• TE Connectivity推出48V汇流条连接器和电缆组件

    全球连接与传感领域领军企业TE Connectivity (TE)近日宣布推出新型48V汇流条连接器和电缆组件,满足包括开放计算项目(OCP)开放式机架标准V2.0在内的下一代48V应用设计需求。 这些汇流条连接器和电缆组件允许在机架中使用单个垂直汇流条,从而简化系统设计并降低成本。48V解决方案较12V解决方案能耗更低,同款连接器和电缆组件可用于包括电源、电池备用单元(BBU)和鸽笼式机架在内的各种数据中心应用,用户只需购买少数的产品类型即可实现多种功能应用,从而简化库存管理。 TE数据与终端设备事业部首席技术官Phil Gilchrist表示,“48V配电解决方案降低了符合OCP设计的产品的耗电量,进而提升了产品效率。我们相信48V电源设计是下一代数据中心设计的发展方向,TE非常高兴能以新型汇流条连接器和电缆组件支持48V电源设计。” 作为TE Connectivity授权分销商,Heilind可为市场提供相关服务与支持,此外Heilind也供应多家世界顶级制造商的产品,涵盖25种不同元器件类别,并重视所有的细分市场和所有的顾客,不断寻求广泛的产品供应来覆盖所有市场。 关于赫联电子(Heilind Electronics):  Heilind Electronics(赫联电子)创立于1974年,全球总部位于美国波士顿,已在中国内地,香港,新加坡,美国,德国,巴西,加拿大和墨西哥设立了超过40处分部。Heilind为电子行业各细分市场的原始设备制造商和合约制造商提供支持,供应来自业界顶尖制造商的产品,涵盖25个不同元器件类别,并特别专注于互连与机电产品。其主要分销产品包括互连器件、继电器、风扇、开关、电路保护与热管理、套管和线束产品、晶体与振荡器、紧固件与硬件,传感器等。 Heilind以强大的库存、灵活的政策、灵敏的系统、知识广博的技术支持和无与伦比的客户服务为运营理念。2012年12月,赫联电子正式启动其亚太业务。赫联亚太的总部位于中国香港,除设有销售部外,还设置了区域配送中心和增值服务中心; 迄今,赫联亚太已在中国香港、上海、北京、苏州、南京、西安、东莞、成都、厦门、台北、新加坡、马来西亚、印度、泰国、菲律宾、越南、印度尼西亚等地开设20处分部和3处仓库(香港、新加坡和苏州),致力于将分销的核心价值带回业界。更多信息,请访问www.heilind.com ; www.heilindasia.com;微信、 微博、 脸书及推特。 关于TE CONNECTIVITY: TE Connectivity Ltd.(纽约证券交易所股票代码:TEL)是一家价值130亿美元的全球技术和制造业领导者,致力于打造更安全,可持续,高效,互联的未来。 75年来,我们的连接和传感器解决方案在最恶劣的环境中得到了验证,在运输,工业应用,医疗技术,能源,数据通信和家庭方面取得了进步。 TE拥有78000名员工,其中包括7000多名工程师,合作的客户遍及全球近150个国家。TE相信“无限连动,尽在其中” 。 在www.te.com以及LinkedIn,Facebook,微信和Twitter上了解更多信息。 TE Connectivity,TE,TE连接(徽标)和EVERY CONNECTION COUNTS是TE Connectivity Ltd.公司系列的商标。 其他徽标,产品和/或公司名称可能是其各自所有者的商标。        

    推荐 2018-09-25 14:26

  • 技术干货:谷歌TPU助力AI技术腾飞!

    ACM 通讯(ACM Communications)在线杂志近期刊登了一篇作者来自谷歌的文章,带领我们重新审视了近几十年的半导体发展历程,以及 AI 研究、应用人员们如今已经接受了的问题:专用处理器为什么好、为什么火起来。值得注意的是,这篇文章的作者之一正是谷歌 TPU 团队成员、UC 伯克利大学退休教授、2017 年图灵奖获得者 David Patterson。          装满了 TPU 的谷歌云服务器机架     摩尔定律的终结将使服务于特定领域的架构成为计算的未来。一个开创性的例子就是谷歌在 2015 年推出的张量处理单元(TPU),目前已经在为超过十亿人提供服务。TPU 使深度神经网络(DNN)的计算速度提高了 15-30 倍,能耗效率比类似技术下的当代 CPU 和 GPU 高出了 30-80 倍。     核心观点     虽然 TPU 是一种专用集成电路,但它运行的程序来自 TensorFlow 框架下的神经网络,驱动了谷歌数据中心的许多重要应用,包括图像识别、翻译、搜索和游戏。     通过专门为神经网络重新分配芯片计算资源,TPU 在真实数据中心负载环境下效率要比通用类型的计算机高 30-80 倍,目前已为全球 10 亿人提供日常服务。     神经网络的推理阶段通常会有严格的响应时间要求,这降低了通用计算机所使用技术的有效性;通用计算机通常运行得较快,但某些情况下也会较慢。     所有指数增长都将有结尾     1965 年,据英特尔创始人之一的 Gordon Moore 预测,芯片中的晶体管数量每一两年都会增加一倍。尽管 2017 年 1 月的 ACM 通讯封面呼吁道:“担心我会终结简直是杞人忧天”,摩尔定律确实还是寿终正寝了。2014 年推出的 DRAM 芯片包含了 80 亿个晶体管,而在人们的预测中即使到了 2019 年,带有 160 亿个晶体管的 DRAM 芯片也不会大规模生产,但根据摩尔定律的预测,四年里晶体管数量应该变成四倍多。2010 年款的英特尔至强 E5 处理器拥有 23 亿个晶体管,而 2016 年的至强 E5 也只有 72 亿个晶体管,或者说比摩尔定律预计的数值低 2.5 倍——显然,纵使半导体行业还在进步,但其脚步已十分缓慢。     Dennard Scaling 是一个鲜为人知,但同样重要的观察结果。Robert Dennard 在 1974 年认为,晶体管不断变小,但芯片的功率密度不变。如果晶体管尺寸线性缩小两倍,那么同样面积上芯片中晶体管的数量就会变为 4 倍。同时,如果电流和电压都降低了二分之一,它所使用的功率将下降 4 倍,在相同的频率下提供相同的功率。Dennard Scaling 在被发现的 30 年后结束,其原因并不是因为晶体管的尺寸不再缩小,而是因为电流和电压不能在继续下降的同时保持可靠性了。     计算架构师们一直笃定摩尔定律和 Dennard Scaling,并通过复杂的处理器设计和内存层次结构,将资源转化为性能,这些设计利用了不同的处理指令的之间的并行性,但架构师们并没有什么编程的知识。ε=(´ο`*))) 唉,于是架构师们最终还是再也找不到新的办法可以利用指令级别的并行性。Dennard Scaling在 2004 年终结了,祸不单行的是继续提升指令级别并行性的方法也开始缺席,这迫使业界只能从单核高耗能处理器转换到多核高效率处理器。     今天我们仍然遵守吉恩·阿姆达尔(IBM 著名工程师,阿姆达尔定律的提出者)在 1967 年提出的定律,该定律认为不断增加处理器数量会导致性能提升的递减。阿姆达尔定律说,并行计算的理论加速受到任务顺序部分的限制;如果任务的 1/8 是串行的,则最大加速也只比原始性能高 8 倍——即使任务的其余部分很容易并行,并且架构师增加了 100 个处理器也是如此。     下图显示了过去四十年以来,上述三大定律对处理器性能的影响。按照目前的速度,标准处理器的性能在 2038 年以前都不会再次翻倍。          图 1. 依照Hennessy和Patterson的理论,我们绘制了过去40年中,32位和64位处理器内核每年最高的SPECCPUint性能;面向吞吐量的SPECCPUint_rate反映了类似的情况,即使其平稳期延迟了几年     晶体管看来没什么进步空间了(这反映了摩尔定律的结束),而每平方毫米芯片面积的功耗正在增加(毕竟 Dennard Scaling 也结束了),但人们对于芯片的功率预算却并没有增加(因为电子的移动、机械和发热限制),芯片设计师们已经在充分发挥多核心的能力了(但这也受到阿姆达尔定律的限制),架构师们现在普遍认为,能显著改进性能、价格、能源三者平衡的唯一途径就是特定领域的架构——它们只适用于处理几种特定的任务,但效率非常高。     在云端的大型数据集和大量计算机之间的协作使得机器学习近年来有了很大的进步,特别是在深度神经网络(DNN)方面。与一些其他领域不同,DNN 的应用方式很广泛。DNN 的突破性进展包括将语音识别的单词错误率相比老方法降低了 30%,这是近 20 年来最大的单次提升;自 2011 年以来,将图像识别的错误率从 26% 降低至 3.5%;在围棋上击败了人类世界冠军;改进了搜索排名等等。单个 DNN 架构或许应用范围很窄,但这种方法仍然催生出了大量实际应用。     神经网络类似于人脑中神经的功能,基于简单的人工神经元,它们是输入的加权和的非线性函数,例如 max(0,value)。这些人工神经元被分为许多不同的层,其中一层的输出就会作为下一层的输入。深度神经网络中的“深层”代表有多个层,由于云上有极大的数据集,只需换用更大、更多的层就可以构建出更准确的模型,它也就可以获取更高阶抽象的模式或是概念,而 GPU 可以提供足够的计算能力帮我们开发 DNN。     DNN 运行的两个阶段被称为训练(或学习)和推理(或预测),分别指代开发与生产。训练一个 DNN 可能需要数天,但训练好的 DNN 进行推理只需要几毫秒。针对不同的应用,开发者需要选择神经网络的类型和层数,而训练过程会决定网络中的权重。几乎所有的训练都是浮点运算,这就是 GPU 在深度学习时代如此受欢迎的原因之一。     被称为“量化”的转换将浮点型转为整型,整型通常只有 8 位——这种程度通常足以满足推理的要求了。与 IEEE 754 16 位浮点乘法相比,8 位整型乘法只需要 1/6 的能耗,需要的空间也只需要 1/6,而转换为整型加法也能带来 13 倍能耗和 38 倍空间的提升。     下表展示了两个例子,共三类、六个 DNN 实例的运行效率——这代表了谷歌数据中心 2016 年 95% 的深度神经网络推理工作负载,我们把它们作为 benchmark。它们在 TensorFlow 中的代码都非常短,只有 100-1500 行。这些例子是主服务器上运行较大应用程序中的小组件,这些大应用可能会由数千到数百万行 C++代码构成。应用程序通常面向用户,这就对响应时间带来了严格的要求。          表 1. 2016年7月,谷歌TPU上的DNN工作负载。共六种DNN应用(三种DNN类型),代表95%的TPU工作负载     如表 1 所示,每个模型需要 500 万至 1 亿个权重,即便只是访问这些权重都需要花费大量时间和能耗。为了降低访问成本,在训练或者推理中会针对一批完全不相干的输入样本都使用同样的权重,这种做法可以提高性能。     TPU 起源、架构及实现     早在 2006 年,谷歌就开始考虑在其数据中心部署 GPU(图形处理器),或者 FPGA (field programmable gate array,现场可编程门阵列),或者专用集成电路(ASIC)。当时的结论是,能在专门的硬件上运行的应用并不多,它们使用谷歌大型数据中心的富余计算能力即可,基本可以看做是免费的,另外也很难不怎么花钱就带来很大改进。情况在 2013 年出现了变化,当时谷歌用户每天使用语音识别 DNN 语音搜索三分钟,使得谷歌数据中心的计算需求增加了一倍,而如果使用传统的 CPU 将非常昂贵。因此,谷歌启动了一项优先级别非常高的项目,快速生产一款定制芯片用于推理,并购买现成的 GPU 用于训练。谷歌的目标是将性价比提高 10 倍。为了完成这项任务,谷歌在其数据中心设计、验证、构建并部署了 TPU,而这一过程仅仅用了 15 个月。     为了降低部署推迟的风险,谷歌工程师将 TPU 设计成 I/O 总线上的协处理器,并允许它像 GPU 一样插入现有服务器,而不是使 TPU 与 CPU 紧密集成。此外,为了简化硬件设计和调试,主机服务器将指令发送给 TPU 令其执行,而不是让 TPU 去自行获取。因此,TPU 在理念上更接近浮点单元(FPU)协处理器,而不是 GPU。     谷歌工程师将 TPU 看做一个系统进行优化。为了减少与主机 CPU 的交互,TPU 运行整个推理模型,但提供了与 2015 年及以后的 DNN 相匹配的灵活性,而不局限于 2013 年的 DNN。     图 2:TPU 的架构示意图。TPU 指令通过 PCI-e Gen3x16 总线从主机被发送到指令缓冲器中。内部计算模块通常通过 256 字节宽度的路径连接在一起。对于右侧的芯片布局图,从右上角开始,矩阵乘法单元是 TPU 的核心,256×256 MAC 可以对有符号或无符号的整型执行 8 位乘法和加法运算。得到的 16 位的结果会存入矩阵计算单元下方的共 4MB 空间的 32 位累加器中。这四个 MiB 代表含有 4,096 个 256 元素的 32 位累加器。矩阵计算单元每周期产生一个 256 元素的部分和。          图 2. TPU架构示意图及芯片布局图     矩阵单元的权重通过片内「权重 FIFO」来分级,该 FIFO 从我们称之为「权重存储器」的片外 8GB DRAM 中读取;对于推理,权重仅作读取;8GB 空间可以支持同时激活多个模型。权重 FIFO 有四层深。中间结果保存在 24MiB 的片上「统一缓冲器」中,可以作为矩阵计算单元的输入。可编程 DMA 控制器会z z哎CPU 主机存储器和统一缓冲器间传送数据。为了能在谷歌的规模上可靠地部署,内存储器和外存储器包含内置错误检查与纠正硬件。     TPU 微架构的原理是保持矩阵计算单元一直在工作中。为了实现这一目标,读取权重的指令遵循解耦访问/执行原理,它可以在发送权重的地址之后、但从权重存储器中取出权重之前完成一条指令。如果输入激活或权重数据没有准备好,矩阵计算单元将停止。     由于读取大型静态随机存取存储器(Static Random-Access Memory,SRAM)消耗的能源比数学运算多得多,矩阵单元使用「脉动执行」通过减少统一缓冲器的读写来节约能量。来自不同方向的数据以规律的间隔到达阵列中的单元,然后进行组合计算。一个含有 65,536 个元素的向量-矩阵乘法运算作为对角波前在矩阵中移动。这些权重被预加载,并随着新数据块的第一个数据一起随着前进波生效。控制和数据被流水线化,给程序员一种错觉,仿佛 256 个输入是一次读取的,并立即更新 256 个累加器中每个累加器的一个位置。从正确性的角度来看,软件不了解矩阵单元的脉动特性,但为了提高性能,必须考虑单元的延迟。     TPU 软件栈必须与为 CPU 和 GPU 开发的软件栈兼容,这样应用可以快速移植到 TPU 上。在 TPU 上运行的应用部分通常用 TensorFlow 编写,并编译成可以在 GPU 或 TPU 上运行的 API。     CPU、GPU、TPU 平台     多数体系架构研究的论文基于运行小型、易于移植的基准测试模拟,这些基准测试可以预测潜在的性能(如果实现的话)。本文与上述论文不同,是对 2015 年以来数据中心运行真实、大型生产工作负载的机器进行回顾性评估,其中一些机器的日常用户超过 10 亿。表 1 中列出的六种应用代表了 2016 年 TPU 数据中心 95% 的使用。     由于测量的是生产环境的负载,要比较的基准平台必须可以在 Google 数据中心部署,因为生产环境的计算负载也就只能在这里运算。谷歌数据中心的很多服务器和谷歌规模对应用程序可靠性的要求意味着机器必须至少检查内存错误。由于英伟达 Maxwell GPU 和最近的 Pascal P40 GPU 不检查内部存储中的错误,以谷歌的规模部署这些处理器、同时还满足谷歌应用程序的严格可靠性要求是做不到的。     表 2 显示了部署在谷歌数据中心的服务器,可以将其与 TPU 进行比较。传统的 CPU 服务器以英特尔的 18 核双插槽 Haswell 处理器为代表,该平台也是 GPU 或 TPU 的主机服务器。谷歌工程师在服务器中使用了四个 TPU 芯片。          表 2. 基准测试的服务使用Haswell CPU、K80 GPU及TPU     很多计算机架构师没有考虑到从产品发布到芯片、主板、软件可以服务于数据中心的用户之间的时间差。表3指出,2014 年至 2017 年间,商业云公司的 GPU 时间差为 5 至 25 个月。因此,当时适合与 2015 年投入使用的 TPU 的做对比的 GPU 显然是英伟达 K80,后者处于相同的半导体工艺中,并在 TPU 部署前六个月发布。          表 3.2015年到2017年,英伟达GPU从发布到云端部署的时间差距,这4代GPU分别为Kepler、Maxwell、Pascal和Volta架构     每个 K80 卡包含两块硅片,并提供内部存储器和 DRAM 的错误检测和纠错功能。这种服务器中最多可安装 8 个 K80 硅片,这也是我们基准测试的配置。CPU 和 GPU 都使用大型芯片:大约 600 mm2的芯片面积,大约是英特尔 Core i7 的三倍。     性能:Roofline、响应时间、吞吐量     为了说明这六种应用在三类处理器上的性能,我们使用了高性能计算机群(HPC)的 Roofline 性能模型。