一、5G「規模化」商用將帶動5G手機、基地台、VR/AR設備,以及工業4.0、自動駕駛和醫療等新興應用的發展

5G相對於4G網路,就像中國的高鐵相對於傳統的普通鐵路一樣,高速率、低延遲和大容量是5G網路的顯著特點。3GPP定義了5G的三大技術及應用,即:增強型行動寬頻通訊(eMBB),主要針對3D/超高畫質視訊、VR/AR等應用;大規模機器型通訊(mMTC),主要針對智慧可穿戴、智慧家居、智慧城市、車聯網和產業物聯網等物聯網應用;超可靠度和低延遲通訊(uRLLC),主要針對自動駕駛、工業自動化和行動醫療等高可靠性關鍵應用。5G技術的日益成熟和5G網路的大規模商用部署將驅動人工智慧(AI)、巨量資料和雲端運算等技術在新興的視訊遊戲、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。

20191230NT61P1

2020年5G進入大規模商用階段,將首先帶動5G手機、無線基地台和通訊網路系統用晶片和電子元件的快速發展、技術創新和大批量出貨,其中包括:5G手機用數據機(Modem)和基頻晶片、應用處理器(AP)、GPU和AI加速器、RF元件和濾波器、影像感測器/攝影機,以及天線等其他元件;由於5G網路工作於更高的頻率(sub-6GHz),5G基地台訊號衰減快和傳輸距離短的缺點迫使營運商部署安裝至少3倍於4G基地台的數量才能實現全覆蓋,這會帶動基頻數位訊號處理元件、RF元件、功率放大器元件、天線,以及電源管理元件(5G基地台功耗是4G的2~3倍)的需求增長。

5G網路的高速和低延遲特性正好可以解決VR/AR的「用戶體驗差」痛點,《電子工程專輯》中國版預測這將帶動新一輪VR/AR/MR的熱潮,Facebook將投入鉅資開發頭戴設備,甚至收購晶片公司來開發自己的一體化硬體平台;電力和製造產業等巡檢操作將會部署AR應用,配合5G網路可以更好地提供遠端資訊交互及支援;超過30%的展覽展示類場景將會提供VR/AR設備、軟體、內容和服務;大專院校和培訓機構也將更多採用VR/AR進行課程培訓。

5G技術也可以針對製造企業單獨組網,助推工業4.0、工業物聯網和工業大資料的發展,同時保證企業資料的安全性。此外,5G也將驅動車聯網和ADAS/自動駕駛的加速落地,並為遠端醫療和醫療成像等新興應用提供高速、穩定和安全的資料傳輸。

二、運算「邊緣化」趨勢將更多AI和運算能力賦予邊緣設備,在為SoC設計公司提供更多機會的同時也提出了更高PPA要求

物聯網應用的分散和碎片化為傳輸網路頻寬和雲端運算能力帶來了很大的壓力,迫使物聯網終端設備具備就地處理資料的能力,這一需求驅動了邊緣運算的興起,也提高了處於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。邊緣運算可以在物聯網設備上收集和分析資料,進行快速推理(或決策),然後只將少量有用的資料傳送到雲端。這樣其延遲時間、頻寬消耗和成本將會降低,並且可以根據資料分析快速做出決策。即使系統處於離線狀態,邊緣運算也可以持續運作,即時進行資料處理並確定應將哪些資料傳送到雲端做進一步分析。

20191230NT61P2

作為物聯網邊緣或終端設備的心臟,SoC不但要有更好的性能,而且功耗和佔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,邊緣運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,不同應用場景對軟體和AI演算法的要求各異,雖然在邊緣側增加AI推理功能在技術上已經可行,但還需要定制化的晶片才能實現具有AI增強性能的處理器。中小企業和初創公司更多專注於應用軟體和AI演算法方面,而大中型企業則更注重邊緣運算的生態建設,比如華為參與或主導產業標準協議制定和軟硬體開發環境。

在物聯網通訊協議方面,全球電信營運商都在力推NB-IoT,特別是中國市場。LoRa、Zigbee、藍牙和其他通訊協議也有各自的發展之道和主要應用領域,但多種標準和協議並存將是未來物聯網市場的現狀。SoC設計工程師和微處理器開發商必須考慮多種協定的相容和支援。

三、晶圓製造「異質化」整合將不同製程節點的裸晶(die)透過2.5D/3D堆疊技術封裝,chiplet或成後摩爾時代晶片設計和製造的新IP

高性能CPU、智慧型手機AP、GPU和FPGA一直是14nm以下最先進製程節點的「嘗鮮者」,TSMC的7nm製程是當前最先進的量產技術,預計2020年5nm製程將取而代之成為最高階製程。在這比建造航空母艦還昂貴的製程競賽中,全世界只有TSMC、三星(Samsung)和英特爾(Intel)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,那麼半導體製造的未來出路在哪裡?

