產業大佬普遍看好半導體下半年景氣；Type-C市場規模將達8.96億美元；各類處理器大顯身手 人工智慧進駐物聯網終端

1.產業大佬普遍看好半導體下半年景氣；

2.各類處理器大顯身手 人工智慧進駐物聯網終端；

3.高效能處理器加持 車聯網帶寬大幅升級；

4.Type-C市場規模將達8.96億美元，賽普拉斯搶進電源市場；

5.AMD EPYC伺服器CPU細節曝光

1.產業大佬普遍看好半導體下半年景氣；

重量級半導體廠股東常會陸續登場，對於下半年產業景氣，產業大老普遍看好。

晶圓代工廠台積電董事長張忠謀今年股東會後雖未召開記者會，不過，他在股東會一開場便說，台積電去年是個創新高紀錄的一年，今年看起來也是個不錯的一年，明確表達對今年營運樂觀看法。

張忠謀並認為，台積電營運逐年成長5%至10%到2020年的目標應可順利達成。

台積電去年合并營收新台幣9479.38億元，今年若成長5%至10%，年營收將達9953億至1.04兆元水平；依台積電第1季營收表現與第2季營運展望推估，台積電下半年營收將較上半年成長超過2成水平。

手機晶元廠聯發科今年上半年因產品規劃問題，有一些市佔率流失，加上全球智能手機需求偏淡，營運面臨衰退壓力。

聯發科董事長蔡明介預期，下半年曦力P系列及4G入門級產品量產，將可大幅改善Cat.7及Cat.4數據機成本，下半年將力求先穩住毛利率，再逐步取回市佔率。

蔡明介儘管認為，聯發科營運不容易「V型反轉」，不過，展望下半年營運，他說，下半年季節上本來就比上半年好。

包括DRAM、NAND Flash與NOR Flash等內存上半年出現罕見供應全面吃緊情況，展望後市，南亞科總經理李培瑛、群聯董事長潘健成及華邦電董事長焦佑鈞一致持續看好下半年市況。

李培瑛預期，下半年因季節性因素，動態隨機存取內存(DRAM)市場需求將會比上半年強勁。 潘健成也樂觀預期，儲存型快閃記憶體(NAND Flash)市場需求將會1個月比1個月強，並將缺到年底。 焦佑鈞更預估，編碼型快閃記憶體(NOR Flash)缺貨情況可能延續到明年中。 中央社

2.各類處理器大顯身手 人工智慧進駐物聯網終端；

人工智慧終端應用的可能性無限，舉凡智能型手機、汽車、照明等，都有機會成為所謂的邊緣運算裝置。 但在過去，運算處理器是在數據中心有較為明顯的需求。 目前邊緣運算此一產業走向的大逆轉，已可從各晶元供貨商，如GPU、CPU等，以及硅智財(IP)授權商紛紛針對人工智慧展開布局，推出各自處理器縮小化的解決方案，明顯可見一斑。

隨著人工智慧的發展，有越來越多應用產品開始在終端上進行實時運算，也就是所謂的邊緣運算。 不過，目前的處理器核心對許多終端裝置來說，功耗仍嫌偏高。

AIoT浪潮興起 小型處理器核心滿足邊緣運算需求

索思未來(Socionext)戰略銷售組銷售部銷售項目總監張育豪(圖1)表示，目前市場上主流的CPU或GPU核心規模很大，雖然運算效能很強，但功耗也高，而且不易針對應用進行客制化設計。 有鑒於此，Socionext採取用小型核心堆棧的設計架構，其好處在於從雲到端都可以採用同樣的處理器核心，且也較容易針對個別應用進行客制化，例如將CPU核心跟圖像處理核心(VPU)整合在單晶元上。

圖1 Socionext戰略銷售組銷售部銷售項目總監張育豪表示，VPU在圖像處理的功耗/性能比，遠勝過CPU跟GPU。

張育豪觀察，目前的人工智慧應用大多與影像相關，但不管是CPU或GPU，在進行影像運算時，功耗/性能比都不盡理想。 這是因為CPU跟GPU原本就不是為了處理影像而設計的晶元。 CPU的強項在於進行數據運算，而GPU則適合用來進行3D繪圖處理。 因此，用CPU或GPU來進行影像分析，其實效率不是太好。 相較之下，專門為處理影像而設計的VPU，在圖像處理的功耗/性能比方面，是遠勝過CPU跟GPU的。

