《台积电难以逾越得五大优势》

  • 来源专题:集成电路制造与应用
  • 编译者: shenxiang
  • 发布时间:2020-11-25
  • 三星目标 2022 年以 3 奈米製程超越台积电,不过,台积电 现阶段仍具备先进制程技术与产能优势,并以先进封装稳固金字塔顶端客户需求,且与客户没有竞争关係也是最大优势之一;即便三星 3 纳米要以 GAA 架构迎战台积电,但必须建立新的 GAA 生态系统,且从良率、技术成熟度等层面来看,台积电仍相对具备优势,三星短期内要与台积电抗衡,恐怕还有段距离。

    三星近来动作频频,除日前发表採用自家 5 纳米制程生产的 5G 手机芯片,近期又传出目标 2022 年量产 3 纳米制程,赶上台积电的 3 纳米量产时程,是近年来双方在先进制程争霸竞赛中,量产时间最接近的一次。

    台积电与三星为目前全球唯「二」能同时生产 7 纳米、5 纳米制程的厂商,不过,从目前双方最先进的制程来看,台积电 5 纳米制程已于今年第二季量产,通吃苹果、超微等大客户订单,5 纳米强化版也预计明年量产;三星则传出今年底可望量产 5 纳米,除满足自家 5G 手机芯片需求外,客户也包括高通、Vivo。

    不过,台积电在客户积极抢单下,5 纳米制程已满载,产能供不应求,明年更将大增 3 倍之多,今年 5 纳米制程营收占比约 8%,明年至少 20%,据研调机构集邦科技最新报告指出,台积电积极扩充 5 纳米制程明年底将囊括近 6 成先进制程市占率,而三星 5 纳米虽有扩产计划,但相较台积电仍有约 2 成的产能落差。

    除在先进制程技术与产能领先三星,台积电也搭配先进封装技术,整合 SoIC(系统整合芯片)、InFO(整合型扇出封装技术)、CoWoS(基板上晶圆上晶片封装) 等 3DIC 技术平台为 3D Fabric,以服务 Google、超微等金字塔顶端客户的高阶封装需求。

    三星也以 3D IC 封装技术 X-Cube 要与台积电比拚,并宣布已在旗下 7 纳米与 5 纳米制程技术进行验证;但台积电在先进封装技术上已大有斩获,传出正与 Google 共同开发 SoIC 创新封装科技,且先进封装产能将在明年启动建置,并于 2022 年开始量产。

    相较三星,台积电身为纯晶圆代工厂,多年来始终强调「不与客户竞争」,成为其最大优势之一,对客户来说,台积电没有竞争利害关係;反观三星并非纯晶圆代工厂,本身也生产手机等终端产品,客户向其投片容易存有疑虑,信任成为客户是否愿意交付订单的影响因素之一。

    另一方面,台积电 3 纳米仍将沿用现行的、较成熟的鳍式场效应电晶体 (FinFET) 架构,三星则计划采用全新的闸极全环场效电晶体 (Gate-All-Around, GAA),能更精准控制通道电流、缩小芯片面积、降低耗电量,要藉此弯道超车台积电。

    不过,台积电过去累积下来的 FinFET 架构与设计生态系统,可直接将验证过的 IP,提供给 3 奈米客户使用,让客户能快速完成设计;三星采用GAA 架构下,客户需要调整 IC 设计,三星也必须建立新的 GAA 生态系统。

    此外,随著先进制程难度持续推进,台积电在量产时程或产能拉升速度上,均按部就班、甚至优于原定时程,而三星新製程良率始终备受质疑,无论从 3 纳米的成本、技术成熟度等层面来看,台积电仍相对具备优势;这也是即便三星积极抢单,目前还是只能分食台积电「吃」不下、或以低价争取而来的订单的原因。

