技术驱动应用落地 六位大咖热议行业新机遇

传感器、加速计算、存储以及物联网、人工智能和工业4.0等等话题是当下半导体产业的关注焦点。日前，在第八届年度中国电子ICT媒体论坛暨2019产业和技术展望研讨会上，与会嘉宾围绕这些议题进行了深入讨论。

英飞凌：ToF的应用越来越广

ToF（飞行时间）的话题越来越热，背后是需求市场的放大。该技术可提供准确、可靠的深度数据，相较于其他深度传感技术，ToF仅使用一个红外光光源就可以直接测量每个像素中的深度和幅度信息。其通过发射调制红外光到整个场景，通过ToF成像器捕获反射光，通过发射光和接收光之间测量到的相位差以及幅度值可以得到高度可靠的距离信息以及完整场景的灰度图像。

图：ToF成像原理

英飞凌电源管理及多元化市场事业部大中华区射频及传感器部门总监麦正奇表示，不仅是手机，ToF在工业、汽车或消费电子等领域都会有很大的机会。在英飞凌的汽车电子事业部、DSS数字安全解决方案事业部，电源管理及多元化事业部和工业控制事业部四个事业部中，多元化就是射频和传感器，是英飞凌业务重要的部分。英飞凌的ToF业务已经覆盖到消费电子、工业、汽车领域。其中，消费电子主要是以移动装置，包括手持或VR、AR头盔；在工业方面，主要是自动化、安防、机器人等应用；在汽车部分，ToF已经是一个选项。

图：麦正奇，英飞凌电源管理及多元化市场事业部大中华区射频及传感器部门总监

针对ToF图像传感器，英飞凌的主打产品是REAL3。据麦正奇介绍，该传感器透过3D的深度图加上2D的灰阶图，得到一个完整的深度讯息。其算法保证即使在强光下，也不会过曝。而英飞凌特有的智能滤波和伪影校正算法提高了数据精度。ToF的结构使之能够实现非常紧凑的摄像头设计，而最重要的是REAL3只需在出厂时做一次校正（5秒内完成）。REAL3的深度计算量很小，CPU占用量低，降低了功耗，“这对移动装置是最重要的，每个点都可以提供完整的深度讯息，其传输出去的数据已经是可用的了，不像其它结构的3D传感需要不断用CPU计算深度和幅度讯息，” 麦正奇说，“这些特性可减少手机或移动设备的能耗和热损耗。”

目前，英飞凌面向工业和移动应用的REAL3已投入量产，该传感器通过优化CMOS技术，提升了性能、功耗和成本特性。其中，面向移动设备的专用REAL3已经面市，而面向汽车应用的REAL3尚在研发阶段。该器件主要由英飞凌自有工厂量产，但也不排除通过代工厂生产，另外，他们也在和锡根的pmdtechnologies合作开发软件算法，Pmd提供ToF像素矩阵，英飞凌则提供SoC功能块，并开发ToF优化CMOS制造工艺。

艾迈斯：今年光学传感有几个热点

光学、图像和音频是传感器领域重要的三个领域，其系统方案包含IC、接口、算法和软件，而在这些领域，艾迈斯（ams）是重要的玩家，其产品应用包括消费电子、工业、汽车和医疗。在3D传感上，艾迈斯的产品涵盖ToF、主动立体视觉和结构光三个主要类别，另外，该公司在音频、摄像头侦测、健康检测、电子商务和显示管理上都有相应的传感技术和产品。

艾迈斯半导体先进光学传感器部门执行副总裁兼总经理Jennifer Zhao表示，根据IHS的统计排名，过去八年艾迈斯光学传感器业务都是行业第一。“因为我们非常注重创新，”Jennifer Zhao说，“今年客户最大的需求就是怎样进行屏下管理，我们的环境光、无显示失真接近传感器和红外IR抑制技术能够满足需求；在真无线立体声方面，我们新出的传感器可以做到0.1、0.2cm的近距离优化。另外在窄或无边框LCD显示屏、3D光学传感以及医学健康保健方面，我们都能提供高性能的传感器。”

图：Jennifer Zhao，艾迈斯半导体先进光学传感器部门执行副总裁兼总经理

在光学传感器上，艾迈斯主要产品是两条线：集成光学传感器和颜色、光谱传感器。前者主要是显示强度管理、摄像头/显示屏色彩平衡、 接近（手机/家庭助理）和1D ToF接近以及距离传感，后者则是颜色识别、食物分析、化妆品和肤色监测以及生物传感器。就智能手机应用看，光学传感技术的主流趋势有三个：1、3D人脸识别，主要用于身份识别和安全支付；2、全面屏、无边框；3、摄影增强。 

