深科达（688328.SH）今日在上交所科创板上市
06-18
文章来自《电子工程》杂志，ASPENCORE。
全球最大的电子行业媒体集团ASPENCORE的编辑、记者和分析师团队根据专家访谈、技术评估和行业分析，编制了2020年半导体行业趋势。
行业十大技术趋势：5G“规模化”、计算“边缘化”、晶圆制造“异构化”、芯片“专业化”、计算架构“开放化”、EDA走向“云端”、MEMS/传感器“融合” 、GaN/SiC新材料“替代”、存储器件市场“复苏”、高性能“模拟” ?5G“大规模”商用将带动5G手机、基站、VR/AR设备发展。
以及工业4.0、自动驾驶、医疗等新兴应用5G对比4G网络，就像中国高铁对比传统普通铁路一样，高速度、低时延、大容量是显着特点。
3GPP定义了5G的三大技术和应用场景，分别是：增强移动宽带（eMBB），主要面向3D/UHD视频、VR/AR等应用；海量机器通信（mMTC），主要面向智能可穿戴设备、智能手机等。
家居、智慧城市、车联网、工业物联网等物联网应用；高可靠低时延（uRLLC），主要面向自动驾驶、工业自动化、移动医疗等高可靠关键应用。
5G技术的日益成熟和5G网络的大规模商用部署，将带动人工智能、大数据、云计算等技术在视频游戏、VR/AR、AIoT、自动驾驶、智慧城市、工业等新兴应用领域的发展。
4.0和医学成像。
的发展和普及。
5G将于2020年进入大规模商用阶段，首先将带动5G手机、无线基站和通信网络系统的芯片和电子元器件的快速发展、技术创新和批量出货，包括： 5G手机、应用处理器、GPU和AI加速器、RF器件和滤波器、图像传感器/相机以及天线等其他组件；由于5G网络运行在较高频率（sub-6GHz），5G基站信号衰减快、传输距离短的缺点迫使运营商部署和安装至少三倍于4G基站的数量才能实现全覆盖，这将带动基带数字信号处理器件、射频器件、功放器件、天线、电源管理器件（5G基站功耗是4G的2-2倍、3倍）需求增长。
5G网络高速率、低时延的特性正好可以解决VR/AR“用户体验差”的痛点。
预计这将带动新一轮的VR/AR/MR热潮。
Facebook将大力投资头戴式设备的开发，甚至收购它们。
芯片企业将开发自己的集成硬件平台；电力、制造行业巡检作业将部署AR应用，可以更好地与5G网络提供远程信息交互和支持；超过30%的展览展示场景将提供VR/AR设备、软件、内容和服务；大学和培训机构也将越来越多地使用VR/AR进行课程培训。
5G技术还可用于制造企业单独组网，推动工业4.0、工业物联网和工业大数据的发展，同时保证企业数据的安全。
此外，5G还将带动车联网和ADAS/自动驾驶的加速落地，为远程医疗、医学影像等新兴应用提供高速、稳定、安全的数据传输。
?计算“边缘”趋势赋予边缘设备更多的AI和计算能力，这不仅为SoC设计公司提供了更多机会，也提出了更高的PPA要求。
物联网应用场景的分散和碎片化，给传输网络带宽和云计算能力带来了巨大压力，迫使物联网终端设备具备本地处理数据的能力。
这种需求推动了边缘计算的兴起，也提高了边缘设备核心微处理器的性能，相应增强了AI处理能力。
边缘计算可以收集和分析物联网设备上的数据，做出快速推断（或决策），然后仅将少量有用数据发送到云端。
这样，它的延迟、带宽消耗和成本都会降低，并且可以根据数据分析快速做出决策。
即使系统离线，边缘计算也可以连续运行，动态处理数据并确定哪些数据应发送到云端进行进一步分析。
片上系统（SoC）作为物联网边缘或终端设备的心脏，不仅要具有更好的性能，还要具有尽可能最低的功耗和占用面积，即需要实现最好的购电协议。
传统的通用MCU/MPU/CPU已经无法满足不同的应用场景和PPA需求。
只有边缘计算领域的技术和商业模式创新，才能释放人工智能和算力的潜力。
此外，不同的应用场景对软件和AI算法的要求也不同。
虽然在边缘添加AI推理功能在技术上是可行的，但需要定制芯片来实现具有AI增强性能的处理器。
中小企业和初创企业更注重应用软件和AI算法，而大中型企业则更注重边缘计算的生态建设。
