產品52.26億美元, 而2017年全年, 中國共進口MLCC產品56.2億美元, 增長7.6%. 但2018年1-2月, MLCC進口額達到10億美元, 比去年同期的7.38億美元增長35.5%.
根據此前中國產業資訊網預測數據, 2017年全球MLCC市場規模總計約100億美元, 而中國僅進口MLCC就達到56億美元. 上述手機廠商人士介紹, '需要警惕這些廠商借勢操縱市場, 畢竟中國是全球最大的電子器件消費國. '
事實上, 被動元器件市場的價格壟斷行為屢見不鮮. 2018年3月21日, 歐盟委員會認定9家日本企業在1998-2012年間對鋁質電解電容/鉏質電解電容進行價格壟斷, 併合計開出約2.54億歐元罰款. 在2018年1月, 新加坡競爭委員會也對5家鋁電解電容器企業在1997-2013年間的價格壟斷行為做出約1億元人民幣的壟斷處罰.
此前, 發改委曾就存儲器持續漲價問題多次約談三星, 目前存儲器價格已經開始下滑. 而以MLCC為代表的被動元器件, 仍在持續漲價. 21世紀經濟報道
5.嵌入式神經網路賦予機器視覺, 聽覺和分析能力;
Youval Nachum, 音頻與語音產品線高級產品經理, CEVA
人工智慧 (AI) 潛在的應用與日俱增. 不同的神經網路 (NN) 經過測試, 調整和改進, 解決了不同的問題. 出現了使用AI優化數據分析的各種方法. 今天大部分的AI應用, 比如穀歌翻譯和亞馬遜Alexa語音識別和視覺識別系統, 還在利用雲的力量. 通過依賴一直線上的互聯網連接, 高頻寬連結和網路服務, 物聯網產品和智能手機應用也可以整合AI功能. 到目前為止, 大部分注意力都集中在基於視覺的人工智慧上, 一部分原因是它容易出現在新聞報道和視頻中, 另一部分原因是它更類似於人類的活動.
聲音和視覺神經網路 (圖片來源於: CEVA)
在映像識別中, 對一個2D映像進行分析 (一次處理一組像素) , 通過神經網路的連續層識別更大的特徵點. 最開始檢測到的邊緣是具有高差異性的部位. 以人臉為例, 最早識別的邊緣是在眼睛, 鼻子和嘴巴這些特徵周邊. 隨著檢測過程在神經網路中的深入, 將會檢測到整個面部的特徵.
在最後階段, 結合特徵和位置資訊, 就能在可用的資料庫中識別到具有最大匹配度的一個特定的人臉.
神經網路的特徵提取 (圖片來源於: CEVA)
相機拍攝或捕捉的物體, 可以通過神經網路在其資料庫找到具有最高匹配機率的人臉. 尤其好的是物體不需要在完全相同的角度或位置, 或者是相同的光線條件下進行拍攝.
AI這麼快就流行起來, 在很大程度上是因為開放的軟體工具 (也稱為框架) , 使得構建和訓練一個神經網路實現目標應用程序變得容易起來, 即使是使用各種不同的編程語言. 兩個常見的通用框架是TensorFlow和Caffe. 對於已知的識別目標, 可以離線定義和訓練一個神經網路. 一旦訓練完成, 神經網路可以很容易地部署到嵌入式平台上. 這是一個聰明的劃分, 允許藉助PC或雲的能力訓練神經網路, 而功耗敏感的嵌入式處理器只需使用訓練好的數據來進行識別.
類人的識別人和物體的能力與流行的應用密切相關, 比如工業機器人和自動駕駛汽車.
然而, 人工智慧在音頻領域具備同樣的興趣點和能力. 採用和映像特徵分析同樣的方式, 可以將音頻分解成特徵點來輸入給神經網路. 有一種方法是使用梅爾頻率倒譜係數 (MFCC) 將音頻分解成有用的特徵. 最開始音頻樣本被分解成短時間的幀, 例如20 ms, 然後對訊號進行傅裡葉變換, 使用重疊三角窗將音頻頻譜的功率映射到一個非線性尺度上.
聲音神經網路分解圖 (圖片來源於: CEVA)
通過提取的特徵, 神經網路可以用來確定音頻樣本和音頻樣本資料庫中辭彙或者語音的相似度. 和映像識別一樣, 神經網路為特定辭彙在資料庫中提取了可能的匹配. 對於那些想要複製穀歌和亞馬遜的 'OK Google' 或 'Alexa' 語音觸發 (VT) 功能的人來說, KITT.AI通過Snowboy提供了一個解決方案. 觸發關鍵詞可以上傳到他們的平台進行分析, 導出一個檔案, 整合到嵌入式平台上的Snowboy應用程序中,這樣語音觸發 (VT) 的關鍵詞在離線情況下也可以被檢測到. 音頻識別也並不局限於語言識別. TensorFlow提供了一個iOS上的示例工程, 可以區分男性和女性的聲音.
另一個應用程序是檢測我們居住的城市和住宅周圍動物和其它聲音. 這已經由安裝在英國伊麗莎白女王奧林匹克公園的深度學習蝙蝠監控系統驗證過了. 它提供了將視覺和聽覺識別神經網路整合到一個平台的可能性. 比如通過音頻識別特定的聲音, 可以用來觸發安全系統進行錄影.
有很多基於雲的AI應用程序是不現實的, 一方面有數據隱私問題, 另一方面由於數據連通性差或頻寬不夠造成的服務不能持續. 另外, 即時性能也是一個值得關注的問題. 例如工業製造系統需求一個瞬時響應, 以即時操作生產線, 連接雲服務的延時就太長了.
因此, 將AI功能移動到終端設備越來越受到關注. 也就是說, 在正在使用的設備上發揮人工智慧的力量. 很多IP供應商提供了解決方案, 比如CEVA的CEVA-X2和NeuPro IP核和配套軟體, 很容易和現有的神經網路框架進行整合. 它為開發具備人工智慧的嵌入式系統提供了可能性, 同時提供了低功耗處理器的靈活性. 以一個語音識別系統作為例子, 可以利用整合在晶片上的功耗優化的人工智慧, 來識別一個語音觸發 (VT) 的關鍵詞和一個最小的語音命令(VC)的集合. 更複雜的語音命令和功能, 可以在應用程序從低功耗的語音觸髮狀態下喚醒之後, 由基於雲的AI完成.
最後, 卷積神經網路 (CNN) 也可以用來提高文本到語音(TTS)系統的質量. 一直以來TTS是將來自同一個配音員的許多小塊的高質量錄音, 整合成連續的聲音. 雖然所輸出的結果是人類可以理解的, 但由於輸出結果存在奇怪的語調和音調, 仍然感覺像是機器人的聲音. 如果試圖表現不同的情緒則需要一組全新的錄音. 穀歌的WaveNet改善了當前的情況, 通過卷積神經網路 (CNN) 以每秒16000個採樣生成TTS波形. 與之前的聲音樣本相比, 其輸出結果是無縫連接的, 明顯更自然更高質量的聲音.