• AI变革客服行业 未来或与机器“无感知”对话

    人工智能时代,很多行业得到了颠覆性的发展,客服行业便是其中之一。  一直以来,客服作为连接企业和客户的桥梁,其重要性不言而喻。但是,在长期发展过程中,客服行业又存在诸多痛点,比如从企业的角度,客服投入的成本非常高,但大部分工作的价值回报却很低;而对客服员工来说,工作的成长空间小,技能单一,职业发展缺乏厚度。  此前,客服机器人的出现,确实解决了部分简单重复性的问题,但是,其机械式的问答体系,也让很多消费者心生不满。而随着人工智能技术的落地,客服机器人开始真正变得智能。  10月11日,追一科技CEO吴悦在接受记者采访时表示,目前,智能客服正在从传统智能客服向深度学习等AI算法技术驱动的智能客服升级。但其同时指出,智能客服现在仍处于弱人工智能的阶段,只是比较浅层的应用。“机器人的自然交互能力、情绪识别能力、能够连接的服务等,都还需要不断提升。”  阿里输出客服能力  据今年5月发布的《中国智能客服行业研究报告》统计,客服机器人正在以40%-50%的比例替代人工客服工作。而中国大约有500万全职客服,以年平均工资6万计算,再加上硬件设备和基础设施,整体规模约4000亿**。按照40%-50%的替代比例,并排除场地、设备等基础设施以及甲方预算缩减,大概会有200亿-300亿元规模留给智能客服公司。  互联网巨头也盯上了这块百亿级的蛋糕。去年10月,阿里巴巴对外发布了面向开发者的会话机器人平台“云小蜜”,拟将其内部的智能客服能力输出给更多阿里生态体系外的企业。  今年9月,阿里对云小蜜进行了升级,将其算法能力搬到了云上,使得云小蜜具备了更强的理解能力,同时扩展了更丰富的平台产品能力,完善了智能训练和数据回流体系,以及智能化业务数据分析体系。  阿里巴巴智能服务事业部资深技术专家陈海青向记者表示,云小蜜已经应用在包括淘宝、天猫、1688、ICBU、AE、飞猪、菜鸟等阿里巴巴各个领域的场景,已经积累了大量面对各个垂直领域的方案和能力。  2015年,阿里巴巴先是在内部孵化出了“阿里小蜜”体系。据介绍,做阿里小蜜时整个团队只有四个人,当时也没有想着去赋能商家和企业,目的只有一个,就是解决淘宝平台的账号问题。据悉,当时账号类问题占整个淘系30%左右的咨询量,而其中80%的问题通过机器智能都可以解决。  随后,阿里小蜜从账号问题到淘宝的售前、售中、售后,以及后来服务整个阿里生态体系。在陈海青看来,智能客服的发展得益于知识图谱和深度学习两项技术的发展。目前,通过算法模型智能聚类未解决的问题和在线化标注训练回流闭环,云小蜜能够不断学习新的知识,从而提高回答问题的准确率,准确率达到90%。  吴悦也向记者表示,智能客服业务涉及的核心技术主要是深度学习和自然语言处理等AI技术,基于这些AI技术实现精准的语义理解,进而实现智能化交互,并支持多场景的智能问答服务和丰富的业务办理、营销等服务。  利用这些技术,用户可以更自然、随性地表达,就像人与人之间正常互动一样,而不是受到关键词或者模板式问答的约束,是一个真正的交互式体验。同时,基于上下文的理解和多轮对话,机器人还可以通过与业务场景的结合,便捷、智能化办理各种业务,比如用户通过语音/文本交互方式,就可以办理银行查账、预订机票业务。  强化人机协作  对于智能客服行业接下来的发展,吴悦坦言,核心任务还是在研发方面继续突破。一方面是通过算法技术和产品上突破,来不断提升机器人对人的理解力和交互服务,比如阅读理解能力、多轮任务型机器人、自动化机器学习等。  另一方面,是如何利用人机协作,解决更复杂、个性化的问题。非常明确的一点是,机器人无法100%解决问题,而人与机器如何更好地协作,这是一个涉及技术、人、业务等多维度的复杂系统性问题。  实际上,人工智能技术的发展需要大量数据的支撑,智能客服亦如此。陈海青在接受记者采访时提到了近期他们和达摩院合作的机器阅读技术,目前该技术已经应用在政务场景。“政府部门有大量的法律法规以及各种文件,想要拆解这些内容,依靠人力短期很难做到,而机器阅读技术,可以让机器像人一样去学习文本。”  此外,陈海青团队今年还在探索的一个方向是让客服机器具备销售技巧。他向记者表示,售前的场景包括两个方面,即咨询和转化。现阶段的客服机器,售前咨询已经可以实现,而促成转化的能力还不具备。  “我们刚刚做了一套新的东西,采用了PSD技术,即半结构化主动问题体系,让机器可以模拟小二的销售技巧,去给咨询的用户做更多的推销。”陈海青表示。不仅如此,其还提出,智能客服未来一定是多模态的,人机交互不仅仅是文本,还会有语音、图片,甚至在硬件终端成熟时,还有嗅觉和触觉的交互。  这给智能客服的未来打开了很大的价值空间。吴悦认为,随着从问答服务到智能助手、智能终端的不断延展,智能客服可以与企业CRM等核心业务系统进一步深入融合,提供的服务也不再局限于客户服务,还可能延展出营销、销售等更深层次的用户价值。  吴悦称,从渠道上,智能客服已不再是限于传统的在线、移动端等多媒体或者新渠道的自助和智能化,而是从多媒体到电话等全渠道智能化,并实现进一步打通。“接下来,我们希望将来的电话或者新渠道的智能交互都变成情感式的,感受不到机器和人的差异,这是我们追求的目标。而这个目标可能在三到五年内,在一些专用场景里面便可以实现。”   

    推荐 2018-10-19 09:04

  • 电源模块中隔离电压3000VDC的作用都有哪些?