例如，华为参与或主导行业标准协议和软硬件开发环境的开发。
在物联网通信协议方面，全球电信运营商都在大力推广NB-IoT，尤其是在中国市场。
LoRa、Zigbee、蓝牙等通信协议也有各自的发展路径和主要应用领域，但多种标准和协议并存将是未来物联网市场的现状。
SoC设计工程师和微处理器开发人员必须考虑多种协议的兼容性和支持。
?晶圆制造通过2.5D/3D堆叠技术将不同工艺节点的裸片“异质”集成封装在一起。
Chiplet或将成为后摩尔时代芯片设计和制造的新IP。
高性能CPU、智能手机AP、GPU和FPGA一直是14nm以下最先进工艺节点的“尝鲜者”。
台积电的7nm工艺是目前最先进的量产技术，预计5nm工艺将取代它，成为最高端工艺。
在这场比建造航母还要昂贵的工艺竞争中，全球只有三个公司在竞争：台积电、三星和英特尔。
接下来是 3nm、2nm 和 1nm 节点吗？即使有足够的资金投入研发，摩尔定律的物理极限也已经结束。
那么半导体制造的未来在哪里？ 2.5D和3D堆叠封装技术已成为晶圆代工厂、IDM和封测厂商普遍认可的“异构集成”解决方案，因为它可以集成不同工艺节点的裸晶圆，可以满足高、中、低端的需求。
终端市场。
各种设备的要求。
硅通孔（TSV）是最早的堆叠技术之一。
目前，从TSV到晶圆级堆叠的封装技术的竞争主要集中在“TSV”和“TSV-less”之间。
对于高性能设备，最流行的2.5D和3D集成技术是3D堆叠存储器TSV和异构堆叠TSV中介层。
台积电、联华电子和格罗方德等晶圆代工厂正在引领这一领域的技术发展。
IDM 制造商英特尔开发的 Foveros 技术基于“有源”TSV 中介层和 3D SoC 技术。
存储“三巨头”三星、SK海力士和美光主导着3D堆叠存储的竞争和发展。
这些通过堆叠封装“异构集成”在一颗芯片中的裸芯片具有不同的功能，并采用不同的工艺节点。
但如果采用统一的接口标准进行数据通信和传输，芯片设计就可以大大简化。
、制造和包装。
由此，chiplet的概念应运而生，并开始被半导体行业所接受。
美国DARPA设立了CHIPS（通用异构集成和IP重用策略）项目来推动chiplet的研发。
英特尔还开放了其AIB（高级接口总线）接口，以支持广泛的chiplet生态系统。
台积电与 Arm 合作开发了采用晶圆上芯片 (CoWoS) 封装技术的 7 纳米小芯片系统。
它由两个chiplet组成，每个chiplet包含4个Arm Cortex A72处理器和一个片上互连总线。
随着晶圆制造和封装异构集成的发展，chiplet很可能从一个概念演变为通用技术和芯片形式，甚至成为后摩尔时代的新型IP。
?芯片“专业化”开启面向应用的定制化芯片设计思路。
AI芯片将成为数据中心、终端设备和自动驾驶的海量数据处理加速器。
谷歌的TPU是图灵奖获得者John Hennessy和David Patterson所倡导的“特定领域架构”的具体体现。
是谷歌对其云平台的特殊需求，以软件、算法和应用为主。
AI芯片开发实例。
从通用CPU、GPU和FPGA到专用SoC和AI加速器芯片的转变，是为了解决各种新兴应用的海量数据处理挑战，包括数据中心的高性能计算、物联网广泛而碎片化的应用场景。
物联网，以及自动驾驶和工业4.0等需求都需要实时处理和决策。
不仅谷歌、亚马逊、阿里巴巴等互联网巨头和超大规模云计算服务商开始研发自己的专用芯片，特斯拉也在研发自己的“全自动驾驶（FSD）”芯片。
这些非标准、非出售的芯片是为了满足这些公司的特定应用需求而定制开发的，因为他们无法从传统芯片制造商那里购买到他们想要的芯片。
就连传统FPGA厂商Xilinx也开始从芯片公司向平台公司转型。
其重点将转向高性能数据中心和具有严格且灵活计算要求的特定应用领域。
其提供的产品也从FPGA芯片扩展到软件、AI算力和平台服务。
半导体行业的VC投资自一开始就增长迅速，其中AI芯片初创企业最受VC青睐。
然而，未来2-3年，这些获得巨额融资的AI独角兽将带着芯片到处寻找应用场景。