相关报告
  • 《不要忽视2019年五大企业IT化趋势》

    • 来源专题:宽带移动通信
    • 编译者:张卓然
    • 发布时间:2019-10-15
    • 2019年可能更多的是打好基础而不是历史突破的一年,但不要让这一点蒙蔽了你,让你错过以下五大企业IT化趋势。为了更好地保障和连通我们快速发展的数字化世界,新的技术正在融入企业应用程序,现有技术也正在改进和重新部署——今年一定是令人兴奋和忙碌的一年。 1. 防火墙背后的公共云。 随着过去几年大规模、高规格的商业数据泄露事件的激增,没有人可以指责企业想让云更加私有化的请求。私有云在内部部署中为公共云提供了效率性和灵活性,从而提高了安全并减少了延迟。对于那些受到严格监管,并害怕将数据转移到公共云的企业来说,这是有成效的。然而,一些企业很难证明实现私有云所需的更改和开销是合理的。 这就是为什么2019年,企业将以一种非常公开的方式实现私有化。更多的企业将利用提供公共云的可伸缩性和OPEX的友好订阅模型(比如Oracle Cloud用户端),以便为私有云服务。这将使企业能够让他们的数据安全地被保存在防火墙之后,并享受公共云的好处——无需自己动手管理、监视和排除故障。 2. 自主的企业软件将获得更多的信任和牵引。 随着世界自动驾驶汽车的加速发展,它提醒了人们关于机器学习和人工智能的真正潜力。2019年,预计这些自动化技术将为企业软件带来真正的好处。 如何带来好处呢?通过使系统更简单、更智能,自主的企业软件将促进生产率的提高,而更快的数据分析也将推动提升业务决策和组织运转的预测水平。许多商业应用程序已经带有内置的机器学习模型,这些模型会随着时间的推移而改进,为真正的自主体验奠定基础。我们将很快看到完全不同的企业应用程序彼此通信并相互学习,而这将帮助信息更快地流动。 随着越来越多的企业开始直接通过智能的企业软件看到自身流程的转变,其对自主技术的信任(比如Oracle的适应性智能应用程序),将持续获得动力。 3.围绕企业级人工智能助手的讨论将越来越激烈。 据TechCrunch报道,美国约有4300万人拥有至少一个智能扬声器,它可以告诉人们明天的天气或最新的运动成绩。这是由人工智能驱动的语音控制技术的消费者带来的一笔大买卖。尽管如此,企业对数字助手的采用一直是滞后的。 这种情况将在2019年发生改变,届时语音技术将超越企业级聊天机器人,推动企业运营和服务方式的转变。 这是因为,由人工智能和云计算支持的新一代会话交互界面,现在具备了更强的“了解”用户,以及学习用户偏好、行为甚至习惯的能力。然后它们就可以代表用户进行预测或采取行动。与此同时,数字助手——用于自然语言处理和理解的人工智能——可以通过会话接口自动处理事务,这些会话接口能够立即响应,并在提高业务效率的同时更好地理解客户意图。 4. 边际计算将会爆发。 根据Forrester的数据,27%的全球电信决策者表示,他们的企业将在2019年实施或扩大边际计算。使用边际计算,数据处理将尽可能靠近数据源,而不是在集中的云位置。 是什么推动了这一趋势呢?物联网传感器数据分析和聚合的增长是一个因素,而通过移动应用程序和边际视频音频设备驱动进行实时客户交互是另一个因素——比如,当消费者通过智能手表获取特定位置的信息。边际计算加快了数据的收集和共享,更快地数据访问意味着企业可以做出持续的明智决策。 企业想要更接近客户的愿望也将在微服务中得到实现,在微服务中,云应用程序被解构为更小的、可连接的服务和载体,其中存储的应用程序代码,可以使应用程序在不同的计算环境中平稳运行。当有效地实现这两种边际计算技术时,它们可以显著地提高应用程序的速度和敏捷性。 5. 使用自主数据库寻找最佳位置的数据库管理员数量激增。 数据库可能是高管的祸根。考虑到数据库必须由一组数据工程师和管理员持续地构建、维护和扩展,这对于任何企业来说都是非常重要的一部分,但成本很高。然而,让数据库管理员信任机器人来完成这项工作是一个很大的挑战。 随着以人工智能为燃料的自主数据库平台(比如Oracle的自主数据库)在2019年的蓬勃发展,这种情况有望改变。这些自动驾驶、自主保护,和自主修复的数据系统对数据库管理员来说意味着不那么单调乏味的工作,因为它们能够同时提供开箱即用的高性能数据库。而这允许数据库管理员在未来领导更多的创新项目。 一流的自主技术,尤其是那些由Oracle工程系统提供支持的技术,将允许企业根据需要进行扩展,这样它们就可以在任何时候增加或减少计算资源,而不需要停机。这些系统还将通过在不使用数据库时关闭计算资源的方式来帮助管理成本。今年,智慧企业将在智能数据库方面投入更多资金。
  • 《2020 年,人工智能和深度学习未来的五大趋势》