这一简单的视觉模型虽然不完美,但揭示了性能瓶颈出现的原因。该模型背后的假设是应用需求的计算无法完全装入片上缓存,因此它们要么计算受限,要么内存带宽受限。对于 HPC,y 轴表示每秒浮点运算性能(单位是 FLOPS),因此峰值计算率形成了 roofline 图的“平缓”区。x 轴表示运算密度(operational intensity),单位是 FLOPS/byte。内存带宽表示每秒多少比特,形成了 roofline 的“倾斜”部分,因为 (FLOPS/sec)/ (FLOPS/Byte) = Bytes/sec。没有充足的运算密度时,程序受限于内存带宽,性能只能在 roofline 的“倾斜”部分之下。     一个应用的每秒实际计算量与其天花板计算量之间的距离代表了保持运算密度不变时性能提升的潜力;提升运算密度的优化(如缓存分块)可能带来更大的性能提升。     为了在 TPU 上使用 Roofline 模型,当DNN应用被量化时,我们首先将浮点运算替换成整数运算。由于 DNN 应用的权重通常无法装入片上内存,因此第二个改变就是将运算密度重新定义为每读取 1 字节的权重值时的整数乘积累加运算操作数目,如表1所示。     图 3 展示了单个 TPU、CPU 和 GPU 硅片以 Roofline 模型评估的性能指标,图中是指数坐标。TPU 的 Roofline 模型“倾斜”部分较长,从计算密度角度考虑,这意味着性能更多地受限于内存带宽,而不是计算能力峰值。六个应用中有五个都接近天花板,MLP 和 LSTM 受限于内存,CNN 受限于计算。          图 3:TPU、CPU和GPU在 Roofline 模型上的性能表现。五角星表示TPU,三角形表示英伟达Tesla K80 GPU,圆表示英特尔酷睿处理器(Haswell);所有TPU五角星都与其他两种芯片的 Roofline 模型持平或在后者之上     如图 3 所示,在 Haswell 以及 K80 上,这六个 DNN 应用距离 Roofline 天花板的距离都大于 TPU 上的距离。响应时间是原因所在。这些应用中的很多个是面向终端用户服务的一部分。研究表明,即使响应时间的些微增加都会导致用户使用该服务的频率降低。训练可能没有苛刻的响应时间 deadline,但推理通常有,或者说相比于选择更大吞吐量,推理任务更偏好低延迟。     例如,按照应用开发者的要求,MLP0 应用要求在 99% 的时间内响应时间不大于 7ms。(每秒完成推理的数目要求和 7ms 的延迟要求中包括服务器主机时间和加速器时间)即便对响应时间的限制放宽一些,Haswell 和 K80 运行时也分别只能达到 MLP0 应用最高吞吐量的 42% 和 37%。这些限制也会影响到TPU,它会以 80% 的吞吐量来运行,更加接近 TPU 的 MLP0 最大吞吐量。与 CPU 和 GPU 相比,单线程 TPU 没有复杂的微架构特征,也就不需要为平均状况而消耗晶体管和功率来提高性能,它直接适用于 99% 的状况,即 TPU 没有缓存、分支预测、乱序执行、多处理、推测预读、地址合并、多线程、上下文切等等。极简是领域专用处理器的优势。     表 4 显示了每个芯片的相对推理性能底线,包括两个加速器 vs. CPU 的主机服务器开销,展示了这六个 DNN 应用相对性能的加权平均值,表明 K80 芯片速度是 Haswell 的 1.9 倍,TPU 芯片速度是 Haswell 的 29.2 倍,TPU 芯片速度也就是 GPU 的 15.3 倍。          表 4:在 DNN 工作负载下 K80 GPU 芯片和 TPU 芯片与 CPU 的性能比。加权平均值使用了表 1 中六个 app 的实际混合     性价比、全周期成本(TCO)、性能/功耗     大批量购买计算机时会更多地考虑性价比而非性能。数据中心最好的成本指标是全周期成本(TCO)。一个组织(如谷歌)购买数千张芯片时所支付的实际价格取决于与相关企业的谈判沟通。由于涉及商业机密,我们无法公开此类价格信息或数据。但是,功率与 TCO 相关,我们可以公开每台服务器的功耗数,因此这里我们使用性能/功耗比代替性能/TCO 比。这部分我们对比了整个服务器而不是单个芯片。     图 4 显示了 K80 GPU 和 TPU 相对于 Haswell CPU 的平均性能/功耗比。我们给出了两种不同的性能/功耗比计算。我们展示了两种不同的性能/功耗计算方法。第一种“total”包括计算 GPU 和 TPU 的性能/功耗时主机 CPU 服务器所消耗的功率;第二种“incremental”从 GPU 和 TPU 中减去了主机 CPU 服务器所消耗的功率。          图 4:GPU 服务器与 CPU 服务器的性能/功耗对比(蓝色条)、TPU 服务器与 CPU 服务器的功耗对比(红色条)、TPU 服务器与 GPU 服务器的功耗对比(橙色条)。TPU' 是使用 K80 的 GDDR5 内存将 TPU 进行改进后的芯片     对于总性能/瓦特,K80 服务器是 Haswell 的2.1倍。 对于增量性能/瓦特,当忽略 Haswell 服务器电源时,K80 服务器是 Haswell 的 2.9 倍。TPU 服务器的总性能/瓦特比 Haswell 要高出34倍,TPU 服务器的性能/功率也就是 K80 服务器的 16 倍。 对于 TPU 来说,相比 CPU 的相对增量性能/瓦特以谷歌设计 ASIC 的水平已经做到了 83 倍,同时也就是 GPU 的性能/瓦特的29倍。     对替代性 TPU 设计的评估     和 FPU 类似,TPU 协同处理器比较容易评估,因此我们为六个应用创建了一个性能模型。模型模拟的结果和硬件实际性能的平均差距小于 10%。     我们使用性能模型评估了另一款假想的 TPU 芯片,记为 TPU'(使用同样的半导体技术再多花 15 个月我们就能设计出这款芯片)。更激进的逻辑合成和模块设计可以把时钟频率再提高 50%;为 GDDR5 内存设计接口电路(就像 K80 那样)可以将权重读取的内存带宽提高四倍,将 roofline 从斜到平的拐点从 1350 降到 250。     单独将时钟频率提高到 1,050 MHz 而不改善内存的话,性能提升非常有限。如果我们把时钟频率保持在 700MHz,但改用 GDDR5 作为内存,则加权平均值飞跃至 3.9倍。同时做这两种措施其实并不会改变性能,因此假设的 TPU' 只具备更快的内存就够了。     将 DDR3 权重内存替换成与 K80 相同 GDDR5 内存需要将内存通道的数量翻一倍,即 4 个通道。这一改进会需要将芯片面积扩大约 10%。GDDR5 还需要将 TPU 系统的功率预算从 861W 提高到 900W 左右,因为每台服务器都有四个 TPU。     从图4可看出,TPU'的总体每硅片性能/功耗是 Haswell 的 86 倍,K80 的 41 倍。其 incremental 指标是 Haswell 的 196 倍,K80 的 68 倍。     讨论     这部分按照 Hennessy 和 Patterson 的谬误-陷阱-反驳格式来展开:     谬误:数据中心的 DNN 推断应用将吞吐量和响应时间处于同等重要的地位。我们惊讶于谷歌 TPU 开发者对响应时间有这么高的要求,2014 年有人透露说的是:对于 TPU 来说,批量大小应该足够大,以到达 TPU 的计算性能峰值,对延迟的要求不用那么苛刻。一个起到推动作用的应用是离线图像处理,谷歌开发者的直觉是,如果交互式服务也需要 TPU,则大部分服务需要累积足够大的批量然后才交给 TPU 计算。即使 2014 年谷歌关注响应时间(LSTM1)的应用开发者称,2014 年的限制是 10ms,而真正向 TPU 移植时 10ms 将被减少至 7ms。很多此类服务对 TPU 的意料之外的要求,以及它们对快速响应时间的影响和偏好,改变了这个等式。应用编写者通常会选择降低延迟,而不是累积更大的批量。幸运的是,TPU 具备一个简单、可重复的执行模型,来满足交互式服务的低响应时间以及高峰值吞吐量要求,即便是计算相对较小的批量时也比当前 CPU 和 GPU 具备更好的性能。     谬误:K80 GPU 架构很适合进行 DNN 推理。我们发现 TPU 在性能、能耗和成本方面优于 K80 GPU 有五个方面的原因。1、TPU 只有一个处理器,而 K80 有 13 个,单线程当然更容易满足严格的延迟目标。2、TPU 具备一个非常大的二维乘法单元,GPU 有 13 个小的一维乘法单元。DNN 的矩阵相乘密度适合二维阵列中的算术逻辑运算单元。3、二维阵列还能通过避免访问寄存器来促成脉动式的芯片实现,节约能源。4、TPU 的量化应用使用 8 位整型,而不是 GPU 的 32 位浮点; K80 并不支持 8 位整型。使用更小的数据,改善的不仅是计算能耗,还能四倍化权重 FIFO 的有效容量和权重内存的有效带宽。(尽管推理时使用的是 8 位整型,但训练这些应用时会保证和使用浮点一样的准确率)5、TPU 忽略 GPU 需要而 DNN 不需要的特征,从而缩小 TPU 芯片、节约能耗、为其他改进留下空间。TPU 芯片的大小几乎是 K80 的一半,通常运行所需能量是后者的三分之一,而它的内存却是后者的 3.5 倍。这五个因素导致 TPU 在能耗和性能方面优于 K80 GPU 30 倍。     陷阱:在设计领域专用架构时不顾架构历史。不适用通用计算的想法可能适合领域专用架构。对于 TPU 而言,三个重要的架构特征可以追溯到 1980 年代早期:脉动阵列(systolic array)、解耦访问/执行(decoupled access/execute)和复杂的指令集。第一个特征减少了大型矩阵相乘单元的面积和能耗;第二个特征在矩阵相乘单元运算期间并行获取权重;第三个特征更好地利用 PCIe bus 的有限带宽来发送指令。因此,对计算机架构历史比较了解的领域专用架构设计师具备竞争优势。     谬误:如果谷歌对 CPU 的使用更加高效,它得到的结果将可以媲美 TPU。由于有效使用 CPU 的高级向量扩展(AVX2)对整型计算做高效的支持需要大量工作,最初在 CPU 上只有一个 DNN 有 8 位整型的性能测试结果,它的性能提升大约是 3.5 倍。所有的 CPU 性能评估都基于浮点的计算性能来展示会更明确(也不会占太多图表空间),也就没有给这个整型计算结果绘制单独的 Roofline 图。如果所有 DNN 都能够得到类似的加速,TPU 带来的性能/功耗比提升将分别从 41 倍和 83 倍降为 12 倍和 24 倍。     谬误:如果谷歌使用合适的新版本,GPU 结果将与 TPU 差不多。表 3 报告了发布 GPU 和客户何时可以在云中使用 GPU 的区别。与较新的 GPU 进行公平比较将包括新的 TPU,而对于额外增加的 10W 功耗,我们只需使用 K80 的 GDDR5 内存就可以将 28 纳米、0.7GHz、40W TPU 的性能提高三倍。把 TPU 移动到 16 纳米工艺将进一步提高其性能/功耗。16 纳米英伟达 Pascal P40 GPU 的峰值性能是第一代TPU 的一半,但它 250 瓦的能耗却是原来的很多倍。如前所述,缺乏错误检测意味着 Google 无法再去数据中心部署 P40,因此无法在它们身上运行生产工作负载来确定其实际相对性能。     相关研究     两篇介绍 DNN ASIC 的研究文章至少可以追溯到 20 世纪 90 年代初。如 2016 年的 ACM 通讯中所述,DianNao 家族有四种 DNN 架构,通过对 DNN 应用程序中的内存访问模式提供有效的架构支持,可以最大限度地减少片上和外部 DRAM 的内存访问。最初的 DianNao 使用 64 个 16 位整数乘法累加单元的阵列。          谷歌 TPU 3.0 于今年 5 月推出,其功能是 TPU 2.0 的八倍,性能高达 100petaflops,芯片使用液体冷却     为 DNN 设计特定领域架构仍然是计算机架构师的热门话题,其中一个焦点是稀疏矩阵的计算架构,这是在 2015 年 TPU 首次部署之后提出的。Efficient Inference Engine(高效推理机)中有一步单独的初始扫描,它会过滤去掉非常小的值,将权重数量减少到 1/10 左右,然后使用哈夫曼编码进一步缩小数据以提高推理的性能。Cnvlutin 略去了激活输入为零时的乘法运算,这种计算出现的几率可以达到 44%,部分原因是非线性变换函数 ReLU 会把输入的负值转换为零;这种略去计算的做法使平均性能提高了 1.4 倍。Eyeriss 是一种新颖的低功耗数据流架构,通过游程编码利用数据中的零来减少内存占用,并通过避免输入为零时的计算来节省能耗。Minerva 是一种跨算法、结构和电路学科的协同设计系统,通过量化数据以及对较小的激活函数剪枝的方式把功耗降低到原来的 1/8。这种系统在 2017 年展出的成果是 SCNN——一种稀疏和压缩卷积神经网络的加速器。权重和激活函数都被压缩在 DRAM 和内部缓冲器中,从而减少了数据传输所需的时间和能量,并允许芯片存储更大的模型。     2016 年以来的另一个趋势,是用于训练的特定领域架构。例如,ScaleDeep 就是为 DNN 训练和推理设计的高性能服务器的一次尝试,它包含数千个处理器。其中的每块芯片都以 3:1 的比例包含计算专用模块和存储专用模块,性能优于 GPU 6-28 倍。它支持 16 位或 32 位浮点计算。芯片通过与 DNN 通信模式匹配的高性能互连拓扑连接。和 SCNN 一样,这种拓扑只在 CNN 上评估。2016 年,CNN 仅占谷歌数据中心 TPU 工作量的 5%。计算机架构师期待对其它类型的 DNN 和硬件实现进行 ScaleDeep 评估。     DNN 似乎是 FPGA 作为数据中心计算平台的一个良好用例。实际部署的一个例子是 Catapult。尽管 Catapult 是在 2014 年公开发布的,但它与 TPU 是同一个时代的,因为 2015 年在微软数据中心部署了 28 纳米 Stratix V FPGA,与谷歌部署 TPU 差不多在同一时间。Catapult 运行 CNN 比普通服务器快 2.3 倍。也许 Catapult 和 TPU 最显著的区别在于,为了获得最佳性能,用户必须使用低级硬件设计语言 Verilog 为 FPGA 编写长程序,而不是使用高级 TensorFlow 框架编写短程序;也就是说,“可再编程性”(re-programmability)来自于 TPU 的软件,而不是最快 FPGA 的固件。     总结     尽管 TPU 在 I/O 总线上,并且内存带宽相对有限限制了它发挥全部效能(六个 DNN 应用程序中有四个受限于内存),但一个很大的数即便拆到很细,拆到每个周期 65536 次乘法累加计算,仍然是一个相对较大的数字,如 roofline 性能模型所示。这个结果表明,Amdahl 定律的其实有一个非常有价值的推论——大量廉价资源的低效利用仍然可以提供颇具性价比的高性能。     我们了解到,推理应用具有严格的响应时间限制,因为它们通常是面向用户的应用;因此,为 DNN 设计计算芯片的设计师们需要保证满足 99% 情况下的时间限制要求。     TPU 芯片利用其在 MAC 和片上内存的优势运行使用特定领域 TensorFlow 框架编写的短程序,该 TensorFlow 框架比 K80 GPU 芯片快 15 倍,因此能获得 29 倍的性能/功耗优势,这与性能/总拥有成本相关。与 Haswell CPU 芯片相比,对应的比率分别为 29 和 83 倍。     有五个架构因素可以解释这种性能差距:     处理器。TPU只有一个处理器,而K80有13个,CPU有18个;单线程使系统更容易保持在固定的延迟限制内。    大型二维乘法单元。TPU有一个非常大的二维乘法单元,而CPU和GPU分别只有18个和13个较小的一维乘法单元;二维硬件在矩阵乘法中有很好的性能。    脉动阵列。二维组织支持脉动阵列,减少寄存器访问和能量消耗。    8位整型。TPU的应用使用 8      位整型而不是 32 位浮点运算来提高计算和内存效率。    弃掉的特征。TPU放弃了 CPU 和      GPU 需要但是 DNN 用不到的功能,这使得      TPU 更便宜,同时可以节约资源,并允许晶体管被重新用于特定领域的板载内存。    虽然未来的 CPU 和 GPU 在运行推理时速度更快,但是使用 circa-2015 型 GPU 内存重新设计的 TPU 将比原来快三倍,并使其性能/功耗优势分别为 K80 和 Haswell 的 70 倍和 200 倍。     至少在过去十年中,计算机架构研究人员发布的创新成果都是来自模拟计算的,这些成果使用了有限的基准,对于通用处理器的改进也只有 10% 或更少,而我们现在报告的性能提升是原来的十倍不止,这是应用于真实生产应用的真实硬件中部署的特定领域架构的收益。     商业产品之间的数量级差异在计算机架构中很少见,而这甚至可能导致 TPU 成为该领域未来工作的典范。我们预计,其他人也会跟进这个方向,并将门槛提得更高。     致谢     我们要感谢TPU团队的所有成员在整个项目中的贡献。这真的要一整个团队才能做到这些设计,验证和实施TPU等系统的硬件和软件的制造,部署并大规模运用——正如我们在谷歌所见到的那样。      