舉例來說，用CPU來對4K影像進行處理跟分析，功耗預算大概是230瓦左右；若用GPU來進行，功耗更可達到400～500瓦。 但如果是用Socionext的解決方案，一顆核心的功耗只有5瓦左右，就算串聯多顆核心，也會比CPU或GPU來得省電許多。 因此，張育豪認為，在人工智慧進駐各類終端裝置的趨勢下，如果是與影像分析有關的人工智慧應用，VPU將有非常大的發展潛力。 Socionext本身擁有業界領先的VPU技術，更是目前市場上唯一已經有8K圖像處理晶元的晶元業者。

不管是針對大規模數據中心，或是在各種終端裝置上直接進行邊緣運算，功耗都是非常關鍵的考慮。 功耗越高，則系統的散熱設計也越昂貴，不僅會增加終端裝置的生產製造成本，也會增加系統擁有者的總體持有成本(TCO)。

以數據中心為例，冷卻系統的電費是相當可觀的，如果處理器能更省電，空調冷卻的電費也可以隨之降低。 其他形形色色的終端裝置也一樣，當晶元的功耗太高時，就得採用更大的散熱片，甚至用風扇來散熱，這些都會造成產品的生產成本跟總體持有成本增加。

單一叢集配置更彈性 DynamIQ推升大小核效率

針對小型處理器需求的增加，安謀國際(ARM)日前在處理器架構上，也宣布了大幅度調整，也就是DynamIQ技術。 DynamIQ達成了上一代big.LITTLE架構在單一運算叢集上無法實現的大小核彈性配置，對異質運算及人工智慧這類應用帶來相當明顯的效率提升。 其將作為未來ARM Cortex-A系列處理器的基礎，亦同時代表了業界在多核處理程序設計上的新紀元。

ARM行動通訊暨數字家庭市場資深營銷經理林修平(圖2)表示，DynamIQ可以說是ARM big. LITTLE的第二代硬體架構，其最主要的特點在於其可以在同一個叢集(Cluster)中同時擺放大小核，且電源(Power)與頻率(Clock)都可以單獨作管理。 在第一代的大小核架構中，一個叢集只能擺放大核或小核，因此在執行轉換任務時，必須經過快取(Cache)轉換。 但在DynamIQ中，由於所有任務都將能在同個叢集中運作，在任務切換上，便會相對迅速很多。

圖2 ARM行動通訊暨數字家庭市場資深營銷經理林修平表示，DynamIQ技術可在同一個叢集中同時擺放大小核。

林修平指出，由於人工智慧所需要的運算量很大，同時需要很多矩陣乘法，透過DynamIQ的架構，將能做1+3、1+7、2+2+4等設計配置。 在過去的big. LITTLE架構中，由於一個叢集最多即是4核(大核(Big)4核，小核(LITTLE)4核)，是沒有辦法做到1+7的。 DynamIQ所帶來的多元變化SoC設計配置，將能幫助應用達到CPU優化，進而讓效能與功耗能更往上提升。

DynamIQ的頻率可以單獨管理，也將帶來很大好處。 第一代的大小核，在同一個叢集當中，頻率是統一的，但DynamIQ可以讓同一叢集中的不同核心，依據運算需求在不同的頻率下運作。

此外，林修平也表示，DynamIQ還可連接外部的硬體加速器。 以人工智慧來說，不同應用會有不同的軟硬體加速需求，例如加速器、DSP、CPU、GPU等，像是在高階智能型手機上，可能會放置加速器，來使其表現度達到最好、功耗達到最低，不過這也會增加集成電路的成本。 因此，若是比較大眾化的產品，則可能會利用系統上現有的CPU、GPU，來滿足人工智慧的需要。

GPU模型推論效能升級 邊緣運算裝置AI能力更強大

然而，隨著各種邊緣運算裝置上所內建的人工智慧(AI)能力變得更加強大，GPU模型的推論效能也必須隨之提升。 輝達(NVIDIA)旗下軟體目前已可協助客戶做8位與16位的神經網路運算優化，不僅讓GPU模型的推論(Inference)更形完善，同時對硬體資源的需求也明顯降低，只需要一小塊電路板就能支持AI演算法。