    随着嵌入式行业的快速发展,在各种行业应用中电源要求也越来越高,为保证系统的稳定性,隔离电源应运而生。但隔离电源中关键指标——隔离电压指的是什么?与爬电距离有什么关系?本文将从隔离电源的原理为你揭晓。     微电子行业的高速发展,产品使用场合的电磁环境也越来越复杂,产品的稳定性也受到很大的影响。嵌入式产品的生产公司对产品加入各种隔离器件或隔离电路来减少工作现场的干扰,增强设备稳定性。     电源作为嵌入式设备能源供给部分,是产品稳定工作的前提。电源的隔离尤为重要,电源隔离模块的应用也成为嵌入式设备设计的必备品。     在工业设备中,要求两个设备之间的电源隔离,采用带变压器的直流变换器,将两个电源之间隔开,使他们相互独立,从而减少外界干扰!     一、隔离电源的隔离耐压和爬电距离介绍     1、隔离电源的隔离耐压介绍          图1  隔离电源内部框图     如图1所示,隔离DC-DC电源模块内部框图。     隔离耐压指的是两个没有直接电气连接的系统所能承受的最高绝缘电压。     电源隔离使用场合不同,对应的参数选择也不用。如:AD-DC电源隔离,一般的工业场合要求隔离耐压在3000VAC到4000VAC;DC-DC电源隔离一般工业场合要求1000VDC到2000VDC,特殊行业可能会高,医疗行业有要求6000VDC。     首先区别一下各项电压指标的单位,常见的又ADC、VAC和RMS,具体如下所示。     VAC/VDC分别指交流电压与直流电压,但隔离耐压中交流与直流不能简单的进行换算,例如,3000VAC的幅值电压有4242V,但在实际应用中隔离耐压3000VAC与4242VDC并不等效。具体原因包括两点,其一,对于隔离模块,输入输出之间是存在隔离电容,对于直流信号,电容的阻抗无限大,因此隔离电容的大小对于直流信号没有太大的影响,而对于交流信号就会有较大的影响,表现在漏电流会变大,或者直接超标,系统报警。第二,AC与DC的另一个区别在于频率会影响绝缘介质的介电常数,频率会导致绝缘介质的介电常数降低,通常介电常数越高,绝缘能力越强。     RMS是指真有效值,简单而言即代表交流电相当于直流电在单位时间内所做的功。也就是真有效值为10V的交流电与10V的直流电对相同的负载在相同的时间下所做的功相同。该单位通常不作为隔离耐压的计量单位。     2、隔离电源爬电距离介绍     如何保证隔离耐压的稳定性和安全性,保证隔离电源模块不被击穿,我们就要计算爬电距离。两个导电部件之间,或一个导电部件与设备及易接触表面之间沿绝缘材料表面测量的最短空间距离沿绝缘表面放电的距离即泄漏距离也称爬电距离,爬电距里=表面距离/系统最高电压,根据污秽程度不同。          图2  爬电距离示意图     在IEC60950、GB4943-2011标准中,规定了不同电压等级需要的最小安全距离,而安全距离又包括电气间距和爬电距离两种。对于开关电源主要需要保证最小安全距离的地方有以下两个方面:      一次侧电路对外壳(保护地)的安全距离;      一次侧电路对二次侧电路之间的安全距离。     隔离电源相较于非隔离电源的优劣势如下图3所示。          图3  隔离电源与非隔离电源对比     二、隔离电源的应用     嵌入式产品的应用场合各种干扰都会对产品的稳定性带来威胁,在产品设计阶段,选择好的隔离电源模块和隔离通信模块,能有效的屏蔽使用环境带来的干扰,对产品的稳定工作带来保障。     我们经常会在媒体上看见一些手机充电爆炸,手机充电时触电的新闻报道。隔离电源模块能够很好的保证产品的稳定工作,更重要的是保护使用者的生命和财产安全。     隔离电源目前使用有两种方式,器件分立搭建与采用DC-DC电源模块,对比如下所示。     1、方案选择     在产品性能需求稍微明了之后,那接下来就是开始设计开发了,首先要做的就是电路方案的选取了,下面为大家列举一些比较常见的“反面教材”。     比如设计开发一个市电交流输入转直流输出的,很多人的第一时间就想到采用工频变换电路方案,因为此方案比较简单,一个工频变压器,再加上个整流滤波就可以搞定,如下图4所示。使用此方案的产品的效率非常低,并且产品的体积会非常之大,在应用中还伴随着让人非常闹心的工频涡流声。而模块方案选用合适的变压器,并且多重工序层层保证变压器的产品一致性,保证产品最终性能。          图4  变压器方案对比     2、物料选型及PCB设计     电路方案确定之后,接下来就需要进行产品性能参数的设计,要对电路方案中的电子元器件进行参数设计、计算与结构物料选型,在这个环节必须从多方面进行权衡。     其一,物料的选型。在专业的模块电源厂商就可以做到兼得,会根据产品的不同规格需求,不同的应用条件,舍掉无需的物料规格,选择最优的所需物料规格。     其二,电源模块的PCB的设计。因为模块电源产品有模块电源的PCB设计规范要求,它要考虑散热设计、EMC设计、干扰设计和生产工艺设计等等,涉及的内容非产多,所以PCB设计在模块电源产品开发过程中是作为最重要的环节之一来对待的,如图5所示。          图5  PCB设计要求     致远电子隔离DC-DC电源可为用户系统提供稳定、可靠的驱动电压,并有效解决静电、浪涌所导致的供电不稳问题,是板内数据采集、通讯等子系统供电的理想方案。隔离电压等级覆盖1000VDC-6000VDC,满足所有工况需求。         与传统的设计相比,致远电子定压系列隔离电源模块从拓扑结构、芯片方案到元器件均采用业内最优方案 ,具备更高的集成度与可靠性, 能够为用户I/O及通信隔离等应用提供标准、可靠的解决方案。                          

    推荐 2018-10-19 09:03

  • 华为与奥迪正式宣布在L4自动驾驶领域的联合创新

      昨日,在HUAWEI CONNECT 2018期间,华为与德国汽车制造公司奥迪正式宣布了双方在智能网联汽车领域的下一步合作计划,并通过最新的奥迪Q7展示了双方领先的技术。   奥迪中国执行副总裁梅萨德(Saad Metz)表示:“我们致力于高度自动驾驶功能和面向未来的车辆-基础设施(V2I)通信技术的联合开发。全球多项实践活动证明,奥迪已经跻身高度自动驾驶领域的技术领导者。我们期待在未来加强与华为的合作,双方的密切合作将为双方带来实实在在的受益。”   华为公司董事、战略Marketing总裁徐文伟表示:“在汽车智能化的趋势下,华为将发挥ICT领域的领先技术优势,与世界最成功的优选汽车品牌之一 -- 奥迪联合创新,共同引领自动驾驶进入快车道。相信不久的将来,消费者可以体验到更加安全、舒适、便捷、智能的自动驾驶服务。”   通过华为与奥迪双方技术人员的共同努力,已经将华为MDC移动数据中心集成到奥迪Q7原型车中,用于城市自动驾驶环境的运行。该车在HUAWEI CONNECT 2018期间,面向公众进行了现场展示。   2018年7月10日,华为与奥迪在柏林签署战略合作谅解备忘录,联合发展智能网联汽车。在自动驾驶领域合作,让奥迪与华为的全面战略合作更进一步。   HUAWEI CONNECT 2018作为华为自办的面向ICT产业的全球性年度旗舰大会,于2018年10月10日-12日在上海隆重举行。本届大会以“+智能,见未来”为主题,旨在搭建一个开放、合作、共享的平台,与客户伙伴一起共同探讨如何把握新机遇创造智能未来。

    推荐 美通社 2018-10-17 10:35

  • 特斯拉史上最快量产车,到底发生了什么?