图：3D人脸识别技术包括结构光、主动立体视觉和ToF三类。其中结构光主要适用于近距离，具有最佳深度图质量和安全性，成本也最高，主要被高端手机选用；主动立体视觉适用于中等距离，其深度图质量也比较优良，但是精度没有结构光好，其成本较结构光有优势；ToF适合中远距离（5米左右），系统集成简单，尺寸最小。

Jennifer Zhao介绍，艾迈斯在3D传感领域不仅有VCSEL光源、光路和光学封装、NIR和ToF摄像头这些硬件，也有与旷世、bullus 3D等合作的软件算法，以及3D应用的软件。而除了手机，智能家居、工业自动化以及汽车也是艾迈斯3D传感的重要市场。

就全面屏趋势而言，近100%的屏占比推动了对OLED（或BOLED）屏下元件的需求。“在OLED屏，主要客户的要求有两点：一是屏下灵敏度要很高，因为光要通过OLED屏下面打出来；二是在所有亮度等级下都要能运行，”Jennifer Zhao说，“我们的TCS3701支持这些要求，在OLED屏下高光低光下都能应用，该产品目前已经量产。”

图：不同屏占比对3D传感器尺寸的要求不同

摄影增强是目前手机最主要的功能，3D传感发挥着重要作用。其中关键技术包括激光检测自动对焦、光源闪烁控制、自动白平衡和闪烁补偿。激光检测自动对焦通过1D ToF传感器支持，要能检测2cm-2.5m距离，精度在±5%，能够抗盖板玻璃上的污垢干扰并能抗太阳光。艾迈斯最新的相关产品是TMF8801，可以满足这些要求。

光源闪烁控制、自动白平衡和闪烁补偿主要是解决在AWB算法中可能会被少数饱和颜色所主导的场景误导以及人工光源环境中拍摄的照片出现波纹的问题。艾迈斯通过色温传感器，可以在所有的光源环境中提供精确的色温来解决这个问题；通过光学传感器来精确的测量环境光以调整混合光源造成的失真；通过光源闪烁检测传感器自动检测环境闪烁辅助算法来解决闪烁波纹的问题。

赛灵思：AIoT为加速计算引擎提供商机

AI的核心是高性能计算，过去CPU一直被用于通用计算，从2012年开始，GPU被用于高性能计算。AI虽然发展迅速，但落地的场景和实际回报离大家的预期还要差一点。赛灵思人工智能市场总监刘竞秀认为主要原因在于两个剪刀差产生的阻碍。

图：刘竞秀，赛灵思人工智能市场总监

“第一个剪刀差是需要处理的数据和计算芯片所能够提供的处理能力之间的剪刀差。” 刘竞秀说，“第二个剪刀差就是芯片设计生产的长周期和快速迭代的市场需求之间的差距。就是快速变化、快速迭代的市场和ASIC开发周期漫长之间的差距。”

他认为，摩尔定律的性能升级效应在放缓，芯片迭代成本高昂，而FPGA可以满足原型开发和快速导入计算平台产品的需求，不必像ASIC那样必需是成熟市场规模上量才能回收成本。

图：两个剪刀差阻碍AI落地和回报预期

AI的主流应用场景包括与视频、图像和语音相关的应用。其中跟视频相关的安防监控系统对AI的需求在加大，因为AI技术可以解决以往人工监控下警力不济的痛点，极大的提高警察系统的效率。另外，高档写字楼、高档酒店、机场、火车站等无人值守闸机、无人值守超市也主要应用AI人脸识别技术。

网络视频的内容审查需求也是AI视频落地的一个应用。“现在大都还是依靠人力做，非实时短视频业务相对比较容易，直播类的就比较难，”刘竞秀说，“不少AI公司现在做了基于文字、人脸识别，包括基于行为动作的审查机制的解决方案，现在在不同的场景、不同的网络节点都在做相应的尝试跟大量的部署。”