筹集了 6 亿美元融资的 Horizo??n 已经开始深耕自动驾驶和 AIoT 领域，而倡导计算图（graphs）概念的 Graphcore，代表知识模型和应用，所有的机器学习模型都被表达出来。
以图表的形式），在其投资者中，戴尔 EMC 和微软已经在那里找到了他们的 IPU 的用途。
还有许多其他人工智能芯片初创公司正在寻找自己的“最佳位置”。
?计算架构的“开放”刺激开源硬件创新，RISC-V生态系统的快速发展影响了全球芯片设计界和Arm生态系统。
从计算机指令集架构（ISA）的角度来看，x86和Arm是历史的选择，但接下来将是加州大学伯克利分校帕特森教授宣称的“计算机架构的黄金十年”。
主导集成电路发展多年的摩尔定律即将结束。
支持计算机发展多年的冯诺依曼架构也开始凸显其局限性。
通用 CPU、GPU、FPGA 和 ASIC 都有自己的专业知识和局限性。
异构计算是在此基础上增加了计算的复杂度。
为了应对新兴应用带来的这些挑战，需要基础架构创新。
RISC-V掀起了开源硬件和开放芯片设计的热潮。
现已得到全球众多大中型企业、科研机构和初创公司的支持。
围绕RISC-V成长起来的生态系统和社区也发展迅速。
从基础的RISC-V ISA、核心IP、开发环境和软件工具，以及风险投资都在推动RISC-V生态系统的进一步扩张。
在中美科技冷战的背景下，中国芯片设计产业的发展迫切需要独立、开放的计算架构。
RSIC-V迎合了这一需求，其在中国短短两年的快速发展似乎也证明了这一点。
如果说PC/服务器创造了x86，智能手机创造了Arm，那么下一个AIoT将支持RISC-V成为主流计算架构甚至主流芯片设计开发趋势。
Arm感受到了压力，并开始做出改变，比如开放定制化指令，以及在物联网和自动驾驶领域与行业伙伴进行更开放的合作。
在Arm阵营被RISC-V抢夺的同时，Arm也开始进军PC服务器市场。
我们将看到更多来自亚马逊、华为和高通等公司的 Arm 处理器渗透到 PC 电脑和服务器等传统 x86 领域。
?EDA上“云”，支持AI，将设计范围从芯片延伸到系统，从而提高整个系统设计的一致性。
台积电与Cadence、Synopsys、亚马逊AWS和微软Azure合作，建立基于云平台VDE的虚拟设计环境（OIP），并成功流片首款在云中设计的64位多核RISC-V CPU西五。
Arm还与EDA厂商合作，为其生态合作伙伴提供最新Arm处理器的云设计平台，目前可以支持TMSC 7nm工艺节点。
EDA上云是大势所趋，将从根本上改变芯片设计流程和模式。
将机器学习应用于芯片设计方面已经取得了重大进展。
从信号完整性和电源完整性到将产品组合划分为系统分析、芯片布局和可信平台设计，AI 可以在 EDA 工具中设置数十种选项。
，帮助加快自动化进程。
Cadence利用数据分析创建机器学习模型，用于人工智能应用第一阶段的寄生参数提取，以加速长期计算。
将人工智能引入 EDA 工具的下一阶段将针对布局和布线工具，允许人工智能向人类设计师学习并提出优化建议以加快运行时间。
EDA 行业有很多机会使用机器学习技术来自动化决策并优化整体设计流程。
Mentor被西门子收购也标志着EDA从芯片设计向系统设计拓展的开始。
互联网巨头和系统制造商购买EDA工具来设计自己的芯片和系统，这也加速了这种扩张趋势。
随着数字孪生和虚拟物理系统（CPS）从概念上逐步落地，传统的EDA工具逐渐成为智能制造全产品生命周期管理不可或缺的一部分。
设计范围涵盖电子、电气、机械和热特性。
。
与此同时，信号和电源完整性、功能和信息安全、验证和综合以及可制造性（DFM）都在从系统侧（极右）向左移（shift-left），使得系统设计变得越来越复杂更加协调，很多设计缺陷可以及早发现并弥补，产品设计周期和开发成本也大大降低。
?MEMS/传感器“融合”与人工智能和边缘计算相结合，将使手机、汽车、工厂、城市和家庭变得更加智能传感器/MEMS在连接模拟和数字世界及其对周围环境的影响方面发挥着关键作用传感和数据采集使我们能够客观、全面地了解各种设备和系统的正常运行情况。