20191230NT61P3

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「異質整合」解決方案,因為它可以整合不同製程節點的裸片,能夠滿足高、中、低階市場的各種元件的要求。矽通孔(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。針對高性能元件,最流行的2.5D和3D整合技術是3D堆疊儲存TSV,以及異質堆疊TSV仲介層。TSMC、UMC和格芯(Globalfoundries)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技術是一種基於「主動」TSV仲介層和3D SoC技術。儲存「三巨頭」三星、SK海力士和美光則主導3D堆疊儲存的競爭和發展。

這些透過堆疊封裝被「異質整合」在一個晶片裡的裸片實現的功能各異,採用的製程節點也不一樣,但如果採用統一的介面標準進行資料通訊和傳輸,就可以大大簡化晶片設計、製造和封裝。於是,chiplet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(通用異質整合和IP複用策略)項目推進chiplet的研發,英特爾還開放其高階介面匯流排(AIB)介面以支援廣泛的 chiplet生態系統。TSMC與Arm合作開發出採用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連匯流排。隨著晶圓製造和封裝異質整合的發展,chiplet有可能從概念演變為一種通用技術和裸片形式,甚至成為後摩爾時代的新型IP。

四、晶片「專用化」開啟以應用為導向的定制化晶片設計思路,AI晶片將成為資料中心、終端設備和自動駕駛的海量資料處理加速器

Google的TPU是2017年圖靈獎得主John Hennessy和David Patterson宣導的「特定域架構(Domain-Specific Architecture)」的具體體現,它是Google針對其雲端平台的特殊需求,以軟體、演算法和應用為主導的AI晶片開發範例。從通用型CPU、GPU和FPGA轉向專用的SoC和AI加速器晶片是為了應對各種新興應用的海量資料處理挑戰,包括資料中心高性能運算、物聯網廣泛而零散的應用場景,以及自動駕駛和工業4.0等要求即時處理並決策等。

20191230NT61P4

不光是Google、亞馬遜和阿里等網際網路巨頭和Hypescaler雲端運算服務商開始開發自己的專用晶片,特斯拉(Tesla)也在開發自己的「完全自駕(FSD)」晶片。這些非標準、非售賣的晶片是為了滿足這些公司特定的應用需求而定制開發,因為他們無法從傳統晶片廠商那裡買到想要的晶片。就連傳統的FPGA大廠賽靈思也開始轉型,從晶片往平台型公司轉變,其重心將轉向高性能的資料中心和對運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晶片擴展到軟體、AI運算力和平台服務。

風險投資(VC)對半導體產業的投資從2017開始迅速增長,AI晶片初創企業最受VC青睞。不過未來2~3年,這些獲得巨額融資的AI獨角獸們就要拿著晶片到處找應用了。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,而宣導運算圖(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和微軟那裡找到了其IPU的用武之地。還有很多其他AI晶片初創公司正在尋找著自己的「sweet spot」。

五、運算架構「開放」激發開放原始碼硬體創新,RISC-V生態迅速發展衝擊著全球晶片設計社區和Arm生態

從電腦指令集架構(ISA)的角度來看,x86和Arm是歷史的選擇,但接下來將是加州大學柏克萊分校教授David A. Patterson宣稱的「電腦架構的黃金十年」。支配積體電路發展多年的摩爾定律正在走向終結,支援電腦發展多年的馮·紐曼架構(Von Neumann architecture)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,異質運算在此基礎上又增加了運算的複雜性,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。

20191230NT61P5

RISC-V掀起了開放原始碼硬體和開放晶片設計的熱潮,現已得到全球很多大中企業、科研機構和初創公司的支援,圍繞RISC-V成長起來的生態和社區也發展迅速,從基礎RISC-V ISA、核心IP到開發環境和軟體工具,以及VC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,中國晶片設計產業的發展迫切需要自主和開放的運算架構,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/伺服器造就了x86,智慧型手機成就了Arm,那麼接下來的AIoT將支持RISC-V成為主流的運算架構,甚至主流的晶片設計開發潮流。Arm已經感受到壓力,開始做出改變,比如開放定制化指令,以及在物聯網和自動駕駛領域更為開放地與業界合作夥伴協作開發。在Arm營地被RISC-V搶食的同時,Arm也開始進入PC伺服器市場,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電腦和伺服器等傳統x86領地滲透。