    当地时间周六,特斯拉已经下线了第10万辆Model 3,这个生产速度不仅比特斯拉的其他汽车快得多,而且比历史上任何一款电动汽车都要快。     当地时间周五,汽车新闻网站报道称,特斯拉在第四季度有一个不错的开局。消息人士透露,截至当地时间周五早些时候,该公司生产了1.15万辆电动汽车,其中包括7400辆Model 3。Model 3的日产量在600辆左右,周产量距离5000辆还有一定的差距。     到周五早些时候该公司就已生产了1.15万辆电动汽车,这意味着在第四季度的前12天里,特斯拉电动汽车的日产量接近1000辆。如果该公司在第四季度剩余的时间能维持这一产能,那么该公司本季的产量将超过9万辆。     上一季度,得益于Model 3产量的逐渐稳定,特斯拉电动汽车的产量创下新高。据外媒报道称,第三季度,其电动汽车的产量超过了8万辆,是特斯拉自成立以来产量最高的一个季度,备受关注的Model 3生产了5.3万辆,贡献了超过60%的产量。     在第三季度的强劲表现之后,外界也怀疑特斯拉能否维持第三季度的高产量,但从消息人士透露的情况来看,该公司第四季度初期的产能依旧强劲。     正因为这家汽车制造商能够在第四季度初期保持其上一季度的平均生产率,才使得它在当地时间周六生产了第10万辆Model 3。     据一位熟悉特斯拉产量的消息人士透露,算上工程车和预产形态,特斯拉本周早些时候就完成了10万辆这一里程碑,但就常规产量而言,该公司今天才达到了这一里程碑。     这对特斯拉来说是一个重要的里程碑,该公司正从一个相对小众的汽车制造商转型为拥有Model 3的大众市场汽车制造商。     目前,市场希望特斯拉的生产率尽可能提高,这预计将大幅扩大对电动汽车的需求。特斯拉现在已经准备好利用全球最大的电池工厂,以及了解电动汽车行业的销售人员来满足这种需求。到明年的这个时候,Model 3可能会成为全球累计销量最大的电动汽车。     目前,特斯拉生产电动汽车的速度已经超过了任何一家传统汽车制造商,并且没有任何明显的变化迹象。     困扰了特斯拉近一年的Model 3产能问题,在第二季度末实现5000辆周产量目标之后已有所缓解,但不曾想其在交付方面又出现了问题。     从外媒的报道来看,特斯拉Model 3在交付方面的问题,并非其未运出工厂,而是已运抵消费者所在的城市,但就是还未到达消费者的手中,这一问题在9月份就已出现。     据报道,特斯拉Model 3在交付方面的问题并非个例,其接触的多位消费者都有推迟交付方面的经历,但令人沮丧的是,特斯拉消费者服务方面却对此保持沉默。     外媒报道称,如果特斯拉能解决交付方面的问题,不仅Model 3会成为美国市场上最畅销的车型之一,特斯拉也有可能成为美国市场上最畅销的汽车品牌。   

    推荐 2018-10-16 09:32

  • TE Connectivity新推出MAG-MATE 端子

    全球连接与传感领域领军企业TE Connectivity (TE)近日宣布推出提供全系列的标准 MAG-MATE 绝缘刺破压接 (IDC) 端子,用于漆包线端接。 MAG-MATE 端子具有插入式、插入式公端、接头、压接导线压线筒、焊接柱体、快速连接公端、插针和母端子几类。标准 MAG-MATE 端接漆包线的范围为 34-12 AWG [0.16-2.05 mm]。每个 IDC 槽尺寸的端接范围可达四个连续漆包线尺寸。直径相等的两条漆包线可以在一个端子中完成端接(除非另有注明)。根据 TE 规范,MAG-MATE 模穴集成到线圈体或专门设计的模穴护套中。漆包线精确地置于塑料模穴槽中。MAG-MATE 插入器从端子板上切下端子,并将端子通过漆包线上方置于塑料模穴中。在此操作期间,IDC 槽中的小型剥线肩带可移除漆包线的绝缘层。端子中的剩余弹簧能量促使每个 IDC 槽的侧壁作为相对悬臂梁运行。这个恒定压力导致出现密切接触的金属对金属接口,从而提供可靠的长期连接。导线和端子之间的滑触作用可以除去导线和端子槽侧壁上存在的氧化物或其他污染物,从而形成干净、稳定、气密的电气端接。MAG-MATE 插入器可用作半自动工作台机器或集成在全自动应用的生产线中。 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 2018-10-08 09:34

  • 未来五年机器人将取代7500万职位,是否有你的工作?