随着AI在物联网领域的渗透和边缘计算能力的增强，以及传感器/MEMS在更多关键应用中的普及，其未来发展趋势将遵循六大“黄金法则”：更高的精度、更低的功耗，体积更小，可靠性更高，能效更高，更智能。
推动传感器/MEMS市场和技术发展的三大趋势是：智能移动、电源和能源管理以及无处不在的物联网(IoT)，包括工业物联网(IIoT)。
据Yole Développement统计，2020年全球MEMS市场将达到1亿美元，预计从现在到2020年将以8.2%的复合年增长率（CAGR）继续增长。
其中，消费类应用将占在60%的MEMS市场中，汽车应用将占20%，剩下的20%包括电信、医疗、工业和航空航天应用。
根据市场规模和未来增长潜力，MEMS/传感器可分为三类。
第一类包括惯性MEMS、喷墨打印头、光学MEMS、传统麦克风和压力传感器，市场规模超过10亿美元，但复合年增长率不到5%。
目前市场规模不足10亿美元，但复合年增长率为5-10%，属于第二类，包括环境监测MEMS、微流控、微测辐射热计、热电堆和射频（RF）MEMS等。
5G是预计将推动智能手机的新芯片需求，RF MEMS也将广泛应用于新的基站部署和边缘计算设备。
第三类是复合年增长率超过15%的未来成长之星，如新型麦克风、超声波指纹识别、示波器测量等。
传感器融合对于构建通过数字表示感知世界的复杂系统具有重要意义。
关键是要强调系统不仅仅依赖于一个传感器，而是依赖于多个传感器输入。
无论是智能手机、自动驾驶汽车、智能城市、未来工厂还是医疗保健，传感子系统通常包括各种传感器类型，需要测量温度、压力、接近度和位置等参数，以及各种传感器。
化学品和气体指标，实现相关信息跟踪、解读和反馈的闭环系统。
以自动驾驶汽车为例，为了确保绝对安全，需要摄像头视觉和雷达成像传感器的融合，为驾驶员和乘客提供足够的信心。
?GaN/SiC新材料器件加速“替代”硅器件，赋能5G射频、电动汽车、无线/快充。
氮化镓（GaN）是一种宽带隙（WBG）半导体材料，速度比传统硅更快。
半导体材料能够更好地承受高压、高频和高温工作条件。
5G通信对射频前端的高频、高效率有着严格的要求，这正是氮化镓（GaN）的用武之地。
根据市场研究公司Yole Development的数据，全球GaN射频器件市场规模将超过2美元到今年将达到亿元，其中无线通信将占很大一部分。
此外，汽车电动化和便携式电子产品快速高效充电的需求也将推动氮化镓（GaN）功率器件走向大众市场，逐步取代传统硅功率器件。
5G移动通信系统中，基站和手机终端的数据传输速率比4G更快，调制技术的频谱利用率更高。
这对射频前端器件和模块提出了更高的要求。
目前，主流的硅基LDMOS器件和砷化镓（GaAs）器件在高频特性上不如氮化镓（GaN）。
因此，无论是硅衬底还是碳化硅（SiC）衬底，氮化镓（GaN）都将在5G的带动下快速发展。
尽管氮化镓（GaN）的成本仍然很高，但一些公司正在将低成本的GaN-on-Si应用于射频器件。
随着制造工艺的改进和成本的降低，氮化镓将逐渐取代砷。
镓和 LDMOS。
在电源管理应用中，氮化镓具有以下优点：传导损耗小、能效高、功率密度高，并且可以支持更高的开关频率。
IHS市场研究报告显示，GaN功率器件市场每年将以30%以上的速度增长，市场规模预计将超过10亿美元。
除5G通信市场外，汽车和工业市场也是氮化镓（GaN）功率器件的主要增长领域。
即使在价格敏感的消费电子市场，氮化镓（GaN）也开始快速进入并渗透，例如低功率快充充电头、无线充电等。
?存储设备市场“复苏”的前景刺激厂商加大新技术、新工艺的研发力度，以期在下一个旺季获得需求主导地位。
存储芯片标准化程度高，具有供需周期性特征。
2019年市场跌幅趋于平缓，存储厂商对这一年持乐观态度。
有了复苏前景，他们正试图通过加大新技术、新工艺的研发和推广，采用新旧产品更新换代的策略，在下一轮市场竞争中占据有利地位。
