當前位置:首頁 > 半導體 > 新聞
  • 汽車CMOS芯片,百億美元大市場

    汽車CMOS芯片,百億美元大市場

    今年8月,華為旗下投資公司哈勃科技投資有限公司宣佈投資參股安防領域CMOS圖像傳感器隱形冠軍—思特威(SmartSens)。這家成立於2011年的國內CMOS圖像傳感器芯片設計公司,避開了傳統巨頭壟斷的手機市場,轉而切入安防市場並快速佔據市場領先位置。 就在華為宣佈投資的幾乎同一時間,思特威首次推出首款車規級圖像傳感器產品,同時亮相的還有面向智能交通監控的產品。如今,思特威再次宣佈推出一款面向艙內應用(包括DMS)的車規級圖像傳感器產品,意味着這家華為系公司全面進軍汽車行業。 一、百億美元大市場 3年前,CMOS傳感器剛剛經歷一輪全球需求的爆發增長期,智能手機及其他移動終端、安放監控行業是主要的推動力。 如今,隨着智能手機、傳統安防監控領域步入低速增長期,CMOS圖像傳感器需要尋找一個新的高速增長行業。 目前,在全球汽車市場,安森美、索尼、三星、豪威佔據市場主要份額。數據顯示,去年全球汽車圖像傳感器約10億美元市場。 按照未來三年車載攝像頭配置數量變化(車內新增1-3顆、車外從之前的5顆逐步增加了8-12顆),市場將持續受益智能化滲透率提升。 此外,高階產品需求開始出現,從傳統的100-200萬像素逐步提升至500-800像素。而自動駕駛系統對於攝像頭要求更加複雜,性能更高。 不過,相比於其他領域,汽車是一個極具挑戰性的市場,對於企業來説,沒有失敗的空間。 作為思特威AT系列首顆車規級圖像傳感器產品,SC100AT具有高達140dB的超高動態範圍,以極其出色的高品質明暗細節成像應對車內/外的強烈光線變化。 此外,SC100AT通過搭載思特威特有的PixGain HDR技術可實現出色的無拖尾成像,而低至0.58e-的讀出噪聲,更使其能夠在低光照環境下輸出清晰、細膩的夜視影像畫面。 而此次新推出的適用於DMS系統的SC133GS CMOS 130萬像素CMOS傳感器,在低光駕駛環境下,超高靈敏度(QE @ 940 nm > 40%)能夠讀取近紅外光。 結合120 fps幀速率和單幀HDR技術,提供實時圖像清晰可見明暗細節,準確地捕捉最細微變化。 與此同時,思特威還在今年6月發佈其專有的LED閃爍抑制(LFS)技術,幫助CMOS圖像傳感器有效減輕LED閃爍帶來的危險,以支持ADAS及自動駕駛的特殊要求。 相比於其他同行已經推出的類似解決方案,思特威選擇了一種更獨特的方法,基於專有的QCell技術增加了傳感器的靈敏度和動態範圍,以適應昏暗或波動的照明場景。 為了強化汽車業務,思特威還在今年6月宣佈收購位於深圳的Allchip Microelectronics(安芯微),後者是一家專門為汽車應用提供CMOS圖像傳感器的公司。 思特威看中的是,到2025年,全球汽車市場攝像頭模塊將超過100億美元的龐大市場。 二、智能化的基礎 無論是鏡頭、模組還是CMOS,相比於車外ADAS的高性能(功能安全)要求應用,艙內DMS等應用要求相對較低,但同樣對成本、尺寸、功耗等等有更高的要求。 比如,豪威在今年推出的全球首款汽車晶圓級攝像頭CMOS傳感器OVM9284,尺寸為6.5 x 6.5毫米,功耗比平均水平低50%以上。 OVM9284基於豪威公司的OmniPixel 3-GS全球快門像素架構,能在940nm波長下提供量子效率,在接近或完全黑暗的情況下可以獲得最高質量圖像。 集成的全視圖像傳感器(圖像傳感器、信號處理器和晶片級光學器件),有3微米像素和0.25英寸光學格式,分辨率為1280 x 800。 這款計劃在今年底量產的芯片級攝像頭,規避了傳統艙內攝像頭尺寸過大的弊端,方便汽車製造商和DMS方案商更靈活選擇安裝位置以及與座艙其他組件的集成。 “DMS可能是ADAS之後的下一個增長市場,因為駕駛員分心正成為一個主要問題,相應的監管和法規也在陸續推出。”行業人士表示,這幾年產業鏈上下游企業都在不斷加碼。 與此同時,攝像頭也在成為智能化的重要元素。同時,視覺感知仍是adas及自動駕駛的重心所在。 以手機為例,2017年蘋果在iPhone的發佈會上,約有10%的時間“推廣”攝像頭;去年,時間佔比接近50%,而不是其他手機功能。 如今,在汽車行業也是如此。搭載攝像頭的數量,以及攝像頭的像素也在成為新車智能化營銷的重點之一。 不過,對於思特威來説,汽車前裝導入週期較長,考慮到華為的投資入股,以及其在智能汽車領域進入量產階段,後續想象空間不小。 此前,因為美國的出口禁令,使得索尼暫停了對華為手機的CMOS傳感器出貨。這意味着,在汽車行業,華為同樣在通過投資參股的方式,扶持自有供應鏈體系。而持續的資本加持,正在加快思特威進軍第二個“安防”市場。 隨着車載攝像頭搭載數量的快速增加,不僅使核心CMOS芯片性能要求增高,更加速了細分市場的競爭程度。

    時間:2020-10-27 關鍵詞: 華為 cmos 芯片

  • 三星尋求強化與ASML合作,加速3nm芯片製程工藝研發

    三星尋求強化與ASML合作,加速3nm芯片製程工藝研發

    近日,據外媒報道,在芯片製程工藝方面一直落後於台積電的三星電子,目前正在尋求加強與極紫外光刻機供應商ASML的合作,以加速5nm和3nm製程的研發。 2015年,由於蘋果合同A9 芯片在 iPhone 6s的生存能力低於台積電製造的芯片,三星一直無法獲得蘋果A系列處理器的合同訂單,蘋果訂單已移交給台積電。 儘管失去了蘋果訂單的三星仍收到高通等公司的訂單,但三星在芯片加工處理方面也落後於台積電一段時間。台積電是第一個在同一過程中大規模投入生產的公司。 來自國外媒體的最新報道顯示,在芯片加工技術上落後於台積電一段時間的三星被用來加速5nm和3nm工藝的研究和開發。 很難説三星能否超過台積電,加速5nm和3nm工藝的發展。 作為芯片加工工藝的領先製造商,台積電的5nm工藝於今年第一季度大規模投入生產,第三季度的收入約為10億美元,預計第四季度將超過26億美元。 在更先進的3nm工藝方面,台積電也在按計劃推進,計劃在2021年進行風險試產,在2022年進行大規模生產。 此外,台積電與世界上唯一的極端紫外光刻機供應商阿斯麥密切合作,他們獲得了大量的極端紫外線光刻機。 在8月份的全球技術論壇上,台積電透露,世界上目前使用的極端紫外光刻機中約有一半,生產能力預計將佔世界總量的60%。

    時間:2020-10-27 關鍵詞: 三星 台積電 芯片

  • 聚焦ICT技術,華為幫助車企“造好”車、造“好車”

    聚焦ICT技術,華為幫助車企“造好”車、造“好車”