    一项来自世界经济论坛的最新报告指出,目前人类承担了全球71%的工作任务,而到2025年,机器承担的工作将超过人类。工作场所的机器和算法快速发展,可创造1.33亿个新职位,取代从现在到2022年将流失的7500万个职位。  这份名为《2018年未来就业报告(以下简称“报告”)》调查涵盖了广泛行业部门的300多家全球性公司,代表了超过1500万员工,涉及20个发达和新兴经济体(合计占全球GDP的70%)。    这一趋势将对全球劳动产生产生深远影响。《报告》认为,全世界兴起工作场所革命,将使人类与机器和算法协同工作的方式发生巨变。目前,机器承担了全球29%的工作任务,到2025年将超过半数。《报告》对此持积极态度,它指出,就新职位的整体数量而言,前景依然乐观,相比流失的7500万个职位,预计到2022年将新增1.33亿个职位。  自动化  《报告》指出,自动化将对全球劳动力造成颠覆性的影响,也几乎肯定将使职位的性质、地点、形式和工作期限产生巨大变化,将需要公共和私营部门领导者的密切关注。  “约50%的公司预计到2022年,自动化将使其全职员工数量减少,近40%的公司预计将扩大员工队伍,超过四分之一的公司预计自动化将在企业内创造新职位。”《报告》表示。  世界经济论坛新经济与社会中心总监Saadia Zahidi表示:“公司需要使自动化计划与全面强化策略互为补充。企业要在机器的时代保持活力、差异化和竞争力,必须切实投资发展人力资本,这在道德上和经济上都是必要之举。如果不积极行动,企业和劳动者可能会错失第四次工业革命的经济潜力。”  新增长  尽管《报告》预计职位数量将出现净增长,但新职位的性质、地点、形式和工作期限将明显不同。  随着人类和机器的劳动分工持续发展,劳动者将需要新型技能组合。受访公司表示,目前人类承担了71%的总任务小时,而机器从事了剩余的29%。到2022年,预计人类平均将承担58%的任务小时,机器的份额将上升到42%。  所有行业预计都将形成可观的技能差距,平均技能不稳定性达42%,凸显了帮助劳动者应对现有职位变化和未来新职位挑战的严峻程度。某些能力将愈加重要,包括精通技术(如工艺设计和编程),独特的人类技能(如创造力、批判思维和说服)。  不同行业的劳动力扩展和收缩程度各有不同。职位流失率预计会有较大差别。例如,在矿业和金属、消费品、信息与技术行业,预计削减职位的公司比例高于专业服务行业的公司。一个行业的职位和技能需求减少,但另一个行业可能会增长。《报告》显示,在不同行业之间,存在协调推进职业转型策略的机会。  该项报告给出的建议是:“劳动者必须具有适当的技能,适应未来就业需求,而企业和政策制定者的行动必须协调一致,互为补充,投资发展人力资本。”  《报告》称,参与报告调查的受访者表示,应对就业新形势的挑战,三大策略:长期雇佣掌握新技术相关技能的新员工;将工作任务完全自动化;重新培训现有员工。还有不少公司预期将把工作分配给专业承包商、自由职业者和临时工。  员工再培训  通过对12个行业和20个发达与新兴经济体(合计占全球GDP的70%)公司首席人力资源官和最高策略官的调研,《报告》发现,54%的大公司员工需要有效的技能再培训,才能充分把握第四次工业革命带来的增长机会。同时,略过半数的受访公司表示计划对关键职位的员工进行技能再培训,只有三分之一的公司计划对面临风险的员工进行再培训。  在接受调查的公司中,受访者预计从目前到2022年,职位数量将减少约98.4万,新增174万。在报告涵盖的20个经济体中,根据对大公司非农员工中这些趋势的推测显示,随着人类、机器与算法之间劳动分工的变化,可能会造成7500万职位流失,与此同时,有望创造1.33亿更适应新型劳动分工的职位。  所有行业预计都将形成可观的技能差距,《报告》预计2018-2022年,技能再培训需求最高的是航空与旅游业。在信息与通信技术、金融服务和投资、矿业与金属行业,技能差距也十分显著。交通运输行业是最不可能对现有员工进行再培训的行业,而全球健康与医疗、化工、先进材料和生物技术行业的企业领袖则最有可能再培训员工。  据《报告》,各行业中,对数据分析师和科学家、软件和应用程序开发者、电子商务和社交媒体专家的需求将增加,这些职位都特别依赖或受益于技术。而明显需要“人类技能”的职位,如销售和营销专业人员、创新经理和客户服务人员,也将迎来需求的增长。而预计将供过于求的职位则包括从事例行工作的白领职位,如数据输入员、会计和薪资结算员。  《报告》表示,企业将使用更多承包商从事专门任务,以更加灵活的方式聘用劳动者,远程配备人员,改变组织运营的地点,确保获得优秀人才。  此外,不同区域的职位需求各有差异。据估计,各区域预计将增加的职位需求包括:东亚、太平洋和西欧的财务和投资顾问;拉丁美洲和加勒比海地区、中东与比非、南亚和撒哈拉以南非洲的装配和工厂工人;北美的电工工程师等。   