此外，AI在自动驾驶的ECU处理上也有很大前景。不过，相对于视频，AI在语音上的应用还不够成熟，刘竞秀指出这是因为视觉相关应用，属于用CNA或者DNN做网络检测的应用，能够提供端到端解决方案，而语音应用的AI（例如LSTM），其网络模型只是不同语音模型中的一部分，有大量的前处理跟后处理的技术，跟AI没有关系。在语音识别的技术中，AI只是众多技术处理环节中的一环，其效率好坏并不一定，能否为语音做更好的加速，要看客户所选择的具体方案。此外，现在语音聊天机器人还有能力上的限制，无论数字级多丰富，训练的网络多深，也没办法聊二十句，这也限制了AI语音技术的发展。

作为FPGA供应商，赛灵思的新战略已确定为以数据中心优先，加速核心垂直市场的增长，其Versal计算引擎将为此赋能。作为赛灵思下一代计算引擎，面对通信和人工智能高性能场景，Versal定义了完全不一样的芯片架构，刘竞秀强调，通过丰富的资源配置和优化，采用赛灵思的方案，最快只要几个小时就可以把新的网络部署在硬件上，把系统运行起来，“这对AI创业公司和合作伙伴来讲是最重要的，可以非常快地拿到一个原型机，用这些原型机去真正的场景做性能、功能的迭代、数据的收集，这样产品才能比别人更快地推向市场。”

图：赛灵思从底层到应用端的开发资源

ADI：新趋势加快工业4.0落地

什么才是工业4.0？工业4.0怎么落地？什么时候落地？ADI亚太区工业自动化行业市场部经理于常涛表示，目前工业4.0面临一些困境，如实现工业4.0的路径和时间表不明确，许多正在发挥作用的业务基础因素带来不确定性，投资有不确定性的风险，与客户进度的匹配等，但有一点可以肯定——先行者会有极大的优势。

图：于常涛，ADI亚太区工业自动化行业市场部经理

于常涛指出，一个典型的工业4.0工厂应该包含四个要素：一、要有机器人的应用；二、要有控制系统；三、要有现场的若干仪表和传感器；四、必须有稳健的传输通讯网络把各网络连在一起。他认为，工业网络看重的是有线的方式，无线的作为补充，还没有那么普及，包括5G如何落实在工厂当中还有争议。

图：一个典型的工业4.0工厂所包含的要素

随着中国人力成本的提高，对于ADI来讲，围绕工厂自动化的机器人会有更多的商业机会出现。传统的机器人机器手臂，只需要控制系统和相应的软硬件及基本的安全功能设计，但随着物联网和人工智能概念融合之后，会有更多的元素加载。

“比如说各关节角度的监测，在大负载情况下，手臂本身的抖动情况，同时机器人在和工作人员紧密配合的时候一定不能伤到人，这涉及到若干传感器的技术。”于常涛说，“同时作为工厂的一分子，机器人也需要把参数上传到云端，这催生了通讯的机会。所以这些需求给ADI创造了不止一倍的机会。”

工业4.0落地给ADI创造的机会还包括针对控制技术诸如角度或者编码器的完整的解决方案、针对整个机器手臂的姿态监控的传感、针对检测震动的加速度传感器，以及安全方面的解决方案。此外，作为连接现场仪表和整个控制单元的核心单元电机控制模块，ADI可以提供所有环节的产品，其他领域包括24V输入、5V输出的电源、软件定义I/O（每个通道都可以任意地定义为数字量的输入输出，或者模拟量的输入输出）等。于常涛强调，软件定义I/O是非常灵活的方案，可以完全根据现场的设施结构，通过软件的方式把系统完整地运行起来，在很大程度节省了现场工程安装的难度和成本。

软件定义I/O控制非常适用于工业以太网，工业以太网会更多的运用到工业4.0中。而在驱动部分，ADI这边也做了很大的投入，其核心优势也体现在高集成度和灵活性，如ADI的fido5000可以用单一一颗芯片支持目前主流的工业以太网的协议，同时，ADI正在计划于今年底推出下一代的基于千兆以太网的TSN方案。

图：ADI今年底将推出TSN方案

华虹宏力：功率器件聚焦4个方向

从去年下半年开始，有关国内汽车销售景气下滑的消息不断，最近中国汽车工业协会公布的数据显示今年一季度乘用车销量同比下滑了13.7%，但与此同时，新能源汽车销量却持续保持快速增长。今年一季度新能源汽车销量同比增长达109.7%！所以，华虹宏力战略、市场与发展部科长李健把电动汽车视为芯片产业的机遇，将成为下一波增长的重要应用载体。