    推荐 2018-09-25 14:26

  • 深度好文丨中国芯片的真实情况

    美国时间9月17日,特朗普政府发表声明宣布将于9月24日(即今日)起,对约2000亿美元的中国产品加征10%进口关税,并将于2019年1月1日起将税率提升至25%。     在此之前中兴所遭遇的芯片禁令,相信也让国人感受到了一颗小芯片的分量,而中兴在受到“定向打击”后所释放的信号更是令IT企业感到寒意袭人,一场关于中国缺“芯”的争论也就此展开。     问题的背后必然隐藏着深层次的原因,让我们突然意识到被“卡脖子”的芯片技术是如何陷入困境当中的?未来又有无完善的应对方法呢?     就此,本文对中国芯片产业从无到有的60年发展历程进行了全方位的回顾,透过集成电路的世纪变迁并与美、日、韩等国的崛起之路进行对比,为您多维度的解读中国芯片的困境所在及未来的破解之道。  从落后5年到落后20年     新中国成立时,全中国只有几个比较像样的有线电和无线电工厂,日式机床不到1000台,生产能力和技术水平几乎为零。     1951年10月底,中苏第二届商务谈判在莫斯科举行。中方代表团成员向当时与中国关系密切的苏方探寻援建电子管、无线电元件和交换机生产厂的可行性。     结果,援建电子管厂和交换机厂的动议顺利通过,但电子元件厂却被苏方拒绝,理由说来倒也简单:“援助电子管厂是可以的。至于无线电元件,连我们的工厂都是民主德国帮着建起来的,你们去请他们帮忙吧”     1952年,民主德国方面尽最大的努力,给中国提供了种类和规格繁多的产品,最终确定引进18家单位的80多项产品,初步核算需要1.4亿元。     随后,中方在北京酒仙桥筹建北京电子管厂(即现在的北京京东方公司)、由民主德国提供技术援助。该厂总投资1亿元,年产1220万只,是亚洲最大的电子管厂。除此之外,酒仙桥还建起了规模庞大的北京电机总厂、华北无线电器材联合厂、北京有线电厂及华北光电技术研究所等单位。     响应“向科学进军”的号召,中国的知识分子、技术人员克服外界封锁的困难,在海外回国的一批半导体学者的带领下,开始建立起自己的半导体产业。     1947年,美国贝尔实验室发明了半导体点接触式晶体管,从而开创了人类的硅文明时代。在地球的另一边,1959年,在林兰英的带领下,我国冲破西方禁运,仅比美国晚一年拉出了硅单晶。     同年,李志坚在清华大学拉出了高纯度多晶硅。1960年,中科院半导体所和河北半导体研究所正式成立,我国的半导体工业体系初步建成。1965年,我国第一块集成电路诞生。     1966年,十年动荡开始,但我国的半导体工业建设并未止步。1972年,美国总统尼克松访华后,中国开始从欧美引进技术。这一年,我国自主研制的PMOS大规模集成电路在永川半导体研究所诞生,实现了从中小集成电路发展到大规模集成电路的跨越     1.追赶乏力     从小规模集成电路起步,经过中规模集成电路,发展到大规模集成电路,就在美国的芯片技术飞速发展之时,中国的追赶开始乏力。     在20世纪六七十年代,以中国的精英科学家和军事化研发体制,足以保证“两弹一星”这样的国家级工程顺利完成,但要让芯片产业实现超微细加工技术的不断升级,应对瞬息万变的市场变化,以及达到每年上亿甚至数十亿的产量,遇到了越来越多的障碍。     从国际上看,由于集成电路是先进技术,而且与国防军事密切相关,“巴统”对中国长年实行禁运,无论制造设备还是工艺技术,在一个很关键的时期内断绝了中国交流引进的路径。     从国内看,20世纪60年代后期,处于“文革”动乱的中国一度采用群众运动的方式全民大搞半导体。当时,报纸上长篇累牍地宣传:街道老太太在弄堂里拉一台扩散炉也能做出半导体。这种违背基本规律的鼓吹,严重冲击了正规工厂的半导体生产研发流程。     1968年,北京组建东光电工厂;上海组建无线电十九厂。至1970年建成投产,形成中国集成电路产业中的“南北两霸”。但所谓的“打破尖端迷信”,让造反派对东光电工厂建厂时铺设的水磨石地板进行了大肆批判,导致工厂不敢对产品质量提出起码的要求,甚至把其负责研制的百万次大型电子计算机电路推倒重来。     20世纪70年代初,随着中美关系的缓和,中国开始恢复与西方国家的经济技术交流。事情并不是一帆风顺。1973年,中方一个考察团赴美考察彩色电视机生产线,美方热情接待后赠送考察团代表每人一份工艺精致的玻璃蜗牛小礼品。不曾想“蜗牛”引起始料不及的政治风波,彩电生产线的引进被迫停止。     受此影响,中方此前与日本电气股份有限公司谈判引进的一条集成电路生产线也宣告流产,失去了一次引进全套技术的机会。     与之形成鮮明对比的是,中国台湾地区的“工研院”1975年向美国购买3英寸晶圆生产线,1977年即建成投产。1978年,韩国电子技术研究所(KIET)从美国购买3英寸晶圆生产线,次年投产。1980年,台湾地区的联华电子建立4英寸晶圆厂。     而中国大陆直至1988年オ由上海无线电十四厂与美国贝尔电话合资成立贝岭微电子公司,建设中国大陆第一条4英寸晶圆生产线。那时,在欧美联手封锁压制下中国大陆只能买到二手淘汰设备。     值得一提的是,1975年,中国大陆已经完成了动态随机存储器核心技术的研发工作。北京大学物理系半导体教研室由王阳元领导的课题组,完成了三种技术方案,在当时的中科院109厂生产出中国第一块1024位动态随机存储器。这一成果尽管比美国、日本晚了四五年,但是比韩国要早四五年。        1975年,北京大学物理系王阳元领导的课题组研制成功第一块三种类型的1024位MOS动态随机存储器    由于国家经济与财政的原因,在20世纪六七十年代,我国的五年计划对集成电路的总投资还不及国际上一个大公司一年的投资。例如,1973年中国与日本电气股份有限公司谈判引进集成电路生产线时,预备的资金仅为日方报价的一半。     在欧美技术封锁以及1980年后中国大陆减少电子产业投资的情况下,中国大陆的DRAM产业开始领先韩国,然后迅速被韩国反超。     2.一己之力难以追赶     当中兴事件发生后,中国的互联网上出现一种声音,认为中国芯片“梦幻开局”,起步不算晚,假如一直埋头搞建设,是否能发展出不逊于美、日、韩的技术能力和产业水平?     事实上,在日新月异的技术和庞大的工业体系面前,中国的芯片产业发展很难靠“技术英雄”的一己之力实现赶超。尤其是那时十年动乱已经让企业的生产条件和设施受到严重破坏,产业发展违背科学规律,加之国际上的技术封锁与禁运,我国的芯片产业基本处于分散的、手工式的生产状态,与国际先进水平的差距不仅难以弥合,而且正在呈现出成倍扩大的趋势。     技术进步是颠覆式的,每落下一步,很快就会被甩下一大截。研究芯片发展史的专家给出了比较客观的评判:这一时期的中国“芯”,在科研、技术水平上与世界水平有15年左右的差距,在工业生产上则有20年以上的差距。     不可否认,中国在过去10年里咬着牙取得了一批值得大书特书的科技突破,但无论芯片的技术还是产量,此时都已经远远落后于世界先进水平。不仅世界第一的美国将中国抛在了身后,连昔日落后的日本、韩国也正在迅速赶超。     发展芯片产业的重要性和紧追性,已经为決策者所认可。     1977年8月,30位科技界代表受邀参加在人民大会堂召开的科教工作者座谈会。王守武发言说:“全国共有600多家半导体生产工厂,其一年生产的集成电路总量,只等于日本一家大型工厂月产量的十分之ー。”这句话,把改革开放之前中国半导体行业的成就和家底概括得八九不离十。     在中国的其他高科技领域,情况相差无几。著名的“863计划”启动之前,中国科技界对这种差距洞若观火,一位资深科学家曾痛心疾首地说道:“如果再这样下去,中国的年轻科学家将丧失与国际科学界对话的能力。”     在这样的劣势下试图赶超,无疑需要对芯片产业甚至社会经济的发展规律有极其精准的洞悉和运用。只有改革开放的春风才能为芯片产业的发展注入新的生机与活力。     回想1977年,除了专业领域的少数领军入物,上至中央高层,下至普通专家,国人对这种差距和追赶的难度普遍认识不足。例如,有领导同志当年就曾问芯片产业的老一辈科学家王守武:“你们一定要把大规模集成电路搞上去,一年行吗?”  造得出“两弹一星”,造不出芯片?     如果说中国的芯片产业在前30年里做到了独立自主,但严重缺乏产业化和持续更新“造血”的能力,那么在接下来的30年里,中国又进入了以市场化和运动式集中攻关井行、换取技术进步和产业跨越的阶段。     至少两代科学家、工程师和企业家付出了高昂的学费,试图换来理想中“引进、消化、吸收、创新”的技术发展道路。     1.中国芯片的“531战略”     1980年,坐落在大湖边的江南无线电器材厂迎来了一批西装革履、行事有板有眼的日本工程师。国门初开,这批日本人引来厂里不少好奇又略带怀疑的目光。很快,厂里贴出告示,宣布从日本东芝公司引进彩色和黑白电视机集成电路5微米全套生产线。     江南无线电器材厂又叫“742厂”,1960年成立时只是江苏无锡一家身处小巷的地方国营小厂,以生产二极管为主;后经几次划转、合井,承担起新型半导体工艺设备的研究和生产任务,此时隶属于四机部(电子工业部)。    1969年的江南无线电器材厂  多年以后,无锡仍是中国集成电路产业布局中的一个重要基地,这与742厂时期打下的底子不无关系。     与东芝公司的这次合作,是我国第一次从国外引进集成电路技术,短短起几年时间,厂里的芯片产量达到3000万块,一度蜚声国内的名牌电视机——熊猫、金星、孔值——心脏部位统统装有这家工厂的产品;     甚至有人统计,从这条生产线上出来的芯片用在了40%的国产电视机、音响和电源上。742厂也一跃成为当时我国产能最大、工序最全、首家具有现代工业大生产特点的集成电路生产厂。     742厂的技术引进是成功的,但总体来看,在20世纪80年代初期,中国的芯片产业出现了重复引进和过于分散的问题。     一份当时递交给中央的报告称,全国有33个单位不同程度地引进了各种集成电路生产线设备,累计投资13亿元左右,最后建成投入使用的只有少数几条线,多数引进线没能发挥出应有的作用。     回过头来看,出现这种情况有着特殊的时代背景:国家缩减了对电子工业的直接投入,希望广大电子厂能够到市场上自己寻找出路。为了在短期内获得效益,大量工厂购买国外的技术和生产线,自主研发的电子工业思路逐渐被购买引进所替代。     这也是中兴创始人侯为贵在1980年被派往美国考察生产线、1985年又到深圳创办中兴半导体公司的原因。     对于市场化(或者用当时的话来说,借助经济责任制)能否帮助解决中国芯片技术落后的问题,大家心里都没有底。1981年10月,国务院下发的《关于实现工业生产经济责任制若干问题的意见》这样强调:“要摸着石头过河,水深水浅还不很清楚,要走一步看一步,两只脚搞得平衡一些,走错了收回来重走,不要摔到水里去。”     在改革开放仍处于起步阶段的中国,“探素”是出现在经济生活各个领域的一个高频词。     1982年10月,国务院为了加强对全国计算机和大规模集成电路行业的领导,成立了以时任副总理万里为组长的“电子计算机和大规模集成电路领导小组”,制定中国芯片发展规划,提出“六五”(1981-1985年)期间要对半导体工业进行技术改造。     一年后,针对当时多头引进、重复布点的情况,领导小组提出“治散治乱”,集成电路要“建立南北两个基地和一个点”的发展战略。南方基地主要指上海、江苏和浙江,北方基地主要指北京、天津和沈阳;“一个点”指西安,主要为航天配套。     经过几年的观察和酝酿之后,改革开放以来发展中国“芯”的第一个重大战略正式提出。     1986年,电子工业部在厦门召开集成电路发展战略研讨会,提出“七五”(1986—1990年)期间我国集成电路技术的“531”发展战略,即普及推广以742厂为基点的5微米技术,同时开发3微米技术,攻关1微米技术。     在1986年提出“531发展战略,有一个背景:在这一年,我国集成电路产量出现急剧下滑。按照既定战略,国家将集中资金建设二三个骨干大厂、扶持一批十个左右中型企业、允许存在一批各有特色的一ニ十个小厂。     一时之间,全国各地芯片产业链的相关企业都派出考察团奔赴无锡,而742厂也响应国家战路,向全国推广已经掌握的5微米集成电路生产技术,免费赠送技术资料,甚至还派出工程技术人员到其他企业支援。该厂时任总经理王洪金为此专门发话:“到742厂学习,除了吃饭要钱,住宿不要钱!”     但客观来说,与当时国际先进技术和巨大的市场缺口相比,我国芯片无论工艺还是产品,仍存在相当大的差距。一份当年的研究报告列举了其中几个原因:  1.各种整机引进是“万国牌”"的,整机厂要的品种,电路厂做不出来;电路厂生产的,整机厂又不要,电路厂没有做到市场导向。     2.在引进工作中,大量引进硬件——设备和仪器,而不注重引进软件——技术和管理,这是引进未能发挥应有作用的教训。     3.科研与生产结合不紧密,厂、所内部运行机制不顺畅。     经费也是一个重要原因。计划中要建立的南北三个微电子基地,投资预计无锡6亿元、上海5亿元、北京4亿元。由于资金没有着落,北方基地规划组工作一年多,写成报告汇报后就宣布解散。上海也仅投不到5亿元。     在多种原因的作用下,原本提倡的“引进、消化、吸收、创新”八字方针没有得到全面贯彻,导致一而再、再而三地引进。即便是先行者742厂,此后相继从东芝和西门子引进2-3微米数字电路全线设备和技术,后来又从美国朗讯公司引进0.9微米数字电路设备和技术。     “531”发展战略的目标得以实现,但却是以全部从国外引进技术的方式实现的。     到1988年,我国的集成电路年产量终于达到1亿块。按照当时的通用标准,一个国家的集成电路年产量达到1亿块标志着开始进入工业化大生产。美国在1966年率先达到,日本随后在1968年达到。中国从1965年造出自己的第一块集成电路以来,经过漫长的23年,才达到了这一标准线。     2.“908工程”的教训     742厂的辉煌还将延续一段时间。由于引进技术的成功,电子工业部决定从隶属于该部的主力研究所、位于四川的24所调出500人,与724厂共同组建无锡微电子科研生产联合体,以争取形成自主研发能力。     “七五”期间我国微电子产业的头号工程——无锡微电子工程,由此拉开序幕。该工程含2-3微米大生产线,以及制版,引导线和科研中心,于1988年开工建设。     次年,在工程建设期间成立了中国华晶电子集团公司,后者被誉为“中国微电子产业的黄埔军校”,从这里“走出去”、在其他公司或政府部门担任过主要领导、骨干的人数,据统计不下500人。    1987年,江南无线电器材厂与电子部第24所无锡分所合并,成立无锡微电子联合公司,即中国华晶电子集团公司的前身  有了华晶的基础,1990年8月,国家计委和电子工业部在北京联合召开了有关领导和专家参加的座谈会;中央随即决定实施“908工程”,目标是在“八五”(1991-1995年)期间半导体技术达到1微米。     “908工程”规划总投资20亿元,其中15亿元用在无锡华晶电子,建设月产能1.2万片的晶圆厂,由建设银行货款;另外5亿元投给9家集成电路企业设立设计中心。     时值美日两国在芯片领域龙争虎斗,韩国则一路高歌猛追,这个经过科研人员与企业家精心设计、反复论证的方案,被寄予厚望,要让中国拉近与世界先进水平的距离。     但实际结果相差基远。“908工程”光是经费审批就花了足足2年时间,从美国朗讯引进0.9微米生产线又花了3年时间,中间经历了数次反复论证,加上建厂的2年时间,工程从开始立项到真正投产历时7年之久。     待1997年建成投产时,华晶的技术水平已大大落后于国际主流技术达4-5代,月产仅800片左右,投产当年亏损2.4亿元,成为“投产即落后”的经典反面案例。     巨额投入打了水源,华晶还要为此承担沉重的利息支出压力。走投无路之下,从1998年2月起,华晶将部分设备租给香港上华半导体公司。上华对外筹集了2800万美元,在引进美国的技术、中国台湾地区的团队后,5个月内就开始量产了。     1999年8月,华晶和上华合作的工厂转制为合资公司——无锡华晶上华半导体公司,上华持股51%;新公司迅速扭亏为盈,成为中国大陆第一家“纯晶圆代工”企业。     与华晶形成鲜明对比的是,1990年新加坡政府投资特许半导体,只用两年时间建成,第三年投产,到1998年收回全部投资。     时隔多年之后,把“908工程”放在中国从计划经济向市场经济转型的时代背景中去观察,我们会发现其实这并不是一个多么独特的个例,相反,它就像澎湃大潮中随处可见的一朵浪花。     如果要反思,我们看到的是计划经济的运行体制已经远远不能适应芯片产业发展的内在规律,在后者愈益商业化、国际化的背景下,“908工程”困境凸显:研发跟不上国际先进技术的步伐,产业化程度低,产品的批量生产能力迟迟不能扩大。  “砸锅卖铁”也要把芯片搞上去     集成电路产业的发展并非一朝一タ之功。     从“造不如买”,到准备“引进、消化、吸收、创新”,“908工程”迈出了关键一步。它的失败,也让中国芯片从业人员在挫折中汲取了教训和经验。这些经验将在后续的中国“芯”特大工程——“909工程”中起到宝贵的作用。     1995年12月11日,时任电子工业部部长胡启立正在湖北武汉,准备第二天前往三峡工程考察。当晚,他突然接到国务院办公厅的电话,通知他隔天在北京出席总理办公会议。     事后,胡启立回忆说,当时国家领导人参观了三星集成电路生产线,发出“触目惊心”的四字感慨。虽经屡次冲击,中国的芯片产业仍大大落后于国际先进水平。党和国家领导人迫切希望提升我国集成电路水平,领导同志甚至发出了“就是‘砸锅卖铁’也要把半导体产业搞上去”的指示。     在这次总理办公会议上,确定了中国电子工业有史以来投资规模最大、技术最先进的一个国家项目——“909工程”:投资100亿元,建设一条8英寸晶圆、从0.5微米工艺技术起步的集成电路生产线。    华晶的8英寸晶圆生产车间  1.“909工程”拿到“特殊政策”     当时的情况确实触目惊心。从产业规模看,1994年我国大陆集成电路的产量和销售额分别只占世界市场份额的0.3%和0.2%,在大陆市场的占有率不足15%,只相当于我国台湾地区台积电一家公司的1/3。     从技术水平上看,当时我国大陆的生产水平仍然停留在4~5英寸晶圆、2~3微米工艺技术的档次,在技术上落后于美国、日本等国15年左右,相差3个发展阶段。     政府主管部门判断,芯片产业发展滞后已严重影响信息产业的进一步发展。在各类电子产品中,集成电路85%以上依赖进口,使得当时中国的电子产品虽有自己的品牌,但只能使用外国芯片。     比如,1990年我国已经成为世界电视机生产大国,每年可以生产上亿台电视机,但电视机所用的关键芯片大多依靠进口。专用芯片中的专利技术转让费,是导致我国许多电子产品产量虽大但利润却很微薄的主要原因。     电子工业部在20世纪90年代中期递交的报告中这样写道:我国没有多少能和外国公司平起平坐的进行交换、合作的关键性技术专利。这种状况如不改变,我国的电子工业有永远沦为“电子组装加工”的危险……如果能够抓住机遇,我国集成电路产业将可跃上一个新台阶,从而获得追赶世界发展步伐的机会。     当时,“908项目”还正在进行之中,而且遇到了很大的困难。在总理办公会议上,胡启立申述了建设项目的困难:半导体产业是更新換代最快的一个产业,产品集成度每18个月增长一倍,相应的许多设备也要升级换代。     而我们投资和决策要层层审批,时间很长,不能适应半导体这样快速发展的高科技产业的节奏。往往是等项目批下来,许多原来设想的情况都发生了变化,原本先进的技术已变成落后的了。     会议最后决定,要求各部委缩短项目审批时间,简化审批程序,彻底改变以往审批过程大于产品生命周期的做法。同时,“909项目”注册资本40亿元人民币(1996年国务院決定由中央财政再增加拨款1亿美元),由国务院和上海市财政按6:4出资拨款。中央拨付的资金专款专用,即刻到位。     胡启立后来在书里记录了自己走出会议室那一刻的想法:“自古华山一条路,909只许成功,不许失败,唯有如此,オ能为我国半导体产业闯出一条生路。如果‘909工程’再翻车,就会把这条路堵死,可以肯定若干年内国家很难再向半导体产业投资。电子工业部也无法向国务院和全国人民交代!”     随后他又写到:“这些判断都没错,但现在想来,那时我对即将遇到的风浪和危难的估计都是远远不足的。”     2.风浪和危难远超想象  吸取了“908工程”与市场脱节的教训,“909工程”开始了新的政策探素:以市场为导向,以不断升级的产品线为基础。虽然投资总额超过了建国以来所有集成电路项目投资的总和,但国家投入由国家开发投资银行以资本金性质注入企业,成立独立运作的股份公司,资金的使用灵活性、自主性均很高。     围绕“909工程”,上海虹日国际、上海华虹国际、北京华虹集成电路设计公司等相继成立。其中,华虹NEC没有重蹈华晶七年漫长建厂的覆撤,于1997年7月31日开工,1999年2月完工,2000年取得30.15亿元的销售额,利润达到5.16亿元。同时,其技术档次达到0.35~0.24微米,生产的64MB和128MBSDRAM存储器达到了当时的国际主流水准。     不过,正如胡启立同志的回忆,“风浪和危难”远超过想象。     工程开工建设了,恰逢全球半导体市场低迷时期,其他国家的半导体工厂纷纷缓建或者停工;要自力更生,却发现已经开工建设的超净厂房没有预见到未来的发展,比需要的面积小了ー半;还没有来得及为投产庆祝,就遭遇世界范围的半导体存储器市场价格一落千丈,刚刚上路的生产线必须转型为代工……     有着国家作为后盾的“909工程”,此时面临一个关键问题:如何找准芯片产业的突破口。芯片发展到20世纪90年代,技术已经过多次迭代,大的市场早被几家国际巨头瓜分完毕,这些巨头企业不仅技术成熟稳定,而且依靠极大的产量将成本摊至很低。     是进入大市场“硬碰硬”,还是切入小市场的“空白点”?如何应对瞬息万变的市场需求和价格变化?这些对“909工程”的实操者都提出了巨大挑战。     后来有人打了个比方,贴切地形容了这种市场决策的难度——芯片产业犹如一列高速行驶的火车,如何在火车急驰中一跃而起攀入车厢,时间、角度、速度都至关重要。        “909工程”的主要承担企业上海华虹-NEC    作为“909工程”的主要承担者,华虹公司的成功与否在一定程度上決定着“909工程”的成败。时任上海市市长的徐匡迪是“909工程”的重要支持者,他曾多次与华虹当时的董事长张文义一同参加与外商的谈判,每次他都问张文义:“华虹是赚了还是亏了?”能否盈利是判断华红取得成功的重要标志。     无论如何,到2005年6月,华虹完成了当初立项的所有目标。     胡启立后来总结了三点经验:  第一,真正的核心技术很难通过市场交换得来,引进不是目的,目的是发展自己,为我所用,最终实现自主创新,走自己的路。企业必须从引进之日就要制定消化吸收的具体措施和今后创新的长期战略规划,并积极努力加以实施。     第二,始终坚持以市场为导向,“引进某高科技项目,往往首先想到为填补国内该领域的空白,容易导致从技术出发,忽视市场导向”。“如果与市场不合拍,即使技术水平再高,也得不到市场的回报,就会被淘汰出局”。     第三,牢牢抓住人才这个高科技企业发展的核心,优秀人才是创新的主力和中坚。     多年以后,张文义已经离开华虹,转任另一家芯片制造厂商——中芯国际的董事长。根据2017年的一份数据统计,在全球芯片代工厂的市场份额排名中,台积电稳居第一,占55.9%;中芯国际排在第五,占5.4%;而华虹排在第九,占1.4%。     作为探索中国“芯”自主创新道路上一次难得的实践,客观来讲,“909工程”取得的成绩不仅是华虹完成了立项目标,也为中国集成电路产业的发展道路做了政策探索,为后来的大基金、“909工程”二次升级都积累了很多经验。  新世纪的曙光     中国“芯”的漫漫征程还未停歇,新世纪,征途迎来了新的曙光。     如果说“909工程”的投入,对20世纪的中国“芯”来说是一笔史无前例的巨额投资,那么21世纪的中国“芯”得到的重视有过之而无不及。     成立于2014年的国家集成电路产业投资基金,专为促进集成电路产业的发展而设立,外界称之为“大基金”。基金总额最初计划约为1200亿元,最后增至1250亿元,发起人包括国开金融、中国烟草、亦庄国投、中国移动、上海国盛、中国电科、紫光通信、华芯投资等实力雄厚的企业。     这是中国集成电路产业有史以来的最大手笔,它的影响将在未来数年或数十年可逐渐显现出来。     在“大基金”之前,中国“芯”还有“核高基”等国家专项扶持。     “十五”计划(2001-2005年)初期,863信息技术领域专家组经过深入调研,设立了超大规模集成电路设计专项。专项先后确立了“国产高性能SOC芯片”“面向网络计算机的北大众志863CPU系统芯片及整机系统”“龙芯2号增强型处理器芯片设计”等课题,支持上海高性能集成电路设计中心、北大众志、中国科学院计算技术研究所等单位研发国产CPU。     上海高性能集成电路设计中心后来做出了“申威”CPU芯片,用在我国首台全自主可控的十亿亿次超级计算机“神威·太湖之光”上。后者曾蝉联两年世界超算冠军,还为中国赢得了全球高性能计算应用领域的最高奖——戈登贝尔奖。        超级计算机“神威·太湖之光”所使用的申威芯片    北大众志1999年就研制出中国第一个完全自主研发的CPU架构,《人民日报》在这年的最后一天刊文,称这一成果是“献给新千年的礼物”。     龙芯的芯片后来在北斗卫星等国防军工领域得到广泛应用,成为芯片民族品牌的代表。     在此基础上,2006年,“核高基”重大专项正式上马。“核高基”是“核心电子器件、高端通用芯片及基础软件产品”的简称。当年,国务院颁布了《国家中长期科学和技术发展规划纲要(2006-2020年)》,将“核高基”列为16个科技重大专项之首,与载人航天、探月工程等并列。     根据计划,“核高基”重大专项将持续至2020年,中央财政安排预算328亿元,加上地方财政以及其他配套资金,预计总投入将超过1000亿元。     在“核高基”之前,“863计划”(国家高技术研究发展计划)和“973计划”(国家重点基础研究发展计划)已经对IT领域的许多基础研究给予了资金支持,但项目基本上由科研院所和大专院校承担。     这种情况在“核高基”重大专项上发生了改变。事实上,国家中长期规划的16个科技重大专项,一个共同特征就是以产业化为目的,而不是仅仅停留在实验室阶段。因此。“核高基”的一个重要特征就是“企业牵头主导”。而如何在高度市场化的条件下发挥“举国体制”的优势,成为“核高基”要解决的难题。     根据2017年科技部会同工信部发布的“核高基”国家科技重大专项成果显示,经过近10年的专项实施,一批集成电路制造关键装备实现了从无到有的突破,先后有30多种高端装备和上百种关键材料产品研发成功并进入海内外市场,填补了产业链的空白。    中、美、日芯片时间线对比  专项技术总师、清华大学教授魏少军当时对外表示:“我们在核心电子器件关键技术方面取得重大突破,技术水平全面提升,与国外的差距由专项启动前的15年以上缩短到5年,一批重大产品使我国核心电子器件长期依赖进口的‘卡脖子’问题得到缓解。      