    推荐 2018-10-08 09:33

  • 人才培养是半导体发展的基石—重庆发展半导体新模式

    27日,深圳前海深港半导体投资有限公司投资的重庆两江新区半导体产学研基地正式开业,将从人才培训、产业孵化、半导体基金等多方面促进重庆半导体产业的进一步发展。        此前,多个半导体生产基地落户重庆。2013年,京东方集团半导体显示器件生产基地之一落户重庆。2016年,全球领先的印刷电路板制造商奥特斯重庆工厂投产,重庆成为中国第一个半导体封装载板生产基地。去年12月,华润微电子(重庆)有限公司在重庆西永微电园挂牌成立,未来将打造中国最大的功率半导体研发制造基地。        一直以来,重庆都是国家规划的集成电路重点布局地。近几年,通过垂直整合的集群发展模式,重庆已经形成了原材料、单晶硅切片、IC设计、IC制造、封装测试、产业配套的多规格、全流程的集成电路产业体系。据重庆统计局公开数据显示,今年上半年,重庆市集成电路产业实现产值81.1亿元,同比增长27%;产量2.59亿块,同比增长7.5%。    “虽然集成电路产业已初步形成覆盖芯片设计、制造、封装等全产业链环节,但其实薄弱,这是重庆也是全国的特点。”9月27日,在重庆市集成电路技术创新战略联盟人才高峰论坛(下称集成电路人才高峰论坛)上,重庆市科学技术委员会高新处处长许志鹏说。    “在电子信息产业向内陆地区转移的大趋势下,重庆将处在新的产业格局轴心位置,电子信息产业发展离不开半导体。半导体产业的发展又离不开人才培养的基石和行业科普这片土壤。在这两方面,我们提前布局。” 深圳前海深港半导体投资有限公司董事长杨利华说。      人才培养是基石      9月27日,由重庆市两江新区管委会和深圳前海深港半导体投资有限公司共同投资兴建的半导体产学研基地正式开业,该基地的CSEMI集成电路学院(CSEMI IC Education Academy,下称集成电路学院)于当天授课。该集成电路学院总面积达2000余平方米,能容纳300名左右学生。    记者在现场看到,当天有近200名来自重庆大学、重庆交通大学、重庆邮电大学、重庆理工大学等高校学生参与。杨利华介绍,未来5年,集成电路学院学院将为重庆培养10000名左右的半导体专业人才,同时将与西南地区各大院校、职业学院共建半导体及集成电路应用相关的实训基地。    据了解,CSEMI集成电路学院的专业课程将覆盖半导体整个产业链,课程涉及设计开发、工艺、封装、测试等各个领域,有公开课、定制课、网络培训、混合培训等,培训对象包括教师、工程师、政府及企业管理人员,培训最接近企业用人标准的相关人才。    那么,作为“高精端”的产业,集成电路企业到底需要什么样的人才?    从事芯片行业20年的北京忆芯科技有限公司创始人兼CEO沈飞提出了两大标准:融汇贯通和超强的学习能力。“就拿可编程硬件描述语言来说,每个人使用的或许不尽相同,不管是用VHDL也好,还是Verilog HDL也罢,只要找到其中的共性,就能举一反三。” 他说,10-15年是必要的行业积累。员工不是螺丝钉,而是能独当一面的专才或能打通各个环节“任督二脉”的通才。北京忆芯于2015年底成立,16年完成A轮融资。推出了国内首款商用NVMe SSD主控芯片STAR1000并量产出货。    作为集成电路产业人才培养的主力军,高校也在探索。    早在2010年,重庆邮电大学就成立了重庆国际半导体学院。为解决人才培养与企业需求“脱节”的问题,重庆国际半导体学院与中国电子科技集团的子公司重庆声光电有限公司等多家企业签订了协议,以企业作为学院实训基地,对学生进行高端专业技术培训深造,人才培训与企业项目结合。    同样,为了引进院校人才入企,半导体存储器行业巨头韩国SK海力士重庆工厂在重庆邮电大学设立了“SK海力士创造人才奖学金”。自2014年开始,连续5年,该企业每年提供10万元对20名学生进行资助。    “高校发展集成电路产业,往往”投入大,产出低“。”9月27日,重庆大学微电子与通信工程学院副院长周喜川在集成电路人才高峰论坛上表示。他认为,对于学生来说,企业将技术嵌入早期人才培养中,能让学生参与设计和制造,成品可直接用于企业生产。对企业来说,表现优秀的学生直接可以被企业吸纳,成为企业的一份子。    目前,重庆大学微电子与通信工程学院已与华润微电子(重庆)有限公司、中电科集团重庆声光电有限公司等企业开展了人才合作培养战略。    据记者了解,从半导体生产基地到产学研结合,新成立的重庆两江新区半导体产学研基地与以往不同的是,还将在筹资方式上进行创新。该基地正与重庆两江产业投资基金合作,规划设立两支半导体基金,即私募天使基金和半导体产业股权投资基金。杨利华透露,基金的规模将超百亿元。      行业科普是土壤      “公众开始意识到芯片的重要性是在中兴事件之后。早在2014年,国务院印发的《国家集成电路产业发展推进纲要》就体现出了国家层面的重视程度,但是和大众隔太远。” 重庆市电子学会理事长、重庆市电子学会理事长、重庆市半导体协会名誉会长徐世六在集成电路人才高峰论坛上说。    杨利华也表示,近年来中国半导体产业发展迅猛,但公众对半导体科学发展以及产业聚集起到的关键性作用了解甚少,培育产业发展土壤就显得十分重要。据他介绍,前海深港投资的两江新区半导体产学研基地将在重庆打造西南地区首个以半导体为主题的科学馆,预计明年3月对外开放。    “在欧美国家,集成电路的教育被纳入中小学生课程。我希望重庆半导体科技馆存在的意义是:中小学生来科普,能为将来迈进这个领域种下一颗种子。对大学生来说,通过科普+知识型的教学,让他们意识到这个专业有很大的发展前景。”杨利华在接受记者采访时表示。    他对记者说,不同于大而泛的科技馆,重庆半导体科技馆将聚焦半导体产业链本身和应用,从芯片的角度去诠释电子信息产业、大数据产业的布局。届时,科普讲解路线分别是入口大厅、时光隧道、工艺流程、产品展示、芯片应用、国家战略以及科技未来。时光隧道将对半导体历史上的重要人物、重大事件以及半导体产业的演进转移,做一个全局的梳理和呈现。至于半导体的工艺流程,科技馆将在全息车间进行整个生产工艺链条的展示。   

    推荐 2018-10-08 09:33

  • 中国半导体产业投资热—“治标不治本”

