4008-622-911
SILAN士兰微：SiC芯片产能年底翻倍，达6000片/月
相关推荐
-
-
国产汽车芯片或迎来曙光，结构性缺芯问题依旧待解
曾因供应短缺而导致汽车产业链停摆、车企新车交付延迟的汽车芯片，如今已不再是产业发展的重大障碍，同时，国产车规级芯片日益增多。近期，国内多家车企及芯片商推出了自主研发的车规级芯片：蔚来宣布成功自研7纳米车规级芯片；吉利集团旗下高端品牌领克汽车推出的领克08，首搭芯擎科技自主研发的两颗车规级7纳米量产芯片“龍鷹一号”。“对于中国车企而言，掌握车规级高端芯片的研制技术对提升产品竞争力和降低对外部芯片供应的依赖具有重要意义。中国车企在芯片研发领域取得一定突破是一个积极的信号。这显示出中国企业在技术研发和创新能力上的提升。”深度科技研究院院长张孝荣对经济观察报记者表示。张孝荣同时指出，“车规级芯片有很多种，目前的突破只是设计环节上的局部突破。因此，我认为中国车企还没有完全掌握车规级高端芯片的全部研制技术。虽然取得了一些成绩，但与国际一流的芯片制造企业相比还存在差距，仍需要进一步加强研发能力和技术创新，以在全球市场中取得更好的竞争地位。”车规级芯片特别是高端车规级芯片，目前仍制约着中国汽车产业的发展。而破局之道，既需要车企与芯片厂商联手加大研发设计、制造产能建设等环节的投入力度，同时需要长时间的经验积累。车规级芯片设计环节迎来曙光今年9月初，领克汽车首款二代产品领克08正式上市。官方表示，新车车机系统首搭两颗中国首款自研车规级7纳米量产芯片“龍鷹一号”。该芯片16TOPS的算力大幅提升了系统运转的流畅度，将帮助领克汽车撕掉“领克止于车机”的标签。资料显示，“龍鷹一号”芯片由芯擎科技设计开发，该公司由吉利控股旗下亿咖通与安谋中国合资成立，因此芯擎科技也是吉利系的企业。2021年底，“龍鷹一号”作为新一代车规级7纳米智能座舱芯片被正式推出。芯擎科技曾表示，该芯片由300余位工程师历时两年多开发完成，创造了国内团队在7纳米制程、车规级超大规模系统级芯片首次流片（试生产）即成功的纪录。据了解，“龍鷹一号”芯片将全面对标目前业内高端车型普遍使用的高通骁龙8155芯片，其算力与技术规格与后者相近。在芯擎科技之后，蔚来汽车也即将量产首款自研芯片。在9月21日的蔚来科技日上，蔚来汽车发布7纳米制程激光雷达主控芯片“杨戬”，并宣布将于10月开始量产。蔚来汽车表示，“杨戬”芯片具有集成度高、能耗低、性能强等特征，能对复杂场景提供更佳的支持，在激光雷达主控芯片领域处于领先地位。对于中国企业自主研发的车规级芯片，芯片行业专家苏琳琳认为：“这的确说明我们的车规级高级芯片有了长足的进度。”据苏琳琳介绍，高端车规级芯片分为高算力芯片和高可靠性芯片两大类。上述提到的“龍鷹一号”与“杨戬”芯片均属于高算力芯片，其主要用于智能座舱、智能驾驶、辅助驾驶领域，研发设计难度主要在芯片设计的逻辑复杂度和算法复杂度，对安全性要求相对较低。由于国内汽车智能化和应用相比全球市场已较为领先，所以中国企业在芯片设计逻辑上进步很快，不少企业已经取得成果。另外一类是传统的高安全性、高可靠性芯片，主要用于车辆的制动、方向盘、底盘、发动机等关键零部件领域，其特点是设计逻辑并不复杂，但是对功能安全与质量一致性要求较高。这类芯片以前被国外企业所垄断，现在国内已有部分企业开始研发设计，但产品已经大批量上车的企业并不多。因为这类芯片需要企业花较长时间来积累经验。也即，中国企业目前虽然攻克了高端车规级芯片中的高算力芯片难题，但高安全性、高可靠性芯片的关键在于经验的长期积累，不能一蹴而就。