图：李健,华虹宏力战略、市场与发展部科长

李建表示，半导体产业的历史发展路径是一直向上，每个时段都有核心应用来支撑。1992年到2000年，是台式电脑，2000年到2008年是功能手机，2008年到2016年是智能手机，2016到2018年，整个半导体产业增长率高达20%以上，这是由于大量的新技术出现，包括5G、人工智能、互联网、大数据、云计算等，但这些技术不会单一存在，它们需要一个实际的产品作为载体来体现，而智能手机自2017年开始已显疲态，能够担任多技术融合载体、拉动半导体快速上扬重任的将是未来的智慧汽车。一个重要原因是汽车电子化。“从汽车的成本结构来看，未来芯片成本有望占汽车总成本的50%以上，这会给整个半导体带来巨大的市场需求。”李健说道。

汽车电子化拉动了半导体产品的需求，如自动驾驶处理器、ADAS芯片等，同时也为功率器件，如MOSFET创造了新机遇。“2020年，中国新能源车的销售目标是200万台，全球是700万台，是一个非常大的市场。”李建说，“有别于传统车，新能源车里面有电机、电池、车载充电机、电机逆变器和空调压缩机，这些都需要大量的功率器件芯片。电动化除了车辆本身的变化之外，还给后装的零部件市场也带来新的需求，同时配套用电设施，比如充电桩，也带来大量的功率器件需求。”

电动汽车中功率芯片的用途非常广泛，启停系统，DC/DC变压器，DC/AC主逆变器+DC/DC升压，包括发电机，还有车载充电机等。以IGBT为例，电动汽车前后双电机各需要18颗IGBT，车载充电机需要4颗，电动空调8颗，总共一台电动车需要48颗IGBT芯片。“如果2020年国内电动汽车销量将达到200万台，后装维修零配件市场按1：1配套计的话，粗略估算国内市场大概需要10万片/月的8英寸车规级IGBT晶圆产能（按120颗IGBT芯片/枚折算）。”李健算了一个账，“基于国内电动车市场占全球市场的1/3，2020年全球汽车市场可能需要30万片/月的8英寸IGBT晶圆产能！除了汽车市场，IGBT在其它应用市场中也广受欢迎，业内有看法认为还需要新建十座IGBT晶圆厂，我觉得此言也不虚。”

李健表示，在功率器件方面，华虹宏力主要聚焦4个方面：一是Trench MOS/SGT，即低压段200伏以下的应用，如汽车辅助系统应用12V/24V/48V等；二是超级结MOSFET工艺（DT-SJ），涵盖300V到800V，在汽车应用中主要是汽车动力电池电压转12V低电压，以及直流充电桩功率模块；三是IGBT。IGBT在电动汽车里面是核心中的核心，主要是在600V到3300V甚至高达6500V的高压上的应用，如汽车主逆变、车载充电机等；四是GaN/SiC新材料，这是华虹宏力一直关注的方向。预计未来五到十年，SiC类功率器件会成为汽车市场的主力，主要是在电动汽车的主逆变器，和大功率直流快速充电的充电桩上。

经过多年研发创新和持续积累，华虹宏力已经逐步推进自主创芯进程。截至2018年第4季度，作为全球最大的功率芯片纯晶圆代工厂，华虹宏力8英寸MOSFET晶圆出货已超过700万片。华虹宏力功率器件工艺的基础是硅基MOSFET，而中流砥柱则是超级结MOSFET(DT-SJ)，该工艺适用于500V到900V电压段，其电阻更小，效率更高，散热相对低，所以在要求严苛的开关电源里有大量的应用。

“超级结MOSFET最显著特征为P柱结构，华虹宏力采用拥有自主知识产权的深沟槽型P柱，可大幅降低导通电阻，同时，在生产制造过程中可大幅降低生产成本和加工周期。”李健表示，“总体来看，华虹宏力的超级结MOSFET工艺每两年就会推出新一代技术，用单位面积导通电阻来衡量的话，每一代新技术都会优化25%以上。其中深沟槽型超级结MOSFET是华虹宏力自主独立开发、拥有完全知识产权的创‘芯’技术。”