六、EDA走向「雲端」並加持AI,將設計範疇從晶片擴展到系統,從而提高整個系統設計的一致性

TSMC與Cadence、Synopsys、Mentor、亞馬遜AWS和微軟Azure協作建立起基於雲端平台的虛擬設計環境(OIP VDE),成功為SiFive流片第一個在雲端設計的64位元多核心RISC-V CPU,並在 AMD EPYC 處理器上短短10小時內完成7nm晶片的實體驗證。Arm也與EDA廠商合作,為其生態合作夥伴提供最新Arm處理器的雲端設計平台,現已可以支援TSMC 7nm製程節點。EDA走向雲端已經是大勢所趨,並將從根本上改變晶片設計流程和模式。

20191230NT61P6

將機器學習應用於晶片設計已經取得重大進展,從訊號完整性和電源完整性,到將產品組合劃分為系統分析、晶片佈局及可信的平台設計,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資料分析為寄生參數擷取創建機器學習模型,以加速長時間的運算。將AI導入EDA工具的下一階段將瞄準佈局與佈線工具,使AI可以向人類設計師學習,並推薦可加速執行時間的最佳化方案,EDA產業存在著許多使用機器學習技術實現自動化決策和最佳化整體設計流程的機會。

Mentor被西門子收購也標示著EDA從晶片設計往系統設計領域擴展的開始,網際網路巨頭和系統廠商購買EDA工具自己設計晶片和系統也加速著這一擴展趨勢。隨著數位分身(Digital Twin)和虛擬物理系統(CPS)從概念逐漸落地,傳統EDA工具也逐漸成為智慧製造整個產品生命週期管理的一個有機組成部分,設計範疇涵蓋電子、電氣、機械和熱特性。與此同時,訊號和電源完整性、功能和資訊安全性、驗證與綜合,以及可製造性(DFM)都在從系統端(最右端)往左移動(shift-left),使得日益複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,產品設計週期和開發成本也大大降低。

七、MEMS/感測器「融合」與AI和邊緣運算相結合,將使手機、汽車、工廠、城市和家庭更加智慧

感測器/MEMS在連接類比與數位世界的過程中扮演著關鍵角色,其對周圍環境的感知和資料獲取讓我們對各種設備和系統的正常運作有客觀而全面的瞭解。隨著AI在物聯網的滲透和邊緣運算能力的增強,以及感測器/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」:更高精準度、更低功耗、更小尺寸、更高可靠性、更高能效及更智慧。

20191230NT61P7

推動感測器/MEMS市場和技術發展的三大趨勢是:智慧叫車、電源和能源管理,以及包括工業物聯網在內的泛物聯網。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%的年複合成長率(CAGR)持續增長。其中消費類應用將佔MEMS市場的60%,汽車應用則佔20%,其餘的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/感測器可以歸為三類。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、傳統麥克風及壓力感測器等。目前市場規模低於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RF MEMS等。5G可望推動智慧型手機新的晶片需求,RF MEMS也將廣泛應用於新的基地台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、超聲波指紋辨識,以及示波器測量等。 感測器融合(Sensor Fusion)在構建以數位呈現來感知世界的複雜系統中意義重大,其關鍵在於強調系統不僅取決於一個感測器,而是依賴多個感測器輸入。無論是智慧型手機、自動駕駛車、智慧城市、未來工廠還是醫療保健,其中的感測子系統通常包含各種感測器類型,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、解釋和回饋相關資訊的閉環系統。以自動駕駛車為例,為了絕對保障安全,就需要攝影機視覺和雷達成像感測器的融合,這樣才能為駕乘人員提供足夠的信心。

八、GaN/SiC新材料元件「替代」矽元件的步伐加快,賦能5G RF、電動車和無線/快速充電

氮化鎵(GaN)是一種寬能隙(WBG)半導體材料,比傳統的矽半導體材料更能夠承受高電壓、高頻率和高溫工作條件。5G通訊對RF前端有著高頻和高效率的嚴格要求,這正是GaN的用武之地。據市場調研公司Yole Development預測,全球GaN RF元件的市場規模到2024年將超過20億美元,其中無線通訊將佔據一大部分。另外,汽車電動化和可攜式電子產品快速而高效的充電需求也將驅動GaN功率元件走向大眾市場,逐漸替代傳統的矽功率元件。