    汽車是工業的集大成者,挑戰高利潤大。吸引了很多業內業外的行業巨頭紛紛想要加入造車隊伍。通信電子以及互聯網領域的巨頭們都想在汽車行業分杯羹,索尼就為推銷他們的汽車電子產品而專門造了一輛樣車,谷歌、阿里、百度琢磨車機系統,LG更深入,直接造核心部件,動力電池。 當然,華為也殺進來了,車輪上的華為開始加速 華為有一個著名的壓強戰略,任正非曾用坦克和釘子來比喻:幾十噸重的坦克能夠在沙漠中突擊,是因為它採用了面積比輪胎大得多的履帶,由此使單位面積的承重減小不至於陷下去;而釘子雖輕,卻能穿透硬物,在於極細的頂部擁有更強的壓強。 壓強戰略在企業管理中的意義是,集中力量對準業務的城牆口,以達到力出一孔,利出一孔。 那麼,專注ICT行業的華為殺進汽車領域是不是違背壓強戰略了?並不是,華為在汽車領域也是有所為有所不為,它要做的是把自己原有的能力整合到汽車行業。 華為的策略是聚焦ICT技術,在智能座艙、智能網聯、智能駕駛、智能車雲服務、智能電動等領域為車企提供智能網聯電動汽車的增量部件,幫助車企“造好”車、造“好車”。 這正符合汽車加速智能化的趨勢。用華為輪值董事長徐直軍的話講:“所有傳統汽車涉及的部件,華為都不做;傳統汽車走向智能網聯電動車過程中,車輛所需要的部件和能力才是華為的主攻方向。” 並且,從去年開始,華為的汽車業務也開始執行壓強戰略。轉折點是,去年5月底,華為成立智能汽車解決方案BU,汽車業務上升到集團戰略層面。目前,該BU已經有4000多人的團隊,僅今年內的投入就會達5億美金,短期內不考慮盈利。 上個月北京車展前夕,華為專門開了一場智能汽車解決方案生態論壇,介紹汽車相關的戰略和產品;在北京車展,華為在整車館租了展台;車輪上的華為在加速。 華為的汽車佈局:深淘灘,廣撒網 華為智能汽車解決方案BU在組織上大致分為五個部門,智能座艙部門、智能網聯部門、智能駕駛部門、智能車雲服務部門和智能電動部門。 1、智能座艙部門的關鍵詞是鴻蒙車機系統、鴻蒙車域生態、智能硬件。按照華為的説法,鴻蒙系統是一個面向全場景的分佈式操作系統,它的兩大特點就是全場景和分佈式。 全場景指,鴻蒙系統可以運用在手機、平板、IOT等產品以及車機之中;分佈式指運用鴻蒙系統的各設備之間可以互相調用硬件能力;打個比方,進入車內,手機播放的視頻可以選擇直接在車機屏幕上無縫切換,手機可以控制汽車內的音響,車機可以操控家裏的智能家居設備,這樣以來,各種設備之間就可以無感連接。 目前,華為的手機和PC已經能夠實現分佈式能力,華為手機的整個界面可以在華為PC上顯示,設備聯通後,在華為PC上就能操控手機,包括打電話。 不過,鴻蒙系統還未完全成型,鴻蒙車機系統也還在測試階段。近期消費者真正能用到的是類似Apple CarPlay的華為HiCar輕量級系統,包括沃爾沃、比亞迪已經把華為HiCar作為一個產品賣點。 在華為上海全球旗艦店,擺放的一輛沃爾沃XC90就是用來演示HiCar的。上個月的華為開發者大會上,華為消費者BG CEO餘承東表示,華為HiCar已經與超過20家汽車製造香港神州集運、150多款車型進行了合作,合作應用超過30款,目標2021年超過500萬台車預裝華為HiCar。 鴻蒙車域生態好理解,就是鴻蒙在汽車領域的生態。華為的目標是,把手機的生態搬到汽車裏,解決目前汽車可用APP服務欠缺的問題。 華為在北京車展已經發布了部分智能硬件,包括車載智慧屏、AR HUD等。 車載智慧屏就是華為版的汽車中控屏,目前還不知道具體的產品特點,據説不久後華為的一場發佈會會詳細介紹。你可能會問,AR HUD這東西跟華為之前的技術有關係嗎?有的,畢竟華為都有AR眼鏡的產品,這裏面肯定有共通的技術,華為的AR HUD預計在2023年裝車。 華為在智能座艙領域的目標是做到汽車生命週期內,可實現硬件即插即用、軟件持續升級,保證用户座艙系統體驗的平滑演進。 2、智能網聯部門的產品包括4G/5G車載移動通信模組/T-Box、車路協同C-V2X芯片等,比如,剛剛上市的北汽新能源 ARCFOX αT就搭載了華為5G模組MH5000。 3、智能駕駛部門業務包含MDC智能駕駛計算平台、傳感器兩條產品線以及ADAS自動駕駛解決方案。MDC智能駕駛計算平台這條線,與英偉達、Mobileye的產品存在競爭關係。 華為的MDC主體由人工智能芯片NPU和通用計算芯片CPU組成,支撐汽車的計算和控制。不過,華為提供的MDC主要是支持車企實現自動駕駛,而自動駕駛更多就是以人工智能推理計算為主,把攝像頭、激光雷達,毫米波雷達感知到的信息進行處理,然後進行推理,再向四個輪子發出指令。 華為的思路是,雖然自家的MDC完全可以滿足整車的計算推理需求,但基於安全性的考慮,會設置三個域控制器,同時也有三個操作系統匹配,分別是鴻蒙車機系統、自動駕駛操作系統AOS、智能車控操作系統VOS,以支持座艙系統、MDC、車輛動態控制系統的安全冗餘,互為備份。 上個月,華為發佈了最新的MDC 210和MDC 610,分別提供48 TOPS、160 TOPS的算力,支持L2+、L3-L4級別的自動駕駛。之前,華為也已經有了MDC 300和MDC 600兩款產品,目前MDC有四款產品,覆蓋各種需求。 其中,MDC 600早在2018年就發佈了,集成8顆華為昇騰310人工智能芯片,算力高達352 TOPS,支持L4級別自動駕駛;產品發佈之時,華為與奧迪就公佈了合作計劃,奧迪Q7用MDC 600的高階版本進行自動駕駛的道路測試。 非常具有前瞻性的是,MDC系列產品,物理尺寸保持一致,在智能汽車的生命週期裏,可支持計算平台的平滑替代升級。 目前,華為MDC產品已經有50多個合作伙伴。比如,使用華為的MDC產品,Momenta、禾多科技在乘用車領域打造了HWP、AVP等高級別自動駕駛解決方案;希迪智駕,在商用車領域打造了智能重卡解決方案,新石器打造了無人配送解決方案;在作業車領域,元戎啓行打造了港口集卡解決方案,慧拓打造了無人礦卡解決方案。 傳感器這條線,華為有前視雙目攝像頭、超級魚眼攝像頭、毫米波雷達以及激光雷達。激光雷達方面,2021年底,華為第一代激光雷達將量產,到2024年,第二代華為激光雷達將量產,為全固態。 激光雷達量產之時,華為將把目前昂貴的激光雷達成本降至幾百乃至一百美金。其實,傳感器也是華為已有技術的拓展,毫米波雷達用到的技術與華為的5G毫米波技術同源。此外,這個部門也負責向主機廠提供整體的ADAS自動駕駛解決方案。 華為今年的目標是在城市道路上做到測試車輛自動駕駛1000公里無干預,力爭2022年初將相關部件、系統正式裝車。 4、智能車雲服務。9月份,華為在智能汽車解決方案生態論壇發佈了華為智能車雲服務2.0,聚焦自動駕駛、高精地圖、電池安全、OTA、V2X,包括四大子服務,自動駕駛雲服務、高精地圖雲服務、車聯網雲服務和V2X雲服務。 自動駕駛雲服務幫助客户構建一站式自動駕駛數據驅動的閉環方案;車聯網雲服務包含三電雲服務、OTA和智能增值服務等服務能力;高精地圖雲服務將打造高精度動態地圖聚合平台;V2X雲服務通過全新發布的雲控平台為豐富的V2X業務場景賦能,構建智能網聯雲端大腦。 各項服務不再分別進行具體講解。舉兩個例子,據華為介紹,八爪魚自動駕駛雲服務,提供數據服務、訓練服務、仿真服務,三大服務貫穿自動駕駛開發、測試及商用優化的全生命週期,形成了以數據為驅動的自動駕駛閉環方案。 而三電雲服務能力是華為基於基站、手機等電池領域積累,結合雲計算、AI、大數據等技術推出,可以實現車輛狀態雲端可視、電池故障預警、熱失控防控、電池健康狀態精準評估、電池剩餘壽命精準預測以及電池控制策略優化。 5、智能電動部門。不久前,華為在廣州成立了華為電動技術有限公司,應該是三電部門的法人主體,但華為智能電動相關業務只有就已經有了。北京車展期間,華為展示了mPower整體解決方案,包括三合一電驅動系統、多合一電驅動系統、電池管理系統、車載充電系統模塊等,某些產品已經運用在運營商充電站中。 很有看點的是華為的多合一電驅動系統DriveOne,號稱業界首款超融合電驅系統,其集成了電動機、減速器、BCU(電池控制單元)、PDU(動力驅動單元)、DCDC(驅動電源單元)、MCU(微控制單元)、OBC(車載充電器)七大部件,做到了小巧緊湊,120千瓦(192馬力)版僅重65公斤。包括比亞迪在內的主機廠已經在搭車測試,明年量產。 不造車的華為,可再造一個博世 連電機都做,可見華為涉水之深,難怪業界多次傳出華為會造整車的傳聞,但華為多次予以否定。徐直軍之前解釋:“未來汽車價值的構成70%不會發生在傳統的車身、底盤等部件,而是在自動駕駛的軟硬件、以及計算和連接等技術上。”換言之,從產業價值角度來看,華為沒必要造車。 確實,華為不做整車,而為所有整車廠提供方案,從硬件、到軟件,從底層的芯片、操作系統系統,到上層的系統模組、整體解決方案,從智能座艙系統、到智能駕駛系統、再到電驅電控系統、雲服務等等,產品幾乎囊括所有智能網聯汽車的增量部分,豐富得不能再豐富。 放棄高成本、競爭激烈的整車行業,變為整車廠的供應商,華為既擅長又風險小、且每年足夠有300-500億美元的市場空間,假如順利,華為將成為一個“新博世”。 從To B行業,跳到To C行業,成功的鮮有,但華為仍然實現了在消費電子領域從默默無聞到世界頂級的蜕變。

    時間:2020-10-27 關鍵詞: 汽車 智能 華為

  • 為什麼晶體管在電路中常被用做開關?