針對邊緣運算日益漸增的需求，NVIDIA近期推出了新款開發板Jetson TX2，將整套人工智慧系統縮小在一塊電路板之上，為商用無人機、工業機械、智能型攝影設備等領域，提供進階的導航、影像與語音識別功能。 相較前一代產品Jetson TX1，Jetson TX2的效能提升了兩倍，耗電量則不到7.5瓦，能源效率提升了兩倍多。 這讓Jetson TX2可在終端裝置上運行更大、更深的神經網路，進而開發出更高智能化的裝置，並提升影像分類、導航以及語音識別等作業的精準度與反應速度。

NVIDIA技術營銷經理蘇家興(圖3)表示，對於訓練好的模型，NVIDIA也提供Tense RT軟體來協助客戶做模型優化、縮小化，其支持整數8位與浮點數16位的運算。 目前的主流是以32位的運算去做訓練，該16位運算也就減少了一半，增加了一倍的效能，8位則增加了四倍的效能，因此在模型推論上能運作的更好。

圖3 NVIDIA技術營銷經理蘇家興表示，以往在多GPU運算時，受限於PCIe的帶寬問題，HGX-1搭載了NVIDIA的8張GP 100的GPU，因此當深度學習在做訓練時，規模效果是相當好的。

AI演算法日新月異 FPGA靈活特性優勢顯著

即便目前人工智慧(AI)演算法日新月異，對嵌入式處理器的靈活性帶來許多挑戰，這卻也讓以靈活彈性著稱的現場可編程門陣列(FPGA)組件有了很大的發揮空間。

賽靈思ISM營銷資深技術經理羅霖(圖4)表示，由於人工智慧目前還處於發展階段，演算法日新月異，目前還沒有一個演算法可以固定下來，這為特殊應用集成電路(ASIC)的設計帶來很大挑戰，因客戶往往需要的是十分靈活的架構。

圖4 賽靈思ISM營銷資深技術經理羅霖表示，在賽靈思旗下的晶元產品中，有許多並行運算資源，很適合用於計算量、吞吐量大的卷積運算。

有鑒於此，賽靈思推出reVISION堆棧技術，其具備了可重組以及所有形式鏈接的特性，讓開發者能充分運用堆棧技術，快速研發與部署升級方案，這樣的特性對於開發未來需求的智能視覺系統是至關重要的的。 不僅如此，該技術也使開發者在結合機器學習、計算機視覺、感測器融合與連接的應用時，能夠獲得顯著優勢。 舉例而言，相較於其他嵌入式GPU與傳統SoC，reVISION將機器學習推論的每秒每瓦影像效能，提升了6倍、計算機視覺每秒每瓦每幀處理速度提升了42倍，而延遲卻只有五分之一。

羅霖分析，相較於同等級GPU技術，FPGA在低延遲(Low Latency)的部分，本身就與傳統的架構不同，傳統架構是將收集到的數據送到DDR內存中進行緩存，處理器要再從DDR中取出數據進行運算，運算完成後再送回DDR。 但FPGA則是採用像素流(Stream)的方式，直接可以到模擬進行運算，運算完成後，輸出結果即可，由於省去了存取DDR的時間，因此可以延遲可以降到非常低。

從演算法的層面來看，人工智慧含有許多智能決策的部分，因此需要有很強的平行運算能力。 這些演算法進而對處理器結構產生了不同的需求，像是在神經網路中，卷積運算強調的是平行運算，適合在FPGA上運行，但在感測器融合的部分，則比較適合在CPU上運行，因其必須將硬體進行分割，再將不同的演算法，放到處理器中。

羅霖指出，在離線的神經網路訓練部分，GPU的確是比較有優勢的，由於其要求的浮點運算性能特別高，因此不少深度學習都是採用GPU，而賽靈思的立場是不會以FPGA去進攻這塊市場，不過若是以在線的任務來看，FPGA還是很有優勢的。 目前邊緣運算對嵌入式處理器的要求除了感測器的介面要夠多，組件的I/O型態也十分多變，可能是高速率、中速率或低速率，這些處理器都要能支持，且在線處理的能力也相當關鍵。

