5G相對于4G網絡，就像中國的高鐵相對于傳統的普通鐵路一樣，高速率、低延遲和大容量是5G網絡的顯著特點。3GPP定義了5G的三大技術及應用場景，即：增強的移動寬帶(eMBB)，主要針對3D/超高清視頻，VR/AR等應用；海量機器通信(mMTC)，主要面向智能可穿戴、智能家居、智慧城市、車聯網和行業物聯網等物聯網應用；高可靠低時延(uRLLC)，主要針對自動駕駛、工業自動化和移動醫療等高可靠性關鍵應用。5G技術的日益成熟和5G網絡的大規模商用部署將驅動AI、大數據和云計算等技術在新興的視頻游戲、VR/AR、AIoT、自動駕駛、智慧城市、工業4.0和醫療成像等應用領域的發展和普及。
2020年5G進入大規模商用階段，將 首先帶動5G手機、無線基站和通信網絡系統用芯片和電子元器件的快速發展、技術創新和大批量出貨，其中包括：5G手機用Modem和基帶芯片、應用處理器、GPU和AI加速器、RF器件和濾波器、圖像傳感器/攝像頭，以及天線等其它組件；由于5G網絡工作于更高的頻率(sub-6GHz)，5G基站信號衰減快和傳輸距離短的缺點迫使運營商部署安裝至少3倍于4G基站的數量才能實現全覆蓋，這會帶動基帶數字信號處理器件、RF器件、功放器件、天線，以及 電源管理器件(5G基站功耗是4G的2-3倍)的需求增長。
5G網絡的高速和低延時特性正好可以解決VR/AR的“用戶體驗差”痛點，《電子工程專輯》預測這將帶動新一輪VR/AR/MR的熱潮，Facebook將投入巨資開發頭戴設備，甚至收購芯片公司來開發自己的一體化硬件平臺；電力和制造行業等巡檢操作將會部署AR應用，配合5G網絡可以更好地提供遠程信息交互及支援；超過30%的展覽展示類場景將會提供VR/AR設備、軟件、內容和服務；高校和培訓機構也將更多采用VR/AR進行課程培訓。
5G技術也可以針對制造企業單獨組網，助推工業4.0、工業物聯網和工業大數據的發展，同時保證企業數據的安全性。此外，5G也將驅動車聯網和ADAS/自動駕駛的加速落地，并為遠程醫療和醫療成像等新興應用提供高速、穩定和安全的數據傳輸。
物聯網應用場景的分散和碎片化給傳輸網絡帶寬和云端計算能力帶來了很大的壓力，迫使IoT終端設備具備就地處理數據的能力，這一需求驅動了邊緣計算的興起，也提高了處于邊緣設備核心的微處理器的性能，相應地AI處理能力也得以增強。邊緣計算可以在物聯網設備上收集和分析數據，進行快速推理（或決策），然后只將少量有用的數據傳送到云端。這樣其延遲時間、帶寬消耗和成本將會降低，并且可以根據數據分析快速做出決策。即使系統處于離線狀態，邊緣計算也可以持續運行，即時進行數據處理并確定應將哪些數據傳送到云端做進一步分析。
作為IoT邊緣或終端設備的心臟，系統級芯片(SoC)不但要有更好的性能，而且功耗和占用面積都要盡可能低，即需要達到最佳PPA。傳統的通用型 MCU/MPU/CPU已經難以滿足不同應用場景和PPA要求，邊緣計算領域的技術和商用模式創新才能釋放AI和算力的潛能。此外，不同應用場景對軟件和AI算法的要求各異，雖然在邊緣側增加AI推理功能在技術上已經可行，但還需要定制化的芯片才能實現具有AI增強性能的處理器。中小企業和初創公司更多專注于應用軟件和AI算法方面，而大中型企業則更注重邊緣計算的生態建設，比如 華為參與或主導行業標準協議制定和軟硬件開發環境。
在物聯網通信協議方面，全球電信運營商都在力推NB-IoT，特別是中國市場。LoRa、Zigbee、藍牙和其它通信協議也有各自的發展之道和主要應用領域，但多種標準和協議并存將是未來IoT市場的現狀。SoC設計 工程師和微處理器開發商必須考慮多種協議的兼容和支持。