    為什麼晶體管在電路中常被用做開關?

    晶體管可以用作開關和放大器,並且在電路中起到很大的作用。那麼我們如何連接晶體管,才能使其用作電路中的開關? 首先,為什麼晶體管在電路中被用作開關? 有很多不同種類的開關,以下陳列的是各種開關:按鈕開關,翹板開關,滑動開關,DIP開關,按鍵開關,撥動開關,刀開關,它們的功能與晶體管相同,它們在電路中連接到開關輸出側的負載,下面的電路使用單刀開關來打開或關閉負載(LED)。 如果以上這些開關具有相同的用途,那麼為什麼晶體管經常被用作電路中的開關呢? 原因是晶體管是電氣開關。 與上面的機械開關不同,晶體管通過電流來導通或截止。機械開關,例如單刀開關,按鈕開關,需要人工進行開關。但是,晶體管的開啓和關閉不是通過人為干預,而是通過電流來控制。 兩者都有自己的用途。機械開關通常在電子電路的外部使用,在這種情況下,人們需要控制各種功能,例如用於打開或關閉設備的ON-OFF開關,音量控制等。 當我們只想通過晶體管的通斷狀態來接通或關斷器件時,就使用晶體管。作為晶體管完美地用作電氣開關的主要示例,我們將在下面介紹。 如何將晶體管作為電路中的開關進行連接? 現在我們知道了為什麼將晶體管用作開關,現在我們討論如何連接晶體管以在電路中用作開關。 晶體管是三引腳器件,由雙極結型晶體管(BJT)的基極,集電極和發射極組成。發射極是第一引腳,基極是中間引腳,集電極是第三引腳。 為了將晶體管作為電路中的開關連接,我們將將晶體管導通的設備的輸出連接到晶體管的基極。發射極將連接到電路的接地端。集電極將連接到晶體管將導通的負載和電路的電源電壓。 該電路中有幾個不同的部分。檢測運動的部分是PIR運動傳感器。當此傳感器檢測到運動時,它將運動能量轉換為電流。許多電子設備都這樣做。它們將機械轉換為電流。PIR運動傳感器可以做到這一點。一旦檢測到運動,便將電流輸出到其引腳3的輸出引腳。由於此輸出為電流,因此可用於導通晶體管。 由於PIR運動傳感器輸出電流,並且晶體管是開關,因此它是與晶體管工作的理想開關。機械開關是人需要按下操作時使用的開關,晶體管是電流接通時的開關。因此,當我們希望電流控制電路中開關的狀態時,可以使用晶體管。 當PIR傳感器未檢測到運動時,它不輸出電流,因此晶體管不會導通。當晶體管的基極沒有接收到足夠的電流時,沒有電流可以從發射極流到集電極為負載供電,在這種情況下,負載是電動機。 即使晶體管的集電極需要正電壓(對於NPN晶體管)才能工作,它也不會僅僅因為有電壓而導通。這是因為當晶體管沒有接收到足夠的基極電壓時,它會充當開路。當晶體管開路時,沒有電流可以流到地。因此,提供給直流電動機的+ 9V直流電壓沒有電勢。電動機兩端的電壓均為+ 9V。只有當晶體管導通並且電流可以流到地時,才有確定的電位。 當運動檢測器檢測到運動時,它會從其輸出引腳輸出電流到晶體管的基極。該電流使晶體管導通,因此晶體管現在可以為其負載(即電動機)供電。在該電路中,晶體管充當開關和放大器。如果使用PNP晶體管,則將負電壓提供給集電極。

    時間:2020-10-27 關鍵詞: 晶體管 開關 電路

  • 英特爾在芯片業的製造難題無法輕易解決?

    英特爾在芯片業的製造難題無法輕易解決?

    在英特爾最近公佈的2020財年第三季度業績報告中顯示,英特爾當季營收183.3億美元,淨利潤為42.8億美元。而台媒MoneyDJ援引MarketWatch的消息稱,英特爾未對轉型計劃過多解釋。 不過有分析人士稱,英特爾的經營困境恐怕才剛開始,甚至美國銀行分析師Vivek Arya認為,英特爾遇到的製造難題恐怕無法輕易解決,尤其是在高度競爭的芯片業。 原因在於,英特爾的龐大規模恐怕會讓該公司在尋找晶圓代工夥伴時遭遇挑戰。 Vivek Arya説,英特爾究竟要部份還是完全轉型為IC設計商,目前仍不清楚。現在也不知道晶圓代工廠是否還有多餘產能為英特爾製造晶體管,或願不願意在短時間內幫助競爭對手,待後者改善內部製程後撤單,最終留下一座空蕩蕩的晶圓廠。 另外,Jefferies分析師Mark Lipacis發表研究報告指出,若台積電同意在英特爾積極追趕時、以先進製程為英特爾打造CPU,那麼台積電等於是在幫英特爾翻身,最終拱手讓出AMD及Nvidia這兩個高成長客户的訂單。 從戰略的角度來看,Mark Lipacis相信只有在英特爾放棄打造先進製程晶體管的前提下,台積電才會為英特爾代工CPU。 英特爾首席執行官鮑勃•斯旺針對延遲上市的7nm芯片指出,公司將在2021年初決定是採用自己的技術還是交由第三方代工生產7納米芯片。

    時間:2020-10-27 關鍵詞: 晶體管 英特爾 台積電

  • 比亞迪半導體車規級MCU裝車量實現重大突破

    比亞迪半導體車規級MCU裝車量實現重大突破

    近日在北京舉行的第十六屆北京國際汽車展覽會零部件展中,比亞迪半導體攜車用功率器件、智能控制IC、智能傳感器、智能車載等多種技術和產品參展,全面呈現其在車規級芯片產品和技術上的強大研發實力及快速迭代能力,再次彰顯其在電動車領域的領先地位。 早在2007年,比亞迪半導體就進入了MCU領域,從工業級MCU開始,堅持性能與可靠性的雙重路線,發展到現在擁有工業級通用MCU芯片、工業級三合一MCU芯片、車規級8位MCU芯片、車規級32位MCU芯片以及電池管理MCU芯片等系列產品。截至目前,比亞迪半導體車規級MCU已經裝車突破500萬顆,工業級MCU累計出貨超20億顆,實現了國產MCU在市場上的重大突破。 自研車規級MCU全面覆蓋 值得注意的是,在比亞迪半導體發佈的汽車半導體產品官宣視頻中,有一個小器件的身影——自主研發的MCU。MCU即微控制單元,是將CPU、存儲器都集成在同一塊芯片上,形成芯片級計算機,可為不同應用場景實施不同控制,可應用於電控系統、電池管理系統、充電逆變系統、整車熱管理系統、ADAS、車身及其他附件。 MCU廣泛應用於汽車的不同系統中 比亞迪半導體MCU芯片,在今年發佈的高端旗艦車型比亞迪“漢”的前大燈、後尾燈、室內燈、空調控制面板以及後視鏡控制等諸多應用場景中,均扮演了十分關鍵的角色,每一個功能實現的背後都離不開復雜芯片組的支撐。得益於自研MCU芯片的強大實力,比亞迪電動車的超凡智能化性能得以落地並具備持續迭代升級的能力。 MCU助力汽車智能化 作為汽車電子系統內部運算和處理的核心,MCU是實現汽車智能化的關鍵。據iSuppli報告顯示,一輛汽車中所使用的半導體器件數量中,MCU芯片約佔30%。這意味着每輛車至少需要使用70顆以上的MCU芯片。隨着汽車不斷向智能化演進,MCU的需求增長也將越來越快。 不斷升級車規級MCU,引領電動車智能化發展 近幾十年來,國內 MCU多集中在消費類領域。公開數據顯示,中國車規級MCU市場佔全球份額超過30%,但卻基本100%依賴於進口。在過去很長的一段時間內,車規級MCU技術都掌握在國際巨頭的手中,為國外香港神州集運壟斷,國產替代空間巨大。隨着比亞迪半導體的入局和突破,逐步打開了國產工控和汽車級MCU芯片的大門。 相比消費電子領域,尤其是在汽車領域,車規級芯片存在研發週期長、設計門檻高、資金投入大和認證週期長等特點。做車規級MCU的難點,在於車載產品要求做到零失效,品質達到AEC-Q100 Grade 1,使用週期 15到20 年,技術難度遠遠大於消費電子類芯片。此外,車規級MCU僅僅是單個產品的資金投入就高達幾千萬甚至上億人民幣。因此,只有具備豐富芯片設計經驗、全面產品質量管控、充足人力物力的公司,才有可能研發出滿足汽車正常運行需求的MCU芯片。這也使得國內很多香港神州集運對車規級MCU望而卻步。 結合多年工業級MCU的技術和製造實力,比亞迪半導體實現了從工業級MCU到車規級MCU的高難度跨級別業務延伸,在2018年成功推出第一代8位車規級MCU芯片,2019年推出第一代32位車規級MCU芯片,批量裝載在比亞迪全系列車型上,已累計裝車超500萬顆,標誌着國產車規級MCU在市場上邁出了一大步。 比亞迪半導體還將推出應用範圍更廣、技術持續領先的車規級多核高性能MCU芯片。