蘇家興則表示，無論是軟體還是硬體公司，都須要對訓練好的深度學習模型進行優化，除了邊緣設備會採用縮小化的模型，在伺服器與數據中心端，也會有某些情境需要採用這些優化過的模型去做推論。 舉例而言，Facebook、百度在做語音識別的推論時，若能透過優化的模型讓運作更快，勢必能讓消耗的功耗越少。

不過，並不是所有的應用都適合做前端邊緣運算。 以AlphaGo來看，其是以32台伺服器在做運算，因AlphaGo運算量非常大，所以就不太可能進行邊緣運算，因1台伺服器與32台伺服器運算的精準度，絕對是有差異的。 若以語音識別來看，即便可以同時採用在線與離線的方式進行，但精準度也勢必會有落差。

蘇家興指出，應用開發商須儘快分辨出哪些運算任務適合採用邊緣運算，哪些部分還是得留在伺服器端執行。 舉例來說，當無人機飛到有些沒有網路的地方，便必須運用邊緣運算，設計出可承載範圍內的推論。 NVIDIA相信，未來數據中心與邊緣運算將會並存，但在瞄準的應用上必定會有所不同。

用DSP驅動CNN引擎邊緣運算效率大增

除了GPU、CPU、FPGA，以DSP架構驅動的卷積神經網路(Convolutional Neural Network, CNN)引擎，在成本與功耗上也相當具優勢。

全球DSP主要供貨商CEVA認為，若要在嵌入式系統中實現CNN，DSP甚至能取代GPU和CPU，因CNN在本質上，就十分適合運用DSP。 此外，CEVA也推出CDNN網路產生器，協助將訓練完成的網路，配置到邊緣運算裝置中，同時為市場提供更形完善的低功耗嵌入式解決方案。

CEVA汽車市場部門總監Jeff VanWashenova(圖5)表示，DSP能有效地達成CNN，是因為DSP的架構能夠實現平行處理，且其為可充分運用的核心。 相較GPU只能達到40～50%的使用率，DSP可以達到90%以上的核心使用率。

圖5 CEVA汽車市場部門總監

Jeff VanWashenova表示，

隨著人工智慧將導入在手機中，

神經網路處理的功耗與效率，變

得更為重要。

VanWashenova進一步表示，與典型的混合式CPU/GPU的處理架構方案相比，建基於DSP架構的CNN引擎，能提供高達近三倍的性能。 而且，DSP引擎除了所需功耗比GPU小30倍之外，所需的內存帶寬，也只有約GPU的五分之一。 CNN演算法，屬於乘法和加法密集型(Multiply-accumulate, MAC)，因此本質上十分適合運用DSP。 也就是說，若要在嵌入式系統中實現CNN，DSP不僅能夠取代GPU和CPU，而且成本和功耗更低。

VanWashenova指出，當神經網路配置到現場進行「推斷」時，CEVA擁有的優勢便可充分發揮，這些優勢不僅展現在處理方面，還在於可採用現有的網路，並可在嵌入式DSP上運行。

VanWashenova分析，在神經網路的訓練過程中，是在大型運算平台上完成，並具有32位浮點精度。 然而，訓練完成的網路，對於低功耗嵌入式解決方案來說通常太大，因此可運用CEVA的CDNN網路產生器，將網路轉換成16位定點，縮小並優化網路規模。

這也是目前CEVA客戶經常面臨的問題，就是如何把一些在GPU這樣大型且昂貴的運算器平台上所開發的網路，進行實際配置。 因為在大規模部署的產品中，功率、尺寸和效能都有所限制，與大型運算平台並不相同。

對AI而言，要求最嚴苛的領先市場就是汽車產業。 為了確保汽車應用的可靠性和性能，必須降低延遲，而且精度是至關重要的。 除此之外，汽車正在使用的攝影相機功能，從兩百萬像素(MP)到八百萬像素，幀率通常在30fps或更高。 且往往是多個攝影相機一起使用，並有多個並行處理同時地進行。