高性能CPU、 智能手機AP、GPU和FPGA一直是14nm以下最先進工藝節點的“嘗鮮者”，TSMC的7nm工藝是當前最先進的量產技術，預計2020年5nm工藝將取而代之成為最高端工藝。在這一比建造航母還昂貴的工藝競賽中，全世界只有TSMC、 三星和 英特爾三家公司在角逐了。接下來是3nm、2nm和1nm節點嗎？即便有足夠的錢投入研發，摩爾定律的物理極限也已經看到了盡頭，那么半導體制造的未來出路在哪里？
2.5D和3D堆疊封裝技術已經成為晶圓代工廠、IDM和封測廠商普遍認可的“異構集成”解決方案，因為它可以集成不同工藝節點的裸片，能夠滿足高、中、低端市場的各種器件的要求。硅通孔(TSV)是最早的堆疊技術之一，目前從TSV到晶圓級堆疊的封裝技術競爭主要集中在“TSV”和“TSV-less”之間。針對高性能器件，最流行的2.5D和3D集成技術是3D堆疊存儲TSV，以及異構堆疊TSV中介層。TSMC、UMC和格芯等晶圓代工廠商在主導這方面的技術發展，IDM廠商英特爾開發的Foveros技術是一種基于“有源”TSV中介層和3D SoC技術。存儲“三巨頭”三星、SK海力士和美光則主導3D堆疊存儲的競爭和發展。
這些通過堆疊封裝被“異構集成”在一個芯片里的裸片實現的功能各異，采用的工藝節點也不一樣，但如果采用統一的接口標準進行數據通信和傳輸，就可以大大簡化芯片設計、制造和封裝。于是，chiplet(芯粒)概念應運而生，而且開始被半導體業界所接受。美國DARPA專門設立一個CHIPS（通用異構集成和IP復用策略）項目推進chiplet的研發，Intel還開放其AIB(高級接口總線)接口以支持廣泛的 Chiplet生態系統。TSMC與Arm合作開發出采用Chip-on-Wafer-on-Substrate (CoWoS)封裝技術的7nm chiplet系統，由兩個chiplet組成，每個chiplet包含4個Arm Cortex A72處理器和一個片上互聯總線。隨著晶圓制造和封裝異構集成的發展，chiplet有可能從概念演變為一種通用技術和裸片形式，甚至成為后摩爾時代的新型IP。
谷歌的TPU是2017年圖靈獎得主John Hennessy和David Patterson倡導的“特定域架構(Domain-Specific Architecture)”的具體體現，它是谷歌針對其云平臺的特殊需求，以軟件、算法和應用為主導的AI芯片開發范例。從通用型CPU、GPU和FPGA轉向專用的SoC和AI加速器芯片是為了應對各種新興應用的海量數據處理挑戰，包括數據中心高性能計算、物聯網廣泛而零散的應用場景，以及自動駕駛和工業4.0等要求實時處理并決策等。
不光是谷歌、亞馬遜和阿里等互聯網巨頭和hypescaler云計算服務商開始開發自己的專用芯片，特斯拉也在開發自己的“完全自駕(FSD)”芯片。這些非標準、非售賣的芯片是為了滿足這些公司特定的應用需求而定制開發的，因為他們無法從傳統芯片廠商那里買到想要的芯片。就連傳統的FPGA大廠賽靈思也開始轉型，從芯片往平臺型公司轉變，其重心將轉向高性能的數據中心和對計算有嚴格且靈活性要求的特定應用領域，所提供的產品也從FPGA芯片擴展到軟件、AI算力和平臺服務。
VC對半導體行業的投資從2017開始迅猛增長，AI芯片初創企業最受VC青睞。不過未來2-3年，這些獲得巨額 融資的AI獨角獸們就要拿著芯片到處找應用場景了。融資額高達6億美元的地平線開始在自動駕駛和AIoT領域深耕，而倡導計算圖(graphs，代表的是知識模型和應用，所有機器學習模型都用graph的形式來表達)理念的Graphcore則在其投資者Dell EMC和微軟那里找到了其IPU的用武之地。還有很多其它AI芯片初創公司正在尋找著自己的"sweet spot"。