    時間:2020-10-27 關鍵詞: 半導體 汽車 比亞迪

  • 貿澤電子成為e-peas能量收集PMIC產品的首家全球授權分銷商

    貿澤電子成為e-peas能量收集PMIC產品的首家全球授權分銷商

    2020年10月27日 – 專注於引入新品的全球電子元器件授權分銷商貿澤電子 (Mouser Electronics) 宣佈與半導體公司e-peas簽署全球分銷協議,該公司致力於開發能量收集PMIC以及處理和傳感解決方案。簽約後,貿澤成為首家備貨e-peas產品並且可以立即向全球發貨的授權分銷商。通過遍佈全球的27個客户支持中心,貿澤致力於為客户提供無時差的本地化服務,並支持使用當地貨幣結算。 e-peas具有供設計工程師在硬件設計中用於實現長期供電的能量收集產品,並且藉助這些產品為家居/樓宇自動化、工/農業應用、健康監測、智能計量等各類領域提供IC解決方案。貿澤分銷的e-peas環境能源管理器 (AEM) 產品系列可以收集太陽能、熱能、振動能量和RF能量,並採用這些能量為物聯網 (IoT) 設備供電。 該公司的能量收集IC是集成的能量管理電路,可以在從能量收集裝置獲取能量的同時將其存儲在可充電元件中,併為系統提供兩個獨立的穩定電壓。這些IC可收集高達110mA的輸入電流,並且集成了超低功耗升壓轉換器,後者的輸入電壓範圍為50mV至5V。憑藉創新的冷啓動電路,這些IC產品即使在存儲元件為空、輸入電壓只有380mV(熱應用為50mV)並且輸入電流僅3µW的情況下也可以正常啓動運行。 AEM10941太陽能收集IC可從最多包含7個單元的太陽能電池板獲取直流電;AEM20940熱能收集IC可從温差發電器 (TEG) 獲取直流電;AEM30940 RF能量收集IC可從壓電發電器、微型燃氣輪發電機或其他任意高頻RF波獲取直流電,868MHz或915MHz頻率下獲取的最小輸入功率為−19dBm,2.4GHz頻率下獲取的最小輸入功率為−14dBm;AEM40940 RF能量收集IC可從環境射頻波獲取交流電,獲取的輸入功率從−20dBm至最高10dBm。

    時間:2020-10-27 關鍵詞: 分銷商 pmic 貿澤電子

  • 2019年度“羅姆杯”上海大學大學生機電創新設計大賽圓滿落幕

    2019年度“羅姆杯”上海大學大學生機電創新設計大賽圓滿落幕

    2020年10月16日下午,由上海大學和羅姆(ROHM)共同主辦的2019年度“羅姆杯”上海大學大學生機電創新設計大賽在上海大學寶山校區工程技術訓練中心圓滿落下帷幕。上海大學教務處領導、機電工程與自動化學院領導、羅姆半導體(上海)有限公司設計中心相關人員以及全體參賽學生和部分指導老師出席了本次活動。 頒獎儀式合影 本屆大賽自2019年12月正式啓動,歷時10個月終於圓滿落幕。大賽圍繞“智慧家居、幸福家庭”主題進行應用設計,內容為設計與製作用於幫助老年人獨自活動起居的機械裝置(簡稱助老機械)、以及現代智能家居的機械裝置(簡稱智能家居機械)。共吸引了來自上海大學機電工程與自動化學院、中歐工程學院、通信與信息工程學院和計算機學院的30餘支隊伍共計120餘名學生報名參賽。 以羅姆廣泛且性能優異的產品線為基礎,上大學子們充分法發揮奇思妙想,構思並製作出了各種直擊實際生活需求痛點的作品,思路新穎,創意獨特。現場參賽和獲獎項目達到20餘項。其中,“光之翼——基於清洗檢測光伏板的機器人” 針對光伏面板的日常維護進行機械智能化設計,是一套集用户前端、遠程控制、自動清洗、智能圖像檢測為一體的全自動智能清潔光伏面板裝置。通過評委老師們的嚴格考評,以及現場參賽選手和參會人員的踴躍投票,該作品博得本次大賽最高獎項——“最佳創意設計獎”和“最佳人氣獎”兩項大獎。另外,“基於物聯網的家庭藥物管家”、“智能家庭寵物陪伴機器人”、以及“車庫智能監控與消防系統”三項作品榮獲大賽一等獎。“光之翼——基於清洗檢測光伏板的機器人”將代表上海大學挑戰全國大學生機械創新設計大賽。 羅姆半導體集團常年積極履行企業社會責任,關注並支持中國教育事業和人才培養。此次也希望通過與上海大學的合作,將羅姆的先進技術和產品介紹給電子專業相關的在校學生,幫助他們開拓視野的同時,促進理論和實踐的結合。 今後,羅姆將繼續加強與大學的合作,為中國教育事業的進步和人才培養貢獻力量。 “最佳創意設計獎”獲獎作品 “光之翼——基於清洗檢測光伏板的機器人” 一等獎獲獎作品 “智能家庭寵物陪伴機器人” 嘉賓頒獎 現場掠影

    時間:2020-10-27 關鍵詞: 羅姆 羅姆杯 機電創新設計大賽

  • 上海兆芯2.57億美元買下威盛x86處理器部分技術

    上海兆芯2.57億美元買下威盛x86處理器部分技術

    威盛26日晚間突宣佈召開重大訊息説明會,由威盛董事長陳文琦親自主持。威盛持股100%子公司VIABASE與VIATECH出售部分芯片組產品相關技術、資料等IP產權予威盛間接持股合計達14.75%的上海兆芯,交易金額約為1.38億美元,另外,VIABASE同時再出售部分處理器相關技術、資料等IP產權予上海兆芯,交易金額為1.18億美元。 此交易總金額為2.57億美元,獲利1.97億美元。威盛強調,此交易屬於資產活化,可增加收益,不影響未來的業務發展,交易完成後,威盛及子公司仍能繼續現行的業務。 對此交易案,PC業者則認為,威盛x86處理器平台近年發展並不順遂,於全球PC市場已無存在感,目前威盛已全力轉進AIoT戰場,能將x86處理器、芯片組技術、資料等IP產權賣給兆芯,換來2.57億美元的好價錢,按其説法交易案不影響威盛及子公司業務,算是一筆相當值得的好買賣,同時也有助力拓中國大陸市場。 上海兆芯繫於2013年由威盛與隸屬於上海市國資委的上海聯和投資公司所合資成立,當時股本2.5億美元,威盛持股20 %,上海國資委持股80%,目前威盛持股則降至14.75%。兆芯專注x86處理器研發,技術授權來自威盛。 21ic家注意到,兆芯官網顯示,其自主研發的通用處理器產品涵蓋“開先”、“開勝”兩大系列,性能出眾,具備傑出的操作系統和軟硬件兼容性,生態體系成熟,支持構建台式機、筆記本、一體機、雲終端等多種類型的桌面整機,以及服務器、存儲等產品。此外,在嵌入式領域也已經有不同規格基於兆芯通用處理器的工業主板、模塊化電腦、工業整機、Box PC、工業級服務器、網絡安全平台等產品推出。

    時間:2020-10-27 關鍵詞: 威盛 x86處理器 上海兆芯

  • Diodes Incorporated 推出符合車用規範 3.3mm x 3.3mm 封裝 40V 雙 MOSFET

    Diodes Incorporated 推出符合車用規範 3.3mm x 3.3mm 封裝 40V 雙 MOSFET

    【香港神州集運】Diodes 公司今日宣佈推出符合車用規範的 3.3mm x 3.3mm 封裝 40V 雙 MOSFET。DMT47M2LDVQ 可以取代兩個分立式 MOSFET,以減少眾多汽車產品應用中電路板所佔用的空間,包括電動座椅控制以及先進駕駛輔助系統 (ADAS) 等。 「汽車的電子零件數量在過去的十年中迅速增加,激發出對持續創新的需求。」Diodes Incorporated 車用產品營銷經理 Ian Moulding 如上表示。「我們對這項需求的響應擴大了公司的口碑,成為汽車業界值得信賴的供貨商。」 「Diodes 在這個市場中已經連續六年創下兩位數成長的亮眼表現。」Moulding 繼續説道。「DMT47M2LDVQ 這個例子顯示我們如何幫助汽車行業解決其在開發新一代汽車時面臨的技術與商業挑戰。」 DMT47M2LDVQ 整合了兩個 n 信道增強模式 MOSFET,並就此配置實現了業界最低的 RDS(ON) - 在 10V 的 VGS 和 30.2A 的 ID 時僅為 10.9mΩ。在如此低的導通電阻下,無線充電或馬達控制等產品應用中的傳導損耗可降至最低。在 10V 的 VGS 和 20A 的 ID 時,典型的柵極電荷為 14.0nC,將交換損耗降至最低。 DMT47M2LDVQ 的高導熱效率 PowerDI® 3333-8 的結殼間熱阻 (Rthjc) 為 8.43°C/W,可以開發出比單獨封裝 MOSFET 功率密度更高的終端產品應用。如此便能減少實作汽車功能 (諸如 ADAS 等) 所需的 PCB 面積。 DMT47M2LDVQ 符合 AEC-Q100 Grade 1 等級規範,能支持 PPAP 文件,且以 IATF 16949 標準認證的生產設施製造。