    推荐 2018-09-25 14:25

  • 苹果对未来所描绘的「无线世界 」恐怕也要再往后推移了

    随着上周苹果秋季发布会的再一次「缺席」,AirPower 距离它发布的时间已经过去了一年了,而距离其承诺(2018 年)上市的截止日期,还有不到 3 个月的时间。     有很长一段时间,苹果公司已经没有再提及过这款设备,与此同时,有外媒也发现,苹果官网上删掉了大量与 AirPower 相关的信息,现在在苹果官网中只能在 AirPods 以及博茨瓦纳苹果官网的 iPhone 8 等详情页上看到这款产品的示意图。               外媒 DaringFireBall 和知名科技博客 SonnyDickson 认为,AirPower 恐面临无限延期,并且最终有可能会被苹果砍掉,两份报道都将 AirPower 延期的原因归结为这款产品遭遇了技术方面的问题。          知名科技博客 SonnyDickson 认为,AirPower 这个项目很大几率会失败,除非它取得了重大进展。     他们声称从消息人士那获取到几个独家的信息,并且列出了 AirPower 面临的一些技术障碍,比如发热、设备间存在通讯问题以及线圈之间的干扰情况。     而外媒 DaringFireBall 也表示 AirPower 不大可能会像苹果此前承诺的一样,将会在 2018 年推出。     有工程师看过 AirPower 的设计,认为这根本不可行,会发热…我认为,除非他们重新设计一个完全不同的产品,否则这个项目可能会流产。     在概念方面,AirPower 确实比较市面上大多数无线充电器更加激进,毕竟,它除了能同时为 iPhone、Apple Watch、AirPods 提供无线充电功能之外,AirPower 还允许设备随意铺放在充电垫正面的任意位置。       ▲ 有了 AirPower 可以省下另外两根充电线  图片来自:Reddit     而目前 iPhone 8 系列、iPhone X 以及新发布的 iPhone XS 系列上的无线充电均采用了 Qi 标准。这种采用电磁感应技术的 Qi 标准需要在充电器和手机中分别安置发射圈和接收圈。          因此,要想让设备随意铺放在充电垫上都能正常充电,这意味着充电器内部必须放置多个发射圈。据 Sonny Dickson 的消息称,AirPower 内部的线圈数量在 21 或 24 之间。     这当中一个难点在于三种不同尺寸的线圈必须在每个线圈组内重叠,并安放在内部空间紧凑的 AirPower 中,这使得控制线圈的发热以及线圈间的干扰,变成了一项艰巨的技术挑战。     此外,AirPower 还包含着一个定制芯片,运行着「精简版 iOS 」,以便管理这些设备间的充电以及通讯。       ▲ 图片来自:Verdict     或许正是因为这些激进的设计和功能,使得 AirPower 无线充电垫与普通无线充电器相比,具备更难攻克的技术难点。     爱范儿预计,苹果将会在今年 10 月底在召开一次发布会,不出意外,iPad Pro 和 Mac 将会是那场发布会上的主角,但倘若那个时候,苹果依旧对 AirPower 「只字未提」,那么这款产品可能真的悬了。     而苹果对未来所描绘的「无线世界 」,恐怕也要再往后推移了。   

    推荐 2018-09-21 09:16

  • 口无遮拦,出口伤人无数的Linux之父终于道歉了

    据国外媒体《连线》杂志报道,自从Linus Torvalds创建Linux以来已经过去超过25年了,Linux是一个开源操作系统内核,现在大部分网络服务器运行的都是Linux系统,世界上最流行的智能手机操作系统Android也是基于同样的内核。其他应用包括汽车等其他小工具。在那段时间里,Torvalds已经建立了十分严厉、不顾及他人感情的声誉,评论家们说他的行为已经达到了情感虐待的地步。  Torvalds的不妥协风格经常受到赞扬,包括《连线》杂志也曾对这种坚持称赞有加。但是,他倾向于指责其他Linux贡献者,喊他们为名字或辱骂他们。因为创造了“有毒”的开发环境并使该项目不受女性,少数民族或其他代表性不足的群体的欢迎而受到批评。    在刚刚过去的周日,Linus为多年的不当行为道歉。Torvalds在给Linux内核邮件列表的电子邮件中写道:“我在电子邮件中的轻率攻击既不专业又不必要,我现在知道这是不对的,我真的很抱歉。”  他还宣布Linux内核项目最终将采用行为准则,他将从项目中休息一下,以了解更多“如何理解人们的情绪并做出适当的反应”的处事方法。  Torvalds写道:“我不觉得我不想继续维护Linux。恰恰相反。我非常想继续做这个我已经工作了近三十年的项目。”  行为准则取代了旧的“冲突准则(code of conflict)”,鼓励任何感到“个人受到虐待,受到威胁或其他不舒服行为”的人与Linux基金会的技术顾问委员会联系,Linux基金会是管理Linux内核并雇用Torvalds的组织,但是准则中没有列出不可接受的具体行为。新代码规定了包括性相关的语言和“愚弄,侮辱/贬损评论,以及个人或政治攻击”为不可接受的行为。  但这些年来,准则中写道的不可接受的行为并不是促使Torvalds道歉的事情。相反,这显然是一个小问题。Torvalds计划的一个假期与于11月在加拿大温哥华举行的计划Linux开发者峰会冲突。峰会组织者本月早些时候宣布,峰会将搬迁到苏格兰的爱丁堡,而不是没有Torvalds的情况下照常进行。这个决定很多都是错误的。  Torvalds写道,这一事件导致Linux社区成员站出来告诉他一生中都“不了解情绪”。这不是第一次发生这样的事了。2013年,前Linux内核开发人员Sage Sharp使用不同的名字,公开批评Torvalds的沟通方式,并呼吁该项目建立行为准则。他写道“当你谈到口头上辱骂人并公开撕裂他们的情感时,Linus,你是最严重的罪犯之一。”  Sharp后来告诉《连线》杂志发表了上述评论后他收到了来自其他开源项目开发人员的感谢,他们表示Torvalds的行为影响了人们在其他项目中的表现。Sharp还分享了他在发言后收到的一些强烈的仇恨邮件。  Linus同意与Shap谈谈,但这并不是很重要。Linus在与《连线》的电子邮件采访中抨击了行为准则的概念,他写道:“发泄挫折和愤怒实际上是必要的。而且试图提出一些所谓的'行为准则',即人们应该互相'尊重'和保持'礼貌'只是一堆废话和胡说八道。“2015年,他在新西兰的一次会议上加重了他的恶名声,根据外媒Ars Technica的说法,他说多样性“并不重要”。  这就是为什么Torvalds的道歉令人惊讶,以及为什么有些人仍持怀疑态度。  许多人对道歉和计划行为准则表示欢迎,这是使Linux社区更受欢迎的良好举措,包括开源开发人员Sarah Drasner和软件开发公司Compassionate Coding的创始人April Wensel。  Sarah Drasner在推特上写道:“看到这条消息我真是太高兴了,Linus烦死了自己的行为并作出了改变,还建立了行为准则。这对Linux系统的未来是很有好处的,科技最终还是服务于人类。“  April Wensel则表示:“这简直太重要了!如果Linus可以改变,整个科技行业都可以改变!未来可期!”  但其他人,包括以“Amy Codes”为名经营YouTube频道的开发人员和软件工程师Sarah Mei,对于Torvalds对道歉表示赞赏,尽管他已经有数十年的时间来纠正他的行为却什么也没做,但他们对此表示赞赏。她写道:“这对Linux社区来说是一个谨慎的乐观消息。Linus已经快50岁了,我们不能因为他的一句道歉就对此大加赞扬。毕竟他已经不是一个打了另一个小孩一下的5岁**了。”  其他人批评Torvalds的解释是在为他不理解别人的情绪找借口。推特网友rachel表达了自己的愤怒:“Linus的行为不可接受。他难道希望自己在对别人施行多年的情感虐待后用一两句道歉的话就魔法般获得所有人的原谅吗?”网友FireEyes也很生气:“这太奇怪了。Linus要去理解别人的感情?我也一直不能理解别人的感情,但我至少知道不要虐待别人的感情。你不需要成为一个情感专家来知道照顾别人的感受!。”  Linux基金会没有作出评论。目前也无法联系到Sharp发表评论,但Sharp在推特上写道,真正的考验是Linux内核社区是否会作出改变。  最大的希望是,通过承认他的行为是错误的,Torvalds将使其他开源开发人员更难为自己的消极行为辩护。   

    推荐 2018-09-21 09:15

  • 格罗方德Fab 1总经理:用户差异化的需求将成就FD-SOI

    近日,格罗方德Dresden Fab1执行副总裁兼总经理Thomas Morgenstern参加2018年上海FD-SOI论坛,并在论坛上发表了《差异化的解决方案满足 FD-SOI的需求》为题进行了主题演讲。      格罗方德Dresden Fab1执行副总裁兼总经理Thomas Morgenstern      Morgenstern表示,半导体产业不止由物理学决定,还要由经济性决定,“如今最大的挑战是如何满足客户需求,而伴随着客户需求分化,单纯的追逐最新技术已不再是唯一的解决方案。”Morgenstern似乎也有所指,毕竟就在几周前,格罗方德放弃了7nm今后的研发蓝图,这也就意味着格罗方德会将更多的精力和资源放到FD-SOI上。如图,在2017年1月,格罗方德CTO Gary Patton就表示,格罗方德正专注在三个维度进行探索,包括追求最新的产品,系统级差异化,以及硅级的差异化。格罗方德Fab 1工厂Morgenstern介绍了格罗方德德累斯顿Fab 1,这是欧洲最大的300mm晶圆厂,也是欧洲最大的FD-SOI晶圆厂。拥有超过5万平米的洁净室,自1996年以来,累计投资额超过120亿美元,28nm晶元出货量超过300万,共有来自50个国家的3000名员工在此工作。Morgenstern将Fab1的发展分为三个阶段,1996-2009年间,公司是AMD的晶圆厂,主要为AMD生产处理器,2010-2017年间,AMD将代工厂剥离,Fab1代工了从45,28以及22nm SoC,包括计算和通信在内的产品,“但仍然是按照摩尔定律来演进的。”Morgenstern表示。第三个阶段,从2017年内起,格罗方德开始采取超越摩尔定律的策略,包括提供FD-SOI制程工艺,提供RF、eNVM、毫米波等技术,以满足包括汽车、物联网、安全等多种市场需求。FDX:最适合IoT和AI/ML的平台Morgenstern介绍了格罗方德FDX平台优势,目前平台可支持包括Arm、RISC-V等处理器IP,

    推荐 2018-09-21 09:14

  • 新能源汽车质量问题频出 行业遭遇新挑战

        中国新能源汽车产销量已连续三年居世界首位,正当全球视线都聚焦中国新能源汽车市场、各方势力蜂拥而入的同时,中国新能源汽车市场的发展现状也进入一个阵痛和反思的新阶段。    正如业内原本预计的新能源汽车市场随着补贴退坡会产生阵痛,而现实情况远远出乎意料,退坡之后的新能源汽车市场并未出现大幅度的衰退,而是依然保持增长的态势。    新的良好局面并未延续太久,近期关于新能源汽车发展最大阻力已经从补贴退坡,转变到了连续不断发生的新能源汽车质量问题,例如近期频繁发生的威马、江淮、力帆等电动车自燃的问题。    与此同时,与新能源汽车行业从方兴未艾开始转向欣欣向荣的阶段形成反差的是,以长安汽车为代表的30多家企业因新能源产品停产一年以上被工信部点名。    再加上央广网天天3.15栏目报道的消费者使用电动车过程中遭遇的尴尬局面,都给新能源汽车市场的发展泼了一瓢冷水。    财政部经济建设司副司长宋秋玲在9月初举行的2018中国汽车产业发展国际论坛上表示,“我们认为中国新能源汽车产业发展仍然处于逆水行舟、不进则退的关键阶段”。    有业内分析人士对时代周报记者表示,新能源汽车行业发展的现状远没有同比数据看上去美丽,依然存在各方面的问题亟待解决。        行业遭遇新难题    中国汽车市场在连续9年获得世界第一的同时,也已经连续3年获得新能源汽车销量第一的位置。    整体而言,中国新能源汽车行业发展十分迅猛:从产业规模来看,2009年起步阶段的产销不足500辆,到今年预计将达到150万辆规模;从技术水平来看,新能源乘用车的主流车型续驶里程已提升至300公里以上;从核心竞争力来看,4家自主企业已经跻身2017年全球新能源汽车销量前十位。    这些增速数据和排名在传统燃油车领域都是难以见到的,只是,在蓬勃发展的同时,新能源汽车行业的问题也逐一暴露。特别是近期业内普遍关注的自燃问题,成为困扰新能源或者说电动车发展的重要阻碍。    中国科学院院士、清华大学汽车工程系教授欧阳明高呼吁,尽快解决国内新能源汽车在推广、使用中存在的诸多问题。“纯电动汽车最大的风险就是电池的安全性,所以必须确保电池安全。”欧阳明高认为,目前国内的电动汽车没有年检制度,纯电动汽车的电池密封失效或质保期过期后缺乏管理,隐藏不少安全隐患。    据不完全统计,今年上半年电动汽车至少发生过10起已被媒体报道的燃烧事故,例如在最近几天,力帆650EV在广州,威马EX5在成都相继发生自燃。    对于力帆650EV自燃的原因,力帆集团企划部部长张德燕对时代周报记者表示,初步判定车辆电池着火的原因为:广州连日暴雨,此车辆被雨水浸泡超过2小时,导致电池微渗漏。浸泡后,客户未主动与服务站联系检测,此后在客户用车时,因电芯短路,引发电池着火。    而威马方面则发布公告称,该起火现状是由其成都研究院员工违规操作报废车辆强行通电、从而导致短路、电池包发生自燃所致。    根据消防部门的总结来看,电动汽车自燃主要体现在“充电过程中燃烧、电池行驶或放置过程中引发的燃烧、碰撞翻车引发的燃烧、涉水引发的燃烧”这四种情况。    一位不愿具名的分析人士指出,尽管相比几十万的销量而言,10起不同程度和情况的燃烧概率并不能推断出纯电动车危险的结论,但是层次不齐的工艺和没有统一的动力电池标准和产品,多少令消费者在面对此类事件时,会产生对新能源车的抵触情绪,何况还有更多的自燃事件并未被媒体报道。    之所以几起自燃事件引起舆论对新能源车忧虑的情绪,主要是因为新能源市场当中聚集了过多数量的企业。    根据不完全统计,目前中国电动汽车制造商已达487家,其中具备有资质的寥寥无几。    自2016年3月启动新能源汽车生产资质审批以来,获得发改委颁发的新能源汽车生产资质或者经过发改委核准的企业共有15家,分别为:北汽新能源、长江汽车、前途汽车、奇瑞新能源、江苏敏安、万向集团、江铃新能源、重庆金康、国能新能源、云度新能源、知豆、速达、合众、陆地方舟和江淮大众。    即便加上此前具备资质的少数企业,大多数新能源汽车企业都是处于边生产、边申请资质的状态。由此导致新能源汽车行业相关配套的产品、服务和体验都不够理想。    对于电池安全,或者说对于纯电的新能源车的年检、保险方面,目前还未**一套具体的标准来进行更细化的管理。    欧阳明高对此表示,“不同于燃油车,由于部件的成本分布不同,新能源车应当**一套具体的标准来进行判定,电池系统的使用情况,且用相应条款对生产企业进行约束,保证产品质量。对于消费者而言,需要对新能源车的特性进行设定不同的险种及保额,保障消费者权益”。    部分车企选择停产    虽然聚集了高达487家新能源汽车企业,但是真正处于投产状态的也不是多数。    根据相关业内人士预计,当前的中国电动汽车创业公司中只有10%能够在未来五年内存活下来,而一些汽车分析师甚至认为这个数字只有1%。    综合起来估算,未来存活的新能源汽车企业,只有12–15家左右。    到目前为止,相比传统汽车企业重资产运营成本较大而言,多数新能源新造势力依然处于融资阶段, 因此传统汽车企业在新能源汽车领域表现并不积极。    9月3日,工信部官网发布《特别公示新能源汽车生产企业 (第1批)》企业清单,其中共有30家新能源汽车生产企业因停产1年及以上未生产新能源产品,进入工信部特别公示清单。    在这份清单当中不乏像广汽本田、长安标致雪铁龙、长安铃木、华晨汽车、凯翼汽车、哈飞汽车等知名企业。    对于工信部的点名,各家解释的原因不同,其中主要概括起来为两点:公司已经转移了业务重心,停止生产;早期研发产品跟不上行业标准、推迟上市。    据悉,除了撤销资质以外,已经进入免税目录的车型也将被剔除。按照工信部、财政部和税务总局三部委联合发布的公告,2017年1月1日及以后列入《免征车辆购置税的新能源汽车车型目录》后12个月内无产量或进口量的车型,将从《目录》中撤销并不再享受免征车辆购置税的优惠。    在一些行业内人士看来,清单的**预示着新能源汽车行业新一轮洗牌即将开始。   