结构性缺芯问题依旧待解“尽管中国的一些汽车企业在芯片自研方面取得了一些进展，但结构性缺芯问题仍然存在。首先，全球芯片供应链仍然面临挑战，包括供应链中的瓶颈、技术障碍以及地缘政治因素。其次，汽车行业对于芯片的需求持续增长，而芯片制造的周期较长，因此缩短供应链的时间很难。再者，全球半导体行业的垄断现象也对中国的汽车制造商构成了挑战，因为它们需要依赖外部供应商。”全联并购公会信用管理委员会专家安光勇表示。实际上，今年以来业内已经很少出现因芯片短缺而导致工厂停产的事件。但这并非说明，全球汽车芯片供需关系已经被完全解决。市场调研机构DIGITIMESResearch调查结果显示，汽车产业缺芯困局自2022年第四季起逐渐改善，除硅基功率器件IGBT和MCU仍紧缺，电源管理芯片、CMOS影像传感器、嵌入式多媒体卡、显示驱动IC交期陆续松动，随着整车厂积压订单逐渐去化，预估2023年多数汽车芯片交期将持续缩短。全球知名咨询公司罗兰贝格发布的研究报告显示，预计2023年全球汽车芯片供给仍将有8%到13%的需求不能得到满足。汽车芯片短缺的现象会长期存在，但会逐渐放缓。预计到2025年汽车芯片总供给可达8.46亿个，需求短缺缩小到3~5%。对于未来市场发展，罗兰贝格认为，芯片产业链布局结合研发技术优化，是长期解决缺芯的根本。公开资料显示，一般而言，一条新的芯片产线从开始建设到最后投产需要3年时间，长于大部分科技产品的扩产周期。另一方面，随着汽车的智能网联化发展，市场对于芯片的需求呈爆发式增长。国内产业研究机构亿欧智库在8月分布的《2023中国车规级芯片产业创新研究报告》中提出，到2025年，燃油车平均芯片搭载量将达1243颗，智能电动汽车的平均芯片搭载量则将高达2072颗。对于中国企业而言，既是挑战也是机遇。单就中国市场来说，庞大的芯片需求背后潜在的风险远大于其他发达汽车市场。“当前，全球车规芯片市场主要被美国、欧洲和日本的几家大型企业所垄断。由于车规芯片的特殊要求和复杂的技术标准，中国市场仍然面临着技术壁垒。”资深人工智能专家郭涛表示。与此同时，中国汽车企业和汽车芯片企业如果能抓住市场需求扩大的历史机遇，加大研发和产业链布局力度，未来也有望在全球芯片市场获得一席之地。
-
-
传感器和AI相结合，意法半导体智能传感器助力未来可持续的虚实交融生活
时间来到2023年，ST在中国召开了其首届传感器大会，支持本地端的AI计算的智能传感器成为了本次大会的焦点。在开幕演讲上，意法半导体副总裁·中国区总经理曹志平表示，我们的生活经历了从off-line到on-line的变革，以及从on-line到on-life发展，目前迈入Sustainable Onlife阶段，具备AI能力的传感器将会是构建永久在线的、虚拟交融的可持续生活的关键。2019年ST就推出了集成自家ML内核的传感器，这在当时确实是业界首款。而这款产品并不是ST的浅尝辄止，而是开启了其在AI传感器上的完整生态布局。时间来到2023年，ST在中国召开了其首届传感器大会，支持本地端的AI计算的智能传感器成为了本次大会的焦点。在开幕演讲上，意法半导体副总裁·中国区总经理曹志平表示，我们的生活经历了从off-line到on-line的变革，以及从on-line到on-life发展，目前迈入Sustainable Onlife阶段，具备AI能力的传感器将会是构建永久在线的、虚拟交融的可持续生活的关键。智能传感器要具备多强的计算能力，才能实现端侧AI应用？传感器和MCU/SoC之间又该如何分配数据的处理任务？