    時間:2020-10-27 關鍵詞: MOSFET diodes adas

  • 瑞薩電子為其R-Car SoC推出線上Market Place,將車載系統開發速度推向新高

    瑞薩電子為其R-Car SoC推出線上Market Place,將車載系統開發速度推向新高

    2020 年 10 月 27 日,日本東京訊 - 全球半導體解決方案供應商瑞薩電子集團今日宣佈啓動其Market Place,以提供一站式解決方案資源,助力加速未來汽車領域的技術創新。開發人員可直接從Market Place下載瑞薩R-Car汽車系統級芯片(SoC)解決方案;也可將其作為門户,從R-Car聯盟活躍合作伙伴處獲取參考評估軟件;亦可直接聯繫活躍合作伙伴企業,以便及時獲取滿足客户需求的支持。 通過Market Place,開發人員可快速、輕鬆地獲取R-Car評估軟件、文檔(硬件手冊、技術更新、應用筆記等)及基礎軟件(如Linux和Android板卡支持包(BSP)等)。Market Place旨在提高車載系統開發的效率,將有助於縮短項目開發時間,並利用R-Car入門套件快速啓動評估項目。過去,開發人員獲取這些資源必須簽署書面軟件評估許可協議(注1),這是一個費時的過程。而藉助全新Market Place,開發人員在創建賬户後(注2)便可通過點擊申請許可並立即獲得必要的軟件及相關材料。Market Place還提供方便使用的技術視頻,以及R-Car產品使用及功能相關的更多詳細信息。 瑞薩電子汽車數字產品營銷事業部副總裁吉田直樹表示:“在當今瞬息萬變的商業環境中,客户需要快速獲取解決方案和相關信息,以便在後疫情新常態下進行開發。我們推出的Market Place允許開發人員即時下載所需的解決方案,以及合作伙伴公司的評估軟件,這將大大加快客户車載系統的開發速度。”

    時間:2020-10-27 關鍵詞: SoC 瑞薩電子 車載系統

  • Vishay推出集成式40 V MOSFET半橋功率級,RDS(ON)和FOM達到業界出色水平,提高功率密度和效率

    Vishay推出集成式40 V MOSFET半橋功率級,RDS(ON)和FOM達到業界出色水平,提高功率密度和效率

    賓夕法尼亞、MALVERN — 2020年10月27日 — 日前,Vishay Intertechnology, Inc.宣佈,推出新型40 V n溝道MOSFET半橋功率級---SiZ240DT,可用來提高白色家電以及工業、醫療和通信應用的功率密度和效率。Vishay Siliconix SiZ240DT在小型PowerPAIR® 3.3 mm x 3.3 mm單體封裝中集成高邊和低邊MOSFET,導通電阻和導通電阻與柵極電荷乘積,即功率轉換應用中MOSFET的重要優值係數(FOM)達到業界出色水平。 SiZ240DT中的兩個TrenchFET® MOSFET內部採用半橋配置連接。SiZ240DT的通道1 MOSFET,通常用作同步降壓轉換器的控制開關,10 V時最大導通電阻為8.05 mΩ,4.5 V時為12.25 mΩ。通道2 MOSFET,通常用作同步開關,10 V時導通電阻為8.41 mΩ,4.5 V時為13.30 mΩ。這些值比緊隨其後的競品低16 %。結合6.9 nC(通道1)和6.5 nC(通道2)低柵極電荷,導通電阻與柵極電荷乘積FOM比位居第二的器件低14 %,有助於提高快速開關應用的效率。 日前發佈的雙MOSFET比採用6 mm x 5 mm封裝的雙器件小65 %,是目前市場上體積最小的集成產品之一。除用於同步降壓,DC/DC轉換半橋功率級之外,新型器件還為設計師提供節省空間的解決方案,適用於真空吸塵器、無人機、電動工具、家庭/辦公自動化和非植入式醫療設備的電機控制,以及電信設備和服務器的無線充電器和開關電源。 集成式MOSFET採用無導線內部結構,最大限度降低寄生電感實現高頻開關,從而減小磁器件和最終設計的尺寸。其優化的Qgd / Qgs比降低噪聲,進一步增強器件的開關特性。SiZ240DT經過100 % Rg和UIS測試,符合RoHS標準,無鹵素。 新型雙MOSFET現可提供樣品並已實現量產,大宗訂貨供貨週期為12周。