    推荐 2018-09-17 09:46

  • 三年心血没白费,高通超声波指纹技术问世

    2016年,彼时的乐视还没有成为A股的一朵奇葩,而贾会计也还待在国内——就在这一年年初,野心勃勃的乐视手机发布了其最新的旗舰型号乐Max Pro。     平心而论,乐Max Pro在技术和配置上都是相当先进的,它不仅是高通骁龙820在全球的首发手机,还搭载了一大票高通其他的最新技术,其中包括带宽高达4600Mbps的802.11ad无线网络模块、以及全新的基于超声波的指纹识别技术等等。     然而,就是这款配置十分高端、非常高通的旗舰机,它的实际销量却始终是个谜——在号称卖出了1000台“工程版”之后,乐Max Pro就从乐视手机的官网上销声匿迹了。但关于这台手机的种种评测文章、用户体验却在网上依然可以正常搜索到,在这些评价中,比较集中的一条就是:全新的超声波指纹方案,并不十分好用,特别是在识别率和响应速度上不尽如人意。     超声波指纹识别方案初次登场便遭遇尴尬,个中缘由究竟是高通技术不成熟还是乐视的做工出了问题,至今已经不可考了。但自此之后,高通的超声波指纹技术,在市场上的遭遇就可谓“流年不利”:先是小米5s尝试了盖板玻璃下的无缝超声波指纹设计,结果口碑不佳,后又有vivo在MWC上展出基于高通超声波指纹的屏下识别技术,但最终上市的时候却换用了另外一套方案……     在如今这个日新月异的智能手机行业,如果一项技术、一个产品项目持续受到冷遇长达三年,几乎可以想见它肯定会被放弃。但是,难得高通却坚持了下来,而且默默地改进着自家的超声波指纹技术——最终,它似乎终于凭借着实力赢得了“翻盘”的机会。          根据近日多个新闻源披露的消息,高通日前已经将自家超声波指纹技术进化到了第三代,而它也终于找到了一个实力强大、技术靠谱的买家——这就是三星。据称三星将在明年一月份就发布全新设计的下一代Galaxy S旗舰,而它将会采用高通的第三代屏下超声波指纹方案。     可能很多人不知道,三星早在2016年的MWC大展上,就已经有基于光电指纹传感器的屏下指纹样机展出。但为什么时隔这么长时间才最终推出量产款,而且非要换成之前不被大家看好的超声波方案呢?其实,在现如今屏下指纹大行其道的背景下,超声波指纹传感器相比于先行的光电式,有着诸多巨大的优势。          据称是采用高通超声波屏下指纹的三星实验平台,图片来自cNet     首先,从工作原理上来说,光电式屏下传感器和超声波屏下传感器都依靠的是“发射探测波——探测从指纹上反射的波形”这个原理来实现指纹识别。但不同的是,光电式指纹传感器发射的是可见光,捕捉的是可见光照射到指纹上的影像;而超声波指纹传感器发射的是超声波,捕捉到的是声波反射的波形。光电式的指纹影像是2D的,而超声波的反射波形会随着指纹沟壑的深度而有所不同,其合成的指纹“影像”类似于水下声呐,是3D的,因此在对于指纹形状的细微捕捉上,超声波传感器要比光电式更加精确,也就更加安全。     其次,虽然两者都叫做“屏下指纹”,但光电式的传感器需要将探测所用的可见光透过屏幕才能实现探测,因此它对于屏幕的厚度要求更高,而且还会干扰到屏幕本身的显示效果——在不少采用了“光电式屏下指纹”的手机上,息屏或者亮屏的时候仔细观察,都能直接看到屏幕下方的光电式传感器。很显然,这就对屏幕的色彩均匀性造成了负面影响。     相比之下,超声波的穿透性更强,不需要超薄的屏幕,也不需要从屏幕下方透光。因此超声波屏下指纹传感器完全不会干扰到屏幕原本的显示效果,对于手机的色彩表现也不会有所损害。     此外,从省电和用户体验的角度来说,光电式屏下指纹每一次识别都需要先点亮屏幕,这一方面会造成用户体验上的识别速度变慢,另一方面也会大大增加耗电,同时,如果外界有强烈的光源干扰(比如大太阳、直射灯),对于屏下光电指纹的识别率也会造成影像;而超声波不依赖可见光影像,可以实现完全息屏下的指纹识别,这就意味着它在用户体验上更加“一气呵成”,当然,因为不需要点亮屏幕、也不受反射光的干扰,超声波屏下指纹方案更节能,抗干扰能力更强也是板上钉钉的。     去年,笔者应邀体验了国内某品牌的超声波屏下指纹识别手机——当时手机被放置于水下,但超声波屏下指纹却依然能够正常工作,这给了笔者极为深刻的印象。相信短短几个月后,随着三星新旗舰的面世、湿手解锁、甚至于“水下解锁”这一体验,很快就会成为短视频网站上的新热门。     到了那个时候,请不要忘记:超声波指纹技术尽管有着种种优势,但能够“默默地”将原本体验不太好的它改进数代,蛰伏三年时间。即使是抛却技术上的领先和积淀不谈,光就高通的这份毅力,确实就值得我们很多厂商去学习。      

    推荐 2018-09-17 09:45

  • 优劣几何?三角法和TOF 激光雷达大解析

    激光雷达作为众多智能设备的核心传感器,其应用已经非常广泛。如今我们能够在无人驾驶小车、服务机器人、AGV 叉车、智能路政交通以及自动化生产线上频频看到激光雷达的身影,也足以说明它在人工智能产业链上不可或缺的地位。  就目前市面上的主流激光雷达产品而言,用于环境探测和地图构建的雷达,按技术路线大体可以分为两类,一类是TOF(Time of Flight,时间飞行法)雷达,另一类是三角测距法雷达。这两个名词相信很多人并不陌生,但是要说这两种方案从原理、性能到成本、应用上到底孰优孰劣,以及背后的原因是什么,也许每个人都还或多或少有所疑惑。今天小编就抛砖引玉,就这些问题做一次解析。  一、原理  三角法的原理如下图所示,激光器发射激光,在照射到物体后,反射光由线性CCD 接收,由于激光器和探测器间隔了一段距离,所以依照光学路径,不同距离的物体将会成像在CCD 上不同的位置。按照三角公式进行计算,就能推导出被测物体的距离。  光看原理,是不是觉得挺简单。    图1、三角法测距原理  然而TOF 的原理更加简单。如图2 所示,激光器发射一个激光脉冲,并由计时器记录下出射的时间,回返光经接收器接收,并由计时器记录下回返的时间。两个时间相减即得到了光的“飞行时间”,而光速是一定的,因此在已知速度和时间后很容易就可以计算出距离。    图2、TOF 测距原理  可惜的是,要是所有事情做起来都如同想起来一样简单,那世界就太美好了。这两种方案在具体实现时都会有各自的挑战,但是相比起来,TOF 要攻克的难关显然要多得多。  TOF 雷达的实现难点主要在于:  1. 首先是计时问题。在TOF 方案中,距离测量依赖于时间的测量。但是光速太快了,因此要获得精确的距离,对计时系统的要求也就变得很高。一个数据是,激光雷达要测量1cm 的距离,对应的时间跨度约为65ps。稍微熟悉电气特性的同学应该就知道这背后对电路系统意味着什么。  2. 其次是脉冲信号的处理。这里面又分两个部分:  a) 一个是激光的:三角雷达里对激光器驱动几乎没什么要求,因为测量依赖的激光回波的位置,所以只需要一个连续光出射就可以了。但是TOF 却不行,不光要脉冲激光,而且质量还不能太差,目前TOF 雷达的出射光脉宽都在几纳秒左右,上升沿更是要求越快越好,因此每家产品的激光驱动方案也是有高低之分的。  b) 另一个是接收器的。一般来说回波时刻鉴别其实是对上升沿的时间鉴别,因此在对回波信号处理时,必须保证信号尽量不要失真。另外,即便信号没有失真,由于回波信号不可能是一个理想的方波,因此在同一距离下对不同物体的测量也会导致前沿的变动。比如对同一位置的白纸和黑纸的测量,可能得到如下图的两个回波信号,而时间测量系统必须测出这两个前沿是同一时刻的(因为距离是同一距离),这就需要特别的处理。    图3、不同反射率的回波信号差异  除此以外,接收端还面临着信号饱和、底噪处理等等问题,可以说困难重重。  二、性能PK,知其然可知其所以然?  说了这么多,其实从下游用户的角度,并不关心你实现起来简单还是难。用户最关心的不外乎两点:性能和价格。先说性能,如果了解这个行业的人大多知道,TOF 雷达从性能上是优于三角雷达的。但是具体体现在哪些方面,背后的原因又是什么呢?  1. 测量距离  从原理上来说,TOF 雷达可以测量的距离更远。实际上,在一些要求测量距离的场合,比如无人驾驶汽车应用,几乎都是TOF 雷达。三角雷达测不远,主要有几个方面的原因:一是原理上的限制,其实仔细观察图1 不难发现,三角雷达测量的物体距离越远,在CCD 上的位置差别就越小,以致于在超过某个距离后,CCD 几乎无法分辨。二是三角雷达没办法像TOF 雷达那样获得较高的信噪比。TOF 采用脉冲激光采样,并且还能严格控制视场以减少环境光的影响。这些都是长距离测量的前提条件。  当然,距离长短并不代表绝对的好坏,这取决于具体的使用场景。  2. 采样率  激光雷达描绘环境时,输出的是点云图像。每秒能够完成的点云测量次数,  就是采样率。在转速一定的情况下,采样率决定了每一帧图像的点云数目以及点云的角分辨率。角分辨率越高,点云数量越多,则图像对周围环境的描绘就越细致。  就市面上的产品而言,三角法雷达的采样率一般都在20k 以下,TOF 雷达则能做到更高(例如星秒的TOF 雷达P**O 最高可以达到100k 的采样率)。究其原因,TOF 完成一次测量只需要一个光脉冲,实时时间分析也能很快响应。但是三角雷达需要的运算过程耗时则更长。    图4、对同一位置物体,不同采样率的成像效果  (A):低采样率点云图样;(B):高采样率点云图样(P**O)  3. 精度  激光雷达本质上是个测距设备,因此距离的测量精度是毫无疑问的核心指标。在这一点上,三角法在近距离下的精度很高,但是随着距离越来越远,其测量的精度会越来越差,这是因为三角法的测量和角度有关,而随着距离增加,角度差异会越来越小。所以三角雷达在标注精度时往往都是采用百分比的标注(常见的如1%),那么在20m 的距离时最大误差就在20cm。而TOF 雷达是依赖飞行时间,时间测量精度并不随着长度增加有明显变化,因此大多数TOF 雷达在几十米的测量范围内都能保持几个厘米的精度。  4. 转速(帧率)  在机械式雷达中,图像帧率就是由电机的转速决定的。就目前市面上的二维激光雷达而言,三角雷达的最高转速通常在20Hz 以下,TOF 雷达则可以做到30Hz-50Hz 左右。通常三角雷达通常采用采用上下分体的结构,即上面转的部分负责激光发射、接收和采集,下部分负责电机驱动和供电等,过重的运动组件限制了更高的转速。而TOF 雷达通常采用一体化的半固态结构,电机仅需带动反射镜,因此电机的功耗很小,并且可以支持的转速也更高。  当然,这里提到的转速的区别只是对现有产品的一个客观分析。其实转速和雷达采用TOF 还是三角法没有本质的联系,主流的多线TOF 雷达也都是采用的上下分体的结构,毕竟同轴结构的光学设计受到许多限制。多线TOF 雷达的转速一般也都在20Hz 以下。  不过,高转速(或者说高帧率)对点云成像效果是很有意义的。高帧率更利于捕捉高速运动的物体,比如高速公路上行驶的车辆。此外,在自身建图时,运动中的雷达建图会发生畸变(举个例子,如果一个静止的雷达扫描一圈是一个圆,那么当雷达直线运动时,扫描出的图像就变成一个椭圆)。显然,高转速可以更好的减少这种畸变的影响。  三、成本  如果只看性能比较,似乎TOF 雷达的性能完全压过三角雷达。不过产品的竞争并不仅仅是性能参数的比拼,用户在乎的还有价格、稳定性和服务等等。  至少在成本方面,目前三角雷达的成本是低于TOF 雷达的,近距离的三角雷达成本已经在百元级别。而目前进口TOF 雷达的售价动辄就要万元以上。可以说,高昂的价格是限制TOF 激光雷达应用进一步拓展的重要因素。  不过,随着近年来国内TOF 雷达厂商的崛起,TOF 雷达的成本已经得到大幅的降低,国产TOF 雷达产品的价格相比于进口品牌,已经有相当大的竞争力。未来,随着生产工艺的完善和出货量的进一步提升,相信TOF 雷达的成本还会进一步压缩,降到和三角雷达相近的水平也不是没有可能。  四、应用场景  三角雷达的场景主要是在室内短距离的应用,最典型的场景就是扫地机器人。而在探测范围较大场景(比如商场、机场或者车站),以及室外场景,TOF 的应用则更为广泛。另外值得一提的是,三角雷达这种裸露在外转动的方案,使其产品在防尘防水方面非常脆弱,在一些特殊场景的应用,比如**G 小车工作的车间经常会有很多灰尘,在这种环境下,三角雷达的电机非常容易损坏。相比之下,TOF 雷达采用的半固态设计,可以有更优秀的防护效果,工作寿命也更长。    图5、星秒TOF 激光雷达P**O  目前,国内TOF 雷达正在迅速发展,星秒(SIMINICS)推出的2D TOF 激光雷达P**O,可以达到20m 的测量距离,100kHz 的点云速率,0.036°的最高角度分辨率,以及IP65 的防护等级,其应用已经涉及到无人驾驶、机器人、AGV、安防、路政等诸多领域,是国产TOF雷达的优秀代表。   

    推荐 2018-09-14 09:16

  • 随着3D视觉技术趋于成熟,3D视觉市场何时会爆发?