從計算機指令集架構(ISA)的角度來看，x86和Arm是歷史的選擇，但接下來將是加大伯克利Patterson教授宣稱的“計算機架構的黃金十年”。支配集成電路發展多年的摩爾定律正在走向終結，支持計算機發展多年的馮諾依曼架構也開始凸顯其局限性，通用型CPU、GPU、FPGA和ASIC都有各自的專長和局限，異構計算在此基礎上又增加了計算的復雜性，要應對新興應用提出的這些挑戰就要從根本上進行架構創新。
RISC-V掀起了開源硬件和開放芯片設計的熱潮，現已得到全球很多大中企業、科研機構和初創公司的支持，圍繞RISC-V成長起來的生態和社區也發展迅猛，從基礎RISC-V ISA、內核IP到開發環境和軟件工具，以及風險投資都在推動RISC-V生態的進一步擴大。在中美科技冷戰的大背景下，中國芯片設計行業的發展迫切需要自主和開放的計算架構，RSIC-V正好迎合了這一需求，在中國短短兩年的快速發展似乎已經證明。
如果說PC/服務器造就了x86，智能手機成就了Arm，那么接下來的AIoT將支持RISC-V成為主流的計算架構，甚至主流的芯片設計開發潮流。Arm已經感受到壓力，開始做出改變，比如開放定制化指令，以及在IoT和自動駕駛領域更為開放地與業界合作伙伴協作開發。在Arm營地被RISC-V搶食的同時，Arm也開始進入PC服務器市場，我們將看到更多來自亞馬遜、華為和 高通等公司的 Arm處理器往PC電腦和服務器等傳統x86領地滲透。
TSMC與Cadence、Synopsys、Mentor、亞馬遜AWS和微軟Azure協作建立起基于云平臺的虛擬設計環境(OIP VDE)，成功為SiFive流片第一個在云端設計的64位多核RISC-V CPU，并在 AMD EPYC 處理器上短短10 小時內完成 7 nm芯片的實體驗證。Arm也與EDA廠商合作，為其生態合作伙伴提供最新Arm處理器的云端設計平臺，現已可以支持TSMC 7nm工藝節點。EDA走向云端已經是大勢所趨，并將從根本上改變芯片設計流程和模式。
將機器學習應用于芯片設計已經取得重大進展，從信號完整性和電源完整性，到將產品組合劃分為系統分析、芯片布局及可信的平臺設計，AI可以在EDA工具中設置幾十種選項，協助加速自動化過程。Cadence在AI應用的第一階段利用數據分析為寄生參數擷取創建機器學習模型，以加速長時間的計算。將AI導入EDA工具的下一階段將瞄準布局與布線工具，使AI可以向人類設計師學習，并推薦可加速運行時間的優化方案。EDA行業存在著許多使用機器學習技術實現自動化決策和優化整體設計流程的機會。
Mentor被西門子收購也標志著EDA從芯片設計往系統設計領域擴展的開始，互聯網巨頭和系統廠商購買EDA工具自己設計芯片和系統也加速著這一擴展趨勢。隨著數字孿生(Digital Twin)和虛擬物理系統(CPS)從概念逐漸落地，傳統EDA工具也逐漸成為智能制造整個產品生命周期管理的一個有機組成部分，設計范疇涵蓋電子、電氣、機械和熱特性。與此同時，信號和電源完整性、功能和信息安全性、驗證與綜合，以及可制造性(DFM)都在從系統端(最右端)往左移動(shift-left)，使得日益復雜的系統設計更加協調一致，很多設計缺陷得以及早發現和彌補，產品設計周期和開發成本也大大降低。
