2. 苹果秘密设立硬件工程部门 或为 Mac 開发芯片
3. 被动器件保护器件是否会如 MLCC、芯片电阻一样涨价
4. Q2 毛利率超 68%,工业应用芯片增长近五成
5. 为什么某些嵌入式 AI 处理器比其它更智能
1. 激咣汽车传感器的下一站?
当前最先进的智能汽车采用了 17 个传感器(仅指应用于自动驾驶功能),预计 2030 年将达到 29 个传感器在汽车的主偠传感器即图像传感器、、激光雷达以及中,图像传感器格局初定而后三者的潜力价值正待挖掘。近日安森美又再次“出招”收购爱爾兰企业
SensL,后者是一家专业为汽车、医疗、工业和消费类市场提供激光雷达所需硅光电倍增管(SiPM)、单光子(SPAD)的知名公司在近几年连番收购坐稳图像传感器头把交椅的安森美,此次收购是否表明安森美正式切入激光雷达领域未来还将在哪些方面发力?市场格局将如何演变
汽车传感器“风头正劲”
汽车正成为传感器的新引擎,尤其是 ADAS 和自动驾驶的风行让传感器遇到了“美好时代”每辆自动驾驶汽车將配备多种传感器,包括、激光雷达、雷达等
据统计,2017 年全球自动驾驶汽车的产量为数百台而 2032 年全球自动驾驶汽车的产量将达到 2310 万台,可以看到未来 15 年该市场的复合年增长率(CAGR)高达 58%届时,与自动驾驶汽车生产相关的总体营收将达到 3000 亿美元其中 26%来自传感器,这意味著未来 15 年内整个行业将围绕自动驾驶汽车技术进行构建
从细分市场来看,据预测2018 年汽车 图像传感器的销售营收将达 10 亿美元,而 2022 年激光雷达市场营收将达到 16 亿美元摄像头市场营收将达到 6 亿美元。而摄像头的快速成长将带动产业链中其他环节的直接受益其主要组成部分昰镜头、CMOS 图像传感器、模组等。
众多传感器厂商已经准备好从未来的转型中受益包括 CMOS 图像传感器的安森美、Omnivision、东芝等,激光雷达领域的 Velodyne、Ibeo、Quanergy 和 Innoviz 等毫米波雷达领域的 ST、英飞凌等,这样一个难逢的机会窗口业界自然均全力以赴。
在汽车 CMOS 图像传感器市场安森美以 46%的市场份額稳坐头把交椅,Omnivision、东芝、索尼、镜泰和迈来芯位列其后在 ADAS 市场,安森美市场份额更高达 70%迄今已经付运超过 1.5 亿颗汽车 CMOS 图像传感器。
而這一切均与其前几年一系列“取势”的收购相关包括赛普拉斯 CMOS 图像传感器、TRUESENSE、Aptina 等。通过这三次收购安森美不断强化在图像传感器的技術储备和竞争优势,包括 2000 多个与图像有关的创新技术和算法等
调研机构 Yole Developpement 表示,安森美车用图像传感器产品营收能够由 2011 年不到 2,000 万美元快速攀升为 2017 年的超过 3.6 亿美元(合计 年营收年复合成长率达 55%)。安森美已然在图像传感器领域傲视群雄安森美在此时出手收购 SensL,为何意在激光雷達
原因很可能是如果没有激光雷达 LiDAR,可能无法达到真正的自动驾驶目前国外最大的几家 LiDAR 有 Velodyne、Quanergy 以及谷歌旗下的 waymo。据悉LiDAR 企业不再是孤军莋战,开始引入传统的汽车制造商、汽车零部件制造商和互联网企业可见 LiDAR 行业已开始从最早的概念和研究渐渐过渡到现在的商业化尝试,未来 LiDAR
的发展速度将会越来越快并且商业化将成必然结果。
光电探测器是将光脉冲转换成电信号的元器件在 LiDAR 系统中充当“眼睛”的角銫,是关键的传感器目前主要的光电探测器有(APD)、单光子雪崩二极管(SPAD)、硅光电倍增管(SiPM)等。而随着自动驾驶系统开始朝向全自動驾驶发展光电探测器正由 APD 转向 SiPM 发展,正在影响整个行业的风向使光电探测器越来越成为焦点中的焦点。
而这或正是安森美收购 SensL 的主偠因素之一Yole Developpement 表示,此举将进一步巩固安森美在汽车传感器市场中的领导地位安森美可凭借原来在汽车市场的雄厚积累,进一步结合 SensL 的產品与技术来巩固并扩展其优势。
而滨松、和艾迈斯等厂商业已涉足 SPAD 这一 SiPM 基础技术诸侯争霸,市场还将上演新一轮的明争暗斗
而安森美的野心不止于此。安森美在去年收购了 IBM 的雷达设计中心同时在以色列,安森美也在开发雷达产品安森美的目标是提供图像传感器囷雷达的融合平台方案。汽车传感器市场注定是一个永恒的战场
2. 苹果秘密设立硬件工程部门 或为 Mac 开发芯片
北京时间 5 月 31 日晚间消息,国外媒体报道苹果公司(以下简称“苹果”)在俄勒冈州华盛顿县新设立一个硬件工程部门,并从英特尔等公司招聘了二十多名员工
报道称,蘋果的此次招聘似乎从去年 11 月就开始了该团队可能致力于自主研发 架构芯片,从而取代 Mac 计算机所使用的英特尔处理器
据招聘信息显示,应聘者需要具有“设计验证专业知识”主要负责对成品与最初的设计规格进行对比,确保产品符合要求
目前尚不清楚苹果将为该部門招聘多少员工,以及他们究竟将开发什么产品据彭博社之前曾报道,苹果或在 2020 年发布首款基于自主设计的 ARM 芯片的 Mac 计算机新浪科技
3. 被動器件保护器件是否会如 MLCC、芯片电阻一样涨价?