    人脸识别并不是一项新技术,人脸识别算法技术的演进到现在已经将近20多年。 不过目前大部分人脸识别仍以2D图像为基础,由于2D人脸识别存在人脸特征信息损失的情况,因此,2D人脸识别无法保证100%安全,在金融支付等场景中也无法应用。 3D人脸识别可建立毫米级精度的3D 深度图,误识别率仅为百万分之一。结合视觉算法,可杜绝虚假照片、视频或者硅胶人脸面具等身份冒用情况。     因此,我们可以看到,去年苹果iPhone X就率先开始将3D人脸识别引入到了智能手机当中。随后,很快越来越多的智能手机厂商也开始跟进。今年5月底,小米虽然抢先推出了3D结构光的安卓智能手机——小米8透明探索版,但是直到本月初在开始有限的开售。值得注意的是,其采用的是以色列的3D编码结构光技术厂商Mantis Vision的方案,并且不支持支付。          相比之下今年6月19日,OPPO推出的支持3D人脸识别的新一代旗舰机——Find X,可谓是真正的首款量产的搭载3D机构光的安卓手机。而这款手机,从3D结构光模组的方案,核心零部件的设计,包括到百万量级的量产工作,都是由奥比中光完成。     9月5日,在由芯智讯主办的“赋能AI·用芯感知”——2018生物识别技术与应用高峰论坛上,奥比中光副总裁陈挚也针对目前3D市场的看法和奥比中光的3D布局进行了介绍。       奥比中光副总裁 陈挚博士     2020年3D视觉市场才会真正开始爆发  “视觉传感器过去经历了三次革命,包括从黑白到彩色,从低分辨率到高清,从静态画面到动态画面,现在我们在经历一个新的阶段,就是没有维度的信息进入到有维度的信息,从平面进入到立体会有更多的场景。”奥比中光副总裁陈挚博士称:“比如有了3D结构光之后,我们可以进行快速的人脸扫描,进行3D人脸美颜等功能。”     随着技术的革新,市场也迎来了新的技术。据研究机构Trend Force估计,2018年全球3D传感模块的市场价值约为51.2亿美元,到2020年,市场价值预计将达到108.5亿美元,从2018年到2020年,复合年增长率将达到45.6%。智能手机中3D传感的渗透率将从2017年的2.1%增长到2018年的13.1%。          据陈挚博士介绍,目前奥比中光的3D视觉传感器客户已经覆盖到各个行业和领域,现在市场上许多行业都开始切入3D视觉技术,预计未来整个市场都会迎来一个比较大的爆发。“包括今年国内四大手机厂商旗舰机都已经开始陆续使用3D视觉技术,相信明年大家会看到市场上大量带有3D摄像头功能的产品出现,到2020年我们认为3D视觉的市场会真正开始爆发,走向普及。”陈挚博士在接受芯智讯采访时进一步表示:“目前,前置的3D结构光模组成本应该在20美元左右,我相信当成本降到了15美元,会有很多厂商愿意跟进,10美元时大部分中高端智能手机可能就会标配。”     奥比中光的3D布局  其实早在与OPPO合作之前,奥比中光就已经拥有了一整套非常完备的3D技术解决方案。不仅拥有自研的3D结构光底层算法,还有自主的研发的3D传感芯片(已经是第三代了),自研的光学系统(LDM模组、IR镜头组件等)以及适用于多系统的SDK开发包。          “从目前来看,我认为现在的3D传感器,特别是3D结构光方面已经比较成熟,虽然目前量并不是很多,并不是每一个人都能接触到的,可能最优质的供应商就是苹果和我们奥比中光这样的供应商,真正的门槛是技术门槛。而技术门槛的存在对我们来说也是一个有利条件。过去我们从事这方面的研究已经十几年了,目前奥比中光有非常成熟的技术,我们已经有400多项专利,完全可以和微软、苹果进行专利横向对抗,这一块还是比较成熟的。”陈挚博士非常自信的表示:“我们可以以百万级的量进行出货,不管是几万级别还是几百万的级别我们都可以正常出货,其他的应该还没有这样的能力。”     陈挚博士透露:“前期跟手机厂商的合作,我们在合作中扮演的角色是3D摄像头方案提供商,我们会给他们做整套3D摄像头的设计,包括生产线的设计、量产等,都会由我们这边完成,最后3D摄像头也是从我们这边直接出货到手机厂商,这是我们和手机厂商的合作方式,后面如果有其他的合作厂商产品出来,我们会适时发布相应的消息。”     除了手机市场之外,奥比中光在智能安防、机器人、智慧家庭、VR、新**、智能物流等行业,都拥有各种各样的相对应的解决方案,比如3D人脸识别、3D刷脸支付,机器感知,还有骨架识别,人体动作的识别,体感交互等,都有非常成熟的方案。     值得一提的是,今年5月,奥比中光完成了2亿美金的D轮融资,由蚂蚁金服领投。这也进一步加深了奥比中光与蚂蚁金服之间的合作。     陈挚博士告诉芯智讯:“今年和蚂蚁金服不光是财务融资,同时也是战略合作,跟他们的合作主要是针对刷脸支付,我们和蚂蚁金服还联合成立了一个合资公司,专门对应线下刷脸支付,这一块也是由我们提供方案。”     对于未来的3D技术和市场走向,陈挚博士表示:“接下来的趋势就是后置摄像头也开始配备3D视觉,不一定是3D结构光,可以是TOF,也可以是双目结构光。而前置这一块,因为人的使用习惯,主要还是和人脸相关,不管是人脸解锁还是支付,还是验证、人脸美颜等方面的功能,应该说更多是围绕人。而后置应该会开拓出不同的应用,这一块会涉及到3D扫描、VR/AR等方面,根据不同的技术特点也有可能出现其他的方案。”     “我们公司的口号就是让所有的终端看懂世界。我们的定位是一家领先全球的中国3D视觉技术供应商。不光是3D结构还是TOF,只要跟3D视觉相关的,包括硬件,包括算法,其实我们都会做布局。目前我们内部的团队已经将近500人,这里面包括了硬件团队、芯片设计团队,包括光学设计、光学测量等方面,我们还有大批算法工程师。当然我们的算法会更加专注于跟3D最相关的算法,3D处理、3D应用,这会跟商汤、旷视会产生非常大的差异方向。我们公司的定位布局是3D视觉传感方面,包括TOF这块我们也有布局,我们会支持各种方案的提供,满足各种各样的需求。”陈挚说道。   

    推荐 2018-09-14 09:16

  • 李飞飞交棒Andrew Moore 告别谷歌云AI回归斯坦福

    今年7月的谷歌Next大会上,李飞飞宣布了两年前推进的Contact Center落地、AutoML推出自然语言和翻译服务、TPU 3.0进入谷歌云,这意味着谷歌云拥抱AI First后迎来里程碑式成就,这被外界认为是李飞飞在谷歌的最后“官方发布”。  而今日凌晨,这个告别时刻终于确定。谷歌云CEO在其官方博客上公布,确认来自卡内基梅隆大学的计算机科学院院长Andrew Moore教授将在2018年底接任李飞飞的谷歌云AI负责人职位,而李飞飞也将正式回归斯坦福大学当教授。    图 | 李飞飞  新任主帅Andrew Moore 曾经在2006 年至2014 年间为谷歌工作过。2006 年他进入谷歌,建立了匹兹堡办公室,并担任副总裁。2014 年 8 月 Moore 重返 CMU,担任该大学计算机学院的院长一职。接替李飞飞,意味着新主帅将完全回归谷歌,全职领导谷歌云 AI,而李飞飞将按照她自己原本设定的计划,回到斯坦福大学继续任教,并转为谷歌云的 AI/ML 顾问。  CEO Diane Greene发博公布官方信息,回顾谷歌云AI  (以下内容来自Diane Greene官方博客摘要)  过去五年,我们见证了 AI 对世界的显著影响。谷歌云 AI 旨在通过使 AI 更加简单、快速和有用,来促进 AI 民主化。我们认为,如果能够让全世界所有开发者用伟大的方式使用 AI,将能促进有益于所有人的创新。  过去三年,基于谷歌在 AI 方面的专业知识,我们发布了一系列产品来使该愿景变为现实。我们将谷歌 AI 在视觉、语言、语音和对话方面的最优技术通过云服务带给世界各地的公司,并为客户构建了一个平台,使他们能够通过 GPU 和 TPU 在谷歌云上扩展自己的模型。今年,我们通过 Cloud AutoML 进一步推进了 AI 的进展,使不具备机器学习知识的开发者也能构建高级模型来解决自己的业务问题。谷歌云还通过 Kaggle 将 200 万数据科学家汇聚在一起,Kaggle 目前是世界上最大的数据科学家社区。  我们的平台上有超过 15000 付费客户,自 2018 年 7 月谷歌云在 Google Next 大会上发布 AutoML 产品后,已经有一万多客户开始使用这些产品。此外,随着 AI 的应用愈加广泛,我们希望通过贯彻谷歌 AI 准则,确保以负责任的方式使用 AI。谷歌云认为 AI 之旅才刚刚开始,我们期望未来将给社会各界带来益处。谷歌云在帮助组织应用 AI 方面处于领导地位,Andrew 将加入谷歌云继续构建技术,并惠及客户。  两年前,李飞飞从斯坦福休假加入谷歌,成为谷歌云 AI 的负责人与首席科学家。她建立了一个伟大的团队,一起创新、完成了加速开发者、谷歌云客户采用 AI 与机器学习的卓越工作。李飞飞博士表示,“我从产业界学到的东西将进一步强化学术界与产业界之间的合作。我期待与 Andrew、谷歌云 AI 团队紧密合作,继续产业与学界的合作。”李飞飞博士将返回斯坦福大学在学界继续她在 AI 领域的领导地位,为此我们深感自豪,我们也很高兴她能够以顾问的身份与我们继续工作。  在定义如何向全世界的开发者和机构扩展 AI 和 ML 技术以及解决方案的关键发展阶段,我们非常幸运能得到 Andrew 的引领。  过去两年,李飞飞带给谷歌数次神助推  2016年对谷歌至为重要。这一年,谷歌CEO Sundar Pichai宣布谷歌战略从Mobile First(移动先行)转向AI First(人工智能先行),谷歌要致力于用深度学习、机器学习等技术,让旗下的产品变得更加智能。同年斯坦福大学人工智能实验室主任李飞飞,和前Snapchat研究主管李佳两位华裔女科学家正式加盟,成为担任谷歌云机器学习部门的负责人,在当时对谷歌而言加分不少。  “佳飞猫”的加盟,实际上源于谷歌云的AI计划,Greene曾经声称,谷歌云未来的升级将专注于机器学习和数据分析,其中包括开发能够租用的语言翻译和影像标记系统。事实上,二人联手也确实为谷歌云打开了新的空间。2017年,李飞飞公布了Google Cloud 基于神经网路技术新推出的一些 API 和引擎,比如 Video Intelligence API、Cloud Vision API、Cloud Natural Language API、Cloud Jobs API、Cloud ML Engine等。2017年年底,李飞飞和李佳负责的谷歌AI 中国中心(Google AI China Center)在北京成立。  在一长串前奏之后,2018年年初,李飞飞祭出大招,宣布 Cloud AutoML的诞生, Cloud AutoML的定位很符合AI平民化的宗旨:无需精通机器学习,每个人都能用这款AI产品定制机器学习模型。而早前的NEXT大会上,Cloud AutoML针对图像分类的Cloud Vision API正式发布公共测试版,同时上线了两个新功能:解析文本结构的AutoML Natural Language、以及运用神经机器翻译技术的AutoML Translation。  可以说,李飞飞和李佳确实做到了当初选择进入谷歌的目标:让AI平民化,人人可用。  新任主帅,同样值得热烈期待  接过李飞飞谷歌云AI接力棒的Andrew Moore同样“来头不小”。作为卡内基梅隆大学计算机科学院院长,Andrew Moore教授的研究领域包括统计机器学习、人工智能、机器人、以及大数据统计计算等等。而在人工智能领域,内基梅隆大学一直在全球享有盛誉,今年5月,卡内基·梅隆大学计算机学院宣布将在今年开设美国首个AI本科学位。    图 | Andrew Moore  Andrew Moore本科毕业于剑桥大学数学和计算机科学专业,随后师从William Clocksin获得博士学位,并开发了用于机器人控制的机器学习新方法。在本科和研究生学习期间,Andrew在布里斯托尔的惠普研究实验室工作了一年,之后转到美国MIT当博士后,负责研究机器人杂耍与动态操纵。随后的1993年,他加入CMU担任计算机科学和机器人学助理教授,并建立了一个Auton Lab研究小组,旨在不断寻求在计算、统计数据挖掘、机器学习和AI领域中亟待解决的问题。 此次他执掌谷歌云AI,也让外界充满新期待。  同样来自斯坦福,李飞飞按照既定计划休假结束后重返校园执教,吴恩达在经历过备受关注的谷歌无人驾驶、谷歌眼镜以及百度BAIDU BRAIN计划后,同样选择了推出在线教育平台Coursera,令更多人了解机器学习相关课程,本质上,二者都是选择了回归AI教育,或者对于科学家来说,最终实现自我的方式还是育人。   

    推荐 2018-09-14 09:16

  • Micro LED并不适合家用电视,但这些产品非它莫属

    从各方剧透的新闻来看,马上就要登场的新iPhone貌似并不会搭载传闻中的Micro LED显示面板,而会采用OLED+LCD双显示面板的策略,推出中国”定制“版。  而最先研究并商用Micro LED的索尼,之前也传闻将把Micro LED用再自己的BR**IA电视上,但是索尼高层却表示,Micro LED现阶段并不适用于家用电视,索尼正把它推广与户外显示等商用领域。  Micro LED出现的时间其实也不晚了,总是被讨论提起,但是却从未在消费领域发现它的行踪。究竟是为何呢?  Micro LED其实是LED的究极进化版  90年代TFT-LCD开始蓬勃发展,因LED具有高色彩饱和度、省电、轻薄等特点,部分厂商就利用LED做背光源。2000年,白光LED技术的制程、效能、成本开始逐渐成熟,08年白光LED背光模组飞速增长,几乎全面替代了CCFL,广泛应用在手机、平板、笔记本、电视上。  但是TFT-LCD非自发光的显示原理,光电效率低落,而且白光LED色彩饱和度不如RGB-LED,而且主动亮度也很难达到室外环境所需要的1000nit。此时直接利用三原色LED做为自发光显示的Micro LED技术开始出现。  2012年Sony发表的55英寸“Crystal LED Display”就采用了Micro LED Display技术。采单颗Micro LED嵌入方式,没有反应时间和使用寿命问题,而且色域高达140% NTSC。  知道苹果为什么总是被传闻要出Micro LED的手机吗?因为截止2016年苹果已经并购了4家具有Micro LED专利的公司。  Micro LED有这些特点  最长讨论的话题就是OLED与Micro LED。理论上分析,OLED改善了LCD需要背光模组、黑位不佳的毛病,拥有更高的对比度。但是OLED也有缺憾,那就是必须减少白色画面的显示,才能节省功耗,而且OLED的色域水准与KSF或者量子点的差距不大。  但是Micro LED是微小的LED阵列组成,除了能达高亮度、超高解析度与色彩饱和,每个画素都能独立驱动,还有省电、反应速度快等优点。  但是它任然还处于走在商用的路上。他的技术瓶颈有两个方面。一个是如何制造出更小单元的LED颗粒,第二是如何将这些微米级别的LED转移到基板、如何黏接、电路如何驱动。当然最后就是如何把成本降低下来。  Micro LED现阶段最适合的应用场景  开发Micro LED还是有诸多技术瓶颈,但是无论怎样,他还是有一个发展的方向,前进的动力。最可能广泛运用的场景是可穿戴设备和虚拟显示设备上。  智能穿戴设备。比如说智能手表,屏幕相对较小,然后画面的密度要求比较高。所以很符合Micro LED的特性,。它们具有潜在的差异化功能,包括能够延长电池寿命、降低功耗以及更高的亮度,从而提供户外环境下良好的可读性。  AR、MR头显示体验过这类产品的消费者肯定最清楚,头显设备最大的发展瓶颈,就是现实屏幕的分辨率,更高的分辨率能让虚拟画面更接近于真实世界,当然还要有足够的亮度、足够真实的色彩表现。这些面板素质,比市面上最好的手机可能还要高上10倍,比如亮度要达到10000nit。而只有Micro LED才有如此潜力。  另外Micro LED也可以应用于汽车和其他环境中的平视显示器中,类似于AR显示的一种方式。  大屏领域会不会应用呢?当然会,其体积小的特点实现高对比度显示也非常适合未来的超高分辨率的大屏电视机或者显示器。如果成本降下来,真的可以秒杀各种OLED和LCD显示设备了。  总结:Micro LED的应用范围非常丰富,不过目前还处于初级阶段,而且一个新的显示技术的诞生,往往伴随着新的供应链关系。包括上游的材料厂商,中游的面板厂商,以及下游的品牌终端。每个环节都是一个升级换代的过程,所以这个过程肯定是没办法快起来的。我们只能耐心等待。

    推荐 2018-09-12 09:59

  • 中国企业占领IFA?绝非是劣币驱逐良币

    德国首都柏林一年中最好的季节就在8月、9月交界的时间,在告别了夏季的暑热,秋天晴朗明媚的气候浸润过后,昼夜20℃左右的气温会让人们感到凉爽和舒适。每年也正是在这个时候,柏林会张开她的手臂,迎接全球各地的科技业者来到Messe Berlin(柏林会展中心),参加一年一度的柏林国际消费电子展览会(IFA)。  2018年的IFA刚刚在昨天落下帷幕,这次展会有1600多家厂商参与,其中有665家企业来自中国,占比达到40%。笔者关注了一些中国品牌企业在IFA 2018上的表现,整体感受有两个结论,首先对于参展的大品牌,敢于在IFA这样顶级的展台,向那些动辄品牌历史都超过百年的欧美巨头叫板,我们的发展速度和拓展全球市场的决心都让笔者感到骄傲和兴奋;另外一方面是对于很多中小品牌,它们多数专注于某类产品,甚至只是某一产品线,因为有另辟蹊径的创新,有走出去的强烈愿望,有互相学习取长补短的积极态度,也来到IFA展会,除了对它们的勇气表示尊重,还让笔者看到中国科技行业光明的前景。  而笔者近日也注意到一些关于IFA 2018的报道中,对于中国科技企业这种积极参与全球竞争的做法却腹诽心谤,过分强调中国企业缺乏核心技术竞争力,在前沿基础研究领域长时间缺席等问题,甚至借专家之嘴将中国品牌参展IFA的核心目的描述为:他们希图依赖各种展会寻机出口,消耗过剩产能。  这些未免诛心之言忽视了中国科技产业多年来所取得的成绩,也一定程度上伤害了国内业者们宝贵的自信心。如果能够从中国品牌孕育生长的土壤——中国市场的客观情况来考虑,也许得到的结论会完全相反。  国内某知名社会学家曾经说过,关于中国的问题,一定要把“人口众多”这个特征作为先决条件纳入思考。大容积多开门智能物联精准控温冰箱;支持多语种语音识别105英寸OLED电视;一盏15W钨丝灯泡台灯;一部电子管收音机,以上这些都是家电,但对于人口众多的中国市场来说,先解决哪种产品的制造量产,其实和“只有先填饱肚子,再去考虑是吃牛排还是吃羊肉串”的逻辑类似。  然而,就算放眼全球消费电子领域,中国品牌的表现早已不输传统国外巨头们:白电(冰洗)领域我们有海尔卡萨帝,小家电的美的、九阳,空调市场的格力,更别提黑电(电视)行业中TCL、海信、创维、康佳、长虹等国产军团,以及最受关注智能手机行业我们的华为、小米、OPPO、vivo等等。哪怕行业金字塔顶端还站着德国精工和日本匠心,但我们也从未停下追赶的脚步,而我认为这才是最重要的。  最后,和大家分享一则韩国媒体对本届IFA的报道。IFA 2018中,最大的展区来自三星,最棒的展项是LG的OLED电视隧道,如此说来,韩国媒体应该足够骄傲了,但“韩国时报”却是这样说的:  韩国的参展企业数量约为60家,仅为中国的1/10不到。华为在此次IFA展会上展示了其智能手机、平板电脑和智能家居平台等产品。从开幕的那天起,其展位就人满为患。韩国公司的许多高管,包括三星电子西南亚市场总裁兼CEO Hong Hyun-cil在内,也都参观了华为的展台,亲自了解华为的动态。在此次IFA大会上,华为展示了配备了人工智能技术的游戏手机荣耀Play,另外还展示了下一代移动处理器麒麟980。  中国厂商海信展示了两款ULED电视,分别拥有1000 zone和5000 zone的背光分区控制,旨在向三星的QLED TV和LG电子的OLED TV发起挑战。一般电视的调光区域在13至35之间,而海信居然达到了1000和5000。此外,全球第三大电视机厂商TCL也展示了其内置语音识别技术的电视机产品。TCL还表示,计划在2020年左右推出自发光的QLED电视,无需背光。  IFA 2018已经落下帷幕了,中国品牌们在柏林给全球科技产业又涂上了浓墨重彩的一笔,而绝非一出劣币驱逐良币的戏码。从默默无闻、自给自足,到全球布局,深耕海外,中国科技产业天翻地覆的变化有目共睹。期待着明年,在柏林最好的季节,我们再聚IFA 2019。

    推荐 2018-09-12 09:59

  • 英特尔为啥叫停了VR/AR?