带着这些问题我们有幸采访到了ST的诸多高层。智能传感器布局：从MLC进化到ISPU“智能传感器必须要能够实现独立的决策——通过它收集到的一些数据，能够不依赖微控制器（不管是节点级别的次微控制器，还是主SOC）独立做出决策。”意法半导体亚太区模拟器件、MEMS和传感器产品部 (AMS) MEMS及影像传感器子产品部市场及应用副总裁、智能手机创新中心负责人Davide BRUNO表示，“所以就ST本身而言，现在正在努力让传感器（不管是运动传感器、加速记仪，还是影像传感器方面）最终能够根据自己收集和感知到的数据做出独立的决策，并自动采取干预行为，从而得到预期的效果。”通常在一个端侧系统中，会需要用到传感器、MCU和其他一些连接的功能。传感器负责采集真实物理世界的信号以及人体的相关信息，然后负责将数据传递到MCU中进行计算。MCU通过对于数据的计算分析，然后产出控制信号给到执行机构。在这其中，复杂的数据运算可能需要上传到云端进行处理和记录。而ST在2019年推出的MLC（Machine Learning Core），则是在传感器内增加一个可重新配置的单元，被称为rPU。该rPU可以通过寄存器重新配置，能够运行一些简单的AI模型。其中FSM是用于设计逻辑连接的数学抽象。它是由有限数量的状态和状态之间的转换组成的行为模型，类似于流程图，可以在流程图中检查满足某些条件时逻辑的运行方式。FSM允许可以将一些算法从应用处理器转移到传感器中运行，从而持续降低功耗。而在传感器峰会上，我们听到了一个更新的产品类型叫做——ISPU，即Intelligent Sensor Processing Unit。据了解，ISPU其实是早在2022年初就已经发布，这是一款内置了DSP的IMU产品，ISPU是集成在传感器的ASIC中的一个专门用于机器学习和处理器的DSP，可采用专用指令集进行编程，能够运行1位NN精度的AI算法。Davide表示，ISPU能够在边缘自动分析处理数据，并根据特定应用的需求，采取干预行为，并确保所需的精确度，从而让终端应用变得更为丰富。而这一理念可以从IMU延伸到ST所有类型的MEMS和imaging传感器当中。意法半导体MEMS传感器产品市场经理Francesco BIANCHI表示，ISPU是意法半导体跨向人工智能领域的最大一步。目前，可以通过ISPU来帮助客户实现在他们自己的神经网络端，以及包括在他们自己的人工智能算法上的解决方案的打造。数据分区处理，带来系统能效提升通过在传感器中集成NN单元，像ISPU这样的产品，可以让用户的数据做到分区处理：在传感器上运行特定级别的一些数据的处理，比如说一些比较简单的或者是中等难度的数据处理；并将比较复杂的算法和比较密集强度的一些问题，留给MCU进行处理。因为传感器上的AI算力增强而实现的这种数据分区处理，能够大大提升整个端侧系统的能效。Francesco表示，如果从传统的系统优化的角度来说，大家都认为传感器本身就是一个低功耗的产品，是整体技术架构里面低功耗的一个部分。而对于MCU微控制器来说，因为它要进行大量数据的处理，所以它处理数据数量的高低，直接决定了它的功耗的多少。如果我们能够让一些原始数据实现本地（传感器侧）的处理，就可以帮助为微控制器留出更多的空间来进行复杂任务的处理。这是可以帮助进一步地优化系统及整体的功耗的。“更多原始数据的处理，都可以在ISPU实现本地完成。这样就能够提供更多的信息，提供更多的原数据，帮助我们和客户通过数据的方式执行更多的任务。通过这样的方法，可以帮助客户实现其解决方案极大的系统化的升级和优化。”