    • 来源专题:光电情报网信息监测服务平台
    • 编译者:husisi
    • 发布时间:2020-02-25
    • 虽然近年来人工智能经常成为热门议题,但它还远未实现真正的成就。 人工智能技术发展的主要障碍在于投资成本,投资成本影响短期内的回报。而当时机成熟时,投资AI的公司却可以获得巨大的回报。在最近的一份报告中,麦肯锡预测人工智能领头企业未来将会实现现金流翻倍。 我们可以在谷歌母公司Alphabet财报收入中的“其他投注”里看到一些证据,如2018年其人工智能项目亏损达33.5亿美元。其中,DeepMind亏损5.71亿美元,欠母公司14亿美元。由于去年9月技术上的延误,自动驾驶项目Waymo的估值下调了40%。 其他公司也在进行大规模且昂贵的人工智能项目,如百度、Facebook、特斯拉、阿里巴巴、微软和亚马逊。除特斯拉外,上述其他公司现金充裕,能够负担人工智能项目所需的转型成本和资本支出。 尽管科技巨头们在人工智能领域投入了大量资金,但大多数受益的行业本身并不属于科技行业。在Re-Work的深度学习和人工智能峰会,与会的人工智能工程师和高管们就他们所带头的项目进行了演示和讨论。 2020,AI技术将会有哪些改变? 训练AI知道它“不知道什么” 随着越来越多的医疗保健公司寻求利用人工智能获得准确性,“人类和机器谁能更好地进行医疗诊断”这一问题的答案将在未来十年揭晓。 人工智能初创公司Curai正在研究这样一个问题:如何训练一个模型,让它知道自己什么时候不知道,这样人类就可以介入,避免模型对未知疾病的错误分类。这种方法被称为“人机回圈”。 减轻呼叫中心负担 美国联合健康集团在2017年接到了3600万个电话,其中有760万个电话转给了人工智能。这个人工智能平台的解决方案包括:预检查入口和索赔队列的深度学习、用自动语音识别(ASR)实现音频到文本的翻译、自然语言处理(NLP)的无监督聚类算法,生成新的呼叫参数和自动转移呼叫。 零售巨头大规模投资人工智能 沃尔玛实验室、宝洁公司和塔吉特百货公司(Target)等零售业巨头也出席了本次会议,并介绍了他们计划如何进一步优化零售体验。也许在过去十年里,这些公司被竞争对手(如亚马逊)抢了不少重要领地,但是现在它们也正在抱着谨慎的态度拥抱技术和人工智能。 想象一下这样的购物体验:手推车很多,收银员结算台一直开着,库存充足。与倡导无人超市的AmazonGo不同,沃尔玛更关注的是库存控制,而不是取代收银员。 人工智能可能用来保护隐私权 随着监管机构和社交媒体用户开始质疑用隐私交换免费服务的公平性,隐私问题就一直是新闻头条的常客。自剑桥分析事件爆发以来,这场战斗已接近两年了,与此同时,其他公司正在开发功能强大的人工智能推荐引擎,这些引擎几乎不需要任何关于用户的信息,分析用户的偏好就足以让系统决定要向他们推荐什么内容。 在内容推荐引擎方面,Netflix是领先者。Pinterest复杂的推荐引擎,可以从Pinterest平台上数十亿张图片中为用户提供最佳图片。这个过程涉及查询理解,候选图片的生成,排名,混合和最终选择。用外行人的话来说,就是发现引擎如何将选择范围从数十亿缩小到数百。 准备好迎接人工智能助理 在接下来的几年里,手势操作将成为过去,更好的人机交互方式将会出现,车祸发生几率将会减少。一旦人工智能助手技术完全成熟,现在我们与移动设备的交互方式可能会被未来几代人嘲笑。 目前,很多公司正在努力占领这一领域,因为生态系统的锁定和人工智能助理产生的数据将具有难以置信的价值。Amazon、Google、Facebook和苹果公司将在这一领域展开全面战争。