VanWashenova指出，CEVA目前正與許多領先的一級汽車供貨商和原始設備製造商合作，以確保透過硬體和軟體兩方面，皆能支持神經網路和拓樸結構。 在硬體方面，CEVA提供視覺和神經網路處理器和加速器(CEVA-XM、CDNN HWA)，而軟體方面則提供神經網路軟體框架(CDNN2)。

人工智慧這塊大餅究竟有多大，目前還無從確認，但從各大晶元供貨商在邊緣運算的充分布局看來，可以確定的是，目前邊緣裝置的開發進程，已經有了十分穩固的晶元處理基礎。 新電子

3.高效能處理器加持 車聯網帶寬大幅升級；

無線通信與定位模塊業者u-blox日前正式發表一系列TOBY-L4汽車級遠程信息處理模塊，正式將LTE Cat 6聯機能力帶入汽車產業。 該模塊內建英特爾(Intel)的Atom X3四核心處理器，並支持載波聚合(CA)功能，可以讓汽車以300Mbit/s的帶寬連上行動網路，實現廣泛的應用。

u-blox蜂窩產品管理總監Stefano Moioli表示，高速聯網是未來汽車發展的必然趨勢，各大車廠與Tier 1業者都已經將LTE聯網功能列入其產品發展藍圖。 然而，相較於消費性電子或智能型手機，汽車產業對於產品的安全性與可靠性更為重視，因此，針對汽車環境所開發的通訊模塊，必須具備比一般LTE數據機晶元更強大的處理能力，並通過各種法規及產業標準要求，才能滿足汽車產業的需求。

以TOBY-L4 LTE Cat 6模塊為例，該模塊內建英特爾的Atom X3處理器，效能高達19,000DMIPS，目的就是要支持數據機通訊協議、操作系統與安全等虛擬機(VM)功能，使汽車業者的軟體應用程序能夠在同一設備上安全地運行各種通訊協議，實現全面的應用程序可擴展性，而不用擔心處理器性能瓶頸。 事實上，目前專為汽車應用所設計的LTE通訊模塊，常常都會遇到處理器效能瓶頸，這也是u-blox為何決定在TOBY-L4模塊內採用Atom處理器的原因。 在性能有足夠餘裕的情況下，汽車製造商才能享有更大的應用開發空間。

至於在聯機能力方面，該模塊除了支持 LTE、UMTS/DC-HSPA+、GSM、SMS和語音(VoLTE、CSFB)形式的數據，還可以在攝氏95度的高溫環境下維持eCall聯機至少2分鐘，並支持ERA Glonass。

Moioli指出，對汽車應用而言，安全永遠是最主要的考慮。 因此，原本為智能型手機所開發的LTE數據晶元很難直接沿用到汽車產業。 這也是u-blox能夠在車用通訊模塊市場上穩居業界領先群的關鍵原因之一。 u-blox對車規的嚴謹要求有很深的理解，且由於掌握核心技術，因此能在模塊中添加許多安全功能，例如可信賴的執行環境、硬體加密加速器、隨機數生成器等。

除了專為汽車需求量身打造的設計外，在製造方面，TOBY-L4模塊的生產流程也完全符合汽車產業規範。 該模塊在通過ISO/TS 16949認證的工廠製造，符合涵蓋汽車安裝系統的ISO 16750標準，晶元組本身也通過AEC Q-100認證。 新電子

4.Type-C市場規模將達8.96億美元，賽普拉斯搶進電源市場；

集微網消息，從2015年的電腦PC到2016年智能手機的導入，越來越多的消費電子產品開始選用 USB-C介面。據調研公司 IHS 預測，不考慮線纜等附件，到2019年將出貨約20億帶有 USB-C 介面的設備，CAGR高達231%，包括在筆記本、台式機在內的滲透率在2019年有望達到80%，智能手機和平板電腦等無線產品2019年滲透率也將達到50%，汽車應用進度雖慢，2019年也將佔據20%以上的市場份額。

近日， USB-C 市場的領導者賽普拉斯宣布推出一款支持電力傳輸 (Power Delivery，簡稱PD) 的全新 USB-C 控制器 EZ-PD CCG3PA，支持結合可編程供電（PPS）和高通 Quick Charge（QC）4.0協議的 PD 3.0標準，使新電源產品設計能夠提供優化的快速充電體驗，簡化電源適配器、手機充電器、車載充電器和移動電源的設計。