    時間:2020-10-27 關鍵詞: Vishay MOSFET fom

  • 在封塑成型中採用人工智能控制輸入變量,預防與封裝厚度相關的缺陷

    在封塑成型中採用人工智能控制輸入變量,預防與封裝厚度相關的缺陷

    摘要 本文旨在於識別在半導體塑封成型(又稱模壓成型)工藝中出現的封裝厚度相關缺陷的原因,厚度相關缺陷包括封裝厚度錯誤、引線和/或芯片裸露在封裝外面、模具溢料。 在塑封成型過程中有三種情況會遇到封裝厚度問題,其中包括在模具上所選的產品配方與實際芯片批次不一致,裝入的芯片批次與模具當前保存的配方不一致,以及裝入模具產品表面不規整,例如,存在錯位芯片、基板側軌或端軌破損。採用人工智能(AI)技術的模具可以在產品入口檢測並識別各種異常問題,防止異常芯片進入後面的塑封工序。 採用人工智能可以預防與封裝厚度相關的所有缺陷以及模具停機時間。 關鍵詞:人工智能,塑封成型,相機掃描,激光掃描 1.前言 塑封成型工藝是集成電路封裝技術最近幾年取得的一項進步,該技術採用顆粒狀塑封材料封裝芯片,第一道工序是掃描基板上已完成引線鍵合的基板,獲取基板上芯片的總數量,然後按照封裝厚度要求計算所需塑封顆粒材料的數量。 圖1:塑封成型工藝 第二步是把模塑顆粒注入到下模具,下模具載體枱面塗有一層脱模劑,將基板引線朝上置於上模具夾具內。下模具抬起合模,把塑封材料壓向基板,達到封裝厚度要求後,下模具停止加壓,如圖1所示。 芯片掃描是塑封成型工藝中最重要的工序,因為這道工序決定了產品封裝的厚度。芯片掃描分為激光掃描和相機掃描兩種類型。激光掃描用於計算大尺寸芯片的數量,而相機掃描用於計算小尺寸芯片的數量。芯片掃描僅覆蓋整個基板的有效區域,但不包括端軌和側軌。圖2所示是實際基板和實際芯片掃描結果。 圖2:實際基板和掃描圖像 1.1封裝厚度相關問題 芯片掃描方法根據在產品配方中記錄的芯片配置數據,識別產品批次錯誤或配方不正確,防止模具誤操作。如果裝入的產品與產品配方不一致,模具將會發現芯片尺寸不同或芯片垂直高度錯誤。最近推出的新產品的芯片配置數據完全相同,唯一的區別是封裝厚度要求不同,如圖3所示。如果使用封裝厚度高的配方加工封裝厚度低的產品,芯片掃描不會發現錯誤,因為芯片配置相同,反之亦然。 圖3:芯片配置相同,但封裝厚度不同 另一個封裝厚度錯誤的問題是裝入產品的引線鍵合存在差異。如果存在錯位芯片,模具壓板平整度將會受到影響,導致塑封材料從壓板四邊縫隙溢出。破損基板的裂縫如果延伸到模具工作區域,將導致塑封材料在合模過程中泄漏,這兩種溢料情況都會導致模塑材料數量減少,無法滿足封裝厚度要求。最壞的情況是,由於封裝很薄,材料不足將導致芯片和引線裸露在封裝外面,如圖4所示。 圖4:錯位芯片和破損基板導致芯片和引線裸露在外面 如何避免錯位芯片和破損基板,改進辦法目前仍在研究中,但是由於模塑材料和多個芯片疊裝工藝都很複雜,改進還有待時日。 表1:不同產品的工藝和材料比較 對於基板破損,通過比較不同的產品發現,產品B和E在芯片鍵合和引線鍵合處都有通孔,基板破損發生率最高。多通孔工藝有較高的基板破損風險。對於錯位芯片,只有在上道芯片貼裝工序之後才能處理。在芯片面平整度較低時,可能會發生芯片錯位問題。還值得注意的是,產品A和D的基板較厚,破損率較低。薄基板更容易破損,合模壓力稍大一點就會損壞。下面章節比較表1中不同的產品。 1.2與封裝厚度有關的缺陷率 2018年塑封成型工藝封裝厚度相關缺陷的月均缺陷率為106 ppm,如圖5所示。 圖5:封裝厚度相關缺陷趨勢(2018年) 模具溢料將會堵塞機台的真空流道,疏通流道需要停機,抽出阻塞物,這可能會影響生產效率。從2018年停機時間趨勢來看,每月平均停機28個小時,如圖6所示。 圖6:停機時間月度趨勢 1.3目前的模具封裝厚度誤操作控制辦法 當前防止因錯誤程序或裝入錯誤批次而引起的加工錯誤的控制辦法包括在模具上粘貼產品封裝厚度要求,如表2所示。 Table 2. Compression mold package thickness matrix表2.塑封成型封裝厚度對照表 如圖7所示,在每個批次芯片裝入模具之前,檢查每個批次的追溯信息(行程卡)、實際基板和模具配方是否完全一致。 圖7:批次、行程卡和模具對照檢查 如果某個批次的基板有異常,例如,在上線前發現基板損壞或有錯位芯片,則將圖8所示的標籤貼到該批次基板上,提供可追溯信息,以評估該基板是否可以加工或從不能用於前次模具。 圖8:提示上線前基板異常的標籤 要求操作員使用千分尺測量模壓封裝厚度,從每個批次抽取1塊基板測量,確保不會漏掉封裝厚度錯誤,這是生產操作規範。 1.4在塑封成型中應用人工智能 針對因為配方錯誤或裝入錯誤批次而導致的加工錯誤,芯片掃描範圍被擴大到側軌和端軌,如圖10所示。 圖10:芯片掃描圖解 創新的想法是能夠通過光學字符識別(OCR)方法識別基板端軌上的具有唯一性的由字母數字組成的產品材料代碼,然後與所選產品配方中記錄的材料代碼對照檢查。如果成分一致,繼續檢查其餘的基板,直到檢查完該批次的所有基板為止;如果不一致,模具將提示錯誤並停機。 圖11:材料代碼光學識別 對於損壞的基板或錯位芯片,通過相機或激光掃描側軌和端軌,對比掃描影像與合格產品的影像或輪廓,檢查是否存在異常。如果發現異常,模具將提示發現錯誤並停機。 1.5 相關技術資料概述 為了更好地理解具有唯一性的8位字母數字產品材料代碼放錯識別方法及其關鍵使能技術,本章將簡要介紹各種相關的光學識別技術。光學字符識別是一種前景廣闊的技術,可以將手寫字母或文字轉換為計算機文本。這項技術還是印刷文字數字化常用的一種方法,印刷文字轉換為計算機格式後,可以進行電子編輯、檢索、存儲以及在線顯示。光學字符識別分為多個階段,包括預處理、分類、獲取後處理,前段處理、分段處理、後段處理、特徵提取。 1. 多層感知器神經網絡讓光學字符識別成為可能。正常流程是先獲取圖像,然後對其進行預處理和分割。在分割期間,字符被線分開。字符圖像中字符線的列舉對於界定可檢測區間邊界至關重要。分割後的下一步是分離字符,接着時提取特徵。為了完成特徵提取過程,我們採用了圖像到矩陣映射處理方法,將圖像轉換為2D矩陣。下一步是訓練系統。通過訓練,系統能夠做出高效工作決策,並且在無法預測的環境中產生更好的結果。所提出的系統方案採用多層感知器學習算法。該方法採用金字塔狀結構,這個結構不僅可以用於學習過程,還可以用於分類過程。通過在多層網絡體系結構中應用學習過程算法,突觸權重和閾值可以特定方式更新,使系統執行分類/識別任務的效率更高。突觸權重對於迭代很重要。在迭代過程中,權重被更新為某個整數值。因此,為了識別對象,將其特徵數據送入網絡輸入層,生成輸出向量。現在使用這個輸出向量和目標輸出來計算誤差。通過分析所得的輸出值,可以確定字符的識別準確率。該方案識別獨立字符取得91.53%的準確率,成句字符識別準確率達到80.65%。 2. 我們利用模板匹配和反向傳播算法開發出了光學字符識別軟件。模板匹配是最常用的一種光學字符識別技術,主要用於特徵提取。因為簡單,容易實現,這項技術很受歡迎。模板匹配又稱關聯。這種方法使用單個字符的像素矩陣提取特徵。在測試數據集中使用相關函數R,並將結果存保存在數據庫中。關聯值最高的字符被選為最匹配的字符。反向傳播算法使用反向機制來查找錯誤,並通過向後傳播來減少錯誤。這種方法基於糾錯機制。分組後發現的問題是,存在無法識別的字符,這些無法識別的字符是產生錯誤結果的字符。使用此方法可提高字符識別的正確率。 對於錯位芯片和損壞基板檢測,我們做了相機掃描識別物體的研究,重點研究圖像分辨率增強技術,詳見下文。 3. 有報道稱採用深度神經網絡識別物體取得了非常好的效果,不過,這些方案通常假設,有可用的適合的物體大小和圖像分辨率,這在實際應用中可能無法保證。我們提出的框架是通過圖像增強網絡和對象識別網絡兩個深度神經網絡協作學習,來識別超低分辨率圖像。圖像增強網絡試圖通過使用來自對象識別網絡的協作學習信號,提升分辨率極低圖像的鋭度和信息量。針對高分辨率圖像訓練權重的對象識別網絡,積極參與圖像增強網絡的學習過程,還將圖像增強網絡的輸出用作增強學習數據,以提高其超低分辨率圖像的識別性能。通過用各種低分辨率圖像基準數據集做實驗,我們證明了該方法能夠提高圖像重建和分類性能。 在錯位芯片和損壞基板檢測中,我們比較了激光掃描與相機掃描的性能,做了激光掃描在物體檢測中的適用性研究。 4. 低成本3D成像,特別是通過使用激光檢測和測距(LIDAR)成像,對於物體識別、地面測繪和機器視覺等應用非常重要。傳統的飛行時間激光雷達使用掃描激光來獲得目標的光強和距離,這需要窄帶寬的照明光源和高速同步器。無脈衝寬度的3D激光雷達的非掃描產品原型,據我們所知,是業界首次整合單像素成像傳感器和衍射光學元件。壓力感測技術用於測量物體反射的回波脈衝,並重建目標場景的強度圖。衍射光學元件用於提供結構化照明光源,並且可以從激光光斑提取數據,獲得目標場景的深度圖。我們給出了驗證原型識別效果的仿真結果,並例證了在傳統3D成像方法不可用或受限的情況下,使用我們的方案的優越性。這個創新原型在可見光譜以外的波長上具有成本低和結構靈活的優點,並且因為實用而受到高度關注。 2.材料與方法/實驗細節/方法論 2.1材料 我們將使用涵蓋所有可能的情況的產品來驗證芯片掃描軟件升級能否識別配方錯誤和批次誤裝。從封裝厚度要求不同的三種產品中選擇了三個批次,每個批次有20塊基板。產品B和C具有相同的芯片配置,產品A的配置不同於B和C。產品A和C的模套厚度要求相同,而基板厚度不同。具有唯一性的材料代碼是區別不同產品關鍵特徵的重要工具,詳見表3。 表3:錯誤配方/批次誤裝評測表 製備有錯位芯片和損傷的芯片基板,模擬模具在芯片掃描過程中能否發現異常。異常位置包括端軌和側軌。對於錯位芯片,使用不同尺寸的芯片測試是否能發現異常。 2.1.1 芯片掃描軟件升級 測試芯片掃描升級軟件能否識別基板端軌上的唯一8位字母數字代碼,如圖12所示。 圖12相機掃描示意圖和實際掃描圖像 掃描捕獲的信息將與被測產品配方信息對比。如果內容相同,則模具將繼續運行;否則,模具將提升錯誤並停機,如圖13所示。 圖13:模具的物料代碼檢測屏幕 為了檢測芯片基板上是否有錯位芯片或端軌和側軌是否損壞,我們又開發了基板檢測軟件。這裏將使用激光掃描和相機掃描兩種不同的掃描技術測試該軟件的識別能力。 相機掃描是通過比較壞基板與好基板的像素來識別基板是否存在錯位芯片和損壞,如圖14所示。 圖14:掃描檢測圖像(a)錯位芯片視圖(b)損壞基板視圖 另一種檢測技術是激光掃描,該技術掃描基板表面高度,並將捕獲的圖像與好基板的高度進行對比,如果高度偏差較大或較小,則模具將提示錯誤並停機。測試將使用有錯位芯片和側軌和端軌損壞的基板,如圖15所示。 圖15端軌和側軌高度激光掃描圖(a)錯位芯片高度(b)損壞的基板 2.2測試過程 測試目的是比較兩個掃描軟件升級對材料代碼識別和錯位芯片及基板損壞檢測的識別效果。 材料代碼檢測將測試相機能否準確識別不同產品的材料代碼。面臨的挑戰是能否識別所有字母數字的字體大小、樣式和方向。使用20塊基板,隨機插入錯誤材料代碼,板對板測試升級軟件的識別結果是否一致,詳見表4。 表4.材料代碼檢測實驗設計 通過檢測錯位芯片和損壞基板,比較激光掃描和相機掃描的缺陷檢測準確率。使用在端軌和側軌上有不同尺寸和形狀的缺陷的實際基板,測試芯片掃描的準確率;使用不同尺寸的錯位芯片測試掃描靈敏度,如表5所示。 表5.錯位芯片/破損檢測實驗設計 3.實驗結果與分析探討 3.1材料代碼識別測試 根據升級軟件檢測每個產品的材料代碼的測試結果,三種測試產品的全部基板的檢測準確率100%。正確和錯誤的物料代碼均被準確識別,如圖16的圖表所示。 圖16:不同產品之間的升級軟件雙比例檢驗 測試結果證明,檢測準確率很高,所有被測產品的基板都被正確識別,包括另外10塊材料代碼錯誤的基板。 3.2異常基板識別測試 為了驗證相機掃描和激光掃描哪個方法檢測錯位芯片和損壞基板的效果更好,進行了雙比例檢驗,比較檢測準確度。 對於錯位芯片,使用當次被測產品的兩種不同芯片尺寸進行卡方檢驗,比較激光掃描和相機掃描之間的掃描準確度差異。在置信度為95%,Pvalue值為0.0003時,相機掃描和激光掃描之間的掃描準確度存在顯着差異,如圖17所示。 圖17錯位芯片的相機掃描和激光掃描之間的卡方檢驗比較 實驗結果證明,即使芯片尺寸很小,相機掃描仍能夠始終如一地發現錯位芯片的存在,因為像素識別對於相機閾值仍然很重要。相反,激光掃描準確度隨着芯片尺寸減小而降低,因為它不能區分由於基板高度和平整度變化而導致的從基板導軌底部向上的高度相對於閾值的的變化。 損壞基板檢測實驗再次使用兩塊損壞特徵不同的基板,一塊基板上有缺口,另一塊有裂縫,比較相機掃描和激光掃描的檢測準確度,如圖18所示。在置信度為95%,Pvalue值<0.0001時,相機掃描和激光掃描的識別準確率存在明顯差異。 圖18:損壞基板相機掃描和激光掃描之間的卡方檢驗比較 相機掃描檢測損壞基板的準確率高於激光掃描,同理,錯位芯片檢測也是這種情況。但是,隨着基板損壞的特徵從高可見度的缺口變為裂縫時,檢測的準確率也會降低。 3.2 建議 建議進一步開發檢測功能,應對將來兩種產品的材料代碼相同但封裝厚度要求不同的情況。 當前的做法是在基板上雕刻每個產品的附加代碼,包括在產品的8位字母數字識別碼中增加代附加碼。 未來研究方向還可以是評估使用分辨率更高的相機提高檢測準確度,特別是針對損壞基材的裂縫特點和尺寸小於本研究項目所測試的錯位芯片。 應當設法改進錯位芯片和損壞基板兩個問題,因為本項目旨在改進缺陷檢測率,防止殘次產品進入塑封成型工序,預防產品質量問題和故障停機。如果基板不能返工,產品良率仍將會下降。 4. 結論 可以得出這樣的結論,當前芯片掃描相機可以用光學字符識別(OCR)檢測8位字母數字組成的唯一材料代碼,並根據當前所選模具配方的參數發現模具誤裝的產品。 在檢測芯片尺寸、基板缺口方面,相機掃描的準確率高於激光掃描,這是由於激光掃描對基板高度變化過於敏感,難以區分錯位裸片和/或損壞基板。相機掃描不受這些因素影響,而是使用像素數作為檢測參考依據。