20191230NT61P8

在5G行動通訊系統中,基地台和手機終端的資料傳輸速率比4G更快,調變技術的頻譜利用率更高,這對RF前端元件和模組提出了更高的要求,目前主流的矽基LDMOS元件和砷化鎵(GaAs)元件在高頻特性上不如GaN。因此,無論是矽襯底還是碳化矽(SiC)襯底,GaN都將在5G的帶動下獲得快速發展。雖然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元件上,隨著製造製程的提升和成本的下降,GaN將逐漸取代砷化鎵和LDMOS。

在電源管理應用上,GaN具有如下優勢:傳導損耗小、能效高、功率密度大,以及可以支援更高的開關頻率等。根據IHS市場調研報告預測,GaN功率元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通訊市場外,汽車和工業市場也是GaN功率元件的主要增長領域。即便在價格敏感的消費電子市場,GaN也開始進入並快速滲透,比如低功率的快充充電頭,以及無線充電等。

九、記憶體件市場「復甦」前景刺激廠商加大新技術和製程研發,以爭取下一輪旺季需求優勢地位

儲存晶片具有高度標準化和供需週期性特點,2019年的市場下滑趨於平緩,儲存廠商看好2020年的復甦前景,都試圖透過加大新技術製程的研發和推進力度,以新舊產品交替的策略在下一輪市場競爭中佔據有利地位。美光、三星、SK海力士和英特爾都發力在新的儲存製程技術上,中國的長江儲存和合肥長鑫也緊緊跟隨。

NAND快閃記憶體的3D堆疊是儲存大廠的研發重點,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 快閃記憶體也已經量產。美光科技已經成功流片128層的3D NAND,2020年可望量產商用,可以大大降低每bit成本。SK海力士目前的主流3D NAND快閃記憶體為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。長江儲存採用Xtacking架構的64層3D NAND也已經量產。

20191230NT61P9

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10nm製程上。10nm級的DRAM製程分為1代(1x)、2代(1y)和3代(1z),SK海力士推出第二代10nm級製程(1y nm)之後又宣佈成功開發出第三代(1z nm)的16G DDR4 DRAM。三星電子的1z製程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%。合肥長鑫也宣佈DRAM記憶體晶片投產,其8Gb DDR4晶片採用19nm(1x)製程,和國際主流DRAM製程基本保持同步。

美光科技推出基於3D XPoint技術的超高速SSD硬碟X100,是鎖定資料中心的儲存和記憶體密集型應用的解決方案。據稱3D XPoint技術在記憶體到儲存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揮發性記憶體eMRAM技術,已經量產第一款可商用的eMRAM產品,並將採用FD-SOI 28nm製程生產1G容量的eMRAM測試晶片。

十、高性能「類比」技術助推醫療數位化、汽車ADAS和自動駕駛

車輛電氣化的整體趨勢是電子元件和電氣元件的比重越來越大,隨著ADAS普及率持續上升並最終過渡到完全自動駕駛,車用交通產業對半導體的需求量持續增長,預計2022年車用半導體市場規模將達到480億美元,其中類比RF類產品佔比高達69%。汽車類比RF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網路的普及也將提升連網車輛的資料傳輸速率,相應的無線連接元件和模組需求也會隨著上升。一些「特色製程」晶圓代工廠商(比如TowerJazz和華虹宏力)和半導體元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製造製程調整。

20191230NT61P10

基於行動網際網路和物聯網技術的醫療物聯網(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端感測器等。醫生依靠這些儀器能夠即時不斷的採集病人的資料指標,如生命體徵、身體活動等資訊,有效地管理或調整治療方案。普通人也可以利用小型可攜式和智慧化的醫用設備、健康管理設備來監測運動、心律、血壓、血糖、睡眠等生命體徵指標,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,一般採用類比資料擷取前端進行訊號調理,並將原始成像資料轉換到數位域,這對資料轉換器(ADC和DAC)的動態範圍、解析度、精準度、線性度和雜訊指標提出了極為嚴苛的要求。基於各種高性能感測器的類比訊號鏈產品在醫療設備和系統中發揮著越來越關鍵的作用,高性能類比技術在醫療產業也迎來更為廣闊的發展空間。

本文為EE Times China原創文章