從第一代 CCG1 產品開始，賽普拉斯是全球首家發布 SoC 的支持 USB Type-C 的晶元廠商，短短兩年時間經歷了 CCG2、CCG3、CCG4 四代產品的快速發展，目前可針對不同產品的應用覆蓋幾乎所有市場，在 USB Type-C 的全球市場佔有率第一為 35%。賽普拉斯非常看好這一市場的發展，並預測到2021年搭載 USB Type-C 的產品將以89%的 CAGR 快速增長，市場規模將達到 8.96 億美元。

據悉，CCG3PA 集成了 ARMCortex-M0 和64KB Flash，固件升級時刻進行同時讀寫，有助於設計適用於手機和個人電腦等廣泛應用的高效 USB-C 電源適配器。同時，它具有極高的集成度，集成用於恆定電壓、恆定電流和 PPS 應用的誤差放大器、允許 VBus 直接操作的30 V 穩壓器、配置通道（CC）引腳上的 VBus 短路保護、高壓功率 FET 的柵極驅動器、低邊電流檢測放大器、傳統充電器檢測協議的專用硬體以及系統級靜電放電（ESD）保護，以單晶元解決方案代替多種分立器件，大大降低了 USB-C 電源產品的 Bom 成本並簡化設計。

賽普拉斯產品營銷總監 Mark Fu 向集微網介紹，在 Type-C 介面普及後需要在電源方面快速支持最新的 USB 標準，CG3PA 非常適合在電源適配器、手機充電器、車載充電器和移動電源產品上使用，還可以通過固件升級的方式跟隨技術標準的不斷演進 。賽普拉斯從最早的 USB 1.1、2.0到最新的 USB 3.1，一直都是 USB 開發者聯盟的支持者，產品覆蓋設備、Hub、Bridge、Host、存儲和 Type-C 等，還將推出首款支持英特爾 Thunderbolt 埠的 CCG5，英特爾也已宣布將 Thunderbolt 3 集成到 CPU 的參考設計中。

在 Demo 演示中，賽普拉斯展示了基於 CCG3PA 的充電寶、車用充電器、PC 電源充電器以及 PPS 功能展示，使用 CCG3PA 的 USB-C 充電器給手機充電時，可以實現從 3V-12V 的 mv 間隔級別的微調，這將使得手機或者筆記本電腦中不再配置充電晶元，實現「直接充電」功能。

去年，賽普拉斯以5.5億美元收購博通旗下的物聯網業務，將優質資產整合并融入到現有產品中，加強在車用連接市場中的優勢並擴大在物聯網市場的影響。2016年賽普拉斯的營收額達到20億美元，是 SRAM、Nor Flash、USB Type-C 控制器和汽車儀錶市場中的領跑者。

對於未來 USB Type-C 的發展，Mark Fu 表示從 USB PD2.0 發展到 USB PD 3.0，標準變得更優化、更好用也更相容，雖然 PD3.0 仍有優化的地方但已不多，但是賽普拉斯會支持客戶定製化的服務，將需要的信號放在 Type-C 介面上使用以實現功能。

至於蘋果未來是否會採用 Type-C介面，Mark Fu 認為目前 Lighting 的方式已經實現了 Type-C 最大的便利性功能（正反插），應該不會因為需要 PD 的功能而改用 Type-C 介面，即便未來有可能需要載入其他信號，但介面的改變畢竟影響很大。

5.AMD EPYC伺服器CPU細節曝光

AMD此前宣布的EPYC伺服器處理器即將在6月20日正式發布，目前外媒VideoCards已經將EPYC的具體參數規格等悉數放出。該系列處理器16核心起步，最多擁有32核心的版本，價格對應從400到4000美元不等。

EPYC處理器將支持最高128條PCI-E 3.0，8通道DDR4內存，最高支持2TB的內存。而根據SPEC 2006的性能測試，AMD的EPYC處理器和同等定位的Intel Xeon處理器相比較的話，性能領先幅度從20%起步，最高端的EPYC 7601領先幅度達到了47% 中關村在線

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！