华虹宏力把硅基IGBT芯片定位为功率器件的未来。其量产状态为：早期以1200V LPT、1700V NPT/FS为主；目前集中在场截止型工艺上，以600伏和1200伏电压段为主；未来方向的3300V到6500V高压段工艺的技术开发已经完成，正与客户在做具体的产品验证。在GaN和SiC方面，李健认为未来10到15年市场空间非常巨大。“从市场应用需求来讲，SiC的市场应用和硅基IGBT完全重合，应用场景明确；GaN则瞄准创新型领域，如现在流行的无线充电和未来无人驾驶LiDAR，应用场景存在一定的变数。”他说，“从技术成熟度来讲，SiC二级管技术已成熟，MOS管也已小批量供货；而SiC基GaN虽然相对成熟，但成本高，Si基GaN则仍不成熟。从性价比来讲，SiC的比较明确，未来大量量产后有望快速拉低成本；而GaN的则有待观察，如果新型应用不能如期上量，成本下降会比较缓慢。”

在产能和工艺规划上，目前华虹宏力月产能为17.4万片（以200mm晶圆计，下同）。具体来说，华虹一厂、二厂和三厂都在上海，其中一厂月产能6.5万片，先进节点为95纳米；二厂月产能5.9万片，是功率器件主要生产基地，先进节点为0.18微米；三厂的月产能为5万片，先进节点为90纳米；七厂是在建的华虹无锡12英寸晶圆厂，预计今年投产，最先进的技术节点是65/55纳米，这也标志着华虹宏力踏上12英寸新征程。

兆易创新：SPI NOR Flash向高端应用演进

作为存储器一大品类，SPI NOR Flash发展了很长时间，但还在不停地更新换代。去年8月，国际规范组织JEDEC通过了一个新的规范——xSPI，这是新一代超高速SPI接口的规范，将进一步提升SPI NOR Flash的性能。作为世界第三大SPI NOR Flash供应商，兆易创新去年出货量约20亿颗，累计出货量已超过了100亿颗。 

兆易创新资深产品市场总监陈晖表示，从半导体芯片的制程工艺上看，Flash制程一直落后于逻辑制程，这限制了Flash进一步缩小晶体管的尺寸，所以到30nm节点，制程工艺很难再向下发展。这意味着高阶制程的逻辑芯片内不能加入Flash的部分，需要一个外部的Flash支持它的代码存储。所以，大概从2004年刚刚推广开始，到目前，SPI NOR Flash出货量已经达到60亿颗以上，“ NOR Flash是高可靠性的系统代码存储媒介，优点是指令协议简单、信号引脚少、体积小，符合新的电子设备对体积的要求。”陈晖说道。

图：陈晖，兆易创新资深产品市场总监

SPI协议接口的频率和速度的发展经历了几代节点，从最初的20MHz，2.5MB/s，到2004年的50MHz，12.5MB/s，到2009年的104MHz，52MB/s，再到2018年的200MHz，400MB/s，即新规范的xSPI，八个I/O口，带DTR。考虑到老客户的需求，兆易创新今年推出了基于四个I/O口的通道协议，把频率提高到200MHz，数据吞吐量达到200MB/s的产品。

图：SPI协议接口的频率和速度的发展

xSPI规范的推出，为NOR Flash在车载、AI和IoT之类热点应用提供了更好的性能。在车载信息娱乐显示屏应用中，用前一代的104MHz四口来存储所有显示屏的数据，其开机读取需要超过五秒钟，而用最新的八口协议，用200MHz DTR来读，不到一秒钟就全部读取完。

在仪表盘显示的应用中，NoR Flash的性能将直接影响到用户体验，因为现在的仪表盘分辨率越来越高，有2K甚至4K的显示屏都在研发当中。NOR Flash有一大部分是要放图像的数据。这些数据要通过NoR Flash读取到DRAM里，再通过图形控制器完成显示。

这种性能提升的需求，同样体现在AI的应用上。用前一代产品，在调用算法、AI数据库时，速度会受到限制，只有用新一代八口的高速率的传输，才能够保证AI芯片运作起来。以MPU为例，在AI应用中会经常调用不同的算法，在数据库里进行各种比对，来实现对人、车、物的识别，Flash不仅存储系统代码，也会存储算法和数据库。AI运算需要频繁调用存储于Flash内的算法及数据库，提高Flash 接口的数据吞吐量才能保证AI快速、高效的运算。

IoT应用更能够体现NOR Flash性能提升带来的助益。陈晖表示，IoT应用受到系统成本和功耗的约束非常大，不希望DRAM成为负担，所以主芯片会从Flash里直接调用系统代码，直接进行本地执行，即XIP（eXecute In Place）的概念——把Flash中存储的系统代码按指令读到指定的Cache中执行，所以，提高Flash的数据吞吐量可以大幅度缩短固定字节数目的读取时间，减少主芯片等待时间，提高主芯片运行效率。

图：兆易创新的存储系列产品