傳感器/MEMS在連接模擬與數字世界的過程中扮演著關鍵角色，其對周圍環境的感知和數據采集讓我們對各種設備和系統的正常運行有客觀而全面的了解。隨著AI在物聯網的滲透和邊緣計算能力的增強，以及傳感器/MEMS在更多關鍵應用中的普及，其未來發展趨勢將遵循六大“黃金法則”：更高精度、更低功耗、更小尺寸、更高可靠性、更高能效及更智能。
推動傳感器/MEMS市場和技術發展的三大趨勢是：智慧出行、電源和能源管理，以及包括工業物聯網(IIoT)在內的泛物聯網(IoT)。據Yole Développement統計，2018年全球MEMS市場達到116億美元，預計從現在到2024年將以8.2%的年復合增長率(CAGR)持續增長。其中消費類應用將占MEMS市場的60%，汽車應用則占20%，其余的20%包括電信、醫療、工業和航空等應用。
根據市場規模和未來增長潛力，MEMS/傳感器可以歸為三類。市場規模超過10億美元但增長率不到5%CAGR的為第一類，包括慣性MEMS、噴墨打印頭、光學MEMS、傳統麥克風及壓力傳感器等。目前市場規模低于10億美元但增長率為5-10%CAGR的為第二類，包括環境監測MEMS、微流體、微測輻射熱計、熱電堆和 射頻(RF) MEMS等。5G可望推動智能手機新的芯片需求，RF MEMS也將廣泛應用于新的基站部署和邊緣運算設備中。第三類是增長率超過15% CAGR的未來成長之星，比如新型麥克風、超聲波指紋識別，以及示波器測量等。
傳感器融合(Sensor Fusion)在構建以數字呈現來感知世界的復雜系統中意義重大，其關鍵在于強調系統不僅取決于一個傳感器，而是依賴多個傳感器輸入。無論是智能手機、自動駕駛車、智慧城市、未來工廠還是醫療保健，其中的傳感子系統通常包含各種傳感器類型，需要測量溫度、壓力、接近度和位置等參數，以及各種化學物質和氣體的指標，以實現追蹤、解釋和反饋相關信息的閉環系統。以自動駕駛車為例，為了絕對保障安全，就需要攝像頭視覺和雷達成像傳感器的融合，這樣才能為駕乘人員提供足夠的信心。
氮化鎵(GaN)是一種寬禁帶(WBG)半導體材料，比傳統的硅半導體材料更能夠承受高電壓、高頻率和高溫工作條件。5G通信對射頻前端有著高頻和高效率的嚴格要求，這正是氮化鎵(GaN)的用武之地。據市場調研公司Yole Development預測，全球GaN RF器件的市場規模到2024年將超過20億美元，其中無線通信將占據一大部分。另外，汽車電動化和便攜式電子產品快速而高效的充電需求也將驅動氮化鎵(GaN)功率器件走向大眾市場，逐漸替代傳統的硅功率器件。
在5G移動通信系統中，基站和手機終端的數據傳輸速率比4G更快，調制技術的頻譜利用率更高，這對RF前端器件和模塊提出了更高的要求，目前主流的硅基LDMOS器件和砷化鎵(GaAs)器件在高頻特性上不如氮化鎵(GaN)。因此，無論是硅襯底還是碳化硅(SiC)襯底，氮化鎵(GaN)都將在5G的帶動下獲得快速發展。雖然氮化鎵(GaN)的成本仍然偏高，但一些公司正在將低成本的GaN-on-Si應用在RF器件上，隨著 制造工藝的提升和成本的下降，氮化鎵將逐漸取代砷化鎵和LDMOS。
在電源管理應用上，氮化鎵具有如下優勢：傳導損耗小、能效高、功率密度大，以及可以支持更高的開關頻率等。根據IHS市場調研報告預測，GaN功率器件的市場每年增長超過30% ，預計到2027市場規模將超過10 億美元。除5G通信市場外，汽車和工業市場也是氮化鎵(GaN)功率器件的主要增長領域。即便在價格敏感的消費電子市場，氮化鎵(GaN)也開始進入并快速滲透，比如低功率的快充充電頭，以及無線充電等。