此外，数据分区处理还可以提高安全等级。因为通过传感器所收集到的大部分数据都是原始数据，如果采用传统意义的传感器，这些数据可能会放到云端，或者是放到应用端去进行处理。因此，这些数据如果保护不好，就会出现外泄并为第三方所获取。但如果传感器本身就能够实现对数据的一些处理的话，它就帮助降低了数据外泄的可能性。正如Davide所讲到的，智能传感器的概念并不仅仅局限在MEMS传感器、IMU类型的传感器上，而是也贯穿到了Imagining的传感器产品布局中。意法半导体影像传感器总监Marc VASSEUR就强调到，ST的Imagine传感器可以在计算数据之间实现有效的平衡。影像传感器的原始数据量非常庞大，要基于其进行算法开发需要花费巨大的时间——很多可供终端用户使用的算法需要花2年以上的开发时间。“所以，我们提供的算法之所以能够为客户所使用，是要确保当我们在数据处理的分区的过程当中，特别是在图像处理的过程当中，我们非常接近这个层级数据的采集，确保我们的传感器能实现有效的数据的收集，数据的处理和数据的存储。”Marc分享到。超级传感器的融合之力，赋能未来应用传感器除了智能化外，也存在着融合的趋势，通过多种传感器融合，一方面可以实现系统中更好的BOM和面积优化，另一方面还可以带来安全冗余的特性。Francesco将这种融合的传感器称为超级传感器：“对于任何的应用来说，如果想进一步提升它的性能，都可以考虑使用这样的多传感器融合之后的超级传感器。我们之所以称之为超级传感器。”除了ISPU外，ST在此次传感器峰会上还介绍了一个独具特色的模块——vAFE。该类器件是在MEMS传感器上增加了一个模拟前端，从而实现了机电感知+模拟感知技术的融合。Francesco表示，通过vAFE，客户就能够有效地连接到MEMS传感器，从而能够更好地使用其内部的处理逻辑，能够更好地嫁接和外部任何的模拟器件之间的联系。据了解，vAFE提供的信号和运动传感器的信号本质上是同步的，所以可以在传感器的边缘完成独特的上下文感知分析，从而实现低功耗和最小可能的延迟。这也同样契合ST的智能传感器的概念。集成了vAFE的产品，在体积上更具优势，非常适用于TWS耳机等可穿戴设备的应用。传感器融合的技术和强大的AI算力结合，能够赋能诸多的新兴终端产品形态。例如针对折叠屏手机，ST就将陀螺仪和加速度计的数据相结合，然后在传感器的算法中进行融合，进而可以持续跟踪精确的屏幕开合角度、速度和位移等信息的判断。这一专利技术基于LID系列的产品，因此被称为LID角度解决方案。Francesco表示，ST在三年前就已经开始投入在这一专利技术的研发中，目前已经进一步推出了新的传感器产品，可以支持多屏和折叠屏上的数据的传感收集和处理。同时Francesco也表示，多传感器融合的超级传感器可以适用于多种新兴的应用，这不仅包括折叠屏手机，也包括新一代笔记本电脑等。而在XR设备上，超级传感器可以为用户呈现出一些混合现实的影像和效果；而在汽车应用上，这一技术也早就广泛使用，通过多个高精度传感器的数据进行融合，从而形成超级传感器来进一步赋能ADAS的性能。结语此次在北京召开的ST传感器峰会，是ST首次在中国召开的、以传感器为主题的大型峰会活动。而我们透过ST的分享，观察到了传感器技术的趋势变化。传感器已经不再是单纯的一个感知器件，而是在追求精准感知的基础上，延展出更多的和AI相关的计算、融合的功能。在端侧AI的浪潮中，传感器在系统优化层面上，可以提供更多的数据处理的价值，助力未来真正的“可持续的、虚实交融的生活”。
哦! 它是空的。