    近日,有消息指出,英特尔已经宣布,停止Project Alloy项目,并放弃了2015年收购的AR眼镜品牌Recon。     早前英特尔在VR/AR领域大刀阔斧开始行动:          1.与微软展开合作:为了在软件方面也创造更佳体验,在IDF上推出新技术的同时英特尔还宣布与微软展开合作,将共同把MR体验带到主流PC和应用之中。微软Windows系统和设备事业部执行副总裁Terry Myersons在台上表示,未来Windows将继续升级以支持Alloy的开发。     2.在好莱坞设立VR工作室:英特尔CEO Brian Krzanich近日宣布,他们将在好莱坞创建VR科技体验实验室(Tech Experience Lab),工作室以英特尔的360 Replay技术为基础,将给用户带来体育和娱乐方面的VR视频内容。     3.收购VR/AR公司:根据Wall Street Forensics首席分析师马特?麦克里斯(Matt Margolis)的估算,英特尔在VR/AR领域花费的收购和投资金额超过3亿美元,最多或达5亿美元。     为什么现在叫停?是真的行业不行了吗?  VR/AR从去年就已经成为了各大媒体争相报道的“宠儿”行业,然而不可否认的是目前的VR/AR技术仍处在相对早期得分状态。这时候,大部分厂商选择了积极推进消费级产品的快速落地,而也有不少厂商选择继续技术研发,英特尔就是其中之一。     英特尔首席执行官 Brian Krzanich 表示,Project Alloy VR更多的作为一个展示平台,其核心在与体现英特尔芯片的强大计算能力。通过样机展示,英特尔让开发者对于移动VR设备有了新的认知,而目前集成在PC中的英特尔VR芯片确实为新一代PC VR带来了更好的体验。     简单来说,Project Alloy VR是英特尔用于“秀肌肉”的手段。当然,英特尔确实有过将这一项目落地的想法,显然它们最后失败了。     而关于AR,整合现有技术,唯有深入到垂直行业以获得生存资本,为项目供血才能支持整个行业的发展。可惜的是,根据彭博社消息,英特尔虽然还没公布解散AR眼镜团队的决定,而整个AR团队已经裁员三分之一。     实际上英特尔做VR/AR,无疑是前途光明的英特尔的芯片绝对是他们一大杀器。无论是PC VR的大脑PC设备还是移动VR,都离不开最核心的芯片。          英特尔在工艺技术方面处于绝对的领先地位,并且自身具备大规模制造能力。英特尔依靠过去的技术积累,他们完全有能力将芯片的集成度做的更高,从而降低功耗、体积。而且相比其他Fabless模式的芯片厂商来说,他们能够及时和持续性的提供芯片给设备厂商。          除了芯片的优势,英特尔自研的黑科技对于VR/AR也是加分项,比如他们用在Alloy上的3D摄像头技术Real Sense,Real Sense有多个可以跟踪捕捉一定范围内的生物信息的摄像头,如果应用在VR的手势识别上,能够增强虚拟现实的沉浸感。     但是在未来移动终端领域,英特尔不只是**在VR/AR上,还押宝在无人驾驶上,叫停VR/AR项目,只是英特尔将战略重心压在了无人驾驶上。     三年前,英特尔还在观望无人驾驶,到2015年英特尔对无人驾驶的态度发生了改变,科再奇表示,未来几年在自动驾驶方面的投入会超过2.5亿美元。但实际上,英特尔在无人驾驶上的投入超出了所有人的想象,无人驾驶成为英特尔的战略重心。     虽然VR/AR同样符合英特尔的战略方向。但是在公司战略转型的时候必须有所取舍,如果过于贪大求全可能最终什么都得不到。在移动VR/AR上,VR/AR充满着更大的不确定性,市场什么时候真正爆发还很难确定。     但是无人驾驶在未来人们出行当中有可能扮演举足轻重的地位,是人们的硬需求。如果英特尔能够拿下这座城,不仅能够带动自身原有业务的发展,还能促进公司战略转型。     英特尔叫停VR/AR是一种战略调整,抬高了无人驾驶在公司的地位,压低了VR/AR的位置。但是并不代表行业不行了,或者是英特尔放弃VR/AR。     据悉,到2021年,移动AR或将成为价值1080亿美元(表现强劲的话获奖达到1220亿美元,表现低迷则预计为940亿美元)的VR/AR市场的主要驱动力,狂揽830亿美元市值,而VR则为250亿美元。     英特尔公司表示,虽然放弃了Project Alloy头显开发计划,但是将会更加专注该项目的其他技术,像处理图像的Movidius芯片、RealSense 3D相机跟踪技术等。     未来VR/AR又会有何作为呢?请拭目以待。   

    推荐 2018-09-10 10:24

  • 华为AI Cube智能音箱在国外瘦关注,国内却并无上市消息?

    华为在柏林国际电子消费品展览会(IFA)发布麒麟980再次震撼世人,将于10月份搭载麒麟980的年度旗舰华为Mate20也引发了不少人的期待。但是作为发布会的配角,一款名为AI Cube的智能音箱也引起了不少媒体个关注。     AI Cube是华为首款智能音箱,虽然名称为“立方体”,但是采用了圆柱形设计,上端稍有收窄,下部包裹布面,顶部有呼吸灯,整体外观比较柔和。功能上,AI Cube通过4麦克风阵列实现远场语音识别能力,采用400ml大音腔和铝质振膜能够保证较好的音质。除了智能音箱应有的功能。AI Cube还加入了路由功能,具备SIM卡槽,可以变身4G路由器,这让其与其他智能音箱形成一定差异。          由于华为没有推出自家的语音助手,使用Alexa能让其拥有英语、德语等多种语言现成的语音交互能力。同时,接入Alexa生态让AI Cube可以控制来自2000个不同品牌的20000个Alexa智能家居设备。          尽管华为终端一直以手机为中心,主打“智能生活、一部手机就够了”。但IDC报告预计,智能扬声器市场将从2017年的44亿美元攀升至2022年的174亿美元。这大概也是华为试水智能音箱的原因。同时,华为近期推出“华为智选”品牌拓展HiLink智能家居生态,在手机之外为用户提供更多选择也是为了用户体验。          据悉AI Cube 预计于圣诞消费季在欧洲上市,没有消息显示是否在中国市场上市。不过,如果在国内推出智能音箱,华为很可能会推出自己的语音助手。     2016年荣耀Magic发布时华为就开始探索智能手机的AI体验,不过后来在智能语音助手方面一直没有跟进,以至于外有Siri、Bixby,内有小爱、Jovi,华为作为国内市场份额第一的智能手机厂商显得有些落后。     令人惊喜的是,麒麟980发布前一晚,荣耀总裁赵明发布荣耀Magic2时通过宣传视频曝光了YOYO语音助手,女声配音声线甜美,令人印象深刻。我们也可以在Magic2正式上市后实际体验,并期待未来华为在国内推出搭载YOYO语音助手的智能音箱。   

    推荐 2018-09-10 10:24

  • 车联网未来发展趋势研究

      汽车制造商,软件开发商和技术公司正在引领汽车行业的彻底转型。他们正在改进和重新定义现有技术,并引入新的概念,如人工智能和联网汽车,为我们提供了一种驾驶体验,就像我们所知道的一样。    完全自动驾驶的汽车将乘客运送到目的地而无需驾驶员监督。车内就是所有的娱乐,信息,以及与家人,办公室甚至是咖啡店等有关的所有地方。从室内温度到窗户的着色,考虑到个人舒适度的每个方面,以防止眩光甚至环境照明的个性化调整,从而创造更好的用户体验氛围。    即使汽车不是无人驾驶汽车,驾驶员也可以通过数字驾驶舱平台与周围的世界连接,而位于汽车周围的传感器在复杂的交通中实现安全驾驶。    车辆到车辆(V2V)和车辆到基础设施(V2I)技术允许汽车与其他汽车和交通灯等基础设施进行通信。可以根据道路状况立即调整车速和与其他车辆的距离。语音识别允许驾驶员与虚拟个人助理通信,以便在车辆的导航系统引导汽车通过时不用双手离开方向盘就可以安排事宜和发送文本消息。我们行驶途中所需要的一切都在他们的指挥之下。      推动汽车连接的趋势    在过去的25年中,由内燃机驱动的公路车辆经历了比上个世纪更广泛的改造。过去25年来,汽车行业的标准化,平台共享和计算机辅助设计不断增加。    我们也看到燃油效率和发动机输出迅速上升。此外,改善驾驶体验的技术,如GPS导航系统,后视摄像头和无钥匙点火,只是当今汽车中常见的一些功能。这些功能不仅被汽车购买者接受,而且是预期的。    更重要的是,连通性对于自动驾驶汽车和智能城市都至关重要。事实上,在最近由Jabil赞助的汽车产品开发和发布周期调查中,53%的受访者认为更好的连接性是该行业技术创新的主要驱动力。    迄今为止,大多数汽车技术的进步都集中在制造更安全的汽车的同时,也为用户提供了便利,如GPS导航。    今天的汽车制造商,软件开发商和领先的技术公司正在从幕后推出创新技术。他们正在努力创造一种统一的,完全整合的,高度个性化的车辆体验 - 联网汽车 - 这将彻底改变我们对驾驶的看法(如果该术语在20年后甚至具有相关性)。电动和无人驾驶汽车,先进的人工智能技术,增加了环境传感器与车载计算机系统的应用,通过远程信息处理和数字平台连接Wi-Fi正在彻底改变移动的未来。      哪些技术会产生最大影响?    未来的汽车一定是科技感十足的,但是,许多先进的驾驶体验技术仅处于初级阶段,并且在交通基础设施和产品可承受性方面仍然存在极大的挑战。让我们看一下七个最受关注的趋势,这些趋势正在塑造我们的未来发展。    1.无人驾驶汽车    无人驾驶汽车是未来的主要发展趋势之一,无人驾驶是现阶段讨论最多的一个话题。在现阶,由于需要连接基础设施和推进其他技术(如V2V)的进步。就现在来看,至少在未来十年内无人驾驶还不能得到广泛的生产和应用。    2. AI接口    基于现在的技术水平,汽车制造商将在车辆信息娱乐系统中提供人工智能软件,该系统将作为虚拟个人助理,响应语音命令并主动指导驾驶员与导航系统。这一点预计会在2019年或2020年推出带有AI接口型号的汽车。    随着传感器和其他收集数据技术的使用越来越多,人工智能将成为理解一切的关键。一些汽车已经将AI用于3级自动驾驶,但是对于行业达到5级,需要对汽车和基础设施进行重大改进。    3.远程信息处理    汽车远程信息处理在评估驾驶员行为方面发挥着至关重要的作用,从确定更准确的保险费到了解更多关于人们驾驶的时间和地点的信息。经销商将远程信息处理视为监控车辆诊断和智能维护服务的一种方式。    估计目前销售的汽车中有60%到80%包含已安装的远程信息处理。到2022年,75%的联网汽车将被应用到小型车上。      4.车对车连接    V2V技术允许道路上的车辆通过在车辆之间创建的ad-hoc网络共享,从而完成车速、道路状况和其他因素之间的数据交互。V2V在帮助避免崩溃,缓解交通拥堵和改善环境方面显示出了巨大的改变。    “车辆到一切”(V2X)技术将使车辆能够与智能交通信号通信,甚至在燃气泵上进行交易。预计道路上的所有新车将在2023年安装V2V技术,此后不久将推出V2X技术。    5.传感器应用    传感器监控和调节汽车运行,并通过在发动机,制动和传动系统等应用中共享重要数据,从而为自动驾驶提供基础。雷达,照相机和超声波等传感器对汽车安全性和车辆维护成本产生重大影响。传感器的未来,是它们如何集成到AI和联网汽车技术中,这将决定它们的可能性。    6.完全连接的汽车    您的下一辆车很有可能作为智能手机连接到互联网和云端。在不远的将来,当您购买下一辆汽车时,也许互联网的接入将会与燃油效率和发动机功率一样重要。目前尚未广泛使用联网汽车,到2020年,90%的新车将连接到互联网。    7.脑到车技术    脑到车技术是使用一种设备来不知不觉地测量脑波活动,这是由车辆的自主系统分析并最终预测驾驶员行为的关键。B2V技术可能不适合所有人。它需要使用带有电极的耳机,这些电极要么直接接触大脑,要么尽可能靠近人的大脑。    然而,预测B2V应用可以帮助驾驶员避免因车道突然变化和其他不安全驾驶行为而导致的事故。      通过将人工智能和互联接入整合到我们从A点到B点的方式,人类移动的概念也将成为第一次与人类经验,我们生活的地方和我们与周围世界互动的方式。并非所有预测的趋势都能在未来实现。然而,从趋势走向现实的想法将对我们的生活方式产生重大影响。我们今天所知道的汽车很快就会成为一种过去式,未来汽车将带来全新的定义。   

    推荐 2018-09-10 10:23

  • 国内八大家电巨头抢滩芯片领域,这盘棋局到底有多大?

    自国家成立集成电路产业基金以来,中国的芯片企业层出不穷,很多原本“不搭边”的企业纷纷抢滩芯片领域,一时间芯片成了众人眼中的“香饽饽”。其中既有BAT等互联网巨头,也有小米等手机通讯公司,而这一次,集体入局的是国内传统的家电巨头们!    (查看原图请点击图片)  如今,中国是全球最大的家电市场,同时也是家电企业做活跃的国家,中国有三家企业跻身世界十大家电品牌。都说芯片是最难啃的“骨头”,今年格力“造芯”成为全民关注的热点新闻,近几年,国内八大家电巨头均已成功入局,它们能否成功“造芯”,掌握核“芯”科技呢?笔者带您们了解它们背后的“芯”思。  一、为什么家电企业纷纷入局芯片领域?  中国芯片产业起步晚、核心技术相对落后是不争的事实,能让一家盈收利好的企业下决心造芯片,除了勇气和情怀,更多的是理性与战略。近年来之所以能形成家电“造芯”潮,这是由于行业的市场竞争形势、发展趋势以及企业核心竞争力提升等造成的。  市场竞争形势:日益成熟的家电市场,传统企业之间的竞争越来越激烈。据相关数据统计,2017年中国家电行业全年完成主营业务收入1.51万亿元,同比增长18.7%,利润总额为1169亿元,同比增长6.09%。利润增速不及收入增速,主要原因是原材料价格的持续上涨,中国家电企业盈利空间遭到一定程度的挤压。电视作为最常见的家电产品,2017年全球电视市场需求不振,全球电视的出货量同比下降了3.4%,国内电视**量同比下降了8.1%。    家电市场的日益萎靡,企业之间的竞争加剧,传统的家电企业想扭转局势,寻求新的增长点是当务之急。  发展趋势:随着人们生活水平的提升,对家电的需求不同以往,如电视不仅要求画质,还要个性化;空调还要智能化;其它相关产品也需要联网,消费升级迫在眉睫,智慧家庭成为了人们的新需求。  一方面,传统家电产品竞争的白热化造成了恶劣的价格战;另一方面,高端的家电产品受追捧,企业盈利暴涨,业绩一片飘红。尽管国内的家电巨头们牢牢抢占着国内市场,但对于欧美日韩等市场领域,市场占有率很小,这也是国内家电企业集体之伤。  目前在全球家电市场,日系、韩系和欧系是高端市场主角,近年来,国内布局芯片较早的两家家电企业海尔、海信持续发力高端家电,也取得了不错的成绩,而抢占高端的核心技术之一就是掌握“芯片”。  核心竞争力:不管是全球家电市场还是国内家电市场,整个中低端市场几乎已经形成饱和,行业壁垒重重。对于这些动辄百亿甚至千亿的巨头而言,想继续在家电行业呼风唤雨,唯有提升核心竞争力,方能驰骋沙场,市场发展至今,相关的技术均已成熟,而芯片作为未来智能家电的核心,其重要性不言而喻,这也是家电企业入局芯片最重要、最核心的原因。  传统的电视芯片的成本不到电视的10%,随着消费升级,芯片在电视中作用越来越重要。  目前几乎绝大部分的电视都是人工智能电视,随着AI风暴的来临,电视企业若不拥抱AI,将被时代所淘汰,AI电视最核心的零部件当属芯片和面板。    不管是出于什么原因开始造芯片,想做好芯片,除了资金、人才、技术,它们还得明白自己的芯片能有多大的价值,有什么用。  二、它们“造芯片”用来做什么?    一般的家电芯片包括MCU主控芯片、电源管理芯片、连接芯片、驱动芯片和图像处理芯片,目前家电企业研制的芯片中,除了电源芯片未有企业涉及之外,其它芯片全部位列其中。之所以不涉猎电源管理芯片,是因为这个市场一直是德州仪器、安森美、ADI、英飞凌、瑞萨等巨头垄断,其次是电源芯片并非家电最核心部件,且价格便宜,不影响企业未来的布局与规划。    以MCU主控芯片和图像处理芯片为例,它们就像家电的大脑,能够指挥和协调电视机各项功能。其中图像处理芯片对图像信号中的静态与动态清晰度、色彩、对比度、HDR等要素进行逐个优化,在用户对电视画质要求与日俱增的情况下,面板+芯片均是关键指标。    尽管如今电视市场发展日以缓慢,但随着AI电视、8K电视等发展,未来市场潜力巨大,数据显示,预计在2020年,8K显示技术市场规模将达到5.15万亿美元。以8K为突破口,康佳希望继续称霸电视市场。    据OFweek电子工程网编辑了解,康佳自主研发的8K图像处理芯片是市场上唯一有单线传输8K 60Hz信号技术的芯片,要推动8K电视落地,就必须有核心技术,才能引起产业变革,康佳用“芯”在改变。    创维蜂鸟AI画质芯片  不仅是康佳,创维今年推出的AI画质芯片,应用于自己的智能电视产品—创维Q7A,在业界反响很好,销量可观。  随着物联网的发展,智慧家庭、汽车电子等均是未来将爆发的市场,家电企业的芯片在供给自己的产品线同时,若能满足其它行业的需求,不失为一种快速盈利的好办法。  三、芯片如何撑起家电企业的未来?    (查看原图请点击图片)  芯片将是未来家电企业重点研究的一大领域,这是行业不争的事实。纷纷造芯,每家企业的未来却不尽相同,这是因为每家企业的梦想不尽相同。  以海尔海信为例,这哥俩是业内最早造芯的两家巨头,它们也取得了一些成绩,如海尔如今是国内家电芯片出货量仅次于海思的知名芯片企业,其芯片自给和外销均不错,这是由于它布局早、投入大、重视等。海信的电视主控芯片应用于自己的高端电视上,成功助攻自己,让海信电视成为全球前三的电视企业。  一方面,家电企业要满足自己的核心业务,如长虹、创维、康佳等彩电巨头,谁都不想离开家电行业。另一方面,很多企业野心不小,自给也想外销,格力不仅想自己消化芯片,还想外销。  也有的企业专心做产业布局,如在八大企业中,美的市值最高,其中智能产品、智慧家庭产品是其核心,不同于其它家电企业,物联网芯片才是重点,它造芯就是布局产业链,并非意在争夺中国集成电路市场份额。    梦想总是要有的,万一“造成”了呢  众所周知,芯片研制难度不亚于造航母,如今中国进口最大的仍是芯片,芯片产业需要大家齐心协力方可成事。不管哪家企业造芯,都值得称赞和支持。每年格力花40亿左右的钱进口芯片,这对于企业而言是一个不小的开支。也难怪董明珠会说“哪怕花500亿!格力也要把芯片研究成功!”。尽管这是一句随口而说的敷衍话,但认真的我们愿意信以为真。   