存儲芯片具有高度標準化和供需周期性特點，2019年的市場下滑趨于平緩，存儲廠商看好2020年的復蘇前景，都試圖通過加大新技術工藝的研發和推進力度，以新舊產品交替的策略在下一輪市場競爭中占據有利地位。美光、三星、SK海力士和英特爾都發力在新的存儲工藝技術上，國內的長江存儲和合肥長鑫也緊緊跟隨。
NAND閃存的3D堆疊是存儲大廠的研發重點，三星提供的主流3D NAND產品目前為64層，其第六代超過100層的3D NAND 閃存也已經量產。 美光科技已經成功流片128層的3D NAND，2020年有望量產商用，可以大大降低每比特成本。SK海力士目前的主流3D NAND閃存為72層，下一代堆疊層數將超過90層，再下一個階段為128層，到2021年將會超過140層。長江存儲采用Xtacking架構的64層3D NAND也已經量產。
DRAM比較難堆疊層數，廠商只能以減少電路間距的方式來提高性能和效率，目前的競爭焦點是在10 納米工藝上。10納米級的DRAM工藝分為1代(1x)、2代(1y)和3代(1z)，SK海力士推出第二代10納米級工藝(1y nm)之后又宣布成功開發出第三代(1z nm)的16G DDR4 DRAM。三星電子的1z工藝DRAM也已實現量產，美光也已經開始量產1z nm的16Gb DDR4，密度比上一代更高，功耗降低了40%。合肥長鑫也宣布DRAM內存芯片投產，其8Gb DDR4芯片采用19nm(1x)工藝，和國際主流DRAM工藝基本保持同步。
美光科技推出基于3D XPoint技術的超高速SSD硬盤X100，是面向數據中心的存儲和內存密集型應用的解決方案。據稱3D XPoint技術在內存到存儲的層次結構中引入新的層級，具有比DRAM更大的容量和更好的持久性，以及比NAND更高的耐用度和更強性能。 三星則重點發展新一代嵌入式非易失性存儲器eMRAM技術，已經量產第一款可商用的eMRAM產品，并將采用FD-SOI 28nm工藝生產1G容量的eMRAM測試芯片。
車輛電氣化的整體趨勢是電子元器件和電氣組件的比重越來越大，隨著ADAS普及率持續上升并最終過渡到完全自動駕駛，汽車交通行業對半導體的需求量持續增長，預計2022年汽車半導體市場規模將達到480億美元，其中模擬射頻類產品占比高達69%。汽車模擬射頻大致分為兩大類：無線連接及車載雷達。車載雷達系統幾乎已成為當今中高檔車的標準配置，未來每輛車將配置多達7-12個雷達系統。而5G網絡的普及也將提升聯網車輛的數據傳輸速率，相應的無線連接器件和模塊需求也會隨著上升。一些“特色工藝”晶圓代工廠商（比如TowerJazz和華虹宏力）和半導體器件設計公司正在針對 汽車電子化這一趨勢做出技術開發和制造工藝調整。
基于移動互聯網和IoT技術的醫療物聯網（IoMT）生態系統將包含數以百萬計的低能耗和高性能醫療健康監測設備、臨床可穿戴設備和遠程傳感器等。醫生依靠這些儀器能夠實時不斷的采集病人的數據指標，如生命體征、身體活動等信息，有效地管理或調整治療方案。普通人也可以利用小型便攜式和智能化的醫用設備、健康管理設備來監測運動、心律、血壓、血糖、睡眠等生命體征指標，以幫助檢測自己的飲食和健身狀況，預防疾病的發生。
在醫療成像領域的電子設計中，一般采用模擬數據采集前端進行信號調理，并將原始成像數據轉換到數字域，這對數據轉換器(ADC和DAC)的動態范圍、分辨率、精度、線性度和噪聲指標提出了極為嚴苛的要求。基于各種高性能傳感器的模擬信號鏈產品在醫療設備和系統中發揮著越來越關鍵的作用，高性能模擬技術在醫療行業也迎來更為廣闊的發展空間。
服務熱線
15900563155