    時間:2020-10-27 關鍵詞: 半導體 缺陷 人工智能

  • 國產雲端AI芯片落腳的難點與機會

    國產雲端AI芯片落腳的難點與機會

    數據中心在數字化、信息化推動社會和產業發生了巨大變革的過程中充當了重要的角色,隨着人工智能在各行業的滲透,以及龐大應用場景使AI模式越加複雜,而其中數據中心的計算能力需要更高的要求與發展,而算力的核心就是芯片。 正是基於這個原因,近年來全球湧現出不少致力於AI芯片開發的企業,燧原科技就是其中之一。在成立之初,公司就瞄準了雲端訓練芯片市場缺口,並提出了“做大芯片,拼硬科技”的目標。 在這種願景的驅動下,從2018年3月成立至今的短短2年半時間內,燧原科技就陸續發佈了雲端AI訓練芯片“邃思DTU”、搭載該芯片的AI加速卡“雲燧T10”以及基於OCP加速模組OAM的“雲燧T11”。2020年9月,燧原科技再次迎來了里程碑式的突破——其第一代人工智能訓練加速卡雲燧T10和由其組成的多卡分佈式訓練集羣已在雲數據中心落地,正式進入商用階段。 近日,燧原科技攜“雲燧T10/T11” 首次亮相第三屆全球IC企業家大會暨第十八屆中國國際半導體博覽會(IC China 2020),在本次大會期間,燧原科技的負責人和相關專家為我們介紹了AI芯片實現商用的過程中存在着諸多挑戰,以及燧原科技作為一家初創企業又是怎樣完成了雲端AI大芯片的迅速商用化落地。 一、AI大芯片落地的難點 眾所周知,新場景對算力的需求,使得AI芯片在設計、製造和封測等方面進行了升級,由此也促生了很多新技術,這不僅為大量初創企業帶來了發展機會,也同樣為他們帶來了諸多的挑戰。以芯片設計為例,設計企業需要在架構、IP、SoC等方面進行創新。而芯片越大,則意味着整個芯片設計難度也會呈指數級上升,這為設計企業帶來了難題。除此之外,AI芯片要處理大量的數據,所以這類芯片對性能的要求就導致了它對先進工藝和先進封裝方面也具有較高的要求。 而在解決了在這三個環節中的問題後,也僅僅是企業成功推出了相關產品,離實現商業化落地還存在着一段距離。 “量產是AI大芯片實現商用要翻越的一座大山”,燧原科技創始人兼COO張亞林表示:“在推出產品到實現量產的過程中,需要解決產品質量、性能功耗以及良率這三大核心問題。” 為了保證產品質量,燧原科技通過用驗證方法學和驗證覆蓋率來確保芯片設計質量和製造質量。在性能功耗優化方面,則通過軟硬件聯合性能以實現端到端的性能調優,這包括三個部分,即進行芯片性能極限測試、硬件性能調優以及軟件性能優化。在良率方面,存在着晶圓測試(CP)良率挑戰、2.5D封裝良率挑戰以及分級良率挑戰。對此,燧原科技選擇了與產業鏈上下游夥伴共同合作來提高產品良率。 除了在技術層面上存在產業化應用的挑戰外,與之相匹配的軟件生態系統也是AI大芯片難以落地的另一重要因素。 為此燧原科技推出了計算及編程平台“馭算”。據介紹,該平台支持主流深度學習框架,並針對邃思芯片進行了特定優化。整個平台不僅包括傳統的算子加速庫,還為數據中心大規模訓練集羣提供高效靈活的調度機制。 (馭算軟件架構) 二、大芯片背後的硬科技 實現量產是商業化過程中重要的一環,量產後走向市場並受到市場的青睞則是更重要的環節,而這就需要依靠產品的硬實力。 通過相關技術降低芯片成本,也是雲端AI訓練芯片硬實力的一種體現。其中,芯片架構的創新是實現算力普惠的一個重要因素。 借本次全球IC企業家大會的機會,燧原科技創始人兼首席執行官趙立東發佈了燧原科技的芯片架構——“GCU-CARA”(通用計算單元和全域計算架構)。據趙立東介紹,該架構具有完全可編程、全模式計算、全精度計算和高並行度的特點。 據現場燧原科技專家介紹,GCU-CARA具有256個張量計算單元,每個計算單元支持1個32 bit MAC,支持所有精度輸入以及混合精度運算。GCU-CARA擁有廣泛的標量、向量、張量計算形式以及各種精度格式的支持,可以提供極其靈活的編程方式和張量切分/複用方式,從而支持最廣泛的編程需求。 據悉,燧原科技GCU架構還包括GCU-CARE(計算引擎)、GCU-DARE(數據架構)、GCU-LARE(智能互聯)、GCU-PARE(先進封裝)四大核心技術,旨在為人工智能產業注入了新動能。 目前,燧原GCU已應用到雲燧T10,T11產品以及數據中心AI訓練系統和集羣中。而今年雲燧T10和由其組成的多卡分佈式訓練集羣正式進入商用階段,也從另一方面説明了燧原科技的硬實力受到了市場的認可。 三、燧原科技開啓2.0時代 在雲燧T10實現商用化落地的前四個月,燧原科技還獲得了新一輪的融資,藉助這輪融資,燧原科技得以從1.0跨越到了2.0時代。 張亞林表示:“在1.0時代,燧原科技實現了從0到1的目標,在這個階段公司的工作重心是放在建設中國頂尖的工程化團隊,完成產品研發和量產、實現產品熱啓動,並完成首個人工智能訓練解決方案的商業化落地。” 已經實現商用的雲燧T10和由其組成的多卡分佈式訓練集羣是燧原科技完成1.0階段任務的代表作之一。從上文AI大芯片的商用落地難處便可看出,僅靠一塊芯片或是一種產品難以支撐雲端服務器的使用。從目前市場情況來看,由AI芯片所組成的分佈式集羣在雲端服務器發展的過程中起到了重要作用,針對這種商業訴求,燧原科技所推出的多卡分佈式訓練集羣,就能夠為普惠雲端訓練的實現提供助力。 “多卡分佈式集羣的建成並不是一件簡單的事”,張亞林表示:“在這個過程中,燧原科技需要解決多卡之間連接問題,還需要考慮每個板卡的工作分配,使之在儘可能小的功耗下發揮出最高的性能。” (雲燧T10商用化案例展示) 人工智能訓練平台的商業化落地不僅為燧原1.0畫上了完美的通關句號,還為燧原科技打開了通往2.0時代的大門。 “2.0時代,燧原科技將進行從1到N的發展”,據張亞林介紹:“在2.0時代,燧原科技會專注於建立市場銷售和服務支持體系,迅速拓展業務。同時,公司還將加強國內外學術端的合作,引進高端人才,構建產業生態。” 在產品規劃方面,作為一個務實的企業,實現商業化落地是燧原科技所追求的目標之一。以此為基礎,燧原科技在進行芯片設計之初就瞄準了市場痛點,大大加速了產品的商業化進程。 張亞林表示:“未來,燧原科技也將以應用為導向,進行產品的拓展。在2.0時代,燧原科技還會持續產品的研發和迭代,構建雲端訓練和推理平台完整解決方案。為了實現這一目標,燧原科技將會在明年推出推理AI芯片。” 根據燧原科技的計劃來看,公司將用3年時間來構建燧原科技2.0時代。 燧原科技之所以能夠在短時間內得到如此迅速的發展,是因為雲端AI訓練芯片還處於起步階段,算法和架構方面還有很大的上升空間。從雲端訓練芯片巨頭英偉達的發展中看,2019年其數據中心業務營收達到30億美元,AI訓練卡則貢獻了其中的20億美元和最大利潤。 而英偉達幾乎壟斷了雲端AI訓練芯片市場,一家獨大的市場情況就導致了AI雲端訓練的成本很高。而燧原科技瞄準這塊市場,就是期望能夠提供可替代的解決方案來推動普惠算力的實現。 據張亞林介紹,燧原科技瞄準的是雲端計算芯片的存量和增量兩大市場。存量市場指的是目前已有的,並可進行方案替代的市場,例如雲服務商等領域。增量市場則是未來通過技術迭代並進行方案替代的市場。 他表示:“在國外香港神州集運已經構建了強大的優勢之下,其他香港神州集運要想進入這個市場首先就要適應已有的生態系統,通過提供可替代的解決方案是打入這個市場方法之一。這也是為未來突破國外香港神州集運壟斷所奠定的基礎。” 從國內雲端AI芯片競爭格局來看,由於現階段國內致力於發展雲端AI芯片的企業並不多,且在市場前景巨大的情況下,搶先爭取相關人才和發展生態合作伙伴就成為了驅動企業未來發展的重要引擎之一。而這也是上文所提到的,燧原科技要在2.0時代大力發展的部分之一。 因此,燧原科技正在積極與全產業鏈的夥伴達成合作,聯合夥伴孵化行業解決方案,深度參與AI產業聯盟;積極建立生態,聯合建立高校聯合實驗室;並開放底層能力,賦能定製開發,深度參與社區,貢獻測評標準。 在算力即是生產力的今天,業界對普惠算力的需求日益高漲。在這種市場需求之下,在雲端訓練芯片這片藍海當中,既是挑戰又是機會,而燧原科技的成長也為國內雲端AI芯片的商業化發展提供了選擇。