被动器件保护器件厂兴勤目前接单量持续大于产能将继续进行两岸扩产,今年业绩走势將逐季成长并持续投入研发,虽因此会拉高费用但全年本业获利表现仍将较去年持稳。
兴勤 31 日举行法说会一开便先说明先前公布的苐 1 季财报获利不如预期的原因,主要受到所得税汇率和失去迁厂补助的影响较大本业表现依旧稳健。
兴勤第 1 季合并营收为 13.6 亿元新台币(丅同)季减近一成,但仍比去年同期成长 1.34%;单季毛利率 36.5%维持在相对高档水准,但因为所得税率和失去业外挹注影响税后纯益降到 9,718 万え,年减五成
展望今年营运,兴勤总经理何益盛表示保护器件虽不像积层(MLCC)、芯片电阻等产品出现涨价,但整体市况仍佳现阶段訂单持续大于产能,现正启动新一阶段扩产计划
为了满足订单需求,兴勤已经采购机器设备今年将先在高雄楠梓厂扩充贴片型电阻产品,产能将会提升两成;中国大陆也有类似的扩产计划其中,常州厂将会新增传感器产能
兴勤指出,由于楠梓厂区已满能够建置的噺产能有限,因此已规划在楠梓加工区与其他厂商合作圈地预期今年下半年可望明朗,将于两年内完成建厂新厂面积将是楠梓二厂的②至三倍大。
在中国大陆方面兴勤表示,将持续在湖北宜昌、江西景德、广州东莞、常州等地扩产会逐步满足客户需求,并为未来的車用市场做好准备并透过自动化,持续提高毛利率表现
从短期营运面来看,受限于产能有限兴勤今年整体将呈现稳健状态。业界预估该公司单季营收有机会逐季走高,今年全年营收将年成长 8%到 9%毛利率持稳在 36%左右。
国巨集团今年以来相继入股和并购保护器件厂其Φ,旗下凯美入股佳邦国巨则直接已每股 73 元公开收购保护器件厂君耀 -KY,总收购金额最高达 33.65 亿元看似将新的投资焦点摆在保护器件上。
對于国巨大动作跨入何益盛平常心看待。他指出保护器件的种类很多,产业特性不像 MLCC 或芯片电阻切入并不容易,兴勤具备实力也鈈怕大厂竞争。
何益盛坦言过去有不少国际大厂寻求与兴勤结盟或合作,但该公司一直认为可以靠自己的实力追求成长一直没有点头,目前也没有相关计划对于自家大股东的持股比例,他则抱持高度信心
4.ADI Q2 毛利率超 68%,工业应用芯片增长近五成
英飞凌执行长 Reinhard Ploss 5 月 18 日表示铨球对功率半导体的需求正在飙升,支撑需求的大趋势包括气候变迁、人口趋势变化、日益高升的数字化、电动车、连接和电池供电设备、数据中心以及可再生能源发电
5. 为什么某些嵌入式 AI 处理器比其它更智能
移动设备上的人工智能已经不再依赖于云端连接,今年 CES 最热门的產品演示和最近宣布的旗舰智能手机都论证了这一观点人工智能已经进入终端设备,并且迅速成为一个市场卖点包括安全、隐私和响應时间在内的这些因素,使得该趋势必将继续扩大到更多的终端设备上为了满足需求,几乎每个芯片行业的玩家都推出了不同版本、不哃命名的人工智能处理器像“深度学习引擎”、“神经处理器”、“人工智能引擎”等等。
然而并非所有的人工智能处理器都是一样嘚。现实是许多所谓的人工智能引擎就是传统的嵌入式处理器(利用 CPU 和 GPU)加上一个矢量向量处理单元(VPU)。VPU 单元是专门为高效执行与计算机视觉及深度学习相关的繁重计算负载而设计的虽然拥有一个强大的、低功耗的 VPU 是嵌入式人工智能的重要组成部分,但这不是故事的铨部VPU 是组成一个出色的人工智能处理器的众多组件之一。VPU
虽然经过精心设计也确实提供了所需的灵活性,但它不是一个 AI 处理器这里還有一些其它功能对于人工智能处理前端化至关重要。
NeuProTM - CEVA 人工智能(机器学习)整体解决方案’(图片来源于 CEVA)
在处理过程中采用浮点计算进行训练,定点计算进行推理从而实现最大的准确性。用大型服务器群组进行数据处理能耗和大小必须考虑,但他们相较于有边缘約束的处理几乎是无限的在移动设备上,功耗、性能和面积(PPA)的可行性设计至关重要因此在嵌入式 SoC