美光、三星、SK海力士、英特尔都在关注新的存储工艺技术，国内长江存储、合肥长鑫也紧随其后。
NAND闪存的3D堆叠是各大存储厂商的研发重点。
目前三星提供的主流3D NAND产品为64层，其1层以上的第六代3D NAND闪存也已量产。
美光科技已成功流片3D NAND，预计今年量产并商用，可大幅降低每比特成本。
SK海力士目前主流的3D NAND闪存为72层，下一代的堆叠层数将超过90层。
下一阶段将是蛋鸡阶段，并逐年超过蛋鸡阶段。
长江存储采用Xtacking架构的64层3D NAND也已投入量产。
DRAM层堆叠比较困难，因此制造商只能通过缩小电路间距来提高性能和效率。
目前竞争的焦点是10纳米工艺。
10nm DRAM工艺分为第一代（1x）、第二代（1y）和第三代（1z）。
继推出第二代10nm工艺（1y nm）后，SK海力士宣布第三代研发成功。
(1z nm) 16G DDR4 DRAM。
三星电子的1z工艺DRAM也实现了量产，美光也开始量产1z纳米16Gb DDR4，密度比上一代更高，功耗降低了40%。
合肥长鑫也宣布生产DRAM内存芯片。
其8Gb DDR4芯片采用19nm（1x）技术，与国际主流DRAM技术基本同步。
美光科技推出基于3D XPoint技术的超高速SSD硬盘X，是数据中心存储和内存密集型应用的解决方案。
据称，3D XPoint技术将内存到存储的层次引入了一个新的水平，比DRAM具有更大的容量和更好的耐用性，也比NAND具有更高的耐用性和更强的性能。
三星正在重点开发新一代嵌入式非易失性存储器eMRAM技术。
已量产首款商用eMRAM产品，并将采用FD-SOI 28nm工艺生产1G容量的eMRAM测试芯片。
?高性能“模拟”技术推动医疗数字化、汽车ADAS和自动驾驶。
汽车电动化的总体趋势是电子元件和电器元件的比例不断增加。
随着ADAS的普及度不断提高并最终过渡到完全自动驾驶，汽车交通行业对半导体的需求持续增长。
汽车半导体市场预计规模将达到1亿美元，其中模拟射频产品占比高达69%。
汽车模拟射频大致分为两类：无线连接和汽车雷达。
车载雷达系统几乎已经成为当今中高端汽车的标准配置。
未来，每辆车将配备多达7-12个雷达系统。
5G网络的普及也将提高联网车辆的数据传输速率，相应的无线连接设备和模块的需求也会增加。
一些“特殊工艺”晶圆代工厂（如TowerJazz和华虹宏力）和半导体器件设计公司正在进行技术开发和制造工艺调整，以应对汽车电子化的趋势。
基于移动互联网和物联网技术的医疗物联网（IoMT）生态系统将包括数百万台低能耗、高性能的医疗健康监测设备、临床可穿戴设备和远程传感器。
医生依靠这些仪器不断实时收集患者数据指标，如生命体征、身体活动等信息，以有效管理或调整治疗计划。
普通老百姓还可以利用小型、便携、智能的医疗设备和健康管理设备来监测运动、心律、血压、血糖、睡眠等生命体征，帮助检测自己的饮食和健身状况，预防疾病的发生。
在医学成像领域的电子设计中，模拟数据采集前端通常用于信号调理以及将原始成像数据转换为数字域。
这对数据转换器（ADC 和 DAC）的动态范围、分辨率、精度和线性度产生重大影响。
噪声指标提出了极其严格的要求。
基于各种高性能传感器的模拟信号链产品在医疗设备和系统中发挥着越来越重要的作用。
高性能模拟技术在医疗行业也有着更广阔的发展空间。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-18
06-18
06-21
06-17
06-18
最新文章
英特尔收购芯片制造商eASIC，进一步减少对CPU的依赖
西门子携手现代汽车、起亚公司，共同推动交通运输行业数字化转型
行业领导者制定 Open Eye MSA 来帮助实现高速光连接应用
三星电子和 NAVER 合作
意法半导体和 Leti 合作开发 GaN-on-Si 功率转换技术
青岛将大力发展高世代TFT-LCD和Micro LED项目
长电科技参加IMAPS器件封装大会
三星正式发布Exynos 990旗舰处理器