架構就像是晶片的基因，直接決定了晶片的進步空間。這也是後摩爾定律時代，新型態晶片崛起的根本原因。大量的資料、有效的演算法以及足夠的算力結合，推動了人工智慧(AI)的高速發展。但也不得不看清一個嚴峻的現實，資料量越來越大，資料類型越來越多。各種演算法日新月異，高速發展，與此同時，算力的提升卻顯得趕不新技術的進展，甚至落後於資料和演算法的需求，尤其在運算場景對高頻寬、低功耗需求持續增加的趨勢下。此外，加上晶片製程的進步趨近極限，可大規模商用的新型材料暫時還沒出現，因此在晶片架構上的探索成為提高晶片性能最重要的手段之一。 AI晶片突破重圍 在傳統的馮・諾依曼架構中，由於運算與儲存分離，運算過程中需要不斷透過匯流排交換資料，將資料從記憶體讀進CPU，運算完成後再寫回記憶體。而隨著深度學習的發展和應用，運算單元和儲存單元之間的資料移動尤為頻繁，資料搬運慢、搬運耗能大等問題，成為了算力效能進一步提升的關鍵瓶頸。從處理單元外的記憶體提取資料，搬運時間往往是運算時間的成百上千倍，公開資料顯示，整個過程的無用耗能約在60~90%之間。 特別是大算力場景下，存算分離帶來的運算頻寬問題成為主要瓶頸。以智慧駕駛等高度使用邊緣運算場景來看，除了對算力需求高之外，對晶片的功耗和散熱也有很高的要求。而常規架構的晶片設計中，記憶體系統的性能提升速度已經大幅落後於處理器的性能提升速度，有限的記憶體頻寬無法保證資料高速傳輸，無法滿足高算力的運算需求。 因此半導體產業面臨的挑戰很兩極，一邊是需要不斷突破的算力門檻，另一邊則是固守多年的記憶體限制。而只有創新架構，打破記憶體的限制、降低成本、提升運算效率，才能讓晶片算力更進一步，推進資料運算應用的 發展。在此趨勢下，將記憶體和運算更緊密地結合在一起的存算一體方案，正獲得越來越多的關注，並逐步由研究走入商用場景中。 以資料為核心的AI晶片路線 對於大算力的AI晶片來說，架構設計已經越來越明顯轉向以資料為核心，不過對於不同技術路線的企業來說，有不同的實現方式。HBM是目前超大算力晶片常用的方案之一，能夠暫時緩解記憶體限制的困擾，但實現成本較高。以輝達(NVIDIA)在AI雲端市場大規模落地的GPU來看，其較先進的Hopper架構一方面透過HBM來解決記憶體瓶頸，另一方面新增了張量儲存加速器(TMA)。整個Hopper架構GPU由8個圖形處理叢集(GPC)組合而成，核心兩側是HBM3顯存，擁有5,120位元的位寬。此外，TMA提高了張量核心與全域儲存和共用儲存的資料交換效率。此方式也需要先進的製程和封裝技術，基於Hopper的新一代GPU...

感測器是一種檢測裝置，能接受到被測量的資訊，其作用是將環境中的自然訊號轉換成電訊號或其它所需形式的資訊輸出，以滿足資訊的傳輸、處理、儲存、顯示、記錄和控制等要求。 感測器從誕生開始，大概經歷了結構型、固體型以及智慧型三個階段，前兩個階段的感測器一般由敏感元件、轉換元件和變換電路三部分組成，有時還加上輔助電源。但隨著各類科學技術的發展，前兩類感測器逐漸無法滿足對資料獲取、處理等流程的需求，而融合了軟體演算法、人工智慧技術的智慧感測器開始進入市場(圖1)。相較傳統的感測器，智慧感測器整合微處理器，擁有採集、處理、交換資訊的功能，可以說是感測器整合與微處理器結合的產物。 圖1　智慧感測器　(資料來源：與非網) 感測器種類繁多，作為資訊時代的感知層，是物聯網、智慧製造、大數據、智慧建築等領域的基礎和資料來源，因此目前已經被廣泛應用於各行各業，如機器人、智慧汽車、環境監測、工業自動化、醫療診斷等(圖2)。從應用占比看，汽車電子、工業領域和通訊電子是感測器應用最主要的三大領域，占比均超過20%。除此以外，消費電子的市場占比約為14.7%，醫療電子等應用占比也均超過7%。 圖2　感測器典型應用　(資料來源：與非網) 全球感測器市場規模 根據賽迪顧問資料顯示，隨著新能源汽車、工業自動化、環境監測、醫療電子的智慧化發展，2020年全球感測器市場規模達到1606.3億美元，智慧感測器市場規模達到358.1億美元，占整體規模的22.3%(圖3)。雖然在2022年度上半年，...

不同於x86、Arm，RISC-V作為開放源碼架構，其商業化能力一直遠遠弱於前二者。然而隨著近幾年國際關係的變化，市場對於算力的需求和供應鏈安全的需求為開放源碼生態的RISC-V帶來新的機會。 在歐美晶片法案陸續落地時，包括俄羅斯、印度在內的各國都公布了自產的RISC-V處理器，中國也包含在內。短短幾年內，全球RISC-V架構的晶片出貨量已經突破了100億。Arm架構花了17年時間才在2008年達到上述的出貨量，RISC-V則只用了12年左右。SemicoResearch預計，2025年全球將有624億個RISC-V...