    中兴通讯被美制裁,中国芯片产业受人钳制,大众纷纷为“中国之芯”为伤。原本不为大众熟知的半导体行业推到前台,整个产业的专家、研究人员、创业者、投资人都希望为中国的芯片伤痕开出相应的“处方”。     此次美国对中兴通讯的制裁,让更多人知道了中国芯片产业上的“硬伤”。需要补充的是,芯片是半导体材料中最具有商业价值的一种,而一块芯片的生产可以简单理解为,将原材料的单晶硅棒切割成晶圆,并在晶圆上做集成电路,从而生产出芯片。芯片所在的半导体行业的产业链分为三大块:上游是半导体原材料;中游包括芯片集成电路的IC设计、制造、封测三大环节,属于核心环节;下游是各类市场需求,包括终端电子产品,包括手机、汽车、通讯设备等。而目前中游环节的“芯片制造”正是国内芯片产业的薄弱环节。     近期,第二届2018集微半导体峰会在厦门海沧隆重举行,而本次论坛核心的问题是中国的集成电路如何发展。     “热钱”无法解决集成电路产业的根本问题     近年来,企业、地方的基金推高了集成电路行业的热度。根据国家集成电路产业基金的统计,截止2017年6月,由“大基金”撬动的地方集成电路产业投资基金(包括筹建中)达5145亿元。截止到2017年12月,全国地方政府在半导体产业的资本总投入超过3300亿元。         来自紫光集团联席总裁刁石京认为,热钱无法解决产业根本问题,在集成电路产业受到空前关注,大量热钱、投资涌入的当下,更要静下心来踏实发展。     “看似热闹不差钱的中国集成电路产业、企业依靠自身实力的研发投入、规模化投入严重不足。”厦门半导体投资集团有限公司董事、总经理王汇联指出,从发展阶段来讲,整个产业不差钱,但却出现了资源错配的问题。这种资源错配同时带来另一个麻烦:就是过度的资本炒作。这种炒作不利于企业的技术转移,技术积累,人才积累和品牌积累。     而随着集成电路行业的大热,也迎来跟多初创企业的进场。集微网创始人老杳称:“这两年随着更多资本的介入,新一代的创业者获得资金的成本会更低,起点也会更高,让整个产业生态发生更大的变化。”例如AI领域,一个好一点的项目还没有做出产品,A轮估值就已经达到几亿美元了,这在一定程度上推高了半导体行业的投资门槛。因此,王汇联建议称,对于企业而言切勿盲目跟进,特别是初创型的中小企业进入这个领域一定要慎重。     而近期**新规,对银行股权投资有跟多限制,融资难的问题会很快发生。因此,元禾华创陈大同称,今后企业融资会更难,而行业企业的估值也会趋于理性。     而因为热钱涌入,投资跟风、项目估值过高,这对公司未来的发展并不是一件好事情。因此,“呼吁理性投资,不跟风、不凑热闹、不追星,拒绝虚高估值”成为了更多集成电路企业和投资基金的共识。     汇顶科技董事长张帆认为,他们一直在找能够理解这个产业特征的投资机构。如果它不理解这个产业的投资规律的话,也许它半年或者是一年以后,就会向我们要回报了。但做集成电路(IC)设计肯定不是很短时间就能够见效的。因此,在他看来,双方有长期的共同的战略目标,这样的合作才有可能会成功。     行业需要加强保护知识产权     在集成电路领域,关于知识产权的保护同样是关键的一环。瑞芯微董事长励民表示:“我们要特别重视知识产权的保护。当我们人的工资很高,知识产权不能保护,人家就不愿意来,就像中美摩擦有很大的焦点就是知识产权保护很大的问题,政府机关都有各个办公室,但是没有这方面做很好的工作。如果人才不集中起来,而且知识产权不保护,人家也不会来,这样的话就会影响产业。”     但在国内集成电路行业投资角度来看,IP并不是获得资本的必要条件。张帆补充说:“在美国如果你没有好的IP是融不到钱,在中国因为钱特别多,就是有一些公司可能有干净的IP,或者是身上可能还有官司,它还能拿到融资,这个也是一个很奇葩的现象。但是从资金的角度来讲,可能希望寻求的是最快速的回报。这样一个恶性循环会导致今后没有人去创新。”     而从企业的发展壮大来看,集成电路企业的IP关系到发展并购。芯原董事长戴伟民:企业在做大做强,甚至要准备并购的时候,如果你有一个很强的IP的时候,地位就不一样了。如果企业没有产出,怎么能走出来,所以IP保护很重要。如果没有IP,我国国内的人力成本就没有优势,所以希望国家重视IP。事实上,美国、日本都是经历这样的过程。”     “知识产权保护不力,公司花费精力培养的人才,可能带走核心技术去创立新公司,反过来跟自己打价格战,国家对知识产权方面的保护仍有缺失。”戴伟民表示称。     集成电路产业发展还需要10年甚至30年的努力     集成电路产业最为高科技产业,不仅仅需要的是资本的支持,它更需要的是时间。刁石京认为,我们必须要面对是集成电路产业的发展没有退路也没有捷径。集成电路(IC)业发展起来需要十年甚至三十年的努力,目前国内集成电路业强调战略需求、进口替代,这是产业结构调整和转型升级的必然趋势,要向价值链的核心端转移。     韦尔股份董事长虞仁荣:“我觉得市场在中国,中国需求这么大,只要我们不断的耕耘,十年二十年之后,肯定会出现几千亿美金市值的公司,这个是坚定不移地相信。当然需要中国公司和用户给我们更多的机会。当然,我们要更多的做好我们的产品。”     “实际上这个集成电路行业是国际上一个大的产业链,一个大循环,我们不可能一天之内就把我们的短板补齐,还是要坚持把手上能做的事情做好。那些短板的东西还是要靠国际合作或者其他的方式补齐,业界要进一步努力。当然国家的投入也很重要,短时间内要解决这个问题,没有五到十年是不可能解决的,还需要有耐心。”盈富泰克总经理周宁表达了类似的观点。     元禾华创陈大同:以我们现在的水平,我们并不是要取代全世界,这个是不可能的事情。但是发展到一定程度,这个产业应该有我们在国际产业链当中的地位,跟我们的市场相符合,能够嵌入到这里面。”     “封装测试这一块比较简单,我们基本上跟国际差距不大,设计方面可能还需要五到十年,到我们能够跟人家相比较。制造这个方面差距更大,我估计十年到二十年。最难的应该是材料和设备,材料和设备最少我估计要15到20年以上,才能融入整个世界。”陈大同还从时间节点做了一个判断。     而事实上,在中国集成电路奋勇追逐的路上,除了上述问题,产业人才缺乏、政企的角色认识同样也是这个行业面临的棘手问题。励民也坦言,当前中国半导体产业发展面临的首先是人才问题,这个产业没有人才成不了事,中国大陆在高端人才培养方面跟欧美日韩及中国台湾的差距不小。     集成电路的发展离不开政府的政策和资金的支持,而政府管多管少、怎么介入、承担怎样的角色也考验着政企互动协调的能力。     华登国际董事总经理黄庆:“我觉得政府应该做政府该做的事,民间该做民间该做的事。一些初创企业小的公司,特别是是市场化操作的,政府可以做一些支持,通过基金来做,我觉得是最适合的。整个行业最后一定会逐渐的市场化。行业只有更加市场化,才会理性化,否则会有很多盲目的东西。因为政府对盈利没有明确的诉求,会导致地方政府盲目的介入投资,而过度的投资没法让这个行业发展起来。”                     

    推荐 2018-10-08 09:33

  • BAT三家再聚首无人驾驶领域,哪里会是突破口?