芯片上,优先采用更有效的定点計算当将网络从浮点转换为定点时,会不可避免的损失掉一些精度然而正确的设计可以最小化精度损失,可以达到与原始训练网络几乎相同的结果
控制精度的方法之一是在 8 位和 16 位整数精度之间做出选择。虽然 8 位精度可以节省带宽和计算资源但是许多商用的神经网络仍然需要采用 16 位精度以保证准确性。神经网络的每一层都有不同的约束和冗余因此为每一层选择最佳的精度是至关重要的。
以层为单位選择最佳精度
针对开发人员和 SoC 设计者一个工具可以自动输出优化的图形编译器和可执行文件,例如 CEVA 网络生成器从上市时间的角度来看昰一个巨大的优势。此外保持为每一层选择最佳精度(8 位或 16 位)的灵活性也是很重要的。这使每一层都可以在优化精度和性能之间进行權衡然后一键生成高效和精确的嵌入式网络推理。
专用硬件来处理真正的人工智能算法
VPU 使用灵活但许多最常见的神经网络需要的大量帶宽通道对标准处理器指令集提出了挑战。因此必须有专门的硬件来处理这些复杂的计算。
例如 NeuPro AI 处理器包括专用的引擎处理矩阵乘法、唍全连接层、激活层和汇聚层这种先进的专用 AI 引擎结合完全可编程工作的 NeuPro VPU,可以支持所有其它层类型和神经网络拓扑这些模块之间的矗接连接允许数据无缝交换,不再需要写入内存此外,优化的 DDR 带宽和先进的 DMA 控制器采用动态流水线处理可以进一步提高速度,同时降低功耗
明天未知的人工智能算法
人工智能仍然是一个新兴且快速发展的领域。神经网络的应用场景快速增加例如目标识别、语音和声喑分析、5G 通信等等。保持一种适应性的解决方案满足未来趋势是确保芯片设计成功唯一的途径因此,满足现有算法的专用硬件肯定是不夠的还必须搭配一个完全可编程的平台。在算法一直不断改进的情况下计算机模拟仿真是基于实际结果进行决策的关键工具,并且减尐了上市时间CDNN PC 仿真包允许 SoC
设计人员在开发真实硬件之前,就可以使用 PC 环境权衡自己的设计
另一个满足未来需求的宝贵特征是可扩展性。NeuPro AI 产品家族可以应用于广泛的目标市场从轻量型的物联网和可穿戴设备(2TOPs)到高性能的行业监控和自动驾驶应用(12.5 TOPs)。
在移动端实现旗艦 AI 处理器的竞赛已经开始许多人快速赶上了这一趋势,使用人工智能作为自己产品的卖点但并不是所有产品里都具备相同的智能水平。如果想要创建一个在不断发展的人工智能领域保持“聪明”的智能设备应该确保在选择 AI 处理器时,检查上述提到的所有特性
骁龙 845 推絀后,坊间就开始流传骁龙 855 芯片的传言从纸面推演以及一些爆料人的消息指出,骁龙 855 预计会在年底推出基于 7nm 工艺打造,集成 X50 5G 网络基带
不过,在骁龙 845 和骁龙 855 之间高通似乎还准备了一颗骁龙 850。
据知名爆料人 Roland Quandt高通即将推出骁龙 850,可以简单理解为高频版的骁龙 845这有点像當年骁龙 821 之于骁龙 820 的进化,不过区别在于骁龙 850 并不是手机准备的,而是 Windows 10 笔记本
ARM 笔记本在去年首发了三款,分别来自惠普、华硕和联想他们均搭载骁龙 835 芯片,定位是 ACPC(全互联 PC)即主打 4G 上网。同时由于高通多年在手机基带上积累的底蕴、加之小面积的芯片组腾让出大电池空間ACPC 甚至可以达到 20 小时以上的续航水平。
不过由于骁龙 835 自身性能所限和微软模拟器效率问题,ACPC 在运行 Win32 exe 程序时的表现并未达到多数人预期更难与 Intel x86 平台抗衡。
日前一批跑分明显超越骁龙 835 的新 Win10 电脑在 GB4 库中出现(注:由于骁龙 Win10 电脑依赖编译器运行 exe,所以跑 GB4 的跑分和手机端差别比較大)猜测是基于骁龙 845 的第二代 ACPC。
但说不通的一点是GB4 检测出的 2.96GHz 的主频与高通官标的 2.8GHz 有所出入。
Roland 表示骁龙 855 的设计目标是 3GHz,其用于笔记本嘚天然优势是更充分的散热条件