視覺是人類駕駛汽車獲取環境資訊最主要的途徑，鏡頭獲取的資訊更為直觀，更接近人類的視覺，對於自動駕駛汽車而言，鏡頭取代了人類視覺，成為了汽車獲取外界資訊的重要來源。車用鏡頭在汽車領域應用廣泛。從早期用於行車記錄、倒車影像、停車環景逐步延伸到駕駛員記錄、停車輔助、夜視、座艙監控以及先進駕駛輔助系統(ADAS)等功能。根據鏡頭位置的不同，可以將鏡頭分為前視、後視、環景、側視以及車室內鏡頭。 新能源車鏡頭平均數量已達10顆以上 汽車智慧化趨勢下，車用鏡頭是ADAS系統的重要感測元件，受益ADAS滲透率提升以及智慧駕駛等級的提升，整車鏡頭搭載數量快速增加，尤其是中國造車新品牌在全車感測的硬體布建更為積極，小鵬P7/...

晶圓製造技術的高精密化已經成為摩爾定律持續發展的關鍵。在半導體產業鏈中，技術創新和反覆運算的推動力正在從設計、製造向封裝測試延伸。作為晶圓製造的後段工序，封裝向中道擴展，其價值早已不是簡單的對晶圓進行切割、焊線塑封，使積體電路與外部元件實現電氣連接、訊號連接的同時，對積體電路提供物理、化學保護的基本定義。 全球市場規模穩定成長 價值驅動的趨勢展現在全球相關市場規模中，過去幾年，全球封測市場一直保持著平穩的成長。單就封測代工(OSAT)而言，2011年，全球相關市場規模為455億美元，到2020年，成長到594億美元，2012~2020年封測市場規模的CAGR為3.0%(圖1)。如果加上綜合數據復用器(Integrated...

各大半導體廠商持續擴大產能，但受新冠肺炎疫情和業界「搶產能」的影響，MCU是2021年全球最緊缺的晶片之一，尤其是汽車MCU市場仍處於供不應求的狀態。 汽車功能離不開MCU 車用MCU在汽車中的應用呈現出多樣性，從簡單的車燈控制到複雜的發動機控制、汽車遠端通訊，高、中、低階MCU在汽車中都可以發揮作用。MCU透過接收VCU的車輛行駛控制指令，控制電動機輸出指定的扭矩和轉速，驅動車輛行駛。實現把動力電池的直流電能轉換為所需的高壓交流電、並驅動電機本體輸出機械能。隨著汽車不斷從電動化向智慧化深度發展，MCU在汽車電子中的應用場景也越來越多元。 汽車市場對MCU有龐大的需求，在汽車應用中，從雨刷、車窗、座椅，到車載娛樂資訊系統，幾乎都會用到MCU來實現控制，根據iSuppli報告，一輛汽車內的半導體元件數量中，MCU晶片約占30%。目前MCU主要作為ECU的核心，用於汽車各個系統的控制。而隨著汽車智慧化程度越來越高，MCU的用處和用量還有望進一步提升。 ECU即發動機控制單元，特指噴射引擎的電子控制系統。但是隨著汽車電子的迅速發展，ECU定義也發生了變化，從Engine...

智慧手表作為穿戴式裝置的重要類型之一，是介於傳統手表與智慧手機間的物聯網(IoT)產品，既具備傳統手表時間指示和裝飾功能，又整合智慧化功能。與傳統手表相比，智慧手表可玩性和功能豐富性更高。智慧型手機相比，智慧手表雖然在功能豐富性和應用多樣性方面較為不足，但由於體積小巧，可有效解放雙手。另外，由於佩戴方式與傳統手表類似，可以全天候24小時佩戴，可透過緊貼皮膚來取得其他智慧設備無法獲得的生命體徵資料，如體溫、心率、睡眠、血壓和血氧等重要健康數據，使得智慧手表具有非常強的不可替代性和未來大規模普及滲透的潛力。未來智慧手表將成為手機的輔助延伸，成為使用者的第二個螢幕。 2022智慧手表出貨爆量　蘋果將面對挑戰者 智慧手表早期產品相對小眾，主要痛點在於續航、獨立性、功能單一和數據監測準確度等方面不足的問題，隨著技術的不斷突破和產業鏈的成熟，智慧手表部分缺點陸續被克服，銷量持續快速成長。自2014年蘋果首次推出智慧手表Apple...

作為全球最重要的戰略物資之一，晶片的價值正在日趨緊張的地緣政治環境中，推動半導體產業全球化結構的變化。雖然目前還不太會出現一個完全自給自足的本地供應鏈，這意謂著至少兆美元級的增量資金和高昂的晶片價格以及最終電子設備成本的增加，但當涉及到半導體供應鏈的安全時，晶片，尤其是晶片製造業就成為一個主要的焦點。晶片製造業分為純晶圓代工和IDM兩類，前者因其開放式的商業模式成為半導體供應鏈的主力，本文將就目前全球和中國國內的晶圓代工業現狀，從產能、投資以及發展態勢等幾個方面進行梳理。 市場規模擴張推動產能和投資成長 近兩年，受網路和資料中心電腦、5G智慧手機和其他如機器人、自動駕駛、人工智慧(AI)等高成長應用市場對先進處理器的強勁需求，晶圓製造市場成長強勁。IC...

幾乎每個產業都受到了新冠疫情的衝擊，過去一年，藍牙市場增速有所減緩。 不過，仍有一些藍牙市場找到了成長機會，譬如在降低接觸風險、改善患者護理的醫療環境方面就有所成長。