    時間:2020-10-27 關鍵詞: 雲端 AI 芯片

  • Soitec發佈2021財年第二季度財報,收入達1.41億歐元

    Soitec發佈2021財年第二季度財報,收入達1.41億歐元

    全球設計和製造創新半導體材料的領導者Soitec於10月21日宣佈了公司2021財年第二季度業績(截止至9月30日),合併收入為1.408億歐元,與2020財年同期的1.39億歐元相比,增長1.3%(按固定匯率和邊界1計增加3.5%)。2021財年第二季度銷售額比第一季度增長了27.1%(按固定匯率和邊界1計)。 自疫情爆發以來,Soitec的所有生產設備維持正常運轉,持續為客户供應產品,依照產品路線圖的規劃推動所有關鍵研發項目的進展,並擴大了法國貝寧 III 廠的150-mm晶圓的產能。 · 2021財年第二季度收入達1.41億歐元,較2020財年同期增長3.5% · 按固定匯率和邊界1計,2021年上半年的營業額為2.54億歐元,同比2020年上半年保持穩定 · 按固定匯率和邊界1計,預計 2021財年的銷售額將保持穩定,電子產品業務税息折舊及攤銷前2(EBITDA)利潤率3預計約為30% Soitec的首席執行官Paul Boudre表示:“2021財年第二季度表現良好,我們有望實現全年的有機銷售額目標。正如預期,一季度後營收情況實現了反彈,下半年預計迎來穩定的增長。 得益於 4G 和 5G 蜂窩網絡部署,市場對 RF-SOI 需求增加,進而推動了我們銷售額的持續增長。此外,專用於射頻濾波器的POI襯底的市場需求也進一步增長。 最後,近期我們的可轉換債券發行成功,我們感到十分高興。這表明投資者對我們的經營模式和前景充滿信心。發行債券所籌得的資金將使我們的靈活性更高,更好地準備,以隨時迎接潛在的增長機會。” 2021財年第二季度合併銷售額(未經審計) 較2020財年同期,2021財年第二季度的銷售表現較為多樣化。專用於智能手機射頻應用的RF-SOI晶片實現了小幅增長;而Power-SOI的銷售額、以及專用於汽車和物聯網/消費終端市場的FD-SOI晶圓的銷售額有所下降;其他Specialty-SOI產品(Imager-SOI和Photonics-SOI)均表現出色;而專用於智能手機射頻濾波器的POI晶圓則實現了強勁增長。 150/200-mm晶圓銷售 150/200-mm晶圓主要為針對射頻和功率應用的優化襯底。按固定匯率計,在2021財年第二季度,150/200-mm晶圓銷售額比2020財年同期增長了17%。銷售額的增長主要歸功於產品組合的進一步優化,同時也受到銷售量增長的推動。其中,因射頻應用中RF-SOI的含量增加,200-mm RF-SOI晶圓的銷售額實現了強勁的增長。與此同時,由於汽車市場在疫情期間受到影響,Power-SOI晶圓銷售下降。 用於射頻濾波器的 150-mm POI(壓電絕緣體)晶圓在貝寧 III 廠的產量持續增加。Soitec的POI襯底為智能手機4G/5G濾波器帶來了巨大價值。150/200-mm晶圓與2021財年第一季度相比連續增長8%(按固定匯率計)。 300-mm晶圓銷售 在2021財年第二季度,300-mm晶圓銷售比2020財年同期下降了9%(按固定匯率計),這反映了銷量的小幅下降,以及產品組合需得到進一步的優化。在持續增長的4G市場以及第一代5G智能手機部署的支持下,300-mm RF-SOI 晶圓的銷售維持在高位水平。 與2021財年第一季度的情況相同,第二季度FD-SOI晶圓的銷售額低於上年。但設計和開發活動仍然保持活躍,尤其是在與5G、邊緣計算和汽車相關的應用中。 其他300-mm產品(用於智能手機的3D應用的Imager-SOI和用於數據中心的Photonics-SOI)的銷售仍表現相對強勁。與2021財年第一季度相比,300-mm晶圓銷售環比增長了59%(按固定匯率計)。 特許權使用費及其他營業收入 在2021財年第二季度,特許權使用費和其他收入總額達到580萬歐元,而2020財年同期為560萬歐元(按固定匯率和邊界1計增長6%)。 2021財年上半年合併銷售額(未經審計) 在2021財年上半年,Soitec收入達到2.544億歐元,較2020財年同期幾乎持平(按固定匯率和邊界1計-0.4%)。與2020財年上半年相比,200-mm晶圓銷售增長15%,而300-mm晶圓銷售下降15%。(按固定匯率計) 財年展望 Soitec預計,按固定匯率和邊界計,2021財年銷售額將保持穩定,其電子產品業務 EBITDA利潤率將達約 30%。

    時間:2020-10-27 關鍵詞: 財報 soitec

首頁  上一頁  1 2 3 4 5 6 7 8 9 10 下一頁 尾頁
發佈文章