    北京自动驾驶车辆道路测试第三方服务机构——智能车联公布了北京市自动驾驶车辆道路测试资格名单,腾讯和滴滴成为第六家和第七家获得北京自动驾驶路试牌照的企业。     9月26日报道称,猛一看,拿到牌照的企业非常多元化。既有老牌汽车公司如北汽、戴姆勒,也有初创智能汽车公司如蔚来、小马智行,更有互联网企业百度、腾讯和滴滴。但若拨冗去杂,仍可大致将以上7家企业划分为两大阵营:     报道分析称,北汽、戴姆勒均与百度存在合作关系,小马智行的创始人曾是“百度人”,因此以上几家均可划归百度系的阵营;而腾讯则一边大手笔投资蔚来、滴滴,一边自行研发,内外齐跑追赶百度。       资料图片:5月14日,腾讯公司工作人员展示智能网联汽车路测牌照。     无人驾驶领域:BAT三家再聚首  报道称,是的,腾讯追赶百度!虽说从市值上看,百度与腾讯有不小差距。但在AI技术,尤其是智能驾驶方面,腾讯仍然比不上做技术出身的百度,何况百度还占尽了先机。     从时间上看,百度推出阿波罗(Apollo)平台的时间是2017年4月,腾讯自动驾驶业务首次亮相的时间则是5个月后。互联网时代,5个月甚至都足以颠覆一个行业!     报道称,从百度自动驾驶测试车辆数也可见一斑,在其他企业仅有一两辆测试车辆的情况下,百度已惊人地达到了25辆。众所周知,做实验时不宜采用单组数据,否则难以排除偶然性。实验样本越充裕,越有利于及时观测到问题并解决问题。     B、T两家都已入场就位,阿里自然也不会缺席,2018年4月阿里也宣布进行L4级别自动驾驶技术研发。只不过阿里和百度、腾讯走上了一条截然不同的道路,在行业主流选择了单车智能的背景下,阿里选择了协同智能,即通过增设交通智能设施帮助实现无人驾驶,而非仅依靠汽车本身。如此一来,阿里收购的高德地图、自有的菜鸟物流和投资的商汤科技等多企业将联合起来,助力阿里探索无人驾驶。     显然,BAT三家在无人驾驶领域各出奇招,百度主打技术、腾讯依仗资本、阿里要做协同,竞争不可谓不激烈。BAT“三国杀”在无人驾驶领域再次上演意味着无人驾驶技术背后无限的运用场景和随之而来的高额收益。       资料图片:7月4日,由百度与金龙客车合作打造的L4级自动驾驶巴士“阿波龙”在福建厦门量产下线。     高速物流运输或成突破口  有钱有技术,更有政策支持,想必无人驾驶在中国的落地已经用不了多久。既如此,不妨大胆猜测一下,无人驾驶将最先在何领域落地商用,而全面落地距离我们又有多远?     财华社认为,高速路段物流运输或将成为最先实现无人驾驶的场景,原因有二:一、相较于其他道路,高速路段更为封闭,路况及同行车辆情况也更为简单,适合作为无人驾驶技术落地初期的过渡场景;     二来物流运输的需求日益强烈,社会接受度也更高。随着电商在中国大地的普及,在家买遍全中国已经成为普通消费者的日常,加上产业互联网逐步提上落实日程,由此产生了巨量的物流运输需求。     然而长途司机因太过疲惫导致车祸的事件屡有报道,技术驱动、智能决策而不知疲倦的无人驾驶因此显现出优越性。加上物流运输搭载的是货物而非人员,即使出现意外,也大多可以有效弥补损失,因此更容易被谨慎的市场所接受。     据报道,中国电商界的另半壁江山——京东在今年5月举办的无界零售发布会上透露了其关于“无人重卡”的相关消息,瞄准的也是高速路段无人运输这一场景。京东集团X事业部副总裁肖军表示,“京东无人重卡不仅已完成了2400小时的智能驾驶超级测试,且预计在2020年就将在国内上路”,距今已不足两年。     至于无人驾驶在全场景的落地运用,财华社认为,除技术外还有法律问题需要配套明晰。举个简单的例子,当某人乘坐无人驾驶汽车在闹市区发生车祸,责任应当划归给乘客、行人抑或是生产商呢?类似问题将成为无人驾驶全面落地的阻碍。     不过,报道称,据工信部发布的《汽车产业中长期发展规划》透露,2025年完全自动驾驶的汽车将开始进入市场。若监管层在未来六七年的时间内,能将无人驾驶配套的一系列政策、法规问题明晰落地,2025年完全自动驾驶入市未尝不能真的成为现实!       资料图片:9月19日,菜鸟ET物流实验室在云栖大会现场发布的两款新零售物流无人车。   

    推荐 2018-09-30 08:53

  • IBS CEO Handel Jones:FinFET与FD-SOI的市场与成本分析

    2018年9月18日,一年一度的上海FD-SOI论坛在上海准时举行,本次大会由SOI产业联盟、芯原控股有限公司、上海新傲科技股份有限公司、中国科学院上海微系统与信息技术研究所联合主办。IBS CEO Handel Jones以翔实的数据分析了FinFET与FD-SOI。        IBS CEO Handel Jones  Handel Jones表示,AI正在成为半导体领域未来十年增长的重要推手,AI能力将会改变很多行业,现在FD-SOI短期内是物联网重要的应用场景,长期则是5G市场的重要受益者。同时,在汽车电子化、高清视频、自动驾驶、自动化机器人等相关应用也将被颠覆。Jones分析了目前TSMC的销售量,另外也指出由于体偏置、掩膜简单等特性,FD-SOI特别适合射频电路、低功耗电路等应用。随着工艺越来越先进,设计费用越来越高昂,需要的人力开发和其他支援也会越来越多,会有大量玩家放弃高端工艺制程。Jones表示,相对于FinFET工艺,平面工艺拥有更长的生命周期,因此投入产出比相对合适。Jones认为,22nm FD-SOI的成本将和28nm HKMG成本相近,而工艺继续向下的话比如在12nm上,FD-SOI的成本将显著低于FinFET。Jones预计,ISP将是FD-SOI一个显著增长的市场,这是因为FD-SOI拥有更好的ADC模拟特性、低功耗以及低成本,随着汽车、智能手机、AR及安防市场不断增加,预计2027年,ISP出货量将达196亿颗。Jones强调,中国市场的增长仍将会是巨大的,目前在5G、物联网、无人驾驶等领域已经从市场的跟随者变成了领军者。由于贸易战的影响,中国越来越需要打造自主的产业生态系统,从而不受制于人。现在,随着FD-SOI技术越来越商业化,中国已经存在了在FD-SOI上大放异彩的机会和基础。 