    推荐 2018-09-10 10:23

  • 英特尔:FPGA将加速今日新型态数据中心的主流应用

    在这个强调智能与联网的时代,可编程逻辑栅阵列 (FPGA)已经成为一个重要且不可或缺的元件。以全球500亿个联网设备,一年所产生的数据量将不计其数。从数据中心、5G通讯、虚拟网络功能,到嵌入式系统,FPGA都能在设备以及云端之间,扮演重要的角色。而从边际运算到云端应用,FPGA也正不断的成长,包括FPGA、GPU与ASIC等加速器市场,将在2021年达到200亿市场规模。而估计到了2022年,FPGA市场将达到75亿美元的规模,年复合成长率为9%。      英特尔可编程解决方案事业群亚太区总经理暨业务总监Ro Chawla。以及合作伙伴利用FPGA所打造的魔术方块机器人英特尔可编程解决方案事业群亚太区总经理暨业务总监Ro Chawla指出,正由于FPGA在云端与边际运算市场的重要性日增,也使得英特尔(Intel)的 FPGA 加速器在OEM厂商的服务器系列被广泛采用。事实上,可编程芯片的重要目的,正是用于加速今日新型态数据中心的主流应用,凭藉出色的多功能性和速度,可支持处理从数据分析到金融服务的各项工作负载。 由于数据量的爆炸性成长,数据中心营运商需要保持大规模效能需求和营运效率之间的平衡。为了提升效能与效率,数据中心正采用Intel Xeon可扩充处理器,并配合使用加速器,以满足工作负载中特定功能的数据密集型效能要求。 借助FPGA的运算能力,英特尔的OEM客户在内含Intel Xeon可扩充处理器的全新服务器中提供了优越的加速器驱动效能和营运效率。现阶段客户包括戴尔EMC和富士通等,都将在各自的产品里整合完整的英特尔硬件与软件堆叠,包括采用 Arria 10 GX FPGA的英特尔可编程加速卡(Programmable Acceleration Cards;PAC),以及内含 FPGA之Intel Xeon可扩充处理器的英特尔加速堆叠(Intel Acceleration Stack)。 富士通开始在 PRIMERGY 服务器中部署采用 Arria 10 GX FPGA 的英特尔可编程加速卡,FPGA 的加速优势能让客户摆脱营运支出的困境,同时实现可扩充性、效能和适应性。此外,整合了英特尔可编程加速卡的戴尔 EMC PowerEdge R640、R740 和 R740XD 服务器目前可以进行大规模部署,未来更多服务器将支持此一功能。随着戴尔 EMC 和富士通将英特尔 FPGA 整合至主流服务器产品,预期将可迎来数据中心运算的新时代,为客户和合作伙伴提供硬件效能优势,支持他们在软件发展环境中打造大规模丰富的高效能解决方案。而英特尔合作伙伴 Levyx也为金融机构打造了一款内含英特尔FPGA的回测(back testing)解决方案。财务模型(financial modeling)是一个对效能极为敏感的大数据课题,相比传统的 Spark 布署,借助英特尔可编程加速卡(PAC)和加速堆叠,架构师和软件开发人员的算法执行速度和期权计算速度,可分别提高八倍和两倍。 英特尔可编程芯片快速发展,促使内含FPGA加速方案的服务器具有更好的可用性。加速堆叠提供了一种软件发展环境,确保众多的开发人员社群能够受益于 FPGA 的效能和灵活度。

    推荐 2018-09-07 09:39

  • TI DLP®技术将工业级精度带入民用,是一种怎样的体验?

    凭借极快的速度、宽波长范围、高效率等优点,TI DLP® 技术正在工业领域拥有越来越多的创新应用。当这种工业级的精度用在了民用产品,又会是怎样的体验呢? TI 近日发布的 DLP Pico™ 控制器DLPC347x 恰恰为这种体验创造了条件。    将 DLP Pico 引入新应用          最新的DLPC347x控制器采用了高性能工业级应用中常见的微米至亚毫米分辨率,较小的封装尺寸,适用于桌面3D打印机和便携式3D扫描仪。开发人员可将新型DLPC3470、DLPC3478或DLPC3479控制器与现有四种DLP Pico数字微镜器件( DMD )(DLP2010 DMD (480p)、DLP2010NIR DMD(480p)、DLP3010 DMD(720p)以及 DLP4710 DMD(1080p))中的一种搭配使用,来满足不同的设计需求和性能指标的要求,从而实现最精简的尺寸、尺寸与性价比的最佳平衡、更高分辨率等目标。               德州仪器 ( TI ) 全球副总裁兼DLP产品事业部总经理Ane Sacks女士     该控制器的推出,意味着Pico 显示技术现在可以具备高速、高分辨率精密光控制功能,而这些以前只用于工业级 DLP4500 到 DLP9000芯片组,德州仪器 ( TI ) 全球副总裁兼DLP产品事业部总经理Ane Sacks女士表示, TI希望把精准的工业亮度控制和极高的图像质量结合在一起,兼具便携性和小巧性,从而能为民用产品带来更好的体验,她同时表示,TI 最终的目标是把市场上得到认可的微投技术应用到更多新的方向和领域。       从最初的图像捕捉到影像的生成,再到最终通过 3D 打印机打印出来立体产品,TI DLP 技术可以支持完成一系列完整的操作。凭借分辨率高,切换速度快,DMD与新型控制器搭配使用,可使得3D打印速度比现有技术快5倍。通过在更小的外形中进行精确模式控制,开发人员能够以微米级的精确度捕获对象的细节,这给开发牙科扫描、3D建模和机器人3D视觉等应用带来了优势。家庭用户、业余爱好者、艺术家或发明家,可以用 3D打印来创造艺术作品。牙科和医疗应用中,可以用 3D打印来制作牙模。面部识别和访问控制等3D 扫描技术,在安防领域大有可为。此外,与传统很大很笨重的工业设备相比,小巧的 DLP 设备可以带来更多的便捷。    层出不穷的创新应用背后,得益于 DLPC347x性能的提升。在图片捕捉方面,首先,由于 DMD 成像器件,里面排列了很多小镜片,数字信号能够非常精准地控制每一个镜片,从而可以做到一对一像素精度的扫描和捕捉。第二,得益于高精度,因而DLP技术可以扫描出更为密集的3D点云信息 (任何一个物体点的X、Y、Z的坐标信息),当有足够多的点云信息用于重构物体时,其精度就会非常高。第三,灵活性,小到牙齿,大到汽车,3D扫描均可灵活选择被扫描的物体。此外,DLP技术支持扩展波长,可以 3D捕捉任何房间中的任何物体,能够通过模式控制和像素控制在405nm紫外线(UV)、可见光和高达 2500nm的近红外光(NIR)中捕获光滑、高质量的 3D打印对象。尤其对于不能使用白光的人脸扫描等应用,对红外光的支持尤为关键。     就产品生成端来看,应用 DLP技术同样具备更明显优势。第一,DLP技术可以到微米级的精度,打印出的物体外表平滑且拥有高精度,所以能够打印对精度要求较高的牙齿及一些人工耳蜗的医疗设备。第二,应用DLP技术的3D打印是基于层的树脂固化,在任何一个时间点固化的时候,DLP技术都面打印,所以其打印效率非常高。第三,可扩展性的分辨率既支持打印非常小的物体,也支持建立更大的模型。第四, 405nm接近UV光的光谱的支持能够支持更多种材料的打印。    与普通芯片相比,DMD综合了电子输入、光学输出的微机电系统 (MEMS),因而支持显得尤为重要。对DLP芯片组,TI提供了相应的软件、工具和开发套件、参考设计、TI E2E 社区、以及培训课程等来帮助客户创新。此外,TI 还提供完善的生态系统支持,20多家拥有DLP技术设计经验的独立第三方供应商,囊括了模组厂商、系统方案厂商,与TI一起,将新的想法、新的产品、新的应用快速传递给客户,更快地做出产品。     显示应用:从放到口袋里的显示到电影院    自 1987 年 TI 发明 DLP 技术以来,投影显示一直是 TI 核心应用方向,因而在显示方面,TI 一直拥有大量的创新性应用。        在固态显示领域,采用DLP 技术的固态光源投影机已经出货1300万台,预计2018年的市场容量能够达到近1800万台,Ane Sacks女士表示,尽管目前TI微投投影显示以LED光源为主,但激光光源 ( 荧光粉激光和RGB激光 ) 也在慢慢拥有越来越多的占比,与此同时LED厂商也在努力提升其效率和亮度,因而,未来各种光源技术都会有很大的提升空间。而DLP产品适用性强,可以支持所有的光源,所以TI欢迎各种光源的厂商和DLP技术一起推动技术创新。     在无屏电视领域,据Ane Sacks介绍,2018年 TI 微投的全球出货量约为 400万台,其中约一半属于无屏电视类别。她同时表示,TI 也会在持续发展的移动智能电视领域,提供更多的创新想法,以延展出更多的创新应用。    TI 也会持续提升面板分辨率。不论从以前的标清电视到高清电视,还是到如今1080P内容的普及,TI非常相信分辨率依然是未来的前景,能够为消费者提供极致的感官体验十分重要。对此,TI推出了入门级的4K的平台, TI的客户也推出了第一台2000美金以内终端售价的4K投影仪,另外推出的0.33英寸的1080P是具有非常高性价比的解决方案,此产品预计未来会成为一个高速增长的平台。    DLP投影技术支持的亮度屡创新高。不管是大规模户外工程投影市场,还是数字影院市场,TI DLP技术均随处可见。    综上所述,在显示应用方面,DLP技术涵盖范围非常之广,尺寸从最小到最大,包含便携式产品,近眼显示和无屏电视,户外数字广告,最高亮度的影院产品等各种应用。     汽车应用,仅仅是开始    在汽车领域,目前,DLP技术注重于两大应用方向:抬头显示和高分辨率智能大灯。DLP技术可以实现真正智能的抬头显示,最远可以在车前20米的距离呈现虚拟图像,所有的虚拟图像信息都会跟自然界融为一体,保证驾驶员在开车的时候能够专注地开车,不需要来回移动视距来重新聚焦,而这样不会造成任何意外的伤害。Ane Sacks介绍,如今搭配DLP技术的 AR HUD的车型已经在量产上路。对于高分辨率智能大灯应用,一颗DLP芯片拥有高达130万的微镜片,造就了非常高的分辨率,并具备几个重要的特点:一是高分辨率高亮度的智能大灯能够防止炫目,利用DLP技术可以投射跟周边环境融合在一起的图标和车况,同时,TI可编程器件可以帮助设计师造就多样化的应用场景,通过编程即可控制这些使用场景。据悉,搭配DLP技术的高分辨率智能大灯的车型很快就会面市,已预备路试。而这只是开始,您将陆续看到更多的采用DLP技术的汽车应用。     DLP技术在中国    TI DLP技术一直在关注很多新应用,但这不代表放弃或者减少对传统业务的投入,Ane Sacks介绍,恰恰相反,在新应用上TI学到很多东西,反过来更有助于在传统业务上做进一步提升。比如,传统消费市场对价格非常敏感,TI DLP技术在消费市场的所有努力,都会帮助传统业务实现更好的性价比。同样 TI 在汽车领域上做了很多的尝试,也会帮助 DLP技术进一步提升在数字影院和高端工程市场中的性能,这是一个互惠的过程。    在新应用上,TI与国内厂商有紧密的合作,Ane Sacks介绍,国内有非常多的有创新思路的客户,他们提出的需求会挑战现有技术指标, TI就需要做进一步提升指标来满足市场的需求,所以越来越多的国内厂商在引领整个投影创新的历程。中国有非常多样化的客户群,非常多样化的应用,非常多样化的增长潜力,从各个方面来看,中国是一个非常大潜力的市场,TI有各种各样的团队来支持中国DLP技术业务的增长。所以大家会持续看到更多的一些新的进展在中国发生。    DLP技术创新应用部分一览                               

    推荐 2018-09-05 09:04

  • 技术创新弥补EMI短板,磁隔离欲鱼与熊掌兼得

    半导体技术的进步将电路尺寸不断压缩,曾经用一个大房间才能存放的大型计算机性能今天一台笔记本就可以做到,集成电路的集成度已经达到单芯片数亿晶体管的规模。然而,半导体技术一路高歌猛进却似乎总是有几道“魔咒”难以破除,包括电容、电感、光耦和变压器这样的无源器件的集成一直没有明显的突破,特别是尺寸庞大但应用广泛的变压器成了开关电源设计工程师一直以来的噩梦,大尺寸、高功耗、EMI辐射、纹波……各种掣肘如影随形。     作为高性能模拟技术提供商,ADI一直在尝试突破这些阻碍模拟技术进步的“魔障”,其研发的iCoupler磁隔离技术将传统的变压器用标准半导体制造工艺实现了集成,将传统的采用磁芯的机械式变压器片上化,并且具有高带宽、低电感和高阻抗等优点。ADI公司利用微变压器设计方面的经验,开发出了芯片级DC-DC功率转换器isoPower系列。最近,ADI再次发布isoPower系列新品,将产品的关键性能EMI指标实现“大跃进”,磁隔离在传统性能优势上进一步解决了过去EMI短板,实现鱼与熊掌可以得兼的目标。      隔离电源EMI辐射示意框图     革命性电源架构第二代克服EMI短板   ADI磁隔离技术历经近20年的发展,最开始的产品是信号隔离。磁隔离的特点就是它含有全能量,基于该技术ADI多年后又推出了内置变压器的芯片级电源隔离产品,跟普通芯片一样在纯净厂房里跟半导体器件一样生产出来,而不是像传统的零散机械元件组装而成。    第二代技术满足了无线电干扰特性CISPR 22/EN 55022 B类辐射标准     “第一代技术尺寸特别小的特点为大家所欢迎,但缺点也明显——EMI不是很好,辐射比较大。因为芯片级的线圈尺寸很小,所以它的工作频率特别高,数百兆的工作频率把能量传到隔离带时,必然有一些共模的信号或者噪声会辐射出去。” ADI数字隔离器产品部经理陈捷在一场演讲中表示。过去ADI工程师对这些问题也给予了修正的方法,如建议在隔离芯片两端跨接安规电容,用电容给它提供一个基础的反馈路径,或者利用四层PCB的内层要做一个交叠形成电容特性,从而提供一个低阻抗的反馈路径来抑制EMI。     “但很明显,这两种方法或多或少会给客户带来一些麻烦。所以,我们的研发团队一直在努力克服这个问题,我们现在的第二代产品就从芯片本身成功地解决了这个EMI的问题。”陈捷解释道。第二代产品在线圈的设计上做了一些改进,对称性更好,并在频率频谱上增加扩频,将原来频谱工作频率的尖峰峰值扩开。“原来可以看到是一个单点的尖峰,现在用扩频的方式把它展开了,就把能量降下来了。”陈捷指出,新的指标可以轻松达到Class A、Class B的辐射标准。“利用第二代技术不需要做任何跨接电容处理,可以只用两层PCB板,在输出端加两个磁珠和两个电容即可。”陈捷表示。      100mA时使用2层PCB:准峰值满足CISPR 22 B类标准,915MHz时裕量为-5.1dBμV     陈捷口中的第二代产品是ADI近日宣布推出的其新一代增强隔离式电源转换器ADuM5020/6020和ADuM5028/6028系列,可以使系统满足EN 55022/CISPR 22 B类电磁干扰标准的需求,无需在应用层面使用高成本的EMI抑制技术,并且可简化EMI认证流程,降低设计成本和缩短设计时间。ADI将其隔离产品的“断代”的关键参考指标放在EMI特性上,在十多年前推出第一代隔离电源之后ADI陆续推出了若干系列新品,但因为在EMI方面没有做太多的优化而仍归属第一代产品。随着行业对EMI特性关注度越来越高,ADI投入几十人用了两年时间,完成了从研发到工艺、封装、测试,完整完成新一代低EMI产品研发。     集成化趋势下,通道隔离需求再上台阶    电源隔离集成化趋势已经形成,在新能源汽车、工业控制、仪器仪表和医疗等行业,越来越多的要用到高集成度的通道与通道之间隔离。“比如我们看到有些温度采样的设备,它可能一个板子上8个通道、8个ADC,要给这个ADC做隔离、信号要隔离,还要隔离电源,那用我们这种隔离芯片就特别方便。”陈捷指出,“现在有些高端产品就是要求每个通道之间都要隔离,它不能共用隔离电源。”仪器行业的小型化趋势也正在促进集成隔离电源的需求增加,甚至在一些便携式的医疗设备上也开始对隔离性能提出更高需求。    简化两层PCB布局的ADuM5020/ADuM5028评估板     “例如医疗这块会有更高隔离等级的标准,ADuM6000系列以及ADuM6020的隔离等级就更高。另外,像汽车应用对辐射的要求也越来越高,所以我们希望能在辐射的能量上进一步的抑制,有更大的裕量。”陈捷表示,“我们还做了一个更小的SO8封装,堪称业界最小的隔离电源解决方案。另外,由于这个技术输出的功率不是很大,尽管现在的500毫瓦已经能满足许多的应用,但将来ADI可能会往更大的输出功率去发展。”     成功挑战光耦传统市场,磁隔离持续走强  作为最传统的一种隔离方式,光耦在市面上应用已超过50年,目前在很多场合还占领主流应用。ADI第二代隔离电源产品突破EMI的最大掣肘是否能在隔离电源大展拳脚、攻城略地?“隔离应用通常与安全以及产品性能认证直接相关,导致市场对新技术采纳偏向保守,新产品和技术的市场渗透和切换会比别的产品慢,这是这个市场的特点。”陈捷表示。     然而光耦的显著缺点这些年正在为新型隔离技术提供了切入点,尤其是相对于磁隔离最大的一个问题是集成度差。“特别是做多通道隔离时光耦技术单个封装实现不了,必须是一个通道一个器件,而数字磁隔离可以将3、4个甚至是6个通道放在一个封装里。”陈捷指出。事实上,电源隔离也面临这样的技术差异,特别是光没有办法传递电源能量,而磁隔可以。从技术本身来讲它的应用更灵活、集成度更高。     “未来越来越多的应用肯定是数字隔离器的市场份额会进一步扩大,光耦的市场会有所萎缩。但数字隔离器也不可能完全取代光耦,因为光耦在低成本、低速率的场合有它的优势。”陈捷坦陈。据他透露,在1MBPS以下的应用,光耦的价格与其通讯速度呈指数相关,比如到了1M甚至10MBPS以上,它的价格就比数字隔离高很多,但在低速时成本非常低。“所以一定有些市场是数字隔离器不会去碰的,但是未来的发展趋势肯定是速度越来越快,所以新的增长点、新的市场数字隔离器优势越来越明显。”陈捷表示。   

    推荐 2018-09-05 09:04

正在加载