    推荐 2018-09-30 08:53

  • 行业大咖云集SENSOR CHINA,促进产业链深度对接

    由工业和信息化部和上海市科委作为指导单位,中国传感器与物联网产业联盟(SIA)和上海科技会展有限公司共同主办,国家智能传感器创新中心支持的SENSOR CHINA于9月10日~12日在上海跨国采购会展中心举办的SENSOR CHINA圆满落幕,参展厂商覆盖传感器产业链上下游,数量达到250+,参展参会观众突破12000人。    新一代信息技术正加速创新融合发展,传感器作为广泛的系统前端感知器件,正大力推动着传统产业的转型升级和应用创新。对此,工业和信息化部电子信息司副司长吴胜武表示:“工业和信息化部高度重视传感器与物联网产业发展,着力提升智能传感器产业核心竞争力,从政策扶持、资金支持、标准建设、试点示范等方面推进相关工作展开。”    此外,中国科协副主席、中国科学院院士王曦指出了近期的重大举措:“上海正在加紧落实国家战略,建设具有全球影响力的创新中心,包括张江国家实验室、国家智能传感器创新中心等。随着国家智能传感器创新中心的运营,将加速我国抢占智能传感器为代表‘超越摩尔’产业高地。”                                                       热门展区与前沿技术展现传感创新影响力  随着3D摄像头应用的普及,其关键部件之一的3D传感愈发向着低成本、小型化、低功耗演进。下游的应用场景也从智能手机向智能家居、智能安防及智能汽车等新兴领域快速渗透。SENSOR CHINA展会现场3D传感展商展现的应用呈现了百花齐放的状态。     炬佑智能提供从芯片到模组,和包括算法的系统应用,其ToF芯片可用于智能安防、智慧城市等领域。epc公司也展示了一款ToF人脸识别模块产品,采用epc公司高度集成的单芯片320 x 320像素3D ToF深度成像传感器,实现全帧率39fps 3D ToF数据测量,测距精度可达毫米级,并集成了温度检测、环境光检测、信号幅度检测等功能,大小也仅有9.7 x 8.7mm WL-CSP封装尺寸。    炬佑智能展品(左)和epc展品(右)     E+H重磅展出了新型Ceracore 4.0测量单元,其测量范围在50mbar~100bar之间,精度达到0.1%,具有自监控测量单元和数字(UART/SPI)/模拟通讯。德尔森携手江苏MEMS 研究院联合参展多款重磅产品,德尔森最新发布的MD系列单晶硅压力与差压传感器芯片,采用了全球独创的双梁悬浮式MEMS结构、拥有全球最小1kPa标准量程,以及全球第一的超高过压性能。    E+H  Ceracore 4.0测量单元(左)和MD系列单晶硅压力与差压传感器芯片(右)     环境问题近年来成为社会舆论讨论焦点,尤其是空气监测方面,正在成为探寻的新方向。SNESOR CHINA 2018现场也能看到多家展商展出了气体检测传感器及产品。霍尼韦尔展出了具有室内空气质量检测性能的PM2.5 室内空气检测仪,能够准确检测室内空气的PM2.5含量以及温湿度数据。此外,霍尼韦尔还带来智联环境、互联汽车、IoT传感物联、工业自动化以及条码扫描解决方案这五大应用领域的解决方案。City英国城市技术公司展出了多功能集成的空气质量检测仪,可以监测温湿度、甲醛浓度、二氧化碳浓度等指标。    霍尼韦尔展台(左)与City空气质量检测仪(右)     此外,还有TE、北京久好电子等250+中外展商参加SENSOR CHINA 2018,行业覆盖传感器设计企业、传感器芯片企业、传感器系统集成商、模组厂商等。展品范围包含几乎所有的传感器类型,MEMS传感器、压力传感器、磁敏传感器、气体传感器、红外传感器、图像传感器、光电传感器、流量传感器、液位传感器、环境传感器等。     高峰论坛覆盖传感器、物联网网络协议、柔性电子等,引领行业趋势  在9月10日和11日两天时间里,SENSOR CHINA同期举办了10余场分论坛,带来了压力、气体、磁传感器、3D传感、通讯技术等多个领域专家的技术及应用趋势分享,为我们展望了产业未来万亿级的市场。          传感器行业专家汇聚压力传感器论坛,聚焦压力传感器的技术发展趋势。恩德斯豪斯区域总监 Max Jochem Kreutzer、TE Connectivity 传感器事业部资深销售经理 康健分享了数字化压力传感器的发展趋势,麦克传感器股份有限公司 物联网项目部经理 赵松、西安中星测控 技术总监 罗超聚焦压力传感器的应用展开了讨论。     气体传感器论坛的议题从当今最热门的甲醛检测问题延伸到气体检测在智能家居、智慧城市、汽车等领域的应用。霍尼韦尔工业安全部 气体传感器 翟俊捷带来了最新款的电化学式甲醛传感器和丙烯腈传感器。杭州麦乐克 传感事业部总经理 郭功剑 列举了目前市场上三大类主要气体检测需求。郑州炜盛电子 研发副总监 刘建钢 对化学传感器、电化学传感器、PM2.5传感器的技术现状及趋势进行分析。SenseAir亚太区市场副总 Arvid Egeland分享了超低功耗红外线气体传感器背后的故事。     3D视觉技术与应用论坛邀请到了英特尔、艾迈斯半导体、瑷镨瑞思(ESPROS)、炬佑智能、艾芯智能、艾普柯微电子、西安知微传感等在3D视觉技术及应用领域的知名厂商。内容涵盖3D摄像头模组、3D视觉算法、3D视觉核心元器件的深度技术解析,以及3D视觉应用和市场分析等。     磁传感器论坛邀请江苏多维科技 、爱盛科技、苏州矩阵光电等公司,围绕磁传感器技术及产品应用,展开了一系列的讨论,为磁传感器应用的发展开拓了视野。     聚焦传感器技术,高峰论坛涵盖传感器全产业链:以物联网通讯技术为主题,物联网通讯与传感器融合创新论坛邀请了中移物联、移柯通信、Semtech、纵行科技、铂讯科技等业界知名企业,分享了他们在NB-IoT、LoRa、ZETA、Weightless等技术领域的成果。针对工业物联网究竟需要什么样的网络协议这个问题,华为、爱立信在工业物联网网络协议分享会等企业分享了各自的技术成果。回溯至传感器材料,在柔性电子论坛上,国家“千人计划”专家、常州印刷电子产业研究院院长 张霞昌、中科院上海微系统与信息技术研究所研究员 陶虎的演讲给大家提供了新的思路。     为优质项目提供精准对接平台,买道传感网和海尔专场对接会成功举办  SENSOR CHINA致力于满足各方实际需求,同期配套了多场高端活动,其中买道传感网和海尔的专场对接会人气尤其高。展会期间买道传感网作为专业的传感器服务综合平台,邀请了奥托尼克斯(Autonics)、奥泰斯自动化(Optex-Fa)、智恒微电子( IMS)等知名传感器公司技术、市场大咖们为大家带来现场版的买道《传感说》。买道传感网掌柜沈滨洋表示:“我们专注于做传感器应用领域的生态链建设,主要通过交易服务、资讯服务以及技术服务去满足不同应用领域中各类型客户的需求。”     海尔HOPE开放创新平台在开展之前发布过很多传感器领域的技术需求,吸引了国内外百余家传感器、物联网企业前来现场洽谈。这次海尔专场对接会为广大的传感器、物联网的企业同行们提供了一个“明确需求,精准对接”的专业平台。     随着产业链的日趋完整,智能传感器的前景日益广阔,产业发展具备了天时地利人和的条件。SNESOR CHINA 2018非常契合产业的发展,围绕着智能时代的到来以展览为主同期配套多场论坛,体现了高端化、国际化、专业化、多元化,有效的连接了产业链的各个环节,已经逐步成为产业发展的风向标,此次展会的召开为沟通传感器与物联网产业发展的新政策、新动向、新模式、新技术提供了交流平台,同时也为企业寻找商机、寻找合作提供了机会。   

    推荐 2018-09-28 10